[发明专利]一种使用台区数据描绘社会组织电力消费的方法

说明书

本发明公开了一种使用台区数据描绘社会组织电力消费的方法，具体包括以下步骤：步骤1，电力消费用户统计；步骤2，村落类型确定：步骤3，模型训练生成；步骤4，离散化处理；步骤5，训练、校正和预测处理分析。本发明能够实现准确程度高且数据精细的电网负荷电力消费预测。

技术领域

本发明涉及一种用于电力消费技术领域的使用台区数据描绘社会组织电力消费的方法。

背景技术

当前电网的发展正在向高质量转型，电网精益化管理是建设高质量电网的客观需要，其中，通过加强农村(村落)电力基础设施建设，提升农村电网供电可靠性、供电能力和服务水平，是实现农村电网改造升级的重要举措。

随着新型城镇化进程的推进，农村人口结构、流向、村级规划正在发生显著变化与此同时，由于发展定位的差异，农村种植结构及灌溉模式也在不断调整，这些因素都对村落电网的电力负荷带来不同程度的影响。现有的电网分析和预测方式主要针对城市电网，对于不同类型的农村电力能源消费的准确程度有待提高，并且现有的电力消费异常数据检测系统的功能较为分散和不完整，对于数据的处理不够精细，未能形成一个整体的系统结构，在异常数据检测流程和检测效率方面有所欠缺。

发明内容

本发明的目的是为了克服现有技术的不足，提供一种使用台区数据描绘社会组织电力消费的方法，能够实现准确程度高且数据精细的电网负荷电力消费预测。

实现上述目的的一种技术方案是：一种使用台区数据描绘社会组织电力消费的方法，包括以下步骤：

步骤1，电力消费用户统计：对外部传输的电力数据进行筛选，得到n个居民t小时内的电力消费数据，获取电力能源消费相关数据，基于村落发展特征对应的电力负荷预测元变量，获取村落发展度以及电力消费潜力，拟合村落发展度以及电力消费潜力，得到电力消费潜力曲线；

步骤2，村落类型确定：依据电力消费潜力曲线的上拐点、下拐点以及村落发展度，确定该村落的村落类型，包括提取用电特征，进行归一化处理，通过主成分分析法进行降维；

步骤3，模型训练生成：利用约束种子k均值算法，结合家庭信息数据，对用户用电数据训练集进行半监督聚类分析，构造出不同类型用户的用电数据模型，基于用电数据模型实现预测电力能源消费，依次从K份数据选取1份目标数据作为第一测试数据，除所述目标数据之外的K-1份数据作为第一训练数据，进行K次模型训练获得K个模型；

步骤4，离散化处理：对村落发展特征对应的电力负荷预测元变量包含的负荷预测元变量数据集进行离散化处理，得到村落发展特征的离散化取值；基于村落发展特征的离散化取值，获取村落发展度以及村落电力消费潜力；

步骤5，训练、校正和预测处理分析：利用所述第一训练数据通过模型训练生成第一模型，在K份数据中选取除第一测试数据以外的数据作为第二数据，确定第二测试数据，将第二测试数据导入第一模型，以通过模型训练校正第一模型得到第二模型，基于所述第二模型预测电力能源消费。

进一步的，步骤1中采用数据采集模块，用于采集电力负荷预测数据，对采集的电力负荷预测数据进行粒度细化，得到电力负荷预测元变量，对得到的电力负荷预测元变量进行因子分析，得到村落发展特征。

进一步的，步骤4中对村落发展特征对应的电力负荷预测元变量进行离散化处理，得到村落发展特征的离散化取值，包括针对每一村落发展特征，以该村落发展特征对应的电力负荷预测元变量包含的负荷预测元变量数据集的取值为数据点，得到该村落发展特征的数据集；设置偏向参数以及预设条件，初始化数据集的相似度矩阵、吸引度矩阵、归属度矩阵；对初始化的吸引度矩阵和归属度矩阵进行迭代更新，直到迭代更新得到的聚类中心满足预设条件，得到初选聚类中心；计算初选聚类中心中，数据点对应的吸引度矩阵的吸引度和归属度矩阵的归属度的和值，获取和值大于零的数据点，得到终选聚类中心。