[發明專利]融合高頻影響因素的集成型用電量增長預測方法及裝置

在審

• 申請號: 202110066227.6
• 申請日: 2021-01-19
• 公開（公告）號: CN112766569A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 張勇;何琬;夏利宇;代高琪;張新圣;朱偉;張倩
• 申請（專利權）人: 國網能源研究院有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 北京八月瓜知識產權代理有限公司 11543
• 代理人: 李斌

1.一種融合高頻影響因素的集成型用電量增長預測方法，其特征在于，包括以下步驟：

S1.選取可能影響用電量增長的因素作為備選影響因素，基于所述備選影響因素構建XGBoost模型，測算各個備選影響因素對用電量增長的重要性，確定構建預測模型使用的影響因素；

S2.基于步驟S1得到的所述影響因素構建多個XGBoost模型作為單一預測模型；

S3.分別用步驟S2中構建的多個所述單一預測模型對所述用電量進行預測，得到多組預測值，利用真實用電量與所述預測值計算均方誤差值，利用所述均方誤差值對多個所述單一預測模型的預測值進行集成，得到最終的預測結果。

2.根據權利要求1所述的一種融合高頻影響因素的集成型用電量增長預測方法，其特征在于，步驟S1所述方法具體包括：

S101.結合供電公司電力調度實際需求，從常規因素和宏觀因素兩個角度確定所述備選影響因素；

S102.構建以用電量為因變量，以所述常規因素和宏觀因素為自變量的XGBoost模型，計算出各影響因素的重要性指標，并對所述重要性指標的值進行相對數量處理；

S103.對所述各影響因素的重要性指標進行由大到小的排序，根據建模需要選取所述重要性指標排名靠前的若干影響因素作為最終建模所需影響因素。

3.根據權利要求2所述的一種融合高頻影響因素的集成型用電量增長預測方法，其特征在于，

步驟S101中，所述常規因素包括：上年同期用電量、平均氣溫、最高氣溫、最低氣溫、平均相對濕度、最小相對濕度、降水量、日照時數、是否周六日、是否假日，所述宏觀因素包括：GDP、上證指數收盤價、上證指數漲跌。

4.根據權利要求2所述的一種融合高頻影響因素的集成型用電量增長預測方法，其特征在于，步驟S102中所述重要性指標有三種，分別為：增益Gain、覆蓋度Cover和頻率Frequency。

5.根據權利要求1所述的一種融合高頻影響因素的集成型用電量增長預測方法，其特征在于，步驟S2所述單一預測模型的具體構建方法為：通過可放回隨機抽樣從容量為N的建模樣本中抽取訓練集樣本S₁，利用訓練集樣本S₁，以用電量為因變量Y，以基于重要性測度指標選定的影響因素為自變量X構建XGBoost模型M₁作為單一預測模型。

6.一種融合高頻影響因素的集成型用電量增長預測模型裝置，其特征在于，包括：

因素選取模塊：用于選取可能影響用電量增長的因素作為備選影響因素，基于所述備選影響因素構建XGBoost模型，測算各個備選影響因素對用電量增長的重要性，確定構建預測模型使用的影響因素；

模型構建模塊：用于基于所述影響因素構建多個XGBoost模型作為單一預測模型；

預測結果集成模塊：用于多個所述單一預測模型對所述用電量進行預測，得到多組預測值，利用真實用電量與所述預測值計算均方誤差值，利用所述均方誤差值對多個所述單一預測模型的預測值進行集成，得到最終的預測結果。

7.根據權利要求5所述的一種融合高頻影響因素的集成型用電量增長預測裝置，其特征在于，因素選取模塊具體用于：

結合供電公司電力調度實際需求，從常規因素和宏觀因素兩個角度確定所述備選影響因素；

構建以用電量為因變量，以所述常規因素和宏觀因素為自變量的XGBoost模型，計算出各影響因素的重要性指標，并對所述重要性指標的值進行相對數量處理；

對所述各影響因素的重要性指標進行由大到小的排序，根據建模需要選取所述重要性指標排名靠前的若干影響因素作為最終建模所需影響因素。