[发明专利]一种阶梯电价机制下居民用电中期负载预测方法

权利要求书

1.一种阶梯电价机制下居民用电中期负载预测方法，其特征在于，

首先，采集居民用电数据，提取出阶梯电价机制下居民用电行为的属性特征，通过聚类分析识别出阶梯电价机制下居民不同的用电行为特征，将具有相同或相似的用电行为特征的用户归聚为同一用户类别；

然后，针对每个用户类别分别建立起对应的负载预测模型，并进行预测；

最后，汇总各个用户类别的预测结果。

2.根据权利要求1所述的阶梯电价机制下居民用电中期负载预测方法，其特征在于，先把居民用电数据按不同的用电行为特征分成若干个类，得到一组若干个具有不同输入输出的数据集，然后对每个数据集建立起相应的负载预测模型。

3.根据权利要求1所述的阶梯电价机制下居民用电中期负载预测方法，其特征在于，采集居民用电数据后，进行如下操作：

1)数据预处理：获取各用户当日用电量；

2)缺失值处理：如果缺失某日用电量，则通过计算用电缺失时间段前后一天的累计电量之差，并按照缺失的天数进行平均，作为缺失的某日用电量；

3)异常值处理：对超出设定的指标阈值范围的当日用电量进行过滤。

4.根据权利要求1所述的阶梯电价机制下居民用电中期负载预测方法，其特征在于，进行预测时，首先要识别待预测的用户所归的用户类别，然后选择对应的负载预测模型进行负载预测，最后，汇总单个预测结果，得到最终总体预测结果。

5.根据权利要求1所述的阶梯电价机制下居民用电中期负载预测方法，其特征在于，提取居民用电行为的属性特征包括聚类属性选择、预测输入变量提取；聚类属性包括各用户日均用电量、第二阶梯比例、第三阶梯比例与高温敏感性；预测输入变量包括过去七天的用电量、当天的温度。

6.根据权利要求5所述的阶梯电价机制下居民用电中期负载预测方法，其特征在于，

日均用电量＝总用电量/采样总天数；

第二阶梯比例＝到达第二阶梯月份数/总月份数；

第三阶梯比例＝到达第三阶梯月份数/总月份数；

高温敏感性＝高温日平均用电量/日均用电量。

7.根据权利要求1所述的阶梯电价机制下居民用电中期负载预测方法，其特征在于，聚类分析通过模糊C值均值聚类算法实现，用户的每个属性特征隶属于一个或多个用户类别，以隶属度表示其归属于不同用户类别的程度。

8.根据权利要求1所述的阶梯电价机制下居民用电中期负载预测方法，其特征在于，负载预测模型基于自组织模糊神经网络模型，包括输入层、椭球基函数层、标准化层、加权平均层、输出层。

9.根据权利要求8所述的阶梯电价机制下居民用电中期负载预测方法，其特征在于，自组织模糊神经网络的学习过程包括参数学习、结构学习；

参数学习通过在线递推最小二乘算法使得网络快速收敛；

结构学习通过自动地增加、修改或删减椭球基函数层中的神经元的自组织，查找并选择神经网络规模。

10.根据权利要求9所述的阶梯电价机制下居民用电中期负载预测方法，其特征在于，结构学习包括如下操作：

1)增加神经元；

2)修剪神经元；

3)合并椭球基函数层中的隶属度函数与模糊规则。