[发明专利]一种基于多表融合数据的用户短期用电量预测方法

摘要

本发明公开了一种基于多表融合数据的用户短期用电量预测方法，属于电力技术领域。现有的用户用能之间存在着一定的相关性。如果能够充分地挖掘用户用能之间的相关性，就可以有效地提高预测的精度。本发明首先通过模糊聚类方法选取相似日，然后用这些相似日作为支持向量机的训练样本，对支持向量机参数进行优化，得到训练后的模型，用于对用户用电量进行预测；本发明能够充分地挖掘用户用能之间的相关性，合理利用多表融合数据，有效地提高预测的精度。本发明充分考虑了各种用电量的影响因素，有效提高预测的精度，减少了训练样本数量，对用户用电异常行为检测具有重要的意义。

主权项

1.一种基于多表融合数据的用户短期用电量预测方法，其特征在于，首先利用通径分析计算出影响用户用电量的日特征向量的权重，得到模糊相似矩阵；然后通过模糊聚类传递闭包法选取相似日，并将这些相似日作为样本训练支持向量机，对用户用电量进行预测；具体包括以下步骤：第一步，日特征向量的确定和量化，选取影响用户用电量的因素作为日特征向量的元素，形成样本集合X＝{x_i}；第二步，通径分析得到日特征向量权重矩阵A，日特征向量中不同的因素对用电量的影响程度是不同的，因此需要给这些元素赋予不同的权重；第三步，计算日特征向量间的相似度R(x_i，x_j)，为了对不同特征向量进行比较以选取相似日，需要定义两个特征向量之间的相似度，进而由计算出的相似度构造模糊相似矩阵并用于模糊聚类分析；第四步，采用模糊聚类方法对样本集进行分类以进行相似日的选取，一个模糊等价关系的建立能够确定一个模糊分类，而模糊等价关系由模糊等价矩阵来表示；第五步，支持向量机模型建立和参数初始化；第六步，输入相似日数据，优化支持向量机参数；第七步，将训练好的模型用于用电量短期预测。