[发明专利]一种用户用电行为预测方法及系统

权利要求书

1.一种用户用电行为预测方法，其特征在于，包括：

从电网信息采集系统中获取所需用户历史用电量以及电价数据；

将所获取到的所述用户历史用电量以及电价数据作为BP人工神经网络模型的输入向量，以利用BP人工神经网络模型来计算预测出当前的用户用电初值

根据所述当前用户用电初值并结合电价心理场模型与多场景集方法，来计算出当前的预测电价心理场强；

对预测时段内的电价心理场强进行标准化处理，获得基于电价心理场理论修正预测用电初值的修正系数；

结合用户用电初值和修正系数来计算出用户用电行为最终预测值

所述利用BP人工神经网络模型来计算预测出当前的用户用电初值的方式为：

第一步：选定应用于预测的BP网络结构为三层，分别为输入层、隐含层和输出层；

第二步：输入用于训练的向量X_l，l＝1,2,3,…,n，以及期望输出向量Y_l，l＝1,2,3,…,n，其中输入向量为用户历史用电量数据以及历史电价数据分别组成，输出向量为预测的用户用电量数据；对每个输入向量进行以下第三步至第五步的迭代；

第三步：由下式计算BP网络中隐含层神经元和输出层神经元的输出值

O_k,j＝f(Net_k,j)                   (3)

式(3)中，O_k,j为第k层神经元u_j的输出值；f(x)为其激活函数，取sigmoid函数；Net_k,j为其输入值的加权和，即如式(4)所示：

式(4)中，w_ij为与第k层神经元u_j相连接的各输入权值；θ_j为第k层神经元u_j的内部阈值；

第四步：按公式(5)计算输出层神经元和隐含层神经元的误差：

第五步：由以下公式调整权值和阈值

w_jk(t+1)＝w_ji(t)+ηδ_jO_k,j                         (6)

θ_j(t+1)＝θ_j(t)+ηδ_j                           (7)

式(6)、式(7)中，w_ji(t)为训练过程中第t次循环结束后得到的神经元节点i与j的连接权值，η为学习率；当t完成由1至n的过程后，一轮学习结束，若满足下式

E_Net≤ε₀                                (8)

则学习过程结束，否则转至第二步，开始下一轮学习；式(8)中，E_Net为网络输出值误差平方和，ε₀为预设的误差允许值；

由上述过程，计算得到基于用户历史用电量以及历史电价数据的预测用电初值

所述电价心理场模型为：

式(2)中：E为用户电价心理场基本场强值；C为心理场中当前的电价值；P为电力用户的用电量；C_ε为修正值，其大小与用户用电的心理特性相关；

所述计算出当前的预测电价心理场强的方式为：

假设所处的电价心理场场强范围所对应的电价区间为[C₁,C₂]，则由式(2)与下列式子计算预测电价心理场强：

ΔC＝C₂-C₁                               (9)

0≤C_ε≤ΔC                              (10)

式(11)中，为所处的电价心理场场强范围内某一电价场景下对应的电价心理场场强；式(12)中，i为所取电价场景集的个数，即为结合电价心理场模型与多场景集方法计算得出的预测电价心理场强；

所述获得基于电价心理场理论修正预测用电初值的修正系数的方式为：

假设计算得出预测时段内t_n个时刻的电价心理场强，即按下式对其进行标准化处理：

式(13)中，即为进行标准化处理后的预测电价心理场强，将其看作基于电价心理场理论修正预测用电初值的修正系数；

所述结合用户用电初值和修正系数来计算出用户用电行为最终预测值的方式为：

2.一种用户用电行为预测系统，其特征在于，包括：

数据采集器，用于从电网信息采集系统中获取所需用户历史用电量以及电价数据；

服务器，用于接收数据采集器所传输来的用户历史用电量以及电价数据来作为BP人工神经网络模型的输入向量，以利用BP人工神经网络模型来计算预测出当前的用户用电初值

数据处理器，用于接收服务器所传输来的当前用户用电初值数据并结合电价心理场模型与多场景集方法，来计算出当前的预测电价心理场强；然后对预测时段内的电价心理场强进行标准化处理运算，获得基于电价心理场理论修正预测用电初值的修正系数；最后结合用户用电初值和修正系数来计算出用户用电行为最终预测值

所述服务器利用BP人工神经网络模型来计算预测出当前的用户用电初值的运算过程为：

第一步：选定应用于预测的BP网络结构为三层，分别为输入层、隐含层和输出层；

第二步：输入用于训练的向量X_l，l＝1,2,3,…,n，以及期望输出向量Y_l，l＝1,2,3,…,n，其中输入向量为用户历史用电量数据以及历史电价数据分别组成，输出向量为预测的用户用电量数据；对每个输入向量进行以下第三步至第五步的迭代；

第三步：由下式计算BP网络中隐含层神经元和输出层神经元的输出值

O_k,j＝f(Net_k,j)                 (3)

式(3)中，O_k,j为第k层神经元u_j的输出值；f(x)为其激活函数，取sigmoid函数；Net_k,j为其输入值的加权和，即如式(4)所示：

式(4)中，w_ij为与第k层神经元u_j相连接的各输入权值；θ_j为第k层神经元u_j的内部阈值；

第四步：按公式(5)计算输出层神经元和隐含层神经元的误差：

第五步：由以下公式调整权值和阈值

w_jk(t+1)＝w_ji(t)+ηδ_jO_k,j                         (6)

θ_j(t+1)＝θ_j(t)+ηδ_j                           (7)

式(6)、式(7)中，w_ji(t)为训练过程中第t次循环结束后得到的神经元节点i与j的连接权值，η为学习率；当t完成由1至n的过程后，一轮学习结束，若满足下式

E_Net≤ε₀                                (8)

则学习过程结束，否则转至第二步，开始下一轮学习；式(8)中，E_Net为网络输出值误差平方和，ε₀为预设的误差允许值；

由上述过程，计算得到基于用户历史用电量以及历史电价数据的预测用电初值

所述电价心理场模型为：

式(2)中：E为用户电价心理场基本场强值；C为心理场中当前的电价值；P为电力用户的用电量；C_ε为修正值，其大小与用户用电的心理特性相关；

所述数据处理器计算出当前的预测电价心理场强的运算处理过程为：

假设所处的电价心理场场强范围所对应的电价区间为[C₁,C₂]，则由式(2)与下列式子计算预测电价心理场强：

ΔC＝C₂-C₁                               (9)

0≤C_ε≤ΔC (10)

式(11)中，为所处的电价心理场场强范围内某一电价场景下对应的电价心理场场强；式(12)中，i为所取电价场景集的个数，即为结合电价心理场模型与多场景集方法计算得出的预测电价心理场强；

所述数据处理其对预测时段内的电价心理场强进行标准化处理运算，获得基于电价心理场理论修正预测用电初值的修正系数，最后结合用户用电初值和修正系数来计算出用户用电行为最终预测值的运算处理过程为：

假设由计算得出预测时段内t_n个时刻的电价心理场强，即按下式对其进行标准化处理：

式(13)中，即为进行标准化处理后的预测电价心理场强，将其看作基于电价心理场理论修正预测用电初值的修正系数，因此，由电价心理场理论修正预测用电初值的过程即按下式进行

式(14)中，即为基于电价心理场理论修正的用户用电行为最终预测值。