[發明專利]電力用戶負荷預測模型選擇方法和裝置

在審

• 申請號: 201910256591.1
• 申請日: 2019-04-01
• 公開（公告）號: CN110110892A
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 趙蕾
• 申請（專利權）人: 新奧數能科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 楊樂

本發明公開了一種電力用戶負荷預測模型選擇方法和裝置，所述方法包括：采集已有用戶的負荷預測模型和預測維度數據，對數據進行預處理形成數據集；對數據集進行逐層掃描，設置最小支持度和最小置信度，確定負荷預測模型的頻繁項集，形成用戶適用模型分類規則；獲取新增用戶數據，根據用戶適用模型分類規則對所述新增用戶數據遍歷所有已有用戶的負荷預測模型，確定所述新增用戶的負荷預測模型；根據所述新增用戶的負荷預測模型對所述新增用戶的用電負荷進行預測。本發明而實現了對新增用戶負荷預測模型的快速選擇，提高了售電公司對新增用戶負荷預測的準確率。

技術領域

本發明涉及數據預測及模型選擇技術應用領域，尤其涉及一種電力用戶負荷預測模型選擇方法、裝置、可讀介質及電子設備。

背景技術

隨著電力市場逐步開放，越來越多的用戶參與到電力市場交易中。售電公司在代理電力用戶交易中，降低考核偏差是其盈利關鍵。新增的電力用戶其負荷數據還比較少，如何對新增用戶進行有效的負荷預測至關重要。

目前對用戶電力預測的預測方法都是基于已存在用戶的負荷數據和生產信息進行預測，新增用戶由于負荷數據和生產信息數據搜集較少，傳統的負荷預測方法需要經過不斷迭代才能實現較好的預測效果。

發明內容

本發明提供一種電力用戶負荷預測模型選擇方法、裝置、可讀介質及電子設備，本發明通過采集已有用戶的負荷預測模型和預測維度數據形成數據集，對數據集進行全集掃描，設置最小支持度和最小置信度，確定已有用戶負荷預測模型的頻繁項集，形成用戶適用模型分類規則，對新增用戶遍歷所有規則，計算模型適用性得分，選擇適用性得分最高的模型作為新增用戶的最終適用模型，最后根據該最終適用模型可以計算得到用戶的準確的負荷預測結果，從而實現了對新增用戶負荷預測模型的快速選擇，提高了售電公司對新增用戶負荷預測的準確率。

第一方面，本發明提供了一種電力用戶負荷預測模型選擇方法，包括：

采集已有用戶的負荷預測模型和預測維度數據，對所述數據進行預處理形成數據集；

對所述數據集進行逐層掃描，設置最小支持度和最小置信度，確定所述負荷預測模型的頻繁項集，形成用戶適用模型分類規則；

獲取新增用戶數據，根據所述用戶適用模型分類規則對所述新增用戶數據遍歷所有已有用戶的負荷預測模型，確定所述新增用戶的負荷預測模型；

根據所述新增用戶的負荷預測模型對所述新增用戶的用電負荷進行預測。

優選地，

所述對數據進行預處理形成數據集，具體包括：

采集至少包括用戶平均用電量和用戶資本兩個預測維度的數據；

對所述數據進行預處理，填充數據缺失點，并修正數據異常點；

采用聚類算法分別對所有用戶的用戶平均用電量和用戶資本進行離散化處理。

優選地，

所述確定所述負荷預測模型的頻繁項集，形成用戶適用模型分類規則，具體包括：

選擇支持度大于所述最小支持度的數據集作為所述負荷預測模型的頻繁項集；

計算每一個頻繁項集的置信度，篩選出滿足最小置信度的頻繁項集關聯用戶的負荷預測模型，作為用戶適用模型。

優選地，

所述根據所述用戶適用模型分類規則對所述新增用戶數據遍歷所有已有用戶的負荷預測模型，具體包括：

對所述新增用戶數據進行預處理；

將所述新增用戶數據與所有所述用戶適用模型進行規則匹配，計算所述新增用戶數據與所述用戶適用模型中每一個數據項的最小支持度和最小置信度。