[发明专利]一种基于随机森林的电力用户特征识别分类方法

说明书

本申请揭露一种基于随机森林的电力用户特征识别分类方法，该方法通过采用随机森林算法来对电力用户进行特征识别分类。首先通过对负荷曲线进行分析尽可能多地提取获得特征数据，得到随机森林的学习样本和测试样本。再通过随机森林算法学习样本数据，获得最终的分类决策模型，用测试样本检验该模型的准确性以验证该模型的准确性。最后利用该模型对待分类的电力用户特征数据进行分析，获得电力用户的分类情况。另外，所采用随机森林是一种统计学理论，是一种组合分类器算法，该算法具有很高的预测准确率，对异常值和噪声具有很好的容忍度，且不容易出现过拟合，能够有效解决用户特征识别分类问题，从而满足电网对负荷的识别分类需求，为实现电网对需求侧不同负荷集群的管理奠定基础。

技术领域

本发明涉及电力用户特征识别，特别是涉及一种基于随机森林的电力用户特征识别分类方法。

背景技术

当今世界发展越来越快，城市建设日新月异，能源的消耗速率也与日俱增，由于发展速度过快，全球已经陷入了深深的能源危机中，煤炭、石油等各种化石能源不断被消耗，日渐枯竭，而且，开采化石资源对环境造成严重危害，消耗化石资源也会产生大量有害气体。随着世界发展对能源的要求越来越高以及人们环境意识的加强，电动汽车、光伏以及储能等日渐普及，分布式设备得到前所未有的重视和发展，这也使得不同用户均具备了不同的调控潜力。同时由于经济地高速发展，地区电力的最大负荷持续增长，峰谷差渐渐增大，这对电网的安全运行造成巨大威胁。因此研究负荷特性，在此基础上有针对性地开展需求侧管理具有十分重要的意义，同时负荷也具备调节能力。

而在需求侧的众多类型用户中，不同类型用户都有不同的调控潜力。如果能够通过电力用户的特征识别，对用户进行分类，这对需求侧管理将起到很大的推动作用。通过对不同的用户采取不同的调控措施，尽可能的发挥不同电力用户的调控潜力，提高电网的运行状态，很有意义。因此，寻找一个有效的方法——对用户的特征进行识别、分类，是一个亟待解决的问题。

发明内容

基于此，本申请提出一种基于随机森林的电力用户特征识别分类方法，其通过利用现有数据，对随机森林模型进行训练，将训练得到的模型来对电网中的电网用户进行特征识别分类。

一种基于随机森林的电力用户特征识别分类方法，其特征在于，包括以下步骤：

收集大量数据，根据电力用户的负荷曲线和具体数据，分析不同电力用户用电数据特征，提炼出电力用户用电负荷主要特征；

处理电力用户负荷数据，提取出电力用户负荷数据的主要影响因子，以一定比例划分获取得到随机森林的训练集和测试集；

有放回地从训练集中随机抽取样本，抽取k个样本，每个样本的样本容量和原始训练集一样；

利用决策树算法对k个样本进行训练，获得k个决策树分类模型；

将k个决策树分类模型组成起来，形成组合分类模型，即随机森林分类模型，每个决策树通过投票表决最终分类；

利用测试集对随机森林模型进行分类结果测试，将测试结果和测试集结果进行比较，以此来验证随机森林分类模型；

收集电力用户负荷特性数据，利用该模型对这些数据进行分类；

输出电力用户的分类结果。