基于标签的电力客户投诉预测方法

    公开(公告)号:CN109447364B

    公开(公告)日:2021-02-09

    申请号:CN201811325958.2

    申请日:2018-11-08

    摘要: 本发明公开了一种基于标签的电力客户投诉预测方法,包括获取电力客户的历史数据并处理;采用机器学习算法训练训练数据,建立预测模型并得到预测模型的精度;建立多模型加权联合预测模型;多模型加权联合预测模型预测电力客户的投诉数据;过采样算法扩充进据;组建新的数据训练集,采用机器学习算法该训练新的训练数据,建立预测模型并得到预测模型的精度;再次建立多模型加权联合预测模型;重复上述步骤直至精度符合要求;采用得到的最终的多模型加权联合预测模型对电力客户的投诉进行预测。本发明方法能够准确和快速的对电力系统的客户投诉情况进行预测,而且方法简单可靠,科学方便。

    基于人工智能的配变台区负荷预测方法及系统

    公开(公告)号:CN112508267B

    公开(公告)日:2024-08-09

    申请号:CN202011401400.5

    申请日:2020-12-04

    摘要: 本发明公开了一种基于人工智能的配变台区负荷预测方法,包括:S1、采集所有台区的每天96次观察的数据,提取所有数据中台区的公共子集;S2、对每个台区数据按每天的负荷时间点横向过滤并提取每天的最大负荷所在时间点;S3、对每个台区数据按天数纵向过滤每个台区的最大负荷;S4、对缺失数据进行填充;S5、对每个台区的最大负荷进行台区聚类:选择CH分数最大的聚类方法进行聚类;S6、对仍存在的局部毛刺数据采用滑动箱型图分析过滤法再处理:S7、对每个台区进行特征提取,并通过模型进行短期负荷预测。本发明有效去除毛刺数据,提高台区负荷预测的准确度。

    基于人工智能的配变台区负荷预测方法及系统

    公开(公告)号:CN112508267A

    公开(公告)日:2021-03-16

    申请号:CN202011401400.5

    申请日:2020-12-04

    摘要: 本发明公开了一种基于人工智能的配变台区负荷预测方法,包括:S1、采集所有台区的每天96次观察的数据,提取所有数据中台区的公共子集;S2、对每个台区数据按每天的负荷时间点横向过滤并提取每天的最大负荷所在时间点;S3、对每个台区数据按天数纵向过滤每个台区的最大负荷;S4、对缺失数据进行填充;S5、对每个台区的最大负荷进行台区聚类:选择CH分数最大的聚类方法进行聚类;S6、对仍存在的局部毛刺数据采用滑动箱型图分析过滤法再处理:S7、对每个台区进行特征提取,并通过模型进行短期负荷预测。本发明有效去除毛刺数据,提高台区负荷预测的准确度。

    一种基于负荷特征及模型融合的售电量预测方法及系统

    公开(公告)号:CN112418545A

    公开(公告)日:2021-02-26

    申请号:CN202011399227.X

    申请日:2020-12-04

    摘要: 本发明公开了一种基于负荷特征及模型融合的售电量预测方法及系统,包括:建模数据采集和预处理;选择、提取预测目标售电量的相关特征,并对相关特征通过相关系数进行优化;所述相关特征包括电力负荷特征、时间特征和天气因素特征;将所述电力负荷特征分解成趋势项、季节项和剩余项,对所述三个分解项分别预测后重构得到预估的电力负荷特征,与时间特征、天气因素特征一起输入短、中期预测的学习器模型,并网格优化各模型的参数,将所述学习器模型均融合,得到售电量的短、中期预测值;对所述电力负荷特征、时间特征和天气特征进行Prophet模型调优,得到售电量的长期预测值。本发明解决了在特殊事件发生后售电量预测误差较大的问题。