System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于用户行为数据分析的电量波动预测方法技术_技高网

一种基于用户行为数据分析的电量波动预测方法技术

技术编号:40082722 阅读:6 留言:0更新日期:2024-01-23 14:58
本申请公开了一种基于用户行为数据分析的电量波动预测方法,包括:本方案根据目标地区的目标用户的电量数据,解析出各个目标用户在不同时间针对不同电器的电量数据。进一步的基于不同日期的各个时刻以及各个电器分别构建电量数据序列,并利用电量数据序列构建和训练自回归模型以便对目标用户在预测日期的各个时刻对不同电器的用电量,并基于此对目标地区在预测日期各个时刻的电量数据进行预测,从而能够基于用户的行为数据准确地对电量波动进行预测。

【技术实现步骤摘要】

本申请涉及智能电网,特别是涉及一种基于用户行为数据分析的电量波动预测方法


技术介绍

1、智能电网技术在电力行业中得到了越来越广泛的应用。其中电力数据平台通过收集与电网相关的大数据信息,对未来的电量波动进行预测,从而实现对电力资源的有效调度。

2、在电力数据平台对未来电量波动进行预测的过程,涉及居民电量的电量波动是很难预测的。由于不同家庭的用电习惯不同,因此不同家庭在不同时期对于不同电器的使用都存在很大的差异。其中,各个家庭对于不同电器的使用,体现出了用户使用电器的用电行为。如果能够通过用户过往的用电行为数据对用户未来的用电行为进行预测,就能够有效地对居民的电量波动进行准确的预测。

3、但是很遗憾地是,目前智能电网所采集的电力数据通常都是从居民群体的整体电量来进行电量波动的预测,因此这种预测方式不能准确地对居民群体未来的电量波动进行预测。

4、针对上述的现有技术中存在的智能电网不能对居民群体的电量波动进行准确的预测的技术问题,目前尚未提出有效的解决方案。


技术实现思路

1、本公开的实施例提供了一种基于用户行为数据分析的电量波动预测方法,以至少解决现有技术中存在的智能电网不能对居民群体的电量波动进行准确的预测的技术问题。

2、根据本公开实施例的一个方面,提供了一种基于用户行为数据分析的电量波动预测方法,包括:获取在采样时期内分别与目标区域的多个目标用户关联的第一电量数据,该第一电量数据反映各个目标用户在采样时期内的用电行为;将目标区域内的多个目标用户的第一电量数据合并,确定反映目标区域的目标用户整体的用电行为的第二电量数据;将采样时期中每天对应于相同时刻以及相同电器的第二电量数据整合成,形成与各个电器与不同的时刻对应的第一电量数据序列;基于第一电量数据序列,构建与相应的自回归模型,并利用第一电量数据序列中的数据对相应的自回归模型进行训练;根据训练的自回归模型的阶数,选择待预测日期之前的参考时期内所采集的,与目标区域的多个目标用户关联的第三电量数据,该第三电量数据反映各个目标用户在参考时期内的用电行为;将第三电量数据合并,确定用于反映目标区域的目标用户整体的用电行为的第四电量数据;将参考时期中每天对应于相同时刻以及相同电器的第四电量数据整合,形成与各个电器不同的时刻对应的第二电量数据序列;基于第二电量数据序列,利用自回归模型,确定待预测日期目标区域中各个电器的电量数据;以及基于所确定的目标区域中的各个电器的电量数据,对目标区域的用电量的波动进行预测。

3、本方案根据目标地区的目标用户的电量数据,解析出各个目标用户在不同时间针对不同电器的电量数据。进一步的基于不同日期的各个时刻以及各个电器分别构建电量数据序列,并利用电量数据序列构建和训练自回归模型以便对目标用户在预测日期的各个时刻对不同电器的用电量,并基于此对目标地区在预测日期各个时刻的电量数据进行预测,从而能够基于用户的行为数据准确地对电量波动进行预测。

本文档来自技高网...

【技术保护点】

1.一种基于用户行为数据分析的电量波动预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,获取在采样时期内分别与目标区域的多个目标用户关联的第一电量数据的操作,包括:获取在采样时期内的第i天的第j个小时所采集的第x个家庭的电器y的电量数据ei,j,x,y。

3.根据权利要求2所述的方法,其特征在于,将所述目标区域内的多个目标用户的第一电量数据合并,确定反映目标区域的目标用户整体的用电行为的第二电量数据的操作,包括:将电量数据ei,j,x,y;按照不同电器进行求和,确定第二电量数据eai,j,y,其中第二电量数据eai,j,y表示第i天第j个小时,整个区域中所有家庭使用电器y的电量数据。

4.根据权利要求3所述的方法,其特征在于,将采样时期中每天对应于相同时刻以及相同电器的第二电量数据整合成,形成与各个电器与不同的时刻对应的第一电量数据序列的操作,包括:将采样时期中每天对应于相同时刻以及相同电器的第二电量数据整合成,形成采样时期中每天的第j小时第y个电器的用电量对应的多个第一电量数据序列ESj,y。

5.根据权利要求4所述的方法,其特征在于,基于第一电量数据序列,构建与相应的自回归模型,并利用第一电量数据序列中的数据对相应的自回归模型进行训练的操作,包括:

6.根据权利要求5所述的方法,其特征在于,根据训练的自回归模型的阶数,选择待预测日期之前的参考时期内所采集的,与目标区域的多个目标用户关联的第三电量数据的操作,包括:

7.根据权利要求6所述的方法,其特征在于,将第三电量数据合并,确定用于反映目标区域的目标用户整体的用电行为的第四电量数据的操作,包括:

8.根据权利要求7所述的方法,其特征在于,将参考时期中每天对应于相同时刻以及相同电器的第四电量数据整合,形成与各个电器不同的时刻对应的第二电量数据序列的操作,包括:将参考时期中每天对应于相同时刻以及相同电器的第四电量数据整合成,形成采样时期中每天的第j小时第y个电器的用电量对应的多个第二电量数据序列ES’j,y。

9.根据权利要求8所述的方法,其特征在于,基于所述第二电量数据序列,利用所述自回归模型,确定待预测日期目标区域中各个电器的电量数据的操作,包括:

10.根据权利要求9所述的方法,其特征在于,基于所确定的目标区域中的各个电器的电量数据,对目标区域的用电量的波动进行预测的操作,包括:

...

【技术特征摘要】

1.一种基于用户行为数据分析的电量波动预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,获取在采样时期内分别与目标区域的多个目标用户关联的第一电量数据的操作,包括:获取在采样时期内的第i天的第j个小时所采集的第x个家庭的电器y的电量数据ei,j,x,y。

3.根据权利要求2所述的方法,其特征在于,将所述目标区域内的多个目标用户的第一电量数据合并,确定反映目标区域的目标用户整体的用电行为的第二电量数据的操作,包括:将电量数据ei,j,x,y;按照不同电器进行求和,确定第二电量数据eai,j,y,其中第二电量数据eai,j,y表示第i天第j个小时,整个区域中所有家庭使用电器y的电量数据。

4.根据权利要求3所述的方法,其特征在于,将采样时期中每天对应于相同时刻以及相同电器的第二电量数据整合成,形成与各个电器与不同的时刻对应的第一电量数据序列的操作,包括:将采样时期中每天对应于相同时刻以及相同电器的第二电量数据整合成,形成采样时期中每天的第j小时第y个电器的用电量对应的多个第一电量数据序列esj,y。

5.根据权利要求4所述的方法,其特征在于,基于第一电量数据序列,构建与...

【专利技术属性】
技术研发人员:杨菁邓志东刘鲲鹏宫立华金鹏朱龙珠
申请(专利权)人:国家电网有限公司客户服务中心
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1