[发明专利]一种基于业扩报装大数据的售电量预测方法

权利要求书

1.一种基于业扩报装大数据的售电量预测方法，其特征在于，包括：

构建业扩报装数据集、售电量数据集、经济数据集、天气数据集和节假日数据集；

根据所述业扩报装数据集和所述售电量数据集，采用K-Prototype算法对客户进行聚类，确定多个客户群；

对每个所述客户群进行售电量分解，确定分解结果；

对所述分解结果进行拟合，确定拟合结果；

对所述拟合结果进行加和重构，并结合AHP算法得到最优预测曲线，确定最优预测模型。

2.根据权利要求1所述的方法，其特征在于，在实施所述采用K-Prototype算法对客户进行聚类，确定多个客户群之前，对所述售电量数据集进行集中数据处理，所述数据处理包括：

使用箱型图法对所述售电量数据集进行异常值识别，并对所述异常值使用历史均值数据进行修正；

使用专家填补法结合拉格朗日插值法填补缺失值。

3.根据权利要求1所述的方法，其特征在于，所述采用K-Prototype算法对客户进行聚类，包括：根据供电电压、业扩报装类型、净增容量、产业分类、负荷趋势以及负荷性质进行分群。

4.根据权利要求1所述的方法，其特征在于，所述对每个所述客户群进行售电量分解，包括：采用X13季节分解，将每个所述客户群分解为趋势项、季节项以及随机项。

5.根据权利要求4所述的方法，其特征在于，所述对所述分解结果进行拟合，包括：

对所述趋势项采用支持向量机回归SVR算法、回声状态网络ESN算法和灰色模型GM，结合所述业扩售电量数据集和所述经济数据集预测得到趋势项结果；

对所述季节项采用L1/2稀疏迭代算法预测得到季节项结果；

对所述随机项采用线性回归算法和卡尔曼滤波算法，结合天气与节假日数据预测得到趋势项结果。

6.根据权利要求1所述的方法，其特征在于，所述结合AHP算法得到最优预测曲线，确定最优预测模型，包括：综合考虑预测误差、趋势可信度以及预测相似度，确定所述最优预测模型。

7.一种基于业扩报装大数据的售电量预测装置，其特征在于，包括：

数据获取单元：用于构建业扩报装数据集和售电量数据集；

数据聚类单元：用于根据所述业扩报装数据集和所述售电量数据集，采用K-Prototype算法对客户进行聚类，确定多个客户群；

分解预测单元：用于对每个所述客户群进行售电量分解，确定分解结果；

分组拟合单元：用于对所述分解结果进行拟合，确定拟合结果；

模型确定单元：用于对所述拟合结果进行加和重构，并结合AHP算法得到最优预测曲线，确定最优预测模型。

8.一种基于业扩报装大数据的售电量预测设备，其特征在于，包括存储器和处理器；

所述存储器用于存储计算机可执行指令；

所述处理器用于执行所述计算机可执行指令，以实现权利要求1-6任一项所述的方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有可执行指令，计算机执行所述可执行指令时能够实现如权利要求1-6任一项所述的方法。