[发明专利]大数据环境下用户用电关联因素辨识及用电量预测方法

说明书

技术领域

本发明涉及一种大数据环境下用户用电关联因素辨识及用电量预测方法。

背景技术

准确的用电量预测对电网规划和经济部门的管理决策具有重要的指导意 义。在研究不同用户用电特性的基础上开展用电量预测，可以帮助电力企业 更好地了解用户个性化服务需求，为未来电网发展及电力需求侧响应政策的 制定提供数据支撑。随着我国社会经济的持续发展以及产业结构的不断调整， 电力用户的用电特性正呈现多样化发展趋势，用户用电特性的多样化对传统 的用电量预测方法提出了挑战。与此同时，随着智能电网的建设和发展，电 力企业内部逐渐形成了包括生产数据、营销数据，以及相关社会经济数据等 在内的智能配用电大数据为计及用户用电特性的用电量精细化预测提供了数 据基础。然而，由于智能配用电大数据种类多、体量大、维度高和生成速度 快等特征，使得传统的用电量预测方法在挖掘海量数据信息方面存在一定的 局限性，难以准确把握用户的用电量关联因素及变化规律。如何在大数据环 境下研究用户的用电特性和用电量关联因素，并对其用电量进行预测，是摆 在研究者面前的一个挑战。

目前，多数的用电量预测方法可归为三类：基于时间序列的预测方法、 用户端预测法，以及计量经济预测法。但是，这些方法或者过于依赖可用数 据的质量，或者在辨识用户用电量影响因素时需进行人为干预，无法挖掘隐 藏于电能需求变化之后的深层次关联关系，对于大数据环境下的用户用电量 预测具有较大的局限性。

发明内容

本发明提供一种大数据环境下用户用电关联因素辨识及用电量预测方法， 通过对不同用户的用电特性进行多维度聚类分析，实现基于不同用电特性的 用户群体精细化划分，并能对用户群体的用电量存在强关联的因素进行辨识， 从而准确把握用户的用电量关联因素及变化规律，最后采用随机森林算法针 对不同用户群体实现用电量的准确预测。

为了达到上述目的，本发明提供一种大数据环境下用户用电关联因素辨 识及用电量预测方法，包含以下步骤：

步骤S1、建立多维评价指标体系对用户用电特性进行表征，并根据不同 用户的用电特性，在多维评价指标数据的各个子空间中分别开展模糊C均值 聚类，提取用户的多样化用电模式，从而实现基于用电模式判别的用户精细 化分类；

步骤S2、运用互信息理论对用户用电量数据与潜在关联因素数据进行关 联分析，辨识与用户用电行为存在强关联关系的因素；

步骤S3、根据各类用户的用电量数据及其强关联因素数据，面向各数据 样本开展基于随机森林算法的预测建模及参数寻优，对各用户群体的用电量 进行预测。

所述的步骤S1中，实现用户精细化分类包含以下步骤：

步骤S1.1、针对不同用户使用包含时序与非时序数据的用户用电特性多 维评价指标：