[发明专利]一种基于智能算法的用户用电偏差分析方法

权利要求书

1.一种基于智能算法的用户用电偏差分析方法，其特征在于，包括以下步骤：

S1：选定可能对预测区域的年生活用电总量产生偏差的影响因素，选取预测区域M年的影响因素数据及年生活用电总量数据，绘制每个影响因素与预测区域年生活用电总量联立的二维散点图，排除离散程度较高或者呈非线性的影响因素，剩下的影响因素即为偏差影响因素；

S2：计算每个偏差影响因素与预测区域年生活用电总量的皮尔森系数，将皮尔森系数的绝对值大于或等于设定值K的偏差影响因素作为最终偏差影响因素；

S3：根据预测区域年生活用电总量数据和最终偏差影响因素数据，利用灰色神经网络建立用电量预测模型；

S4：采用用电量预测模型对预测区域的年生活用电总量进行预测。

2.根据权利要求1所述的一种基于智能算法的用户用电偏差分析方法，其特征在于，皮尔森系数的计算公式为：

其中，x_i表示第i个偏差影响因素的历年数据，y表示预测区域年生活用电总量的历年数据，cov(x_i，y)表示x_i、y的协方差，var(x_i)表示x_i的方差，var(y)表示y的方差。

3.根据权利要求1所述的一种基于智能算法的用户用电偏差分析方法，其特征在于，所述K的数值为0.8。

4.根据权利要求1或2或3所述的一种基于智能算法的用户用电偏差分析方法，其特征在于，所述影响因素包括实际人均可支配收入、常住人口、实际电价、替代能源价格、最高月平均气温、人均居住面积。

5.根据权利要求1或2或3所述的一种基于智能算法的用户用电偏差分析方法，所述步骤S3包括以下步骤：

S31：从选取的预测区域M年的最终偏差影响因素数据、年生活用电总量数据中选出D年的最终偏差影响因素数据、年生活用电总量数据作为训练子集，将其他年份的终偏差影响因素数据、年生活用电总量数据作为测试子集；

S32：利用训练子集数据进行灰色神经网络建模，得到用电量预测模型；

S33：将测试子集的最终偏差影响因素数据输入用电量预测模型，得到对应预测用电量；

S34：将预测用电量与测试子集中的年生活用电总量数据进行对比，分析预测精确度。

6.根据权利要求5所述的一种基于智能算法的用户用电偏差分析方法，所述步骤S32包括以下步骤：将训练子集内的各个最终偏差影响因素数据作为灰色神经网络的输入量，将训练子集内的年生活用电总量数据作为灰色神经网络的输出量，进行训练，得到用电量预测模型。