1.一种基于机器学习技术的智能电网信息管理方法,其特征在于,包括以下步骤:
通过机器学习技术构建用户信息与用户用电计费方式的数据模型;所述机器学习技术至少包括以下一种:支持向量机及其改进算法、神经网络及其改进算法、聚类算法、极端学习机及其改进算法、集成学习算法及其改进算法和深度学习算法及其改进算法;
基于所述数据模型,输入用户的用户信息,获取用户用电计费方式数据。
2.根据权利要求1所述的基于机器学习技术的智能电网信息管理方法,其特征在于,通过机器学习技术构建用户信息与用户用电计费方式的数据模型的步骤具体包括:
采集用户信息及其对应的用电计费方式,并进行数据预处理;
基于用户信息获取用户需求数据,将所述用户需求数据作为机器学习技术的输入量,将所述用电计费方式作为机器学习技术的输出量;将p个用户需求的集合及其对应的用电计费方式集合组成p个训练样本,其中,p为正整数;
将所述p个训练样本分别输入至s个分类器进行训练,获取所述用户信息与用电计费方式的映射关系为y=f(x),其中x为所述用户信息,y为所述用户信息对应的用电计费方式;
利用决策机设置所述s个分类器的检测权重{q1,q2,…,qs},获取所述用户信息与用电计费方式的数据模型。
3.根据权利要求2所述的基于机器学习技术的智能电网信息管理方法,其特征在于,所述s个分类器能够选择相同或不同的训练参数优化算法,其中,所述训练参数优化算法包括以下中的至少一种:粒子群优化算法、遗传算法、蚁群优化算法和鱼群优化算法。
4.根据权利要求2所述的基于机器学习技术的智能电网信息管理方法,其特征在于,基于用户信息获取用户需求数据步骤具体包括:设定与用户需求相关联的多个可划分的分组元素,收集多个用户需求的分组数据,将不同用户的用户需求映射到分组元素,确定用户信息与用户需求之间的匹配。
5.根据权利要求2所述的基于机器学习技术的智能电网信息管理方法,其特征在于,所述训练样本中的用电计费方式基于待供电用户的所属行业、用电性质、核定用电容量和拟定用户分级进行确定。
6.根据权利要求1所述的基于机器学习技术的智能电网信息管理方法,其特征在于,所述用户信息包括以下信息中的至少一种:用户搜索历史记录、用户交易信息录、用户基础信息、用户用电行为信息;
所述用户基础信息包括用户名称、企业性质、企业类型、所在地区、所属行业、年利润等;所述用户交易信息包括:用户合作时间、交易套餐类型、交易电量、交易平均电价、交易电量趋势、增值服务需求、违约记录、缴费记录;所述用户用电行为信息包括年用电量、用电量趋势、负荷信息和用电量信息。
7.根据权利要求1所述的基于机器学习技术的智能电网信息管理方法,其特征在于,还包括步骤:在用户用电计费超过预定时间周期后,根据用户在该预定时间周期内的实际用电数据调整所述用电计费方式数据,将调整后的用电计费方式数据确定为该用户的计费方式数据。
8.根据权利要求7所述的基于机器学习技术的智能电网信息管理方法,其特征在于,所述用户在该预定时间周期内的实际用电数据包括用户用电计费在预定时间周期内的平均用电负荷、用户用电计费在预定时间周期内最大用电负荷以及最大用电负荷持续时间、用户用电计费在预定时间周期内用电负荷超过预定阈值的次数以及所述预定阈值的持续时间;所述预定阈值根据所述最大用电负荷确定。
9.一种基于机器学习技术的智能电网信息管理系统,其特征在于,包括用户信息收集器模块、用户计费方式配置模块、模型选择与训练模块、预测器模块、组合学习模块和配置器模块;其中:所述用户信息收集器模块用于获取用户信息数据;所述用户计费方式配置模块用于根据电力规则预设多种用户计费方式;所述模型选择与训练模块用于根据用户信息数据进行模型选择与训练;所述预测器模块用于得到所述用户信息数据就在模型选择与训练模块进行训练后得到各模型的预测结果;所述组合学习模块用于将预测器模块得到的相应模型的预测结果进行组合学习,取个预测指标的最优模型,并进行最优预测;所述配置器模块用于在所述用户信息数据通过组合学习模块后,得到待供电用户的用户计费方式数据。
10.一种计算机存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序在被处理器执行时,实现如权利要求1至8任一项所述的基于机器学习技术的智能电网信息管理方法。