[发明专利]电力零售的风险预测方法、终端及存储介质

权利要求书

1.电力零售的风险预测方法，其特征在于，包括如下步骤：

S101：根据用户信息进行用户画像，并通过用户画像结果获取用户的分类；所述用户信息包括月度用电量信息、相关因素指标序列和用户基础数据；

S102：计算每个分类中用户的用电量比重，根据所述分类的历史总用电量、相关因素序列构建每个分类对应的用电量预测模型，并基于所述用电量预测模型的拟合结果获取各分类对应的预测模型；

S103：通过所述预测模型、所述用电量比重以及用户所属分类获取每个用户的月度用电量预测值，并根据月度用电量预测值、各售电公司的套餐签约信息计算用电偏差值；

S104：根据所述用电偏差值获取售电公司的批零差，通过所述批零差、售电公司的保证金的差值获取每个售电公司的交易风险信息。

2.根据权利要求1所述的电力零售的风险预测方法，其特征在于，根据用户信息进行用户画像的步骤具体包括：

从电力零售交易中心获取用户基础信息，根据用户基础信息中的用户属性、行为特征制作用户标签，根据所述用户标签对用户进行用户画像，以获取用户画像结果。

3.根据权利要求1所述的电力零售的风险预测方法，其特征在于，相关因素指标序列包括历史环境温度序列、历史GDP序列、各行业历史产值序列、各地区历史人口数据序列中的至少一种；

所述用户基础数据包括用户的行业、企业性质、用电电压、地区、用电行为中的至少一种。

4.根据权利要求1所述的电力零售的风险预测方法，其特征在于，通过用户画像结果获取用户的分类的步骤具体包括：

采用基于密度的聚类算法DBSCAN对用户画像结果进行聚类分析，根据聚类结果获取用户的分类。

5.根据权利要求1所述的电力零售的风险预测方法，其特征在于，计算每个分类中用户的用电量比重的步骤具体包括：

计算每个分类的月度历史总用电量以及每个分类中用户的月度历史用电量，根据所述月度历史用电量、月度历史总用电量获取每个分类中用户的用电量比重。

6.根据权利要求1所述的电力零售的风险预测方法，其特征在于，基于所述用电量预测模型的拟合结果获取各分类对应的预测模型的步骤具体包括：

采用AR模型对所述用电量预测模型的拟合误差序列进行预测，根据预测结果修正所述用电量预测模型，并根据修正后的所述用电量预测模型拟合结果判断所述用电量预测模型是否合理；若合理，则确定所述用电量预测模型为预测模型，若不合理，则重新构建用电量预测模型。

7.根据权利要求6所述的电力零售的风险预测方法，其特征在于，根据修正后的所述用电量预测模型拟合结果判断所述用电量预测模型是否合理的步骤具体包括：

获取修正后的用电量预测模型的拟合结果，计算所述拟合结果的均方根误差、R²值、AUC值，根据所述均方根误差、R²值、AUC值判断所述用电量预测模型是否合理。

8.根据权利要求1所述的电力零售的风险预测方法，其特征在于，根据月度用电量预测值、各售电公司的套餐签约信息计算用电偏差值的步骤具体包括：

根据所述套餐签约信息获取所述售电公司在预设时间段的用户签约数、用户信息以及每个用户的套餐签约量，根据所述用户签约数、套餐签约量获取售电公司的总签约电量；

并根据所述用户信息、用户的月度用电量预测值获取用户的总月度用电量，通过所述总签约电量与所述总月度用电量的差值获取用电偏差值。

9.一种智能终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述电力零售的风险预测方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8任一项所述电力零售的风险预测方法的步骤。