一种基于时序特征提取的用户用电量预测方法技术

本发明专利技术公开了一种基于时序特征提取的用户用电量预测方法，以供电区域为单位对用户的用电行为进行时序分析和预测，首先基于用户的地理位置信息对电力用户进行划分，对各个区域的用户特征和时序特征进行抽取，并基于时序特征构建相应的预测模型，从而实现时空数据相结合的细粒度预测。为了在建模过程中使模型既能捕获区域相关的特征，也能捕获区域无关特征，本发明专利技术采用联合学习的方法进行建模，提升了鲁棒性，降低了过拟合的影响。

【技术实现步骤摘要】
一种基于时序特征提取的用户用电量预测方法
本专利技术涉及电力用电量预测领域，特别是涉及一种基于时序特征提取的用户用电量预测方法。
技术介绍
用电量作为经济发展走势的“晴雨表”，时刻反映经济的运行状况，对经济的发展起着至关重要的作用，供用电之间的矛盾也更加突出。为了缓解供用电之间的矛盾，保证居民的生活质量，准确地进行用电需求预测能够合理地实行电力规划及能源配置、减少购电成本、提高供电效率，促进区域经济发展。随着智能电网和传感器技术的发展，电网系统中逐渐积累了大量的数据。基于这些数据预测未来时间段内用户的用电量，是电力数据分析中最重要的任务之一。用户用电量预测是电力系统运行和管理过程中一个重要部分，准确的预测可以有效地辅助系统的管理以及决策的制定。传统的用电量预测大多是以整个区域的整体用电情况为研究对象进行研究的，此类方法假设相同地区电力用户的用电行为相同。然而不同电力用户的用电行为模式在保持趋同性的同时还具有一定的特异性，对所有用户使用统一的预测模型会损失用户的个性化信息，而对每个用户都建立一个单独的模型则会消耗很大的存储资源和计算资源，不适用于海量的电力业务数据建模。国内外很多学者都对用电量预测进行了研究，线性回归分析预测是最常用的预测方法之一。任芳玲等人(任芳玲,吴娜,乔克林.基于反馈回归法的用电量预测模型研究[J].经济数学,2016,33(1):100-105)使用基于反馈回归法的用电量预测模型，具有更高的精度。张海珍等人(张海珍,朱家明.基于多元线性回归模型的居民用电量影响因素分析[J].西昌学院学报(自然科学版),2017,31(1):28-30)选取了收入、价格、人口、气温及居住面积等五个因素作为分析指标，构建多元线性回归模型，用以研究各个影响因素对居民用电量的影响程度大小。庄剑等人(庄剑,李凯,刘展展,等.基于季节调整和回归分析法的月售电量预测方法研究[J].经济研究导刊,2018(19))通过对售电量进行季节调整刻画其趋势性和季节性，构建回归预测模型，充分结合了季节调整对趋势时间序列精度预测的优点,又有利于提高月售电量预测精度。Dimitrios等人(AngelopoulosD,PsarrasJ,SiskosY.Long-termelectricitydemandforecastingviaordinalregressionanalysis:ThecaseofGreece[C]//PowerTech,2017IEEEManchester.IEEE,2017:1-6)通过叙述回归分析应用，引入了一种新的长期电力需求预测模型。Tserkezos(TserkezosED.ForecastingresidentialelectricityconsumptioninGreeceusingmonthlyandquarterlydata[J].EnergyEconomics,1992,14(3):226-232.)通过应用自回归综合移动平均线和传递函数模型以及使用月度和季度收入，温度和电价数据来估算希腊住宅部门的电力需求。Hondroyiannis(HondroyiannisG.EstimatingresidentialdemandforelectricityinGreece[J].EnergyEconomics,2004,26(3):319-334.)分别通过使用协整技术和矢量误差修正模型对长期和短期住宅用电量进行了估算，其中检验了实际收入，实际电价和加权平均温度。Mirasgedis等人(MirasgedisS,SarafidisY,GeorgopoulouE,etal.Modelsformid-termelectricitydemandforecastingincorporatingweatherinfluences[J].Energy,2006,31(2):208-227)根据不同的天气情况，对未来12个月的电力需求预测进行了预测，重点关注电力需求的每日和每月变化。此外，Tsekouras等人(TsekourasGJ,DialynasEN,HatziargyriouND,KavatzaS.Anon-linearmultivariableregressionmodelformidtermenergyforecastingofpowersystems.ElectricPowerSystemsResearch.2007Oct1；77(12):1560-8)应用具有多个变量的非线性回归模型来预测希腊电力系统的中期电力需求。基于上述研究背景及前人的研究成果和经验，可以发现大多数方法都是对用户总体的用电量进行分析和预测，而较少考虑到用户之间的个体用电行为差异，而这方面对于电力系统的生产调度和运营管理来说是非常重要的。此外，大多数方法都是直接基于用户原始用电记录进行预测，而没有对其中包含的不同方面的特征进行细粒度的分析和抽取。
技术实现思路
为解决现有技术中存在的问题，本专利技术提供一种基于时序特征提取的用户用电量预测方法，该方法以区域为单位对用户未来时段的时序特征变化进行建模和预测，并根据时序特征的预测结果实现用户用电量的预测，具有较高的预测精度。为此，本专利技术的技术方案如下：一种基于时序特征提取的用户用电量预测方法，包括按顺序执行的下列步骤：S1)输入用户的用电记录数据信息和用户的地理位置信息，构建各区域用户的用电行为表示矩阵；S2)基于S1)中的输出，利用联合矩阵三分解对各区域的用户特征和时序特征进行抽取，设计合理的目标函数求解算法并求解用户的用电需求表示，在抽取过程中尽可能地保留用户历史用电行为特征；S3)根据步骤S1)和S2)的输出，对时序特征进行建模，进而实现用户用电量预测。其中，在S1)中，输入的用户用电记录数据中的所有用户被表示为集合：U＝{u1，u2，...，uL}其中，L表示数据中包含的用户个数，ui表示第i个用户，第i个用户的用电记录数据被构建为用电记录向量：其中，表示用户ui在第d天的用电量；第i个用户的地理位置信息被表示为结构体：其中为居住地点中某个组成部分的字符串表示，按行政单位(省、城市、区县、乡镇、街道、小区等)从大到小的顺序排列，根据具体情况选择一定的行政单位作为划分阈值对用户进行划分，得到不同的供电区域G1，G2，...，GN，其中N表示供电区域的个数；基于所述用户供电区域划分结果将用户分组，将用户用电记录向量按照上述划分结果进行聚合和归整，并以矩阵的形式进行表示，输入的所有供电区域的用户用电记录数据被表示为矩阵集合：X＝{X1，X2，…，XN}其中N表示供电区域的个数，第i个供电区域的用电记录数据被构建为矩阵的形式其中Ni为该区域内所包含的用户个数，T为历史记录中包含的天数，表示矩阵Xi的第n行，代表供电区域i中第n个用户的历史用电情况，表示矩阵Xi的第t列，代表供电区域i在第t天所有用户的用电情况；最终，S1)输出各区域用户的用电记录矩阵：X1，X2，…，XN，将上述各用户分组的用电记录集合作为输入数据输入到后续的模型中。在S2)中，所述的用电特征抽取算法以用户分组矩阵为单位进行计算，利用联合矩阵三分解方法进行特征抽取，对各区域用户历史用电行为进行特征提取的目标函数本文档来自技高网...

【技术保护点】
1.一种基于时序特征提取的用户用电量预测方法，包括按顺序执行的下列步骤：S1)输入用户的用电记录数据信息和用户的地理位置信息，构建各区域用户的用电行为表示矩阵；S2)基于S1)中的输出，利用联合矩阵三分解对各区域的用户特征和时序特征进行抽取，设计合理的目标函数求解算法并求解用户的用电需求表示，在抽取过程中尽可能地保留用户历史用电行为特征；S3)根据步骤S1)和S2)的输出，对时序特征进行建模，进而实现用户用电量预测。

【技术特征摘要】
1.一种基于时序特征提取的用户用电量预测方法，包括按顺序执行的下列步骤：S1)输入用户的用电记录数据信息和用户的地理位置信息，构建各区域用户的用电行为表示矩阵；S2)基于S1)中的输出，利用联合矩阵三分解对各区域的用户特征和时序特征进行抽取，设计合理的目标函数求解算法并求解用户的用电需求表示，在抽取过程中尽可能地保留用户历史用电行为特征；S3)根据步骤S1)和S2)的输出，对时序特征进行建模，进而实现用户用电量预测。2.根据权利要求1所述的用户用电量预测方法，其特征在于：在S1)中，输入的用户用电记录数据中的所有用户被表示为集合：U＝{u1,u2,…,uL}其中，L表示数据中包含的用户个数，ui表示第i个用户，第i个用户的用电记录数据被构建为用电记录向量：其中，表示用户ui在第d天的用电量；第i个用户的地理位置信息被表示为结构体：其中为居住地点中某个组成部分的字符串表示，按行政单位(省、城市、区县、乡镇、街道、小区等)从大到小的顺序排列，根据具体情况选择一定的行政单位作为划分阈值对用户进行划分，得到不同的供电区域G1,G2,…,GN，其中N表示供电区域的个数；基于所述用户供电区域划分结果将用户分组，将用户用电记录向量按照上述划分结果进行聚合和归整，并以矩阵的形式进行表示，输入的所有供电区域的用户用电记录数据被表示为矩阵集合：X＝{X1，X2，…，XN}其中N表示供电区域的个数，第i个供电区域的用电记录数据被构建为矩阵的形式其中Ni为该区域内所包含的用户个数，T为历史记录中包含的天数，表示矩阵Xi的第n行，代表供电区域i中第n个用户的历史用电情况，表示矩阵Xi的第t列，代表供电区域i在第t天所有用户的用电情况；最终，S1)输出各区域用户的用电记录矩阵：X1，X2，…，XN，将上述各用户分组的用电记录集合作为输入数据输入到后续的模型中。3.根据权利要求2所述的用户用电量预测方法，其特征在于：在S2)中，所述的用电特征抽取...

【专利技术属性】
技术研发人员：杨青，王扬，王旭强，侯宏生，张旭，殷博，黄刚，张耀，杨鹏，高静，王银，
申请(专利权)人：国网天津市电力公司，国家电网有限公司，
类型：发明
国别省市：天津,12