[发明专利]一种电力用户的分类方法、装置、设备及存储介质

说明书

本发明实施例公开了一种电力用户的分类方法，包括：获取待处理用户在设定时间段内的电力数据；对电力数据进行预处理；将预处理后的电力数据输入随机森林模型，获得待处理用户的用电类别。本发明实施例提供的电力用户的分类方法，通过利用随机森林模型对电力用户的数据进行分析，可以实现对电力用户进行准确分类的效果。

技术领域

本发明涉及特征识别领域，尤其涉及一种电力用户的分类方法、装置、设 备及存储介质。

背景技术

随着中国城市化的建设和发展，城市中的住宅小区日渐增多，城市居民用 电总量也在不断增加，这给电网的稳定运行带来了新的挑战。对居民用户的用 电情况进行分类，可以帮助电力供给侧进行更好的资源管理和分配，减少电力 损耗。

现在已有许多针对居民用电量的分析和研究，例如从时间上对用电量进行 分析：通过分析用户用电量随着时间变化的数据曲线，对用户的用电行为与节 假日的关系进行了研究；或者利用季节性分解法对城市用电消耗与气候变化的 关系进行了研究。再例如利用模拟退火算法对典型区域的用户用电行为进行了 分类。但以上都未涉及到对具体每个用户的分类。目前已有的对用户进行分类 的方法中包括：通过提取用电负荷曲线的特征，利用两步法聚类对居民用户进 行了分类；分析家庭收入和用户用电量的关系；通过模式识别电源分析了用户 用电模式。以上几个分类方法都在不同角度进行了用户的分类，但由于现在电 网系统数据量越来越庞大，这些方法均无法满足需求。

发明内容

本发明实施例提供了一种电力用户的分类方法、装置、设备及存储介质， 可以实现对电力用户的准确分类。

第一方面，本发明实施例提供了一种电力用户的分类方法，包括：

获取待处理用户在设定时间段内的电力数据；

对所述电力数据进行预处理；

将预处理后的电力数据输入随机森林模型，获得所述待处理用户的用电类 别。

进一步地，对所述电力数据进行预处理，包括：

对所述用电数据进行缺失数据补全和数据标准化的预处理；

其中，所述数据补全按照如下公式执行：其中，x_i,j为缺失数 据，x_i,j-1和x_i,j+1分别为数据集中x_i,j前后相邻的数据；

所述数据标准化按照如下公式执行：其中，y_i,j为标准数据， x′_i,j为数据补全后的数据，x′_max和x′_min分别为数据补全后的数据集中的最大值和最 小值。

进一步地，所述随机森林模型的训练方式为：

获取样本用户在设定时间段的电力样本数据，并按照设定比例将所述电力 样本数据划分为训练集和测试集；

利用果蝇算法对随机森林模型参数进行优化；所述随机森林模型参数包括 决策树数量和特征属性集大小；

根据优化后的随机森林模型参数构建随机森林模型；

基于测试集对构建的随机森林模型进行测试，获得测试结果。

进一步地，所述利用果蝇算法对随机森林模型参数进行优化，包括：

获取果蝇群体的初始化坐标；初始坐标包括气味浓度、决策树数量和特征 属性集大小；

基于所述初始化坐标进行迭代计算，获得果蝇群体中气味浓度最高的目标 果蝇坐标；

将所述目标果蝇坐标中的决策树数量和特征属性集大小确定为优化后的随 机森林模型参数。