[發明專利]一種用戶用電行為預測方法及系統

有效

• 申請號: 201911284208.X
• 申請日: 2019-12-13
• 公開（公告）號: CN111210051B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 姚璐;邵倩文;吳小康;尚曉霞;燕侯智;王安;安賽;黃楊;施愷
• 申請（專利權）人: 貴州電網有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/084
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 王曉東

1.一種用戶用電行為預測方法，其特征在于，包括：

從電網信息采集系統中獲取所需用戶歷史用電量以及電價數據；

將所獲取到的所述用戶歷史用電量以及電價數據作為BP人工神經網絡模型的輸入向量，以利用BP人工神經網絡模型來計算預測出當前的用戶用電初值

根據所述當前用戶用電初值并結合電價心理場模型與多場景集方法，來計算出當前的預測電價心理場強；

對預測時段內的電價心理場強進行標準化處理，獲得基于電價心理場理論修正預測用電初值的修正系數；

結合用戶用電初值和修正系數來計算出用戶用電行為最終預測值

所述利用BP人工神經網絡模型來計算預測出當前的用戶用電初值的方式為：

第一步：選定應用于預測的BP網絡結構為三層，分別為輸入層、隱含層和輸出層；

第二步：輸入用于訓練的向量X_l，l＝1,2,3,…,n，以及期望輸出向量Y_l，l＝1,2,3,…,n，其中輸入向量為用戶歷史用電量數據以及歷史電價數據分別組成，輸出向量為預測的用戶用電量數據；對每個輸入向量進行以下第三步至第五步的迭代；

第三步：由下式計算BP網絡中隱含層神經元和輸出層神經元的輸出值

O_k,j＝f(Net_k,j)???????????????????(3)

式(3)中，O_k,j為第k層神經元u_j的輸出值；f(x)為其激活函數，取sigmoid函數；Net_k,j為其輸入值的加權和，即如式(4)所示：

式(4)中，w_ij為與第k層神經元u_j相連接的各輸入權值；θ_j為第k層神經元u_j的內部閾值；

第四步：按公式(5)計算輸出層神經元和隱含層神經元的誤差：

第五步：由以下公式調整權值和閾值

w_jk(t+1)＝w_ji(t)+ηδ_jO_k,j?????????????????????????(6)

θ_j(t+1)＝θ_j(t)+ηδ_j???????????????????????????(7)

式(6)、式(7)中，w_ji(t)為訓練過程中第t次循環結束后得到的神經元節點i與j的連接權值，η為學習率；當t完成由1至n的過程后，一輪學習結束，若滿足下式

E_Net≤ε₀????????????????????????????????(8)

則學習過程結束，否則轉至第二步，開始下一輪學習；式(8)中，E_Net為網絡輸出值誤差平方和，ε₀為預設的誤差允許值；

由上述過程，計算得到基于用戶歷史用電量以及歷史電價數據的預測用電初值

所述電價心理場模型為：

式(2)中：E為用戶電價心理場基本場強值；C為心理場中當前的電價值；P為電力用戶的用電量；C_ε為修正值，其大小與用戶用電的心理特性相關；

所述計算出當前的預測電價心理場強的方式為：

假設所處的電價心理場場強范圍所對應的電價區間為[C₁,C₂]，則由式(2)與下列式子計算預測電價心理場強：

ΔC＝C₂-C₁???????????????????????????????(9)

0≤C_ε≤ΔC??????????????????????????????(10)

式(11)中，為所處的電價心理場場強范圍內某一電價場景下對應的電價心理場場強；式(12)中，i為所取電價場景集的個數，即為結合電價心理場模型與多場景集方法計算得出的預測電價心理場強；

所述獲得基于電價心理場理論修正預測用電初值的修正系數的方式為：

假設計算得出預測時段內t_n個時刻的電價心理場強，即按下式對其進行標準化處理：

式(13)中，即為進行標準化處理后的預測電價心理場強，將其看作基于電價心理場理論修正預測用電初值的修正系數；

所述結合用戶用電初值和修正系數來計算出用戶用電行為最終預測值的方式為：

2.一種用戶用電行為預測系統，其特征在于，包括：

數據采集器，用于從電網信息采集系統中獲取所需用戶歷史用電量以及電價數據；

服務器，用于接收數據采集器所傳輸來的用戶歷史用電量以及電價數據來作為BP人工神經網絡模型的輸入向量，以利用BP人工神經網絡模型來計算預測出當前的用戶用電初值

數據處理器，用于接收服務器所傳輸來的當前用戶用電初值數據并結合電價心理場模型與多場景集方法，來計算出當前的預測電價心理場強；然后對預測時段內的電價心理場強進行標準化處理運算，獲得基于電價心理場理論修正預測用電初值的修正系數；最后結合用戶用電初值和修正系數來計算出用戶用電行為最終預測值

所述服務器利用BP人工神經網絡模型來計算預測出當前的用戶用電初值的運算過程為：

第一步：選定應用于預測的BP網絡結構為三層，分別為輸入層、隱含層和輸出層；

第二步：輸入用于訓練的向量X_l，l＝1,2,3,…,n，以及期望輸出向量Y_l，l＝1,2,3,…,n，其中輸入向量為用戶歷史用電量數據以及歷史電價數據分別組成，輸出向量為預測的用戶用電量數據；對每個輸入向量進行以下第三步至第五步的迭代；

第三步：由下式計算BP網絡中隱含層神經元和輸出層神經元的輸出值

O_k,j＝f(Net_k,j)?????????????????(3)

式(3)中，O_k,j為第k層神經元u_j的輸出值；f(x)為其激活函數，取sigmoid函數；Net_k,j為其輸入值的加權和，即如式(4)所示：

式(4)中，w_ij為與第k層神經元u_j相連接的各輸入權值；θ_j為第k層神經元u_j的內部閾值；

第四步：按公式(5)計算輸出層神經元和隱含層神經元的誤差：

第五步：由以下公式調整權值和閾值

w_jk(t+1)＝w_ji(t)+ηδ_jO_k,j?????????????????????????(6)

θ_j(t+1)＝θ_j(t)+ηδ_j???????????????????????????(7)

式(6)、式(7)中，w_ji(t)為訓練過程中第t次循環結束后得到的神經元節點i與j的連接權值，η為學習率；當t完成由1至n的過程后，一輪學習結束，若滿足下式

E_Net≤ε₀????????????????????????????????(8)

則學習過程結束，否則轉至第二步，開始下一輪學習；式(8)中，E_Net為網絡輸出值誤差平方和，ε₀為預設的誤差允許值；

由上述過程，計算得到基于用戶歷史用電量以及歷史電價數據的預測用電初值

所述電價心理場模型為：

式(2)中：E為用戶電價心理場基本場強值；C為心理場中當前的電價值；P為電力用戶的用電量；C_ε為修正值，其大小與用戶用電的心理特性相關；

所述數據處理器計算出當前的預測電價心理場強的運算處理過程為：

假設所處的電價心理場場強范圍所對應的電價區間為[C₁,C₂]，則由式(2)與下列式子計算預測電價心理場強：

ΔC＝C₂-C₁???????????????????????????????(9)

0≤C_ε≤ΔC?(10)

式(11)中，為所處的電價心理場場強范圍內某一電價場景下對應的電價心理場場強；式(12)中，i為所取電價場景集的個數，即為結合電價心理場模型與多場景集方法計算得出的預測電價心理場強；

所述數據處理其對預測時段內的電價心理場強進行標準化處理運算，獲得基于電價心理場理論修正預測用電初值的修正系數，最后結合用戶用電初值和修正系數來計算出用戶用電行為最終預測值的運算處理過程為：

假設由計算得出預測時段內t_n個時刻的電價心理場強，即按下式對其進行標準化處理：

式(13)中，即為進行標準化處理后的預測電價心理場強，將其看作基于電價心理場理論修正預測用電初值的修正系數，因此，由電價心理場理論修正預測用電初值的過程即按下式進行

式(14)中，即為基于電價心理場理論修正的用戶用電行為最終預測值。