[发明专利]一种具有自动超参检索的月度用电量预测方法及系统

说明书

本发明公开了一种具有自动超参检索的月度用电量预测方法，至少包括以下步骤：获取历史用电数据和通过网络数据爬虫获取多个特征变量值；通过PCA算法对多个特征变量值进行降维处理和日电量集处理，得到特征变量矩阵和日电量集；根据随机森林算法对特征变量矩阵和日电量集进行计算，建立用电量预测模型；对用电量预测模型进行自动超参检索计算，得到最优超参数；根据最优超参数对用电量预测模型进行训练，得到最优预测模型；根据最优预测模型计算得到最优预测用电量。本发明提供的一种具有自动超参检索的月度用电量预测方法及系统，能有效准确且可靠地得到月度用电量预测的结果，从而能够为电力公司的用电趋势分析、售电价评判提供可靠的信息。

技术领域

本发明涉及电量预测技术领域，尤其涉及一种具有自动超参检索的月度用电量预测方法及系统。

背景技术

目前用电量的预测，采取了人工方式加Excel表方式，将历史用电数据进行人工统计，主要凭借经验，在季节、节假日条件下的月份进行一个百分比的加减方式和简单的数学公式来预测用电量。

采用现有的技术进行用电量的预测，存在如下问题：欠缺考虑多个外部影响因素的综合性，比如天气温度、季节、节假日、GDP。多个外部影响因素的特征变量值获取靠人工获取或更新，及时性差；并且这些特征变量的相关性算法缺失，全凭借人工经验来计算预测，准确性差。无法给电力公司的用电趋势分析、售电价评判提供可靠的信息依据，导致电力公司的用电决策失误，严重的时候导致用电力公司经济损失，还有会导致社会民众不满的情绪。

发明内容

本发明实施例提供一种具有自动超参检索的月度用电量预测方法及系统，能有效准确且可靠地得到月度用电量预测的结果，从而能够为电力公司的用电趋势分析、售电价评判提供可靠的信息。

为解决上述问题，一方面，本发明的第一实施例提供了一种具有自动超参检索的月度用电量预测方法，至少包括以下步骤：

获取历史用电数据和通过网络数据爬虫获取多个特征变量值；

通过PCA算法对所述多个特征变量值进行降维处理和日电量集处理，得到特征变量矩阵和日电量集；

根据随机森林算法对所述特征变量矩阵和日电量集进行计算，建立用电量预测模型；

对所述用电量预测模型进行自动超参检索计算，得到最优超参数；

根据所述最优超参数对所述用电量预测模型进行训练，得到最优预测模型；

根据所述最优预测模型计算得到最优预测用电量

进一步地，所述多个特征变量包括：GDP数据、天气温度、节假日数据、季节数据和历史用电量数据。

进一步地，所述通过PCA算法对所述多个特征变量值进行降维处理和日电量集处理，得到特征变量PCA矩阵和日电量集，具体为：

通过读取所述多个特征变量值得到输入训练集和输入测试集，根据PCA算法对所述输入训练集和输入测试集进行降维处理，得到特征变量PCA矩阵；通过读取日电量值形成输出训练集和输出测试集，根据PCA算法对所述输出训练集和输出测试集进行降维处理，得到日电量集。

进一步地，所述根据随机森林算法对所述特征变量PCA矩阵和日电量集进行计算，建立用电量预测模型，具体为：

根据随机森林算法对所述PCA矩阵中的训练集和测试集进行计算，并选用决策树CART算法的基尼系数值作为评判标准，建立用电量预测模型。

进一步地，所述对所述用电量预测模型进行自动超参检索计算，得到最优超参数，具体为：

设定一个初始超参数检索长度，利用数组保存不同超参数下的loss，通过Min函数取得最低loss点的超参数，并检索定位所述最低loss点的超参数的位置，将所述超参数作为最优超参数。