[发明专利]基于随机森林与二次修正的峰谷差中长期预测方法

权利要求书

1.基于随机森林与二次修正的峰谷差中长期测算方法，其特征在于，包括以下步骤：

步骤1，采集设定数量年份内的多个居民用户区的用电历史负荷数据并计算历史峰谷差，采集影响负荷峰谷差的影响因素数据，并将涉及的影响因素作为备选特征；

步骤2，进行多源影响因素特征提取，采用二进制特征工程提取最优特征组合，并将此特征组合作为步骤3中随机森林模型的输入；

步骤3，利用随机森林算法对步骤2选择的最优特征组合的训练数据进行训练，得到需求侧用户负荷峰谷差测算模型，并输出月峰谷差与季峰谷差的一次中长期预测结果；

步骤4，基于历史采集的需求侧用户负荷峰谷差数据，将筛选的相关修正因素逐个选取作为输入，构建贝叶斯回归模型，以实现对用户负荷峰谷差的拟合建模，根据拟合结果对一次季峰谷差的中长期预测结果进行修正。

2.根据权利要求1所述的基于随机森林与二次修正的峰谷差中长期测算方法，其特征在于，

步骤1中所述用电历史负荷数据包括日最大负荷数据，日最小负荷数据；所述历史峰谷差包括日峰谷差、月峰谷差、季峰谷差；所述影响因素特征包括：日最高气温、日最低气温、日平均气温、气压、湿度、降雨量、风速、日平均负荷。

3.根据权利要求1所述的基于随机森林与二次修正的峰谷差中长期测算方法，其特征在于，

所述步骤2具体包括：

步骤2.1，计算步骤1中备选特征与峰谷差之间的相关程度，并根据相关程度由高到低筛选n个备选特征；

步骤2.2，采用基于二进制特征组合方法筛选最优的特征组合作为测算的输入。

4.根据权利要求2所述的基于随机森林与二次修正的峰谷差中长期测算方法，其特征在于，

所述步骤2.2具体包括：

步骤2.2.1，使用二进制编码区分备选特征的使用状态，即被使用或者被弃用，并筛选出二进制特征数据集

步骤2.2.2，将筛选出的二进制特征数据集作为遗传算法的输入，基于遗传算法寻找最优特征组合。

5.根据权利要求4所述的基于随机森林与二次修正的峰谷差中长期测算方法，其特征在于，

所述二进制特征数据集可以表示为：

其中，n为备选特征数量，

第i个特征的x_i对应的二进制编码为w_i，w_i有0和1两种状态，当w_i＝0时，代表该特征不被使用；当w_i＝1时，代表该特征被使用。

6.根据权利要求1所述的基于随机森林与二次修正的峰谷差中长期测算方法，其特征在于：

所述步骤3中具体包括：

步骤3.1，将随机森林作为一次中长期测算的基础；

步骤3.2，针对需求侧用户的历史负荷数据，基于趋势外推方法，按照峰谷差测算的时间尺度计算其逐月和季度的负荷自然增长率；

步骤3.3，基于逐月和逐季度采集的历史平均峰谷差、负荷自然增长率、以及筛选出的峰谷差测算影响因素，形成数据驱动训练样本；构建基于随机森林的峰谷差测算模型并进行训练；训练后的模型可实现对需求侧用户负荷峰谷差中长期测算的结果输出。

7.根据权利要求4所述的基于随机森林与二次修正的峰谷差中长期测算方法，其特征在于，

步骤3.1具体包括：

步骤3.1.1，设最优组合特征在前N年的数据集为原始样本，在原始样本中用bootstrap方法抽样，产生K个数据集作为决策树的训练集，N为正整数且小于步骤1中的设定数量年份；

步骤3.1.2，如果原本有M个输入变量，每个节点随机选择m个特定变量，并以此确定最佳分类点，其中mM；

步骤3.1.3，每棵决策树都最大可能地进行生长而不进行剪枝；

步骤3.1.4，取所有的决策树的平均值作为预测值。