CN108062560A

CN108062560A - 一种基于随机森林的电力用户特征识别分类方法

Info

Publication number: CN108062560A
Application number: CN201711260271.0A
Authority: CN
Inventors: 谈竹奎; 王冕; 李正佳; 马春雷; 徐长宝; 吴金勇; 鞠远; 刘斌; 桂专; 袁旭峰; 杜雪; 汪永祥
Original assignee: Electric Power Research Institute of Guizhou Power Grid Co Ltd
Current assignee: Electric Power Research Institute of Guizhou Power Grid Co Ltd
Priority date: 2017-12-04
Filing date: 2017-12-04
Publication date: 2018-05-22

Abstract

本申请揭露一种基于随机森林的电力用户特征识别分类方法，该方法通过采用随机森林算法来对电力用户进行特征识别分类。首先通过对负荷曲线进行分析尽可能多地提取获得特征数据，得到随机森林的学习样本和测试样本。再通过随机森林算法学习样本数据，获得最终的分类决策模型，用测试样本检验该模型的准确性以验证该模型的准确性。最后利用该模型对待分类的电力用户特征数据进行分析，获得电力用户的分类情况。另外，所采用随机森林是一种统计学理论，是一种组合分类器算法，该算法具有很高的预测准确率，对异常值和噪声具有很好的容忍度，且不容易出现过拟合，能够有效解决用户特征识别分类问题，从而满足电网对负荷的识别分类需求，为实现电网对需求侧不同负荷集群的管理奠定基础。

Description

一种基于随机森林的电力用户特征识别分类方法

技术领域

本发明涉及电力用户特征识别，特别是涉及一种基于随机森林的电力用户特征识别分类方法。

背景技术

当今世界发展越来越快，城市建设日新月异，能源的消耗速率也与日俱增，由于发展速度过快，全球已经陷入了深深的能源危机中，煤炭、石油等各种化石能源不断被消耗，日渐枯竭，而且，开采化石资源对环境造成严重危害，消耗化石资源也会产生大量有害气体。随着世界发展对能源的要求越来越高以及人们环境意识的加强，电动汽车、光伏以及储能等日渐普及，分布式设备得到前所未有的重视和发展，这也使得不同用户均具备了不同的调控潜力。同时由于经济地高速发展，地区电力的最大负荷持续增长，峰谷差渐渐增大，这对电网的安全运行造成巨大威胁。因此研究负荷特性，在此基础上有针对性地开展需求侧管理具有十分重要的意义，同时负荷也具备调节能力。

而在需求侧的众多类型用户中，不同类型用户都有不同的调控潜力。如果能够通过电力用户的特征识别，对用户进行分类，这对需求侧管理将起到很大的推动作用。通过对不同的用户采取不同的调控措施，尽可能的发挥不同电力用户的调控潜力，提高电网的运行状态，很有意义。因此，寻找一个有效的方法——对用户的特征进行识别、分类，是一个亟待解决的问题。

发明内容

基于此，本申请提出一种基于随机森林的电力用户特征识别分类方法，其通过利用现有数据，对随机森林模型进行训练，将训练得到的模型来对电网中的电网用户进行特征识别分类。

一种基于随机森林的电力用户特征识别分类方法，其特征在于，包括以下步骤：

收集大量数据，根据电力用户的负荷曲线和具体数据，分析不同电力用户用电数据特征，提炼出电力用户用电负荷主要特征；

处理电力用户负荷数据，提取出电力用户负荷数据的主要影响因子，以一定比例划分获取得到随机森林的训练集和测试集；

有放回地从训练集中随机抽取样本，抽取k个样本，每个样本的样本容量和原始训练集一样；

利用决策树算法对k个样本进行训练，获得k个决策树分类模型；

将k个决策树分类模型组成起来，形成组合分类模型，即随机森林分类模型，每个决策树通过投票表决最终分类；

利用测试集对随机森林模型进行分类结果测试，将测试结果和测试集结果进行比较，以此来验证随机森林分类模型；

收集电力用户负荷特性数据，利用该模型对这些数据进行分类；

输出电力用户的分类结果。

在其中一个实施例中，所述电力用户负荷特征有：1、峰值P_max。取电力用户日用电曲线中的最大值来作为该电力用户用电负荷曲线的峰值——日最大负荷P_max，一般工业用户用电峰值相对于家庭用户或者商业用户来说偏大；2、峰谷差ΔP_m。取电力用户用电曲线中的最大值P_max和最小值P_min，两者的差值作为该电力用户用电曲线的峰谷值；3、负荷率k_m；4、最小负荷系数α；5、耗电量W_d，一般工业负荷的耗电量比一般家庭大得多

在其中一个实施例中，所述选择最优化分属性是通过“信息增益”来作为度量标准的。其中“信息熵”是度量样本集合纯度最常用的一种指标。假定当前样本集合D中第k类样本所占的比例为p_k(k＝1,2……,|y|)，则D的信息熵定义为Ent(D)的值越小，则D的纯度越高。假定离散属性a有V个可能的取值{a¹，a²，….a^V}若使用a来对样本集D进行划分，则会产生V个分支结点，其中第v个分支结点包含了D中所有在属性a上取值为a^V的样本，记为D^V。我们可以根据式(1)计算出D^V的信息熵，再考虑到不同的分支结点所包含的样本数不同，给分支结点赋予权重|D^V|/|D|，即样本数越多的分支结点的影响越大，于是可计算出用属性a对样本集D进行划分所获得的“信息增益”

一般而言，信息增益越大，则意味着使用属性a来进行划分所获得的“纯度提升”越大，因此，我们可用信息增益来进行决策树的划分属性选择。

上述基于随机森林的电力用户特征识别分类方法对电力用户特征识别并进行分类。首先通过收集大量的原始真实数据，将数据以一定比例划分为训练集和测试集，利用训练集训练多棵决策树，再将所有的决策树组合成随机森林，通过投票决定最终的分类结果，然后利用测试集对随机森林进行验证，最后利用随机森林对电力用户进行识别分类，输出分类结果。

附图说明

图1为本发明的基于随机森林的电力用户特征识别分类方法流程图；

图2为决策树算法示意图；

图3为随机森林算法预测数据示意图。

具体实施方式

请参考图1、图2和图3，本发明的一个实施方式提供一种基于随机森林的电力用户特征识别分类方法。该实施方式主要其通过利用收集得到的大量现有数据，对随机森林模型进行训练，进行验证，最后将训练得到的模型来对电网中的电网用户进行特征识别分类。该基于随机森林的电力用户特征识别分类方法包括以下步骤：

步骤S110，通过现有的电力系统智能采集装置对电力用户数据进行采集。上述的电力系统采集系统为智能用电的统一协调优化控制系统，通过该系统下的智能用电插座对用户数据进行采集，根据电力用户的负荷曲线和具体数据，分析不同电力用户用电数据特征，提炼出电力用户用电负荷主要特征；

①、峰值P_max。取电力用户日用电曲线中的最大值来作为该电力用户用电负荷曲线的峰值——日最大负荷P_max，一般工业用户用电峰值相对于家庭用户或者商业用户来说偏大；

②、峰谷差ΔP_m。取电力用户用电曲线中的最大值P_max和最小值P_min，两者的差值作为该电力用户用电曲线的峰谷值

ΔP_m＝P_max-P_min

③、负荷率k_m。

④、最小负荷系数α。

⑤、耗电量W_d。一般工业负荷的耗电量比一般家庭大得多

步骤S120，对电力用户负荷数据进行归一化预处理，消除量纲影响，提取出电力用户负荷数据的主要影响因子，建立随机森林的训练集和测试集，具体如下：

归一化处理：其中，a^*表示归一化后的结果，a表示该特征数据，a_max表示该类特征数据的最大值，a_min表示该类特征数据的最小值；

随机森林的训练集和测试集容量之比为80％和20％。

步骤S130，有放回地从训练集中随机抽取样本，抽取k个样本，每个样本的样本容量和原始训练集一样，具体内容如下：

从训练样本中有放回地随机选取样本，容量和训练集容量相同，以此方式构建出300个样本。

步骤S130，利用决策树算法对k个样本进行训练，获得k个决策树分类模型。具体步骤如下：

初始化设置：

设定树的数量为300；

使用的决策树分裂算法是ID3算法；

决策树完全生成，即叶子节点只包含单一的样本；

1、构建第k棵决策树：这里构建决策树使用的是ID3算法

①构建根决策点：

I、计算一元模型的熵。

Ii、计算二元模型条件熵。计算用户类型和特征数据一起出现的联合概率，分别计算用户类型在不同特征数据下的条件概率，由联合概率和条件概率求出不同特征数据取值下的用户类型条件熵；

Iii、计算互信息。再已知一元模型熵和不同特征数据下的二元模型熵后，计算互信息的值，度量哪种特征数据与用户类型的相关性最高，并以此作为决策树的根节点来构建决策树。

②构建分支决策节点：

如果已经到了叶子节点，则停止分裂生长，如果尚未到达叶子节点，则计算方法与计算根决策点一样，都是通过计算熵、条件熵和互信息，选择互信息最大的作为分支的决策节点

③构建决策树：

继续构建分支决策节点，直至到达叶子节点，则树停止生长，根决策节点、所有分支节点和叶子节点构成一棵决策树

步骤S140，将k个决策树分类模型组成起来，形成组合分类模型，即随机森林分类模型，每个决策树通过投票表决最终分类，具体步骤如下：

将由300个不同样本训练出来的决策树组合在一起，设置每棵树投的票的权重为1(所有决策树投票权重相同)，以此构成随机森林。

步骤S150，利用测试集对随机森林模型进行分类结果测试，将测试结果和测试集结果进行比较，以此来验证随机森林分类模型；

步骤S160，收集电力用户负荷特性数据，利用该模型对这些数据进行分类；

步骤S170，输出电力用户的分类结果。

通过以上步骤就可以得到在最新搜集的电力用户特征数据下识别分类出电力用户的类型。

本发明的基于随机森林的电力用户特征识别分类方法相对于现有技术具有如下的优点及效果：

(1)本发明设计的基于随机森林的电力用户特征识别分类方法，考虑了多种电力用户的特征数据，而不是以往单纯的只考虑一种特征数据。

(2)本发明设计的基于随机森林的电力用户特征识别分类方法，采用随机森林算法，这是一种较新的分类算法，相对于其他分类算法如决策树(dicision tree)、朴素贝叶斯分类器(Bayes classifier)等算法的求解方法，具有防止过拟合、稳定性强、并行性性能好、对噪声更加鲁棒以及精度相对较高等优点。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims

1.一种基于随机森林的电力用户特征识别分类方法，其特征在于，包括以下步骤：

根据电力用户的负荷曲线和具体数据，分析不同电力用户用电数据特征，提炼出电力用户用电负荷主要特征；

输出电力用户的分类结果。

2.根据权利要求1所述的基于随机森林的电力用户特征识别分类方法，其特征在于，负荷特征值的提取，电力用户负荷特征有：

ΔP_m＝P_max-P_min

③、负荷率k_m。

④、最小负荷系数α。

⑤、耗电量W_d。一般工业负荷的耗电量比一般家庭大得多

3.根据权利要求4所述的基于随机森林的电力用户特征识别分类方法，其特征在于，选择最优化分属性：

“信息熵”是度量样本集合纯度最常用的一种指标，是用来衡量一元模型中信息不确定性的指标，信息的不确定性越大，熵的值也就越大。假的当前样本集合D中第k类样本所占的比例为p_k(k＝1,2……,|y|)，则D的信息熵定义为

<mrow> <mi>E</mi> <mi>n</mi> <mi>t</mi> <mrow> <mo>(</mo> <mi>D</mi> <mo>)</mo> </mrow> <mo>=</mo> <mo>-</mo> <mover> <mi>&Sigma;</mi> <mrow> <mo>|</mo> <mi>y</mi> <mo>|</mo> </mrow> </mover> <msub> <mi>p</mi> <mi>k</mi> </msub> <msub> <mi>log</mi> <mn>2</mn> </msub> <msub> <mi>p</mi> <mi>k</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

Ent(D)的值越小，则D的纯度越高。

假定离散属性a有V个可能的取值{a¹，a²，….a^V}若使用a来对样本集D进行划分，则会产生V个分支结点，其中第v个分支结点包含了D中所有在属性a上取值为a^V的样本，记为D^V。我们可以根据式(1)计算出D^V的信息熵，再考虑到不同的分支结点所包含的样本数不同，给分支结点赋予权重|D^V|/|D|，即样本数越多的分支结点的影响越大，于是可计算出用属性a对样本集D进行划分所获得的“信息增益”

<mrow> <mi>G</mi> <mi>a</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>D</mi> <mo>,</mo> <mi>a</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>E</mi> <mi>n</mi> <mi>t</mi> <mrow> <mo>(</mo> <mi>D</mi> <mo>)</mo> </mrow> <mo>-</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>v</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>V</mi> </munderover> <mfrac> <mrow> <mo>|</mo> <msup> <mi>D</mi> <mi>v</mi> </msup> <mo>|</mo> </mrow> <mrow> <mo>|</mo> <mi>D</mi> <mo>|</mo> </mrow> </mfrac> <mi>E</mi> <mi>n</mi> <mi>t</mi> <mrow> <mo>(</mo> <msup> <mi>D</mi> <mi>v</mi> </msup> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>

“条件熵”是通过获得更多地信息来消除一元模型中的不确定性，也就是通过二元或者多元模型来降低一元模型的熵。由于只使用一元模型时，只考虑一种事件，这样可能会造成不确定性太大。在二元模型中，我们通过其他事件联合考虑以及不同事件分别考虑的两种概率来降低不确定性。计算条件熵时使用了两种概率，分别是结果与其他所有事件的联合概率P(c)，以及结果其他事件分别考虑的条件概率E(c)。条件熵E(T,X)的计算公式如下。条件熵越大，说明二元模型的不确定性越小。

E(T,X)＝∑P(c)E(c)

“互信息”是用来衡量信息之间相关性的指标。当这两个信息完全相关时，互信息为1，不相关时，互信息为0,。具体的计算方法就是熵和条件熵之间的差。以下为公式

Gain(T,X)＝Entropy(T)-Entropy(T,X)。