[发明专利]一种基于随机森林的用户用电行为分析方法及系统

说明书

本发明提供一种基于随机森林的用户用电行为分析方法及系统，从用户总线中采样电气数据，进行特征工程，从而提取出用户画像，基于随机森林算法对该用户的用户画像进行分类，得到分析结果。本发明提供的一种基于随机森林的用电行为分析方法突破了传统用户用电行为分析提取信息有限的这一瓶颈；随机森林算法具有泛化能力强，并行运算速度高等优势，训练后还可以输出特征重要性，使得本方法具备复杂场景的强适应性与可解释性，进而满足作为需求管理终端和智慧用电方案基础技术的要求。

技术领域

本发明涉及智能电网技术领域，特别是涉及一种基于随机森林的用户用电行为分析方法及系统。

背景技术

传统的用户用电行为分析方法是对用户日负荷曲线进行简单分析，将负荷曲线形态特征作为分析结果。但是，这种方法实际可操作性差，信息量少，分析效果差，实施成本高，用户接受程度较低。

发明内容

为解决以上现有问题，本发明提供一种基于随机森林的用户用电行为分析方法及系统，满足作为需求管理终端和智慧用电方案基础技术的要求。

本发明第一方面提供一种基于随机森林的用户用电行为分析方法，包括：

获取用户总线电气原始数据，并对所述用户总线电气原始数据进行特征选择，生成用户画像数据；

对所述用户总线电气原始数据进行预处理，得到用户总线电气第一数据，并将所述用户总线电气第一数据按照预设规则分为训练数据及验证数据；

根据Bootstrap法对所述训练数据进行抽样处理，得到抽样数据；

根据CART算法将所述抽样数据与所述用户画像数据生成决策树，并将所述决策树进行并联组合成随机森林模型；

通过所述验证数据对所述随机森林模型进行验证，当误差率低于预设阈值时，结束模型训练；

将目标用户的总线电气采集数据输入至所述随机森林模型，所述随机森林模型对所述目标用户进行用户画像识别，完成对所述目标用户的用电行为分析。

进一步地，所述对所述用户总线电气原始数据进行特征选择，生成用户画像数据，包括：

根据特征选择法对所述用户总线电气原始数据、时间序列及统计计算结果中筛选出特征值；

根据主成分分析法对所述特征值进行主成分分析，对所述特征值进行降维处理，并剔除噪声数据，得到有效特征值；所述有效特征值为用户画像数据。

进一步地，所述预处理包括：

通过归一化算法对所述用户总线电气原始数据进行归一化处理，对归一化处理后的数据进行缺失值填充及噪声值剔除；所述噪声值包括：异常值及重复值。

进一步地，所述根据CART算法将所述抽样数据与所述用户画像数据生成决策树，包括：

根据基尼指数将所述抽样数据与所述用户画像数据分为两个子样本集，使得生成的非叶子节点包含两个分支。

进一步地，所述将所述决策树进行并联组合成随机森林模型，包括：

将所述决策树进行并联组合起来，形成组合识别模型；

通过决策树的等权投票生成随机森林模型。

进一步地，所述通过所述验证数据对所述随机森林模型进行验证，还包括：

当误差率不低于预设阈值时，对所述决策树进行剪枝，并调整所述随机森林模型的参数。

进一步地，所述随机森林模型对所述目标用户进行用户画像识别之前，还包括：

接收所述目标用户的分析用电行为需求指令。