[发明专利]一种用户用电量预测方法、系统以及设备

说明书

本发明公开了一种用户用电量预测方法、系统以及设备，本发明包括：采集用户的用电信息，对用电信息进行预处理，提取经过预处理后的用电信息，采用聚类算法对用电信息进行聚类处理，根据聚类结果得到用户的用电行为特征；将用户的用电行为特征输入到用电量预测模型中，得到用户的用电量预测值；本发明通过对用电设备的用电数据进行聚类处理，准确快速地得到了用户用电行为特征，本发明通过用电量预测模型使得对用户的用电量预测能够细化到每个设备以及每个时段，大大提高了预测的精度和准确度，能够帮助电力企业更好地了解各类用户的用电需求，为未来电网发展及电力政策的制定提供了数据支撑。

技术领域

本发明涉及电力技术领域，尤其涉及一种用户用电量预测方法、系统以及设备。

背景技术

目前，随着社会经济的不断发展，用电需求不断扩大，电网规模不断扩张，各类电力项目持续发展，近几年随着售电侧改革逐步深化，售电市场竞争加剧，对电力企业的服务水平和服务意识提出了新的更高要求，为实现客户精细化服务、提升客户用电体验，需要深入洞察客户用电特性，预测用户的用电量，智能用电技术为提升客户用电体验奠定了基础，但当前的智能用电技术主要集中在智能家居和电器两大领域，仅有少数研究立足于电网侧，使得电力企业无法准确地对用户的未来用电量趋势进行合理预测，从而使得电力企业无法了解各类用户的用电需求。

综上所述，现有技术中智能用电技术仅有少数研究立足于电网侧，使得电力企业无法准确地对用户的未来用电量趋势进行合理预测的技术问题。

发明内容

本发明提供了一种用户用电量预测方法、系统以及设备，用于解决现有技术中智能用电技术仅有少数研究立足于电网侧，使得电力企业无法准确地对用户的未来用电量趋势进行合理预测的技术问题。

本发明提供的一种用户用电量预测方法，适用于预先建立好的用电量预测模型，方法包括以下步骤：

采集用户的用电信息，用电信息包括用电设备的用电数据；

对用电信息进行预处理，对经过预处理后的用电信息进行储存；

提取经过预处理后的用电信息，采用聚类算法对用电信息进行聚类处理，得到聚类结果；

根据聚类结果对用户的用电行为进行分析，得到用户的用电行为特征；

将用户的用电行为特征输入到用电量预测模型中，用电量预测模型输出用户用电设备每个时段的用电量预测值，根据用户用电设备每个时段的用电量预测值从而得到用户每个时段的用电量预测值；

将用户的用电行为特征以及用户每个时段的用电量预测值进行可视化显示。

优选的，用电量预测模型通过神经网络训练得到的，具体训练步骤包括：

获取用户的用电历史数据，用电历史数据包括用电行为特征历史数据以及用户用电设备每个时段的用电量历史数据，对用电历史数据进行预处理后作为训练样本，构建神经网络并设定神经网络的参数；

根据神经网络的参数计算神经网络隐含层的节点数量的取值范围，求解神经网络隐含层的节点数量在取值范围下的多个学习误差的神经网络，将学习误差最小的神经网络作为用电量预测模型。

优选的，对用电信息进行预处理的过程为：

查找出用电信息中的缺失值以及异常值，对缺失值进行填充处理，对异常值进行过滤处理。

优选的，采用聚类算法对用电信息进行聚类处理，得到聚类结果的具体过程在于：

从用电信息中提取出用电行为特征值，构成特征向量组，采用聚类算法对特征向量组进行聚类处理，将具有相似用电行为特征的用电设备聚成一类，得到聚类结果。

优选的，用电设备的用电数据包括用电设备的种类、用电设备的用电规格以及用电设备的用电量。