[发明专利]一种配电用户用电行为预测方法

权利要求书

1.一种配电用户用电行为预测方法，其特征在于，包括：

S101，获取相同类型用户的历史某月用电的量测数据作为输入数据，以用户的当前某月的用电量作为输出数据；

S102，建立SVM支持向量机预测模型，利用输入数据与输出数据对所述SVM向量机进行训练以获取最优的SVM支持向量机；

S103，确定误差阈值，利用训练好的SVM支持向量机预测某用户某一时间的预测用电量，并获取该用户的实际用电量，当所述实际用电量与所述预测用电量之间的差值超过所述误差阈值时则为判断该用户窃电。

2.根据权利要求1所述的配电用户用电行为预测方法，其特征在于，步骤S101中，根据用电特点把负荷划分为民用负荷、商业负荷、工业负荷以及其他负荷。

3.根据权利要求2所述的配电用户用电行为预测方法，其特征在于，所述民用负荷是指居民的家庭负荷，所述商业负荷是商业负荷，所述工业负荷分别是与工业服务负荷，所述其他负荷为市政用电负荷。

4.根据权利要求1所述的配电用户用电行为预测方法，其特征在于，建立SVM支持向量机预测模型，步骤S102利用输入数据与输出数据对所述SVM向量机进行训练以获取最优的SVM支持向量机具体包括：

将每一个用户每月用电量数据表示为S＝{(x_i，y_i),i＝1，2...，l}，其中x_i∈R是第i个输入样本，y_i∈R是相应于x_i的目标值，l为训练样本数目；

依据给定训练数据寻找一个实值函数y＝f(x)，定义线形ε不敏感损失函数为：

即如果目标值y和经过学习构造的回归估计函数的值f(x)之间的差别小于ε，则损失等于0；

如果存在一个超平面

f(x)＝w^Tx+b＝0 (2)

其中w∈R，b∈R，使得

|y_i-f(x_i)|≤ε (3)

则称样本S是ε线形近似，f(x)＝w^Tx+b＝0的距离为：

即是样本S中的点到超平面距离的上界，最大化该上界得到的超平面最优近似超平面；为此，应使||w||达到最小，引入的核函数K(x_i，x_j)来代替高维空间中的内积运算，该核函数形式为：

K(x_i，x_j)＝exp(-γ||x_i-x_j||²) (5)

式中γ为核函数的宽度；

当约束条件|y_i-f(x_i)|≤ε不可实现时，则需要软化对距离的要求，允许又不满足约束条件的样本存在，对于非线性回归问题，引入2个松弛变量优化问题目标函数变为：

约束条件为：

式中C为惩罚因子，C越大表示对误差大的样本惩罚越大；反之，则对误差的样本表现出更高的容忍性。

5.根据权利要求4所述的配电用户用电行为预测方法，其特征在于，还包括调整惩罚因子C和选择核函数类型及其参数；

基于网格法，令C∈[C₁，C₂]，变化步长C_s；γ∈[γ₁，γ₂]，变化步长γ_s，针对每组参数(C，γ)进行训练，利用交叉验证计算高维空间中样本到最优超平面距离的均方根误差，取误差最小的一组参数作为模型参数，若存在多组参数具有相同的训练效果，则优先选择惩罚因子C较小的一组参数。

6.根据权利要求5所述的配电用户用电行为预测方法，其特征在于，还包括检查拟合结果与原始样本数据的相关性，引入相关系数ρ：

式中：n为样本数，P越接近于1，则表明拟合结果与原始样本数据相关性越强。

7.根据权利要求6所述的配电用户用电行为预测方法，其特征在于，步骤S103中误差阈值为η，将所述实际用电量与所述预测用电量进行误差比较具体如下：

式中：y_i为当月数据平台接收数据，即为当月用户实际用电量，y_i(x_i)为预测用户用电量。