本技术介绍了一种结合混合机器学习与空间地址匹配技术的区域用电量预测方法。该方法首先通过空间地址匹配技术将电表的文本地址信息转换为空间坐标;接着应用聚类算法对所有电表数据进行分类;最后,结合机器学习模型对分类后的数据进行用电量预测,以提高预测的准确性和效率。
背景技术
准确预测用户用电量对电力系统优化及调度具有重要意义,提升用电量预测的精度一直是智能电网建设的热点研究方向。用电量预测本质上与负荷预测类似,是一个时间序列的回归问题。传统的用电量预测方法如自回归滑动平均模型、自回归积分滑动模型等。随着机器学习、深度学习的发展,这些技术被用于用电量预测,如随机森林、支持向量机、长短时记忆网络等。通过比较发现,深度学习方法总体比传统方法具备更好的精度。
综上,目前用电量预测方法较多,但现有的大多数预测多基于单一模型,在复杂应用场景下适应性较差,而且大多数预测的输入为历史用电量数据,未考虑外部因素如天气等的影响;此外,目前的区域用电量预测多基于行政区划,无法实现任意空间区域的用电量预测。因此研究一种预测精度高、预测范围灵活、健壮性强的区域用电量预测方法意义重大。
实现思路