[发明专利]一种基于深度森林的需求响应潜力评估方法

说明书

本发明公开了一种基于深度森林的需求响应潜力评估方法，它包括：采集用户用电历史数据和柔性负荷数据进行预处理，得到用户需求响应潜力分析数据，分为训练数据及验证数据；对所述训练数据进行抽样处理，得到抽样数据；根据BP反向传播算法将所述抽样数据作为输入生成并训练神经网络，根据数据规模与精度要求建立若干个神经网络识别模型；并将所述神经网络进行并联组合成深度森林模型；对深度森林模型进行验证；将目标用户的需求响应潜力分析数据输入至训练好的深度森林模型需求响应潜力预测，完成对目标用户的需求响应潜力评估；解决了现有技术方法耗费大量时间人力物力，且效果不佳，信息量少，用户接受程度较低等技术问题。

技术领域

本发明属于智能电网技术领域，尤其涉及一种基于深度森林的需求响应潜力评估方法。

背景技术

需求响应潜力评估是实现智慧用电方案的前提，也是需求管理终端的应有功能。基于用户需求响应的潜力评估，电网公司才能得知用户所拥有的柔性负荷种类、数量、额定功率等特征，也能得知其响应意愿和激励接受程度，进而给用户提供最合适的需求响应方案，实现源荷互动的智慧用电目标。然而，传统的需求响应潜力评估方法是基于调查问卷或者统计抽样分析对用户的需求响应反馈给出预测结果。此类方法耗费大量时间人力物力，且效果不佳，信息量少，用户接受程度较低。因此，目前迫切需要能集成在用电管理终端上，基于终端上的采集数据挖掘有效信息，智能预测用户需求响应潜力的技术。

发明内容

本发明要解决的技术问题是：提供一种基于深度森林的需求响应潜力评估方法，以解决现有技术传统的需求响应潜力评估方法是基于调查问卷或者统计抽样分析对用户的需求响应反馈给出预测结果。此类方法耗费大量时间人力物力，且效果不佳，信息量少，用户接受程度较低等技术问题。

本发明采取的技术方案是：

一种基于深度森林的需求响应潜力评估方法，它包括：

步骤S1、采集用户用电历史数据和柔性负荷数据；

步骤S2、对用电历史数据和柔性负荷数据进行预处理，得到用户需求响应潜力分析数据，并将用户需求响应潜力分析数据分为训练数据及验证数据；

S3、根据Bootstrap法对所述训练数据进行抽样处理，得到抽样数据；

S4、根据BP反向传播算法将所述抽样数据作为输入生成并训练神经网络，根据数据规模与精度要求建立若干个神经网络识别模型；并将所述神经网络进行并联组合成深度森林模型；

S5、通过验证数据对深度森林模型进行验证，当误差率低于预设阈值时，结束模型训练；

S6、将目标用户的需求响应潜力分析数据输入至训练好的深度森林模型，深度森林模型对目标用户进行需求响应潜力预测，完成对目标用户的需求响应潜力评估。

用户用电历史数据的获取，包括：用户的日负荷率、日峰值负荷、日谷值负荷、日平均负荷和日负荷曲线。

柔性负荷数据包括：环境温度，柔性负荷的类型，柔性负荷的数量和柔性负荷的额定功率。

所述预处理包括：通过归一化算法对用户总线电气原始数据进行归一化处理，归一化处理公式：

a'表示归一化后的结果，a表示该特征数据，a_max表示该类特征数据的最大值，a_min表示该类特征数据的最小值；

对归一化处理后的数据进行缺失值填充；所述缺失值填充方法为拉格朗日插值法；

噪声值包括异常值及重复值；对异常值与重复值的处理方法是将其剔除；

基于独热编码对用户需求响应潜力分析数据的离散型型特征数据进行处理。