[发明专利]大数据环境下用户用电关联因素辨识及用电量预测方法

摘要

一种大数据环境下用户用电关联因素辨识及用电量预测方法，针对与用电量预测相关的大数据种类多、体量大、维度高和生成速度快等特点，在研究用户用电特性评价指标的基础上，运用海量用户用电特性子空间聚类分析方法，挖掘用户多种用电模式，拓展现有的用电行为分析方法，同时根据不同用电模式对用户进行群体划分，并利用互信息矩阵从区域及行业经济数据、气候条件，以及电力价格等方面辨识与用户群体用电量相关联的因素，构建基于随机森林算法的用电量大数据预测模型，实现了用电预测全过程的数据驱动，并且可以规避用电模式差异性为用电量预测带来的不利影响，具有较高的预测精度，适用于大数据的分析处理。

主权项

一种大数据环境下用户用电关联因素辨识及用电量预测方法，其特征在于，包含以下步骤：步骤S1、建立多维评价指标体系对用户用电特性进行表征，并根据不同用户的用电特性，在多维评价指标数据的各个子空间中分别开展模糊C均值聚类，提取用户的多样化用电模式，从而实现基于用电模式判别的用户精细化分类；步骤S2、运用互信息理论对用户用电量数据与潜在关联因素数据进行关联分析，辨识与用户用电行为存在强关联关系的因素；步骤S3、根据各类用户的用电量数据及其强关联因素数据，面向各数据样本开展基于随机森林算法的预测建模及参数寻优，对各用户群体的用电量进行预测。