[发明专利]一种基于深度循环神经网络的电力销售金额智能预测方法

权利要求书

1.一种基于深度循环神经网络的电力销售金额智能预测方法，其特征在于，包括以下步骤：

（1）读取电力部门销售流水和用电量的历史数据，进行数据去噪和时间序列平稳化的预处理；

（2）对预处理后的历史数据进行信息挖掘和分析，评估金额到账时间与用户支付时间的关系，得出每天缴费用户的缴费金额到账情况、区域、用电量和具体金额的分布信息；

所述步骤（2）中对历史数据进行信息挖掘和分析，具体包括以下步骤：

（2.1）综合每次缴费信息，按照设定的缴费金额区间将用户分为四类；

（2.2）综合每月用电量信息，按照设定的用电量区间将用户分为四类；

（2.3）按照用户实际缴费时间与通知缴费周期的匹配程度进行分类，得到稳定缴费用户和非稳定缴费用户；

（2.4）按照用户实际缴费时间间隔进行分类，得到高频缴费用户和低频缴费用户；

（3）对历史数据结构进行组织，按时间序列均分为k个时间段，每个时间段包含多天数据；

（4）取归一化后的n天数据作为输入，使用深度循环神经网络学习高维特征，并将高维特征输入softmax判别器进行未来某时期销售金额等级分类；

该步骤中，利用深度循环神经网络的回归训练以学习高维特征，具体包括：取归一化后的30天数据作为输入，使用门控循环单元（GRU）学习高维特征，最后利用全连接层输出对第31天的现金流的预测，进行回归训练；其中，门控循环单元（GRU）的层数、全连接层的层数以及每层的循环核尺寸都是超参数；

（5）重复步骤（4），用网格法对深度循环网络模型的超参数进行遍历，多次实验后记录最佳的超参数，构建最终的金额预测的深度循环神经网络模型，并利用其进行电力销售金额的智能预测。

2.根据权利要求1所述的方法，其特征在于，所述步骤（1）中，所述电力部门销售流水的历史数据包括：用户行业、识别码、预计到账区间、实际缴费日期、缴费方式和缴费金额；所述用电量的历史数据是指每位用户的每月实际用电量。

3.根据权利要求1所述的方法，其特征在于，所述步骤（3）中，按照天为单位，对数据进行整理排布，每日数据均有多维特征，涵盖总缴费金额、到账评估的分布，预计在当天到账的缴费用户行业分布、用电量分布以及缴费金额分布，以及当日的日期信息。

4.根据权利要求1所述的方法，其特征在于，所述步骤（5）中，深度循环网络模型的超参数包括：往期天数n、网络层数、学习率、迭代算法和迭代次数。