[发明专利]一种基于双重聚类的日售电量预测方法及系统

权利要求书

1.一种基于双重聚类的日售电量预测方法，其特征在于，包括：

获取预设用户的历史日发行电量数据；

对所述历史日发行电量数据进行双重聚类，获取每个双重聚类类别各自对应的历史日发行电量数据；

根据每个所述双重聚类类别各自对应的历史日发行电量数据，利用每个所述双重聚类类别各自对应的日售电量预测模型，获取每个所述双重聚类类别各自对应的预测时间段的日售电量预测结果，并将全部所述双重聚类类别各自对应的日售电量预测结果相加，获取所述预测时间段的预测售电量。

2.根据权利要求1所述的基于双重聚类的日售电量预测方法，其特征在于，所述对所述历史日发行电量数据进行双重聚类，获取每个双重聚类类别各自对应的历史日发行电量数据，包括：

对所述历史日发行电量数据进行基于余弦相似度的第一重聚类，获取以曲线形态走势为分类标准的每个第一重聚类类别各自对应的历史日发行电量数据；

对每个所述第一重聚类类别各自对应的历史日发行电量数据进行基于欧式距离的第二重聚类，获取同一类负荷形态走势下不同数量级的每个所述双重聚类类别各自对应的历史日发行电量数据。

3.根据权利要求1或2所述的基于双重聚类的日售电量预测方法，其特征在于，所述根据每个所述双重聚类类别各自对应的历史日发行电量数据，利用每个所述双重聚类类别各自对应的日售电量预测模型，获取每个所述双重聚类类别各自对应的预测时间段的日售电量预测结果之前，还包括：

建立每个所述双重聚类类别各自对应的历史日发行电量数据和所述预测时间段的日售电量预测结果的函数关系；其中，每个所述双重聚类类别各自对应的历史日发行电量数据和所述预测时间段的日售电量预测结果分别为自变量和因变量；

采用ORELM对每个所述双重聚类类别各自对应的自变量和因变量进行训练建模，获取每个所述双重聚类类别各自对应的日售电量预测模型。

4.根据权利要求3所述的基于双重聚类的日售电量预测方法，其特征在于，还包括：

获取所述预测时间段的全部双重聚类类别对应的实际售电量数据集和数据集维度；

根据所述实际售电量数据集和数据集维度对每个所述双重聚类类别各自对应的日售电量预测模型进行调整。

5.一种基于双重聚类的日售电量预测系统，其特征在于，包括：

第一获取模块，用于获取预设用户的历史日发行电量数据；

双重聚类模块，用于对所述历史日发行电量数据进行双重聚类，获取每个双重聚类类别各自对应的历史日发行电量数据；

预测模块，用于根据每个所述双重聚类类别各自对应的历史日发行电量数据，利用每个所述双重聚类类别各自对应的日售电量预测模型，获取每个所述双重聚类类别各自对应的预测时间段的日售电量预测结果，并将全部所述双重聚类类别各自对应的日售电量预测结果相加，获取所述预测时间段的预测售电量。

6.根据权利要求5所述的基于双重聚类的日售电量预测系统，其特征在于，所述双重聚类模块，包括：

第一重聚类子模块，用于对所述历史日发行电量数据进行基于余弦相似度的第一重聚类，获取以曲线形态走势为分类标准的每个第一重聚类类别各自对应的历史日发行电量数据；

第二重聚类子模块，用于对每个所述第一重聚类类别各自对应的历史日发行电量数据进行基于欧式距离的第二重聚类，获取同一类负荷形态走势下不同数量级的每个所述双重聚类类别各自对应的历史日发行电量数据。

7.根据权利要求5或6所述的基于双重聚类的日售电量预测系统，其特征在于，还包括：

函数关系建立模块，用于建立每个所述双重聚类类别各自对应的历史日发行电量数据和所述预测时间段的日售电量预测结果的函数关系；其中，每个所述双重聚类类别各自对应的历史日发行电量数据和所述预测时间段的日售电量预测结果分别为自变量和因变量；

建模模块，用于采用ORELM对每个所述双重聚类类别各自对应的自变量和因变量进行训练建模，获取每个所述双重聚类类别各自对应的日售电量预测模型。

8.根据权利要求7所述的基于双重聚类的日售电量预测系统，其特征在于，还包括：

第二获取模块，用于获取所述预测时间段的全部双重聚类类别对应的实际售电量数据集和数据集维度；

调整模块，用于根据所述实际售电量数据集和数据集维度对每个所述双重聚类类别各自对应的日售电量预测模型进行调整。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的基于双重聚类的日售电量预测方法的步骤。