[发明专利]基于客户用电差异化特性的短期负荷组合预测方法

摘要

本发明提出了一种基于客户用电差异化特性的短期负荷组合预测方法，包括分析用电客户差异化特性，建立基于客户画像技术的用电客户综合评价体系，提出基于模糊聚类的用电客户的分类方法；结合不同类型客户用电受到政策、经济、环境等不同因素的影响程度的不同的特点，基于层次分析法，提出短期负荷的组合预测方法；结合实例证明，本发明提出的预测方法精度可靠，同时客户的不同分类及其电负荷预测值也为供电服务的转型及升级提供了技术数据基础。 1

主权项

1.一种基于客户用电差异化特性的短期负荷组合预测方法，包括如下步骤：

步骤1：分析客户用电行为、用电潜力以及社会行为的差异化特性；

步骤2：基于所述差异化特性，建立基于客户画像技术的客户综合评价指标体系；

步骤:3：基于大数据平台获取并计算客户综合评价指标参数，得到评价指标标准化参数；

步骤4：采用模糊聚类的客户聚类方法对客户进行分类；

步骤5：选取一类客户，建立负荷预测的层次分析模型；

步骤6：建立判断矩阵，利用方根法计算判断矩阵的最大特征值及特征向量，并进行一致性检验；

步骤7：计算各单一负荷预测方法的权重比，得到所选取的该类客户的负荷组合短期预测结果；

步骤8：重复步骤5‑7，依次对其他类客户进行负荷预测。

2.根据权利要求1所述的一种基于客户用电差异化特性的短期负荷组合预测方法，其特征在于所述评价指标体系中的指标对应于所述步骤1中的所述客户用电行为、用电潜力以及社会行为，包括客户用电行为指标、客户用电潜力指标、客户社会行为指标。

3.根据权利要2所述的一种基于客户用电差异化特性的短期负荷组合预测方法，其特征在于所述客户用电行为指标包括：用电客户类型、客户负荷率、负荷波动性、电压等级；所述客户用电潜力指标包括电能占比、用电增长率、用电扩容量受政策影响度；所述客户社会行为指标包括用电信用度和用电安全度。

4.据权利要求3所述的一种基于客户用电差异化特性的短期负荷组合预测方法，其特征在于所述步骤3中客户综合评价指标参数的数据映射范围取为[0,1]区间。

5.据权利要求4所述的一种基于客户用电差异化特性的短期负荷组合预测方法，其特征在于所述步骤4的模糊聚类方法为：对于一个样本空间，拥有m个特性指标的任意两个不同的样本分别可表示为特性向量x_i＝(x_i1,x_i2,…,x_im)和x_j＝(x_j1,x_j2,…,x_jm)，利用贴近度法计算其相似度r_ij，根据各样本之间的相似度，建立样本模糊相似矩阵R；

a)利用模糊相似矩阵R的平方自合成计算模糊传递包，当第一次出现R^k*R^k＝R^k时，则称R_k为传递闭包；

b)选择适当置信水平λ，求取R^k的截矩阵，所得到的分类就是在λ水平上的等价分类，即x_i、x_j在λ水平上属同类，其中λ范围在[0 1]，选取不同置信水平可以对样本空间进行动态聚类。

6.根据权利要求1所述的一种基于客户用电差异化特性的短期负荷组合预测方法，其特征在于基于层次分析理论，建立所述负荷预测层次分析模型：

G层：该层为层次分析的预期结果，以短期负荷的预测结果作为该层目标元素；

C层：该层作为得到预期目标的评价准则，对于短期负荷的预测的评价准则设定为政策、经济、环境及历史负荷的波动性四元素，四种元素以不同权重影响预测结果；

P层：该层作为实现目标的具体方案存在，利用指数平滑法、灰色预测法、神经网络、支持向量机四种单一预测方法作为短期负荷组合预测的实现方案。

7.根据权利要求1所述的一种基于客户用电差异化特性的短期负荷组合预测方法，其特征在于所述步骤6具体为：

a)对同一层次的各因子关于上一层中某一因素的重要性进行两两比较，构造判断矩阵A；

b)采用方根法求出判断矩阵A的最大特征值λmax，再利用对应的特征方程A*W＝λmax*W解出相应的特征向量W，然后将特征向量W归一化，即为同一层次的各因素相对于上一层中某因素的重要性权重；

c)判断矩阵一致性的指标CR<＝0，则判断矩阵的一致性可以接受，否则重新进行两两比较判断，其中RI的取值与判断矩阵的维数n有关。