[发明专利]负荷预测方法

权利要求书

1.一种负荷预测方法，其特征在于，所述方法包括：

对历史能耗数据进行聚类分析，并输出聚类分析结果；

根据所述聚类分析结果对随机森林的决策树进行设定；

将所述历史能耗数据输入所述随机森林，并建立预测模型；

将实时数据输入所述预测模型，得到预测能耗数据。

2.根据权利要求1所述的负荷预测方法，其特征在于，所述对历史能耗数据进行聚类分析，包括：

将同时段所述历史能耗数据绘制在同一平面内；

根据所述平面内的所述历史能耗数据相互之间的距离，将所述历史能耗数据划分为多个簇。

3.根据权利要求2所述的负荷预测方法，其特征在于，所述根据所述平面内的所述历史能耗数据相互之间的距离，将所述历史能耗数据划分为多个簇，包括：

确定所述历史能耗数据多个密集区域的质心点；

统计密集区域内各所述历史能耗数据到所述质心点的距离，并使得该距离差的平方和最小。

4.根据权利要求3所述的负荷预测方法，其特征在于，所述输出聚类分析结果为根据各个簇间历史能耗数据的同一性对簇进行分类。

5.根据权利要求4所述的负荷预测方法，其特征在于，所述分类包括过渡季、供热季和供冷季的工作日以及节假日。

6.根据权利要求5所述的负荷预测方法，其特征在于，所述根据所述聚类分析结果对随机森林的决策树进行设定，包括：

确定不同类别簇的差异项；

确定各差异项的差异点；

将所述差异点作为判断阈值，用于对能耗数据进行分类。

7.根据权利要求6所述的负荷预测方法，其特征在于，所述差异项包括温度、湿度、是否为工作日或节假日。

8.根据权利要求7所述的负荷预测方法，其特征在于，所述将所述历史能耗数据输入所述随机森林，并建立预测模型，包括：

将簇内历史能耗数据分别输入随机森林；

将输入随机森林的历史能耗数据的前一天同时间段的能耗数据输入随机森林；

确定对应的能耗数据关系，从而确定预测模型的预测区间。

9.根据权利要求8所述的负荷预测方法，其特征在于，所述将实时数据输入预测模型，得到预测能耗数据，包括：

将预测时间段的温度、湿度、时间段以及是否为工作日或节假日输入预测模型；

将预测时间段前一天的能耗数据输入预测模型，得到预测能耗数据。

10.根据权利要求9所述的负荷预测方法，其特征在于，所述温度和湿度用于判断预测时间段在实际状态下属于过渡季、供热季还是供冷季。