[发明专利]基于机器学习的电网项目分类确定方法及装置

权利要求书

1.一种基于机器学习的电网项目分类确定方法，其特征在于，包括：

获取多个配网项目的历史项目数据和每个所述历史项目数据对应的时间序列；

根据所述历史项目数据和所述时间序列确定每个所述历史项目数据对应的负荷密度曲线；

将多个所述负荷密度曲线进行聚类分析，得到多个项目分类；

获取每个所述项目分类对应的特征信息；

根据多个所述项目分类、与每个所述项目分类对应的所述特征信息以及预设机器学习算法构建项目分类确定模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述历史项目数据和所述时间信息确定每个所述历史项目数据对应的负荷密度曲线，包括：

对所述历史项目数据和所述时间序列进行多项式拟合，得到每个所述历史项目数据对应的拟合曲线；

将多个所述拟合曲线分别进行归一化处理，得到多个负荷密度曲线。

3.根据权利要求2所述的方法，其特征在于，所述将多个所述负荷密度曲线进行聚类分析，得到多个项目分类，包括：

将所述多个负荷密度曲线进行聚类分析，得到至少一个曲线组合，每个所述曲线组合包含至少一个所述负荷密度曲线；

对于每一个所述曲线组合，计算出与所述曲线组合对应的平均负荷密度曲线；

在每个曲线组合中，剔除与平均负荷密度曲线之间的差值大于预设阈值的负荷密度曲线，直至所述平均负荷密度曲线收敛；

确定所述平均负荷密度曲线收敛时存在的曲线组合属于同一项目分类。

4.根据权利要求3所述的方法，其特征在于，所述预设机器学习算法包括XGBoost算法、随机森林算法、支持向量机和/或k近邻算法。

5.一种基于机器学习的电网项目分类确定方法，其特征在于，所述方法包括：

获取目标配网项目的特征信息；

将所述特征信息输入到如权利要求1至3任一所述的项目分类确定模型中，得到所述目标项目的项目分类。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

将所述项目分类对应的平均负荷密度曲线确定为所述目标项目的预测曲线。

7.一种基于机器学习的电网项目分类确定装置，其特征在于，包括：

第一获取模块(11)，用于获取多个配网项目的历史项目数据和每个所述历史项目数据对应的时间序列；

确定模块(12)，用于根据所述历史项目数据和所述时间序列确定每个所述历史项目数据对应的负荷密度曲线；

聚类分析模块(13)，用于将多个所述负荷密度曲线进行聚类分析，得到多个项目分类；

第二获取模块(14)，用于获取每个所述项目分类对应的特征信息；

构建模块(15)，用于根据多个所述项目分类、与每个所述项目分类对应的所述特征信息以及预设机器学习算法构建项目分类确定模型。

8.一种基于机器学习的电网项目分类确定装置，其特征在于，所述装置包括：

第三获取模块(21)，用于获取目标配网项目的特征信息；

输入模块(22)，用于将所述特征信息输入到如权利要求1至3任一所述的项目分类确定模型中，得到所述目标项目的项目分类。

9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至3任一项所述的方法的步骤。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1-3任一所述方法。