[發(fā)明專利]一種基于分類算法的用電量預(yù)測(cè)方法及預(yù)測(cè)系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110090391.0
• 申請(qǐng)日: 2021-01-22
• 公開（公告）號(hào): CN112686473A
• 公開（公告）日: 2021-04-20
• 發(fā)明（設(shè)計(jì)）人: 何維民;趙雙雙;張昕;翟千惠;鄧君華;王舒;程雅夢(mèng);趙磊;王賀;劉穎;陳奕彤;周家億
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)江蘇省電力有限公司營(yíng)銷服務(wù)中心;國(guó)網(wǎng)江蘇省電力有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q40/00;G06Q50/06;G06F21/60;G06K9/62
• 代理公司: 北京智繪未來專利代理事務(wù)所(普通合伙) 11689
• 代理人: 肖繼軍;張紅蓮

一種基于分類算法的用電量預(yù)測(cè)方法及系統(tǒng)，其方法包括以下步驟：1.采集第二客戶端的企業(yè)用戶的用電歷史數(shù)據(jù)與第一客戶端的企業(yè)稅務(wù)數(shù)據(jù)；2.對(duì)采集的數(shù)據(jù)進(jìn)行預(yù)處理；3.對(duì)預(yù)處理的用電歷史數(shù)據(jù)進(jìn)行分類；4.通過加密樣本篩選出第一客戶端與第二客戶端的共同用戶；5.將共同用戶的分類數(shù)據(jù)與相對(duì)應(yīng)的企業(yè)稅務(wù)數(shù)據(jù)進(jìn)行加密模型訓(xùn)練以得到每一類分類的電量預(yù)測(cè)模型；6.采集最新用電數(shù)據(jù)與企業(yè)稅務(wù)數(shù)據(jù)，輸入至相對(duì)應(yīng)的預(yù)測(cè)模型進(jìn)行預(yù)測(cè)。本發(fā)明在一定程度上解決了傳統(tǒng)電量預(yù)測(cè)模型學(xué)習(xí)精度與預(yù)測(cè)準(zhǔn)度下降的問題，預(yù)測(cè)效率高，預(yù)測(cè)精度高，實(shí)用性強(qiáng)，具有較好的適應(yīng)性及可靠性。

技術(shù)領(lǐng)域

本發(fā)明屬于電力信息預(yù)測(cè)技術(shù)領(lǐng)域，尤其涉及一種基于分類算法的用電量預(yù)測(cè)方法及預(yù)測(cè)系統(tǒng)。

背景技術(shù)

電力大數(shù)據(jù)產(chǎn)生在電力生產(chǎn)和使用過程中，電力大數(shù)據(jù)本身蘊(yùn)藏著巨大的商業(yè)價(jià)值和社會(huì)價(jià)值，挖掘電力大數(shù)據(jù)價(jià)值面臨巨大機(jī)遇。如何從電力大數(shù)據(jù)中獲得準(zhǔn)確的客戶用電量預(yù)測(cè)是電力公司一直關(guān)心的問題，準(zhǔn)確的電量預(yù)測(cè)是指導(dǎo)電力部門安排運(yùn)行計(jì)劃和保障售電公司盈利能力的關(guān)鍵基礎(chǔ)。電力公司可以通過分析客戶用電數(shù)據(jù)，制定科學(xué)合理的決策，滿足各類用戶群體的需求，實(shí)現(xiàn)高效快捷的運(yùn)營(yíng)體系,提升營(yíng)銷服務(wù)質(zhì)量。

目前常用電量預(yù)測(cè)方法包括灰色預(yù)測(cè)法、電量產(chǎn)出效益法、電力彈性系數(shù)法和回歸分析法等。傳統(tǒng)的用電量預(yù)測(cè)方法無法通過多方數(shù)據(jù)集聯(lián)合建模，存在電量預(yù)測(cè)準(zhǔn)確率低的現(xiàn)象，難以取得理想的效果，同時(shí)也不能充分滿足電力大數(shù)據(jù)的隱私性與安全性需求。

雖然一些訓(xùn)練用電預(yù)測(cè)模型可以保護(hù)數(shù)據(jù)隱私，但是由于電力客戶實(shí)行不同的營(yíng)銷策略和提供差異化服務(wù)，使得電力數(shù)據(jù)呈現(xiàn)出分布密度不均勻、數(shù)據(jù)彼此之間差異過大的特點(diǎn)，這很大程度影響了機(jī)器學(xué)習(xí)算法的性能，進(jìn)而導(dǎo)致模型精度損失。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)中存在的不足，本發(fā)明的目的在于，提供一種基于分類算法的用電量預(yù)測(cè)方法，對(duì)這些數(shù)據(jù)差異大的電力數(shù)據(jù)在數(shù)據(jù)不可見的前提下先進(jìn)行分類，再對(duì)各分類的數(shù)據(jù)和其他行業(yè)的數(shù)據(jù)進(jìn)行加密模型訓(xùn)練，這樣會(huì)提高本地電力數(shù)據(jù)訓(xùn)練梯度，進(jìn)而優(yōu)化加密模型訓(xùn)練的模型精度，使加密模型預(yù)測(cè)的準(zhǔn)度與效率大大提升。

對(duì)于不同的行業(yè)，需要繳納的稅目不同，對(duì)應(yīng)的稅率也有所區(qū)別，由此可以根據(jù)企業(yè)稅務(wù)情況判斷企業(yè)的性質(zhì)。由于企業(yè)的性質(zhì)與用電量存在密切的關(guān)聯(lián)，在訓(xùn)練模型時(shí)考慮企業(yè)性質(zhì)的因素能大大提高企業(yè)用電量預(yù)測(cè)模型的準(zhǔn)確率。企業(yè)各項(xiàng)稅務(wù)反映了一段時(shí)間內(nèi)企業(yè)的運(yùn)營(yíng)狀況，是預(yù)測(cè)企業(yè)用電量的重要依據(jù)，因此本發(fā)明使用了企業(yè)稅務(wù)信息來作為電量預(yù)測(cè)的一種依據(jù)。

本發(fā)明采用如下的技術(shù)方案：

一種基于分類算法的用電量預(yù)測(cè)方法，其特征在于，所述電量預(yù)測(cè)模型的實(shí)現(xiàn)方法包括以下步驟：

步驟1：采集第二客戶端企業(yè)用戶的用電歷史數(shù)據(jù)以及時(shí)間上相對(duì)應(yīng)的第一客戶端的稅務(wù)歷史數(shù)據(jù)；

步驟2：對(duì)步驟1所采集的用電數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，所述預(yù)處理步驟包括數(shù)據(jù)無效值的剔除以及缺失值的填補(bǔ)，再將數(shù)據(jù)進(jìn)行集成；

步驟3：對(duì)步驟2預(yù)處理過的用電數(shù)據(jù)進(jìn)行數(shù)據(jù)分類，并輸出p類分類結(jié)果；

步驟4：通過加密樣本對(duì)齊以篩選第一客戶端與第二客戶端的共同用戶；

步驟5：采用步驟4所得共同用戶中第二客戶端的每一類分類數(shù)據(jù)以及共同用戶中第一客戶端里相對(duì)應(yīng)的企業(yè)稅務(wù)數(shù)據(jù)進(jìn)行加密模型訓(xùn)練，得到每一類分類的電量預(yù)測(cè)模型；

步驟6：采集最新的電力用戶用電數(shù)據(jù)以及與之時(shí)間上相對(duì)應(yīng)的企業(yè)稅務(wù)數(shù)據(jù)，經(jīng)步驟2-3的數(shù)據(jù)處理后，將每類分類數(shù)據(jù)中除季度用電量的其他數(shù)據(jù)輸入至步驟5所得的相對(duì)應(yīng)的模型中進(jìn)行電量預(yù)測(cè)。

步驟1中，第一客戶端上儲(chǔ)存企業(yè)用戶的稅務(wù)數(shù)據(jù)，第二客戶端上儲(chǔ)存企業(yè)用戶的用電數(shù)據(jù)；兩客戶端通過加密算法，實(shí)現(xiàn)與中央服務(wù)器的數(shù)據(jù)交互與模型訓(xùn)練。