[发明专利]一种基于决策树的个性化用户短期负荷预测算法

摘要

本发明公开了一种基于决策树的个性化用户短期负荷预测算法，其特征在于：包括以下步骤：1、对用户负荷进行波动分量辨识，判断其锯齿形波动是否显著；如果显著将进入波动分量提取环节，再得出用电模式数；如果不显著，则将直接得出用电模式数。针对用电模式数大于7种的用户采用最近日负荷预测法。针对用电模式数在2种～6种的用户采用基于用电模式挖掘的用户侧短期负荷预测法。针对用电模式数只有1种的用户采用聚类预测还原法。本发明通过对用户历史负荷进行数据挖掘，从而提取出用户用电模式，根据模式数的多少，建立基于决策树的个性化用户短期负荷预测算法，实现精确的用户短期负荷预测。

主权项

1.一种基于决策树的个性化用户短期负荷预测算法，其特征在于：包括以下步骤：1、对用户负荷进行波动分量辨识，判断其锯齿形波动是否显著，其中波动分量的绝对平均值超过10％认为显著；如果显著将进入波动分量剔除环节，将锯齿形波动剔除，采用离散小波变换对用户负荷曲线进行三重小波分解，得到的三阶细节信号分量为平滑分量，再进行用电模式数识别，采用层次聚类法得出用电模式数；如果不显著，则将直接进入用电模式识别步骤，得出用电模式数；2、针对用电模式数的个数不同，采用不同的预测方法：1)、针对用电模式数大于7种的用户采用最近日负荷预测法作为预测结果；2)、针对用电模式数在2种～6种的用户采用基于用电模式挖掘的用户侧短期负荷预测法，具体包括以下步骤：(1)、采用层次聚类法对历史负荷进行聚类，生成典型用电模式集合A＝{1,2,…,i,…,N}，并得到每一个历史日的生产模式；(2)、根据用户历史日生产模式的辨识结果，生成状态转移矩阵M，该矩阵记录了基准日用电模式固定为i的条件下，待预测日用电模式服从各典型生产模式j(j＝1～N)的概率Mij，依据基准日u0生产模式i和这一矩阵，决策出转移概率最大的生产模式Mik，Mik＝max(Mi1,Mi2,…,MiN)，即待预测日r0最有可能出现的生产模式；(3)、从历史日中筛选出所有用电模式为k的历史日{r1,r2,…,rn}，其下标越小，表示离待预测日r0越近，其中r1最近，rn最远；(4)、按照历史日负荷与待预测日r0的远近取指数平滑权重，离待预测日越近，权重越大，权重wl如下：wl＝α(1‑α)l‑1 α为平滑常数 l＝1,2,…n(5)、将历史日r_l负荷曲线按w_l加权求和，得到待预测日负荷曲线其中为历史r_l负荷曲线；3)、针对用电模式数只有1种的用户采用聚类预测还原法，具体包括以下步骤：(1)、将所有用电模式数为1的用户加总形成聚类负荷，并计算得出每个用户的用户负荷占整个聚类负荷的配比因子；(2)、基于聚类负荷，采用步骤2)对照方基于用电模式挖掘的用户侧短期负荷预测法的算法进行预测；(3)、维护“聚类负荷—用户负荷”配比模型，根据聚类负荷预测结果，通过整个聚类负荷再乘以每个用户的配比因子，得到每个用户负荷的预测值；3、预测完成后，如果在步骤1中剔除过波动分量的，需要重新加载波动分量，得到最终预测结果，如果没有在步骤1中剔除过波动分量的，即为最终预测结果。