[发明专利]一种基于深度决策树算法的电力负荷特性挖掘方法

摘要

本发明揭露一种基于深度决策树算法的电力负荷特性挖掘方法，该方法通过采用深度决策树算法来对电力负荷特性进行深度的挖掘。首先通过现有的电力系统智能采集装置对海量电力用户负荷特征数据以及影响电力负荷变化的诸多因素数据进行采集，对所收集的电力负荷数据以及其他因素数据进行预处理，建立训练数据集，利用所建立的训练数据集对深度决策树算法进行训练，最后利用训练完成的深度决策树算法对电力用户负荷特性进行智能挖掘。另外，采用的深度决策树算法是一种较新的机器学习数据挖掘分类算法，该算法具有无需大量设置超参数、自行确定模型深度的优点，可对有效对电力负荷特性进行智能挖掘，所得结果可服务于电网企业调度、运行等多方面。

主权项

1.一种基于深度决策树算法的电力负荷特性挖掘方法，其特征在于，包括以下步骤：S110、通过现有的电力系统智能采集装置对海量电力用户负荷特征数据以及影响电力负荷变化的因素数据进行采集；S120、对所采集的电力用户负荷特性数据及影响电力负荷变化的因素数据进行预处理，建立训练数据样本集和测试集；S130、根据用户需要自行设置深度决策树模型超参数，即深度决策树算法中的初始森林模型参数；S140、利用训练数据样本集对深度决策树模型进行训练，开始形成包含电力负荷数据特性提取挖掘过程和具有一定深度的度逐层处理的深度决策树模型；S150、利用测试集对当前形成的深度决策树模型进行测试，自动确定深度决策树模型深度，若准确率有所提高则继续加大模型深度，否则停止增加深度决策树的深度；S160、得到训练完成的深度决策树模型后，向模型中输入需要进行负荷特性挖掘的观测值数据，最终输出负荷特性预测结果。