[發(fā)明專利]一種基于電力大客戶群體售電量特征的智能預(yù)測方法及裝置

有效

• 申請?zhí)枺?/td>: 202110644306.0
• 申請日: 2021-06-09
• 公開（公告）號(hào): CN113450141B
• 公開（公告）日: 2023-09-01
• 發(fā)明（設(shè)計(jì)）人: 余長江;劉筱;黃建斌;文乙茹;衛(wèi)亞聰;劉春梅
• 申請（專利權(quán)）人: 重慶錦禹云能源科技有限公司
• 主分類號(hào): G06Q30/0202
• 分類號(hào): G06Q30/0202;G06Q50/06;G06N3/08;G06F18/2431;G06Q10/0631
• 代理公司: 重慶千石專利代理事務(wù)所(普通合伙) 50259
• 代理人: 蔡春儒

1.一種基于電力大客戶群體售電量特征的智能預(yù)測方法，其特征在于，包括：步驟S100：獲取歷史客戶售電量數(shù)據(jù)，并篩選得到電力大客戶群體數(shù)據(jù)；

步驟S100包括步驟S110、S120、S130、S131、S132和S140：

步驟S110：所述獲取歷史客戶售電量數(shù)據(jù)，并篩選得到電力大客戶群體數(shù)據(jù)的步驟包括：

從電力公司的客戶售電數(shù)據(jù)庫中獲取歷史時(shí)間的售電數(shù)據(jù)信息；獲取的電力公司的客戶售電數(shù)據(jù)庫中的原始數(shù)據(jù)包括：行業(yè)分類、電壓等級(jí)、電價(jià)類別、總電價(jià)、峰電價(jià)、谷電價(jià)、單位性質(zhì)、客戶基本信息、客戶用電量、設(shè)備信息、售電量、電量增長率、售電收入、售電收入增長率、線路信息、變壓器信息和信用等級(jí)；

步驟S120：根據(jù)大客戶標(biāo)準(zhǔn)的周期時(shí)間售電量X，從所述售電數(shù)據(jù)信息中篩選出電力大客戶群體；

步驟S130：對(duì)所述電力大客戶群體的售電數(shù)據(jù)信息進(jìn)行特征篩選；所述對(duì)所述電力大客戶群體的售電數(shù)據(jù)信息進(jìn)行特征篩選的步驟包括：

步驟S131：搭建隨機(jī)森林模型；

步驟S132：將所述電力大客戶群體的售電數(shù)據(jù)信息輸入所述隨機(jī)森林模型，篩選得到特征：大客戶用電量、用電量增長率、售電量、售電量增長率、售電收入、售電收入增長率；

步驟S140：將篩選后的電力大客戶群體的單位時(shí)間售電量進(jìn)行離散化處理：

其中，h_i為第i個(gè)離散化售電量，i∈[1，a]，a為單位時(shí)間的離散數(shù)，x為單位時(shí)間售電量；

特征篩選及離散化處理后的數(shù)據(jù)即為所述電力大客戶群體數(shù)據(jù)；

步驟S200：對(duì)所述電力大客戶群體數(shù)據(jù)進(jìn)行預(yù)處理和特征融合，得到處理后數(shù)據(jù)；步驟S200包括步驟S210、S220、S221、S222、S223、S224和S225：

步驟S210：對(duì)所述電力大客戶群體數(shù)據(jù)進(jìn)行異常值清空和缺失值填充，完成預(yù)處理；預(yù)處理方法包括對(duì)電力大客戶群體數(shù)據(jù)中的異常值進(jìn)行清空以及對(duì)缺失值采用該特征的均值進(jìn)行填充，數(shù)據(jù)中的異常值是不在給定的電力客戶數(shù)據(jù)標(biāo)準(zhǔn)范圍內(nèi)的數(shù)據(jù)值，求解數(shù)據(jù)特征均值的方法是：

其中，N為該特征數(shù)據(jù)量的總數(shù)，y_i為該特征中的第i個(gè)數(shù)據(jù)；

步驟S220：對(duì)預(yù)處理后的電力大客戶群體數(shù)據(jù)Z∈R^n×m×c中單個(gè)電力大客戶數(shù)據(jù)Z′∈R^n×m進(jìn)行降維處理，得到處理后數(shù)據(jù)；

其中，n為樣本的個(gè)數(shù)，m為特征的個(gè)數(shù)，c為電力大客戶的個(gè)數(shù)；

所述對(duì)預(yù)處理后的電力大客戶群體數(shù)據(jù)Z∈R^n×m×c中單個(gè)電力大客戶數(shù)據(jù)Z′∈R^n×m進(jìn)行降維處理的步驟包括：

步驟S221：計(jì)算單個(gè)電力大客戶數(shù)據(jù)Z′中每個(gè)特征對(duì)應(yīng)的均值：

其中，z′_i，k為Z′中第k個(gè)特征上的第i條數(shù)據(jù)值；

步驟S222：對(duì)單個(gè)電力大客戶數(shù)據(jù)Z′中每列數(shù)據(jù)進(jìn)行零均值化處理：

步驟S223：計(jì)算協(xié)方差矩陣：

步驟S224：計(jì)算所述協(xié)方差矩陣C的特征矩陣E＝(e₁，e₂，...，e_n)，所述特征矩陣E對(duì)應(yīng)的特征值矩陣為：

其中，λ_i為第i個(gè)特征向量e_i的特征值，i∈[1，n]；

步驟S225：將特征向量e_i按照對(duì)應(yīng)特征值的大小從上到下按行排列為矩陣，并取其中前k行得到矩陣P；

計(jì)算降維數(shù)據(jù)：

Y＝PZ′

所述降維數(shù)據(jù)Y即為處理后數(shù)據(jù)；

步驟S300：將所述處理后數(shù)據(jù)輸入訓(xùn)練好的GRU神經(jīng)網(wǎng)絡(luò)，得到輸出結(jié)果，

所述輸出結(jié)果即為電力大客戶群體的售電預(yù)測結(jié)果；

所述GRU神經(jīng)網(wǎng)絡(luò)的前向傳播公式包括：

r_t＝σ(W_r·[h_t-1，x_t])

z_t＝σ(W_z·[h_t-1，x_t])

y_t＝σ(W_o·h_t)

其中，z_t為更新門，r_t為重置門，W_r、W_z、W_h、W_o均為學(xué)習(xí)參數(shù)，x_t、y_t分別為t時(shí)刻的輸入和輸出，h_t為t時(shí)刻的狀態(tài)信息，為當(dāng)前候選集，σ為sigmoid激活函數(shù)；

步驟S400：輸出所述電力大客戶群體的售電預(yù)測結(jié)果。