一种用户的用电负荷特征预测方法及装置制造方法及图纸

本发明专利技术涉及用电数据分析技术领域，具体提供了一种用户的用电负荷特征预测方法及装置，包括：获取用户的用电负荷数据，并将所述用电负荷数据聚合为按预设时间尺度的用电负荷数据；将所述按预设时间尺度的用电负荷数据输入至预先构建的多尺度时序分析模型，获取预先构建的多尺度时序分析模型输出的用户的用电负荷特征曲线预测结果。本发明专利技术提供的技术方案，旨在充分利用电力行业信息化带来的海量多元的用户用电数据进行分析和预测，使得电网系统可以更精准的把握用电模式与用电特征，让整个电网系统更加智能、高效和可靠。高效和可靠。高效和可靠。

【技术实现步骤摘要】
一种用户的用电负荷特征预测方法及装置


[0001]本专利技术涉及用电数据分析
，具体涉及一种用户的用电负荷特征预测方法及装置。

技术介绍

[0002]随着电力行业信息化程度不断提升以及智能电网的快速普及，用电负荷数据呈现多元化、海量化趋势，用电负荷分析和用电用户侧写成为电力行业当前关注的热点。
[0003]常见的用电负荷分析大多参考单日或全年用电负荷数据，缺乏时间维度上的衔接与扩展，对用户的侧写也停留在简单根据用电指标进行聚类，异常用户排查往往由人工实现。如何能从多时间维度对用电负荷进行分析、掌握更准确的用户用电模式以及自动筛选异常离群用户，成为当前亟需解决的问题。

技术实现思路

[0004]为了克服上述缺陷，本专利技术提出了一种用户的用电负荷特征预测方法及装置。
[0005]第一方面，提供一种用户的用电负荷特征预测方法，所述用户的用电负荷特征预测方法包括：
[0006]获取用户的用电负荷数据，并将所述用电负荷数据聚合为按预设时间尺度的用电负荷数据；
[0007]将所述按预设时间尺度的用电负本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户的用电负荷特征预测方法，其特征在于，所述方法包括：获取用户的用电负荷数据，并将所述用电负荷数据聚合为按预设时间尺度的用电负荷数据；将所述按预设时间尺度的用电负荷数据输入至预先构建的多尺度时序分析模型，获取预先构建的多尺度时序分析模型输出的用户的用电负荷特征曲线预测结果。2.如权利要求1所述的方法，其特征在于，所述预设时间尺度包括下述中的至少一种：小时、天、周。3.如权利要求2所述的方法，其特征在于，所述预先构建的多尺度时序分析模型包括：LSTM神经网络模型、差分自回归移动平均模型、双线性池化层和全连接层；所述LSTM神经网络模型的输出端和差分自回归移动平均模型的输出端分别通过所述双线性池化层后连接所述全连接层。4.如权利要求3所述的方法，其特征在于，所述将所述按预设时间尺度的用电负荷数据输入至预先构建的多尺度时序分析模型，包括：将按小时尺度的用电负荷数据和按天尺度的用电负荷数据输入至预先构建的多尺度时序分析模型中的LSTM神经网络模型；将按天尺度的用电负荷数据和按周尺度的用电负荷数据输入至预先构建的多尺度时序分析模型中的差分自回归移动平均模型。5.如权利要求3所述的方法，其特征在于，所述LSTM神经网络模型的训练过程包括：将用电负荷历史数据聚合为按小时尺度的用电负荷历史数据和按天尺度的用电负荷历史数据；将按小时尺度的用电负荷历史数据和按天尺度的用电负荷历史数据作为初始LSTM神经网络模型的输入层训练样本，将用电负荷历史数据对应的用户在预测时段的用电负荷特征曲线作为初...

【专利技术属性】
技术研发人员：刘科研，盛万兴，孟晓丽，贾东梨，叶学顺，何开元，王帅，康田园，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：