[發(fā)明專利]一種電力用戶的分類方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110313257.2
• 申請(qǐng)日: 2021-03-24
• 公開(kāi)（公告）號(hào): CN113159129A
• 公開(kāi)（公告）日: 2021-07-23
• 發(fā)明（設(shè)計(jì)）人: 方曉蓉;顧榮斌;張皛;宋軼慧;劉文意;邵佳煒;倪卿;陳博文;邴超
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)上海市電力公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06F16/182;G06Q50/06
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明實(shí)施例公開(kāi)了一種電力用戶的分類方法，包括：獲取待處理用戶在設(shè)定時(shí)間段內(nèi)的電力數(shù)據(jù)；對(duì)電力數(shù)據(jù)進(jìn)行預(yù)處理；將預(yù)處理后的電力數(shù)據(jù)輸入隨機(jī)森林模型，獲得待處理用戶的用電類別。本發(fā)明實(shí)施例提供的電力用戶的分類方法，通過(guò)利用隨機(jī)森林模型對(duì)電力用戶的數(shù)據(jù)進(jìn)行分析，可以實(shí)現(xiàn)對(duì)電力用戶進(jìn)行準(zhǔn)確分類的效果。

技術(shù)領(lǐng)域

本發(fā)明涉及特征識(shí)別領(lǐng)域，尤其涉及一種電力用戶的分類方法、裝置、設(shè) 備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著中國(guó)城市化的建設(shè)和發(fā)展，城市中的住宅小區(qū)日漸增多，城市居民用 電總量也在不斷增加，這給電網(wǎng)的穩(wěn)定運(yùn)行帶來(lái)了新的挑戰(zhàn)。對(duì)居民用戶的用 電情況進(jìn)行分類，可以幫助電力供給側(cè)進(jìn)行更好的資源管理和分配，減少電力 損耗。

現(xiàn)在已有許多針對(duì)居民用電量的分析和研究，例如從時(shí)間上對(duì)用電量進(jìn)行 分析：通過(guò)分析用戶用電量隨著時(shí)間變化的數(shù)據(jù)曲線，對(duì)用戶的用電行為與節(jié) 假日的關(guān)系進(jìn)行了研究；或者利用季節(jié)性分解法對(duì)城市用電消耗與氣候變化的 關(guān)系進(jìn)行了研究。再例如利用模擬退火算法對(duì)典型區(qū)域的用戶用電行為進(jìn)行了 分類。但以上都未涉及到對(duì)具體每個(gè)用戶的分類。目前已有的對(duì)用戶進(jìn)行分類 的方法中包括：通過(guò)提取用電負(fù)荷曲線的特征，利用兩步法聚類對(duì)居民用戶進(jìn) 行了分類；分析家庭收入和用戶用電量的關(guān)系；通過(guò)模式識(shí)別電源分析了用戶 用電模式。以上幾個(gè)分類方法都在不同角度進(jìn)行了用戶的分類，但由于現(xiàn)在電 網(wǎng)系統(tǒng)數(shù)據(jù)量越來(lái)越龐大，這些方法均無(wú)法滿足需求。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種電力用戶的分類方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)， 可以實(shí)現(xiàn)對(duì)電力用戶的準(zhǔn)確分類。

第一方面，本發(fā)明實(shí)施例提供了一種電力用戶的分類方法，包括：

獲取待處理用戶在設(shè)定時(shí)間段內(nèi)的電力數(shù)據(jù)；

對(duì)所述電力數(shù)據(jù)進(jìn)行預(yù)處理；

將預(yù)處理后的電力數(shù)據(jù)輸入隨機(jī)森林模型，獲得所述待處理用戶的用電類 別。

進(jìn)一步地，對(duì)所述電力數(shù)據(jù)進(jìn)行預(yù)處理，包括：

對(duì)所述用電數(shù)據(jù)進(jìn)行缺失數(shù)據(jù)補(bǔ)全和數(shù)據(jù)標(biāo)準(zhǔn)化的預(yù)處理；

其中，所述數(shù)據(jù)補(bǔ)全按照如下公式執(zhí)行：其中，x_i,j為缺失數(shù) 據(jù)，x_i,j-1和x_i,j+1分別為數(shù)據(jù)集中x_i,j前后相鄰的數(shù)據(jù)；

所述數(shù)據(jù)標(biāo)準(zhǔn)化按照如下公式執(zhí)行：其中，y_i,j為標(biāo)準(zhǔn)數(shù)據(jù)， x′_i,j為數(shù)據(jù)補(bǔ)全后的數(shù)據(jù)，x′_max和x′_min分別為數(shù)據(jù)補(bǔ)全后的數(shù)據(jù)集中的最大值和最 小值。

進(jìn)一步地，所述隨機(jī)森林模型的訓(xùn)練方式為：

獲取樣本用戶在設(shè)定時(shí)間段的電力樣本數(shù)據(jù)，并按照設(shè)定比例將所述電力 樣本數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集；

利用果蠅算法對(duì)隨機(jī)森林模型參數(shù)進(jìn)行優(yōu)化；所述隨機(jī)森林模型參數(shù)包括 決策樹(shù)數(shù)量和特征屬性集大小；

根據(jù)優(yōu)化后的隨機(jī)森林模型參數(shù)構(gòu)建隨機(jī)森林模型；

基于測(cè)試集對(duì)構(gòu)建的隨機(jī)森林模型進(jìn)行測(cè)試，獲得測(cè)試結(jié)果。

進(jìn)一步地，所述利用果蠅算法對(duì)隨機(jī)森林模型參數(shù)進(jìn)行優(yōu)化，包括：

獲取果蠅群體的初始化坐標(biāo)；初始坐標(biāo)包括氣味濃度、決策樹(shù)數(shù)量和特征 屬性集大小；

基于所述初始化坐標(biāo)進(jìn)行迭代計(jì)算，獲得果蠅群體中氣味濃度最高的目標(biāo) 果蠅坐標(biāo)；

將所述目標(biāo)果蠅坐標(biāo)中的決策樹(shù)數(shù)量和特征屬性集大小確定為優(yōu)化后的隨 機(jī)森林模型參數(shù)。