一种基于随机森林回归的售电量预测方法及装置的制造方法
【技术领域】
[0001] 本发明涉及电力行业的大数据分析技术领域，更具体的说，是涉及一种基于随机 森林回归的售电量预测方法及装置。
【背景技术】
[0002] 月度售电量预测是电力需求侧的管理重要的市场预测技术手段，精确的售电量预 测对于合理安排电网供电计划、科学优化电力资源配置、提高用电管理效率、有效实施电力 需求侧的管理和节能降耗战略有着十分重要的意义。
[0003] 发明人在实现本发明的过程中发现，传统的预测电量的方法的运行效率和预测精 度较低，尤其是预测问题面临成千上万的输入变量、训练数据存在缺失信息时。
【发明内容】
[0004] 有鉴于此，本发明提供了一种基于随机森林回归的售电量预测方法及装置，以提 高售电量预测结果的精度和效率。
[0005] 为实现上述目的，本发明提供如下技术方案：
[0006] 一种基于随机森林回归的售电量预测方法，包括：
[0007] 获取预设时长内所述若干影响因素指标的历史数据；
[0008] 获取预设时长内历史的月售电量实际数据；
[0009] 根据所述若干影响因素指标的历史数据和历史月度售电量实际数据，建立基于随 机森林回归的月售电量预测模型；
[0010] 计算待预测月的各个影响因素指标，输入预置的月售电量预测模型，得到待预测 月的售电量预测值；
[0011] 其中，所述预置的月售电量预测模型依据预设时长内的历史月售电量实际数据以 及预先获取的若干影响因素历史指标数据建立。
[0012] 上述方法，优选的，还包括预置的月售电量预测模型为：
[0013]
[0014] 其中，Xi_j(i= 1，. . .，k,j= 1，. . .，m)表示所述预设时长内的历史影响因素； yi，. . .，yk表示若干年度内月售电量的实际数据。
[0015] 上述方法，优选的，所述月售电量预测模型依据随机森林回归预测方法建立。
[0016] 上述方法，优选的，所述若干影响因素指标包括：当月GDP增速，当月最高温度，当 月最低温度，当月降雨量，上月售电量，上年同月售电量和月节假日公休天数。
[0017] 上述方法，优选的，计算当前年度内的月GDP增速的预测数据包括：
[0018] 获取若干年内各个季度的⑶P增速值；
[0019] 计算当前年度各个季度的GDP增速的预测值，其中，第z个季度的GDP增速增值的 预测值为所述若干年内，第z个季度的GDP增速值的加权平均值，z= 1，2, 3,4 ;
[0020] 依据所述当前年度的各个季度的GDP增速的预测值计算当前年度各个月的GDP增 速的预测值。
[0021] 上述方法，优选的，所述依据所述当前年度的各个季度的GDP增速的预测值计算 当前年度各个月的GDP增速的预测值包括：
[0022] 将第z个季度最后一个月的GDP增速的预测值确定为第z个季度的GDP增速的预 测值；⑶P增速根据三次多项式公式确定：g(e) =a·e3+b·e2+c·e+d=E，将第z个季度 最后一个月的⑶P增速带入此三次多项式，得：
[0023]
[0024] 由此计算出a，b，c，d后，则第z个季度（z= 1，2,3,4)其它月份的⑶P增速为： g(ezn) =a·ezn3+b·ezn2+c·ezn+d=Ezn;其中，ezn表示第z个季度中第η个月份的月份值， η= 1，2 ;Εζη表示第ζ个季度中第η个月份的GDP增速的预测值；
[0025] 上述方法，优选的，计算当前年度内的月最高温度、最低温度的预测数据包括：
[0026] 获取若干年内各个月的最高温度、最低温度值；
[0027] 将所述若干年内同一个月份的最高温度、最低温度值的平均值确定为当前年度内 的该月份的最高温度、最低温度的预测值。
[0028] 上述方法，优选的，计算当前年度内的月降雨量的预测数据包括：
[0029] 获取若干年内各个月的降雨量值；
[0030] 将所述若干年内同一个月份的最降雨量的平均值确定为当前年度内的该月份的 降雨量的预测值。
[0031] 上述方法，优选的，计算当前年度内的上月售电量、当前年度的上一年同月的售电 量预测值包括：
[0032] 获取当前年度内的上月售电量、当前年度的上一年同月的售电量；
[0033] 上述方法，优选的，计算当前年度内的月节假日公休天数的预测值包括：
[0034] 获取若干年内各个月、当前年度内各个月的节假日公休天数；
[0035] 一种基于随机森林回归的售电量预测装置，包括：
[0036] 第一获取模块，用于获取若干年度内预设的若干影响因素指标的历史数据；
[0037] 第二获取模块，用于获取若干年度内历史的月售电量指标的实际数据；
[0038] 第一计算模块，用于将所述若干影响因素指标的历史数据和所述月售电量指标的 实际数据输入预置的月售电量预测模型，得到基于随机森林回归的月售电量调整量；
[0039] 第二计算模块，用于计算所述影响因素当前年度内各个月的预测值，将其输入月 售电量预测模型，得到当前年度内的待预测月售电量预测值；
[0040] 其中，所述预置的月售电量预测模型由模型建立模块依据预设时长内的月售电量 实际数据以及预先确定的若干影响因素指标建立。
[0041] 上述装置，优选的，所述第一计算模块为：
[0042] 第一抽样单元，用于训练数据的行随机抽样；对于总样本量S，采取有放回的抽取 k个训练样本；
[0043] 第二抽样单元，用于训练数据的列属性修养；对于Μ列个属性，采取无放回的抽取 mΜ；
[0044] 第一计算单元，用于建立决策树；对于采样之后的数据使用完全分裂的方式建立 出若干个决策树；
[0045] 第二计算单元，用于结果确定；根据所述的若干个决策树的预测值，计算其平均 值，得到月售电量预测值；
[0046] 上述装置，优选的，所述若干影响因素指标包括：⑶Ρ增速、最高气温、最低气温、 降雨量、上一月售电量、上一年同月售电量、当月节假日天数和当月售电量。
[0047] 上述装置，优选的，所述第二计算模块包括：
[0048] 第一获取单元，用于获取若干年内各个季度的GDP增速值；
[0049] 第一计算单元，用于计算当前年度各个季度的GDP增速的预测值，其中，第ζ个季 度的GDP增速增值的预测值为所述若干年内，第ζ个季度的GDP增速值的加权平均值，ζ= 1,2,3,4 ；
[0050] 第二计算单元，用于依据所述当前年度的各个季度的GDP增速的预测值计算 当前年度各个月的GDP增速的预测值。将第ζ个季度最后一个月的GDP增速的预测值 确定为为第ζ个季度的GDP增速的预测值；GDP增速根据三次多项式公式确定：g(e)= a·e3+b·e2+c·e+d=E，将第ζ个季度最后一个月的⑶P增速带入此三次多项式，得：
[0051]
[0052] 第二获取单元，用于获取若干年内各个月的最高温度、最低温度值；
[0053] 第一确定单元，用于将所述若干年内同一个月份的最高温度、最低温度值的平均 值确定为当前年度内的该月份的最高温度、最低温度的预测值。
[0054] 第三获取单元，用于获取若干年内各个月的降雨量值；
[0055] 第二确定单元，用于将所述若干年内同一个月份的降雨量值的平均值确定为当前 年度内的该月份的降雨量值的预测值。
[0056] 第四获取单元，用于获取当前年度上月的售电量和当前年度上一年的同月的售电 量数据；
[0057] 第五获取单元，用于获取若干年内各个月节假日公休天数、当前年度各个月的节