一种电力用户用电行为预测方法和预测系统与流程
本发明涉及电力技术领域，具体涉及一种电力用户用电行为预测方法和预测系统。
背景技术：
电力用户的用电行为指用户作为用电主体，在外部环境因素影响下所产生的用电活动，其主要体现于用户用电负荷的变化情况中。通过对电力用户用电行为的有效掌握，能够向用户提供更优质的电力服务，减轻供电单位的供电负荷压力，避免异常用电行为导致对未来电力需求的错误判断，给电力公司造成严重的经济损失、影响电力网络的正常运行。因此，如何有效地预测用户的用电行为对于保证电力网络的正常运行至关重要。然而，现有技术中针对电力系统中电力用户的用电行为预测，即负荷预测问题并没有提供一个有效、准确的电力用户用电行为预测方法和预测系统。
技术实现要素：
本发明的目的在于克服上述现有技术的不足，提供一种电力用户用电行为预测方法和预测系统，以有效、准确地预测出用户用电行为，从而能够有效地保证电力网络的正常运行以及减少电力公司的经济损失。
为实现上述目的，本发明的技术方案是：
第一方面，本发明实施例提供了一种电力用户用电行为预测方法，包括：
获取所需用户历史用电量数据以及该用户所在地的历史气温数据；
根据所获取的用户历史用电量数据及历史气温数据来构建气温心理场模型；
将所获取到的用户历史用电量数据以及历史气温数据作为svm支持向量机的输入向量，以基于svm回归估计方法计算得到当前用户的预测用电初值
根据预测用电初值并结合气温心理场模型与多场景集方法，来计算出当前的预测气温心理场强；
对预测时段内的气温心理场强进行标准化处理，获得基于气温心理场理论修正预测用电初值的修正系数；
结合用户用电初值和修正系数来计算出用户用电行为最终预测值
第二方面，本发明实施例提供了一种电力用户用电行为预测系统，包括：
数据采集器，用于采集获取所需用户历史用电量数据以及该用户所在地的历史气温数据；
第一数据处理器，用于根据数据采集器所传输来的用户历史用电量数据及历史气温数据来处理生成气温心理场模型；以及，用于将所获取到的用户历史用电量数据以及历史气温数据作为svm支持向量机的输入向量，以基于svm回归估计方法计算得到当前用户的预测用电初值
第二数据处理器，用于根据第一数据处理器所传输来的预测用电初值和气温心理场模型并结合多场景集运算处理方法，来计算出当前的预测气温心理场强；然后对该预测时段内的气温心理场强进行标准化处理，获得基于气温心理场理论修正预测用电初值的修正系数；最后结合用户用电初值和修正系数来计算出用户用电行为最终预测值
本发明与现有技术相比，其有益效果在于：
本实施例所提供的电力用户用电行为预测方法通过考虑气温心理场的形成，从而得出气温心理场的场强数学表达式，不依赖于已有的用电心理模型。同时，还将气温作为输入变量，利用svm回归估计的方法等已有的电力负荷预测方法，计算出电力用户用电行为预测初值，保持了负荷预测实时性的优点；在计算实际预测情景下的气温心理场场强时，采用气温多场景集方法，由此可减小求得的气温心理场场强误差，通过将优化处理后的气温心理场场强作为修正系数，从而对实时负荷预测初值进行修正，使得所预测的用户用电行为更加贴近用户的心理预期，具有预测实时性好、模型易于实现，预测结果有效准确等优点，从而能够有效地保证电力网络的正常运行以及减少电力公司的经济损失。
本实施提供的电力用户用电行为预测系统首先通过数据采集器来采集获取用户历史用电量以及历史气温数据，然后将所采集到数据传输到第一数据处理器中，以运算处理生成气温心理场模型，并将所采集到的气温数据作为输入变量，利用svm回归估计的方法等已有的电力负荷预测方法，计算出电力用户用电行为预测初值，保持了负荷预测实时性的优点；第一数据处理器运算处理后的结果则传输至第二数据处理器，第二数据处理器在计算实际预测情景下的气温心理场场强时，采用气温多场景集运算处理方法，由此可减小求得的气温心理场场强误差，通过将优化处理后的气温心理场场强作为修正系数，从而对实时负荷预测初值进行修正，使得第二数据处理器所预测的用户用电行结果为更加贴近用户的心理预期，具有预测实时性好、模型易于实现，预测结果有效准确等优点，从而能够有效地保证电力网络的正常运行以及减少电力公司的经济损失。
附图说明
图1为本发明实施例1所提供的电力用户用电行为预测方法的流程图；
图2为气温心理场等势线分布示意图；
图3为svm网络结构示意图；
图4为本发明实施例2所提供的电力用户用电行为预测系统的组成示意图。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
电力用户的用电行为指用户作为用电主体，在外部环境因素影响下所产生的用电活动，其主要体现于用户用电负荷的变化情况中。目前已有的负荷预测技术包括回归分析法、灰色系统理论法、小波分析法、人工神经网络法等，均从数据分析的单纯角度出发进行预测。由于电力用户的行为主体是具有思维和情感认知的人，对其用电行为的预测必须考虑用户心理因素的影响。但是，心理因素的影响较难以准确的数据形式来表述，因此可通过借鉴物理学中的场论，引入心理场概念模型而进行量化。心理场的基本公式为b＝f(p·e)(1)
式(1)中f是个人特性与环境的函数；b表示个人行为；p表示个人属性；e表示外部环境。心理场基本公式体现出个人行为受个人属性和环境属性的共同影响。在心理场中，人是场的发生源，但是场中的物体不会受到发生源的影响，人会在自身特性的约束下，针对心理场中的环境做出反应。即心理场并非会改变场中物体的运动状态，而是通过场的形式，判别场中的客体对人的作用强弱，进而改变自身的行为状态。
实施例1：
参阅图1所示，本实施例所提供的电力用户用电行为预测方法包括如下步骤：
101、获取所需用户历史用电量数据以及该用户所在地的历史气温数据；其中，该用户历史用电量数据可以从用户所在电网系统中获取，历史气温数据则可以用户所在的气象局系统中获取得到。
102、根据所获取的用户历史用电量数据及历史气温数据来构建气温心理场模型；
103、将所获取到的用户历史用电量数据以及历史气温数据作为svm支持向量机的输入向量，以基于svm回归估计方法计算得到当前用户的预测用电初值
svm支持向量机可用于解决包括负荷预测在内的非线性回归估计问题，具有预测能力强、收敛速度快和全局最优等特点，在电力系统负荷预测中得到了广泛的应用。非线性svr的基本思想是通过事先确定的非线性映射将输入向量映射到一个高维特征空间中，然后在此高维空间中再进行线性回归，从而取得在原空间非线性回归的效果。
基于svm支持向量机实现回归估计方法的实现采用如图3所示的结构，其中αi-αi*为网络权重，x1,x2,…xm为输入向量，y为网络输出，基于svm的回归估计方法与神经网络有着相类似的结构，其隐节点的个数即为支持向量机的个数，在本步骤中，输入向量取为用户历史用电量数据以及历史气温数据，因此，结合上述过程，可基于svm回归估计方法计算得到预测用电初值
也就是说，在此步骤中，通过将气温作为输入变量，利用svm回归估计的方法等已有的电力负荷预测方法，计算出电力用户用电行为预测初值，保持了负荷预测实时性的优点。
104、根据预测用电初值并结合气温心理场模型与多场景集方法，来计算出当前的预测气温心理场强。
105、对预测时段内的气温心理场强进行标准化处理，获得基于气温心理场理论修正预测用电初值的修正系数；
106、结合用户用电初值和修正系数来计算出用户用电行为最终预测值
由此可见，本实施例所提供的电力用户用电行为预测方法通过考虑气温心理场的形成，从而得出气温心理场的场强数学表达式，不依赖于已有的用电心理模型。同时，还将气温作为输入变量，利用svm回归估计的方法等已有的电力负荷预测方法，计算出电力用户用电行为预测初值，保持了负荷预测实时性的优点；在计算实际预测情景下的气温心理场场强时，采用气温多场景集方法，由此可减小求得的气温心理场场强误差，通过将优化处理后的气温心理场场强作为修正系数，从而对实时负荷预测初值进行修正，使得所预测的用户用电行为更加贴近用户的心理预期，具有预测实时性好、模型易于实现，预测结果有效准确等优点，从而能够有效地保证电力网络的正常运行以及减少电力公司的经济损失。
具体地，上述步骤102包括：
(1)气温心理场基本场强建模
电力用户在开展用电活动的过程中会因其周围环境的影响而产生心理压力，这种心理压力与用户当前的用电量以及气温的相对变化密切相关。同时，电力用户的用电活动具有一定的目的性，从而在用户的心理上产生一种心理驱动。电力用户的实际用电行为是心理驱动与心理压力二者共同作用时表现出来的。
在用户用电行为的气温心理场模型中，设气温心理场为标量场，场强大小的变化体现出电力用户对气温相对变化的感知度。场强的场源是动态的，场强的大小仅受用户用电量和气温变化状态的影响。用户会调整自身的用电行为来反映气温变化在心理场中产生的作用力，这种作用力与当前气温在心理场中所处位置的场强大小，以及用户当前的用电量密切相关。由此可得，在用户气温的相对变化方向上，用户气温心理场的基本场强表现为如下形式：
式(2)中：e为由上述所形成的用户气温心理场基本场强值；t为心理场中当前的气温值；p为电力用户的用电量；tε为修正值，其大小与用户用电的心理特性相关。
(2)气温心理场的等势线分段表达建模
电力用户开展用电活动时的气温心理场模型，可以通过构建气温心理场等势线的分段表达来对其中的用电行为进行描述。显然，若气温越贴近用户的舒适温度区域，用户的用电量越小，则用户所感受到的压力会越小，气温心理场的场强也就越小；反之则相反。据此，可得出如图2所示的气温心理场等势线分布基本形式示意图。
图2中，横轴x与纵轴y均为与气温同量纲的变量，坐标原点与等势线上任一点间的距离即代表气温。在对应某一确定功率的同一等势线上，无论气温变化情况如何，均看作其对用户具有相同的气温心理场场强作用。对应图2中某一实例的气温心理场等式线，可用下列方程进行描述：
式(3)中，在本例中有a＜b＜c，r1＜r3＜r2。通过分析确定的气温心理场等势线分布情况，从而可将用户基于气温的用电心理因素进行量化，并融入到用户的用电行为预测技术中。
而步骤104则包括：利用svm回归估计方法计算预测用电初值
t1＝rp0(4)
0≤tε,i≤rp0(5)
式(7)中，
步骤105和106则包括：假设由上述计算得出预测时段内tn个时刻的气温心理场强，即
式(8)中，
式(14)中，
综上，本实施例所提供的电力用户用电行为预测方法与现有技术相比具有如下的技术优势：
1、本方法适用于气温波动情况下的用户负荷预测，考虑了气温波动对用户实际用电行为所产生的心理因素影响。
2、本方法提出气温心理场场强模型用于用电行为预测，提出其等势线分段模型，以量化了气温这一用电活动中关键的心理影响因素，适用于实际情况中各种考虑气温因素对用电行为影响的研究建模。
3、本方法在构建完善的用户气温心理场模型基础上，结合基于svm的回归估计预测技术，从而形成了一套合理的用户用电行为预测手段。
4、本方法在计算实际预测情景下的气温心理场场强时，采用气温多场景集方法，使预测气温心理场场强更贴近真实值。通过将标准化处理后的气温心理场场强作为修正系数，从而对实时负荷预测初值进行修正，使得所预测的用户用电行为充分考虑了用户的心理因素，具有可靠的理论应用性。该方法具有较好的预测实时性，且模型易于实现，适合在实际应用中的推广，从而能够有效地保证电力网络的正常运行以及减少电力公司的经济损失。
实施例2：
参阅图4所示，本实施例提供的电力用户用电行为预测系统包括：
数据采集器401，用于采集获取所需用户历史用电量数据以及该用户所在地的历史气温数据；在本实施例中，该数据采集器可以采用现有的数据抓取工具，比如硅谷数据工具growingio，然后从用户所在的电网系统以及气象局系统中抓取历史用电量数据以及该用户所在地的历史气温数据；抓取到相关数据后则将相关数据传输至第一数据处理器402中；
第一数据处理器402，用于根据数据采集器401所传输来的用户历史用电量数据及历史气温数据来运算处理生成气温心理场模型；以及，用于将所获取到的用户历史用电量数据以及历史气温数据作为svm支持向量机的输入向量，以基于svm回归估计方法计算得到当前用户的预测用电初值
第二数据处理器403，用于根据第一数据处理器402所传输来的预测用电初值和气温心理场模型并结合多场景集运算处理方法，来计算出当前的预测气温心理场强；然后对该预测时段内的气温心理场强进行标准化处理，获得基于气温心理场理论修正预测用电初值的修正系数；最后结合用户用电初值和修正系数来计算出用户用电行为最终预测值
由此可见，本实施提供的电力用户用电行为预测系统首先通过数据采集器来采集获取用户历史用电量以及历史气温数据，然后将所采集到数据传输到第一数据处理器中，以运算处理生成气温心理场模型，并将所采集到的气温数据作为输入变量，利用svm回归估计的方法等已有的电力负荷预测方法，计算出电力用户用电行为预测初值，保持了负荷预测实时性的优点；第一数据处理器运算处理后的结果则传输至第二数据处理器，第二数据处理器在计算实际预测情景下的气温心理场场强时，采用气温多场景集运算处理方法，由此可减小求得的气温心理场场强误差，通过将优化处理后的气温心理场场强作为修正系数，从而对实时负荷预测初值进行修正，使得第二数据处理器所预测的用户用电行结果为更加贴近用户的心理预期，具有预测实时性好、模型易于实现，预测结果有效准确等优点，从而能够有效地保证电力网络的正常运行以及减少电力公司的经济损失。
本实施中的数据采集器401的具体工作原理和实施例1中的步骤101相对应，第一数据处理器402的运算处理过程和实施例1中的步骤102和103相对应，第二数据处理器403的运算处理过程和实施例1中的步骤104-106相对应，因此在本实施例中就不再详细赘述数据采集器401、第一数据处理器402以及第二数据处理器403的工作原理和运算处理过程。
作为本实施例用户用电行为预测系统的一种优选，该系统还包括客户端，该客户端用于接第二收数据处理器403所计算出来的最终预测值
上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。
- 还没有人留言评论。精彩留言会获得点赞！