[發明專利]一種客戶側計量設備本地物聯運行指標研究方法

在審

• 申請號: 202111295307.5
• 申請日: 2021-11-03
• 公開（公告）號: CN114021648A
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 陳霄;周玉;高凡;李悅;邵雪松;蔡奇新;崔高穎;穆卓文;薛冰
• 申請（專利權）人: 國網江蘇省電力有限公司營銷服務中心
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/18;G06F30/27
• 代理公司: 北京盛凡佳華專利代理事務所(普通合伙) 11947
• 代理人: 胡紅濤

本發明公開了一種多維參數影響下的客戶側計量設備本地物聯運行指標研究方法，采用標準化方法來預處理多維參數和本地物聯指標數據。通過隨機森林特征選擇方法對多維參數重要度進行排序和篩選。通過粒子群優化算法優化特征選擇后的支持向量機回歸模型參數。本發明采用RF特征選擇方法對多維參數重要度進行排序和篩選，在不顯著降低回歸精度的前提下，節約了內存資源，降低工程成本和時間。采用PSO算法優化特征選擇后的SVR模型參數，有效提高了模型擬合度。

技術領域

本發明屬于電力技術領域，具體涉及一種客戶側計量設備本地物聯運行指標研究方法。

背景技術

計量設備本地物聯網絡作為承載客戶側能源互聯網信息流和業務流的基礎，是滿足客戶多元用能需求，支撐交互式用能設施互聯互通，促進源網荷儲協調互動的重要執行單元，但現有客戶側用電數據應用價值的挖掘力度不夠，缺乏對本地物聯運行指標影響因素及影響強度的深入分析。因此，迫切需要新技術來對多維參數影響下的客戶側計量設備本地物聯運行指標進行深入研究。

所選取的某些多維參數，可能和客戶側計量設備本地物聯運行指標，并沒有太大的關聯，將這些與本地物聯運行指標關聯度度不大的參數，帶入后續模型分析，會加大系統工作量，耗費內存和時間。選用隨機森林(RF)特征選擇方法，對多維參數重要度排序，根據排序結果篩選變量，減輕系統工作負擔。

客戶側計量設備本地物聯運行指標屬于連續性變量，需要使用回歸模型進行建模。傳統多元線性回歸具有一定局限性，適用于線性變化的變量，而實際工程中很多變量以非線性形式變化。選用支持向量機回歸(SVR)，將自變量、因變量映射到高維層面建模，有效捕捉自變量與因變量的關系。

SVR中存在多個參數，選取參數不同，模型性能會差別很大。通過智能優化算法，自動尋優，有助于提升模型性能。粒子優化(PSO)算法改進了一些優化算法中容易陷入算法早產、局部尋優的問題，與SVR結合，通過多次迭代，找到參數全局最優位置。

發明內容

為了解決上述問題，本發明提供了一種使用簡單、成本低的多維參數影響下的客戶側計量設備本地物聯運行指標研究方法。

為了達到上述目的，本發明是通過以下技術方案來實現的：

本發明是一種客戶側計量設備本地物聯運行指標研究方法，包括以下步驟：

S1，使用標準化公式將多維參數和本地物聯運行指標數據標準化處理；

S2，采用隨機森林算法對多維參數重要度進行排序和篩選；

S3，建立特征篩選后的多維參數和本地物聯運行指標之間的SVR模型，利用

粒子群優化算法優化SVR模型參數，并驗證優化后的SVR模型。

本發明的進一步改進在于：S1具體包括以下步驟：

S1.1，對多維參數數據進行標準化處理，采用如下公式：

其中，X_i為標準化前的多維參數數據，X_{new_i}為標準化之后的多維參數數據，μ為數據平均值，σ為數據標準差，N為總的數據量；

S1.2，對本地物聯運行指標數據進行標準化處理，采用如下公式：

其中，Y_i為標準化前的本地物聯運行指標數據，Y_{new_i}為標準化之后的本地物聯運行指標數據，μ為數據平均值，σ為數據標準差，N為總的數據量。

本發明的進一步改進在于：S2具體包括以下步驟：

S2.1，針對每顆決策樹都選擇相應的袋外數據，并計算袋外數據誤差，袋外數據誤差記為error1；