一种居民电力消费模式预测模型的构建方法及其应用

技术特征：
1.一种居民电力消费模式预测模型的构建方法，其特征在于，包括：对居民的历史日负荷曲线进行平滑并聚类，定义居民日负荷曲线的电力消费模式，得到各居民的历史电力消费模式；采用各居民的历史电力消费模式建立一个整体的markov模型m0，得到m0对应的状态转移矩阵；同时，基于居民ii的历史电力消费模式建立个体的markov模型m
i
，得到m
i
对应的状态转移矩阵；基于居民i第j天的电力消费模式，分别采用m0对应的状态转移矩阵和m
i
对应的状态转移矩阵，对第j 1天的电力消费模式进行预测，并将两者的预测结果进行加权平均，作为居民i的电力消费模式预测模型；采用居民i的历史电力消费模式作为训练集，对所述预测模型的加权平均用权重进行迭代优化，完成居民i的电力消费模式预测模型的构建。2.根据权利要求1所述的构建方法，其特征在于，所述定义的方式为：对每位居民的每条历史日负荷曲线进行平滑化处理，并将平滑化后的所有历史日负荷曲线进行聚类，依据聚类有效性指标，调整所述平滑化处理中的平滑用参数以及聚类过程中的电力消费模式类别数量，最终确定每条历史日负荷曲线的电力消费模式；其中，所述平滑化处理的方式为：式中，l
ij
＝{l
ij,h
,h∈h}，表示居民i第j天的原日负荷曲线，i∈i，j∈j，h＝{1,2,
…
,h}，h为一条日负荷曲线中采样负荷值的时刻数，i＝{1,2,
…
,i}是居民集合，j＝{1,2,
…
,j}是天的集合，i表示居民数，j表示天数；m表示平滑项的数目，取奇数值；c表示一个基线常数，c取值为0或者日负荷曲线的最小值，即c∈{0,l
min
}；p和q表示两个距离度量的系数，p决定原始值与基线常数之间的距离计算类型，q是一个放大系数，用于调整平滑化后负荷值的大小。3.根据权利要求1所述的构建方法，其特征在于，m∈{1,3,5,7}；p∈{1,2,3}；q的取值为4.根据权利要求1所述的构建方法，其特征在于，所述居民i的电力消费模式预测模型为：其中，p
i,j 1
表示居民i的电力消费模式预测模型对第j 1天的最终预测的电力消费模式概率分布，k表示电力消费模式总类别集合，表示居民i第j 1天的电力消费模式属于k类别的概率，表示m
i
对应的状态转移矩阵预测居民i第j 1天的电力消费模式属于k类别的概率，表示m0对应的状态转移矩阵预测居民i第j 1天的电力消费模式属于k类别的概率，w
i,k
表示m
i
对应的状态转移矩阵对应第k个电力消费模式的权重，其取值为通过迭代优化得到。
5.根据权利要求4所述的构建方法，其特征在于，所述迭代优化的方式为：根据所述居民i的电力消费模式预测模型对第j 1天最终预测的电力消费模式概率分布p
i,j 1
相对居民i第j 1天的实际状态c
i,j 1
的损失函数将损失函数e
i,j 1
对w
i,k
求导，并将对同一居民i不同电力消费模式对应的求导结果累加，作为w
i,k
更新公式w
i,k
：＝w
i,k-η*δw
i,k
中的梯度δw
i,k
，以更新w
i,k
，迭代直至达到粗调终止条件，其中，：＝表示对w
i,k
的一个更新，η表示更新步长；将所述损失函数e
i,j 1
对w
i,k
求导，作为所述梯度δw
i,k
，以更新w
i,k
，迭代直至达到精调终止条件，完成迭代优化，得到最终的居民i的电力消费模式预测模型中的权重取值。6.根据权利要求5所述的构建方法，其特征在于，所述损失函数7.根据权利要求5所述的构建方法，其特征在于，η＝1-w
i,k
。8.一种居民电力消费模式预测方法，其特征在于，包括：采用如权利要求1至7任一项所述的一种居民电力消费模式预测模型的构建方法所构建的居民i的电力消费模式预测模型，输入居民i当天的电力消费模式，得到居民i下一天的电力消费模式概率分布，完成电力消费模式预测。9.一种居民日负荷数据预测方法，其特征在于，包括：采用已训练的各电力消费模式所对应的负荷数据预测器，分别输入居民i当天的日负荷数据，得到居民i下一天的各电力消费模式对应的日负荷数据；基于计算居民i下一天的日负荷数据；其中，表示居民i下一天的电力消费模式属于电力消费模式k的概率，表示预测出的居民i下一天的电力消费模式k对应的日负荷数据；表示预测出的居民i下一天的日负荷数据。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如权利要求1至7任一项所述的一种居民电力消费模式预测模型的构建方法、如权利要求8所述的一种居民电力消费模式预测方法和/或如权利要求9所述的一种居民日负荷数据预测方法。

技术总结
本发明属于电力负荷预测领域，具体涉及一种居民电力消费模式预测模型的构建方法及其应用，包括：采用平滑化聚类方法得到居民日负荷曲线对应的多种电力消费模式；构建混合加权Markov模型，作为居民i的电力消费模式预测模型，采用混合加权Markov模型对居民未来的电力消费模式进行预测，并采用多个预测器对负荷进行预测，根据混合加权Markov模型的电力消费模式预测结果进行加权组合，从而实现更准确、稳定的居民负荷预测，为需求响应等应用提供良好的数据支持和便利的分析基础。相比于单个预测器的居民负荷预测方法，本发明提出的居民负荷预测集成方法能够有效利用居民的多种模式信息，得到更准确、稳定的负荷预测结果。稳定的负荷预测结果。稳定的负荷预测结果。


技术研发人员：肖江文 方宏亮 崔世常 刘骁康 王燕舞 刘智伟
受保护的技术使用者：华中科技大学
技术研发日：2022.03.28
技术公布日：2022/7/12