[发明专利]一种基于业扩报装大数据的售电量预测方法

说明书

本申请公开了一种基于业扩报装大数据的售电量预测方法，解决了现有技术中预测售电量数据结果不准确，且适用范围较小的问题；该方法包括：构建业扩报装数据集和售电量数据集；根据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；对每个客户群进行售电量分解，确定分解结果；对分解结果进行拟合，确定拟合结果；对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；实现了充分考虑业扩大数据对售电量的影响过程，剖析业扩报装大数据中容量与售电量的关联关系，提高售电量预测结果的准确性，售电量的科学、精准预测。

技术领域

本申请涉及售电量预测技术领域，尤其涉及一种基于业扩报装大数据的售电预测方法。

背景技术

随着社会的发展，各行各业的用电量会出现陡增情况，目前的售电量预测主要采用专家经验法、简单变量间的相互关系对未来电量进行估计的经典预测法以及历史电量数据分析预测法。

根据现有的方法来进行的预测，精度较差，根据历史电量数据分析预测的时间序列法，虽然该方法简单，且需要的数据量小，但是该方法中，没有考虑与售电量相关的其他因素。

但是现有的预测方法中，预测精度差且考虑的因素不全面，导致对售电量的预测不准确。

发明内容

本申请实施例通过提供一种基于业扩报装大数据的售电量预测方法，解决了现有技术中预测售电量数据结果不准确，且适用范围较小的问题，实现了对售电量数据的精准预测。

第一方面，本发明实施例提供了一种基于业扩报装大数据的售电量预测方法，该方法包括以下步骤：

构建业扩报装数据集、售电量数据集和经济数据；

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。

结合第一方面，在一种可能的实现方式中，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。

结合第一方面，在一种可能的实现方式中，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。

结合第一方面，在一种可能的实现方式中，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。

结合第一方面，在一种可能的实现方式中，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。

结合第一方面，在一种可能的实现方式中，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。