[发明专利]一种基于深层森林算法的家庭用电负荷分类识别方法

说明书

本发明公开了一种基于深层森林算法的家庭用电负荷分类识别方法，它包括：采集不同家庭用电负荷的特性数据；进行数据的预处理和重要关键参量的计算；利用数据库内数据和参量建立深层森林算法的训练数据集，所述训练数据集包括数据样本集和测试集；设置深层森林算法的参数，确定森林的产生算法，决策树棵数；利用数据样本集对算法进行训练，形成具有逐层强化筛选的深层森林模型；利用测试集对深层森林模型的分类的精确度进行测试，确定模型的层数；得到训练完成的深层森林模型后，向模型中输入需要新接入的家庭负荷的观测值数据，最终输出负荷类型的分类结果；实现对海量的家庭用户用电数据的处理和分类识别。

技术领域

本发明属于家庭用电负荷分类识别领域，特别是涉及一种基于深层森林算法的家庭用电负荷分类识别方法。

背景技术

面对电网目前存在最大负荷不断刷新历史最高，峰谷差进一步拉大的现状，实行需求侧电能管理是解决问题的有效途径。然而目前居民家庭用电参与负荷调节的比例还较小。其中一个原因是目前无法精准的对家庭用户的用电负荷进行精确识别，并用于挖掘不同家庭的可调节潜力。为了应对这样一个局面，对家庭用电负荷进行智能分类识别，是新形态下推动电力需求侧管理的一个行之有效的措施。

新型智能家居逐步开始走进千家万户，获取海量的家庭用电信息已不再是一个难题。但随着家庭用电器的类别不断增加，人为对家庭用电信息进行分类识别是不实际的。因此，面对海量的家庭用户用电数据的处理和分类，电力企业急需寻找一个快速高效的方法来对电力用户用电类别进行分类。

发明内容

本发明要解决的技术问题是：提供一种基于深层森林算法的家庭用电负荷分类识别方法，以实现对海量的家庭用户用电数据的处理和分类识别，从而指导电力企业进行需求侧管理，提高柔性负荷的调控效率。

本发明的技术方案是：

一种基于深层森林算法的家庭用电负荷分类识别方法，它包括：

步骤S110、采集不同家庭用电负荷的特性数据；

步骤S120、将海量家庭用电负荷数据存储于服务器端，同时进行数据的预处理和重要关键参量的计算；

步骤S130、利用数据库内数据和参量建立深层森林算法的训练数据集，所述训练数据集包括数据样本集和测试集；

步骤S140、设置深层森林算法的参数，确定森林的产生算法，决策树棵数；

步骤S150、利用数据样本集对算法进行训练，形成具有逐层强化筛选的深层森林模型；

步骤S160、利用测试集对深层森林模型的分类的精确度进行测试，确定模型的层数；

步骤S180、得到训练完成的深层森林模型后，向模型中输入需要新接入的家庭负荷的观测值数据，最终输出负荷类型的分类结果。

所述家庭用电负荷的特性数据包括各类家庭用电器的电压、电流和谐波数据。

所述重要关键参量为：用电器的功率因数、用电器的功率上下限、用电器的工作模式、用电器启动电流和额定电流的倍数。

所述深层森林算法的参数包括：森林的生成方式、森林的类型、森林的个数、每个森林中的决策树棵数。

所述形成具有逐层强化筛选的深层森林模型的方法为:将每一层的输出结果作为增强向量，进一步处理进入下一层的森林加强筛选力度，逐层强化，提高分类的精准度。

所述确定模型的层数的方法为：若分类的精确度达到设定数值，或增加层数对模型分类的精确度提升达不到设定数值，则当前层数为模型的层数。

它还包括：