(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211432574.7 (22)申请日 2022.11.16 (71)申请人 国网江苏省电力有限公司营销服 务 中心 地址 210019 江苏省南京市 建邺区奥体大 街9号 (72)发明人 刘恬畅　潘熙　左强　黄奇峰　 邵雪松　黄茜　孙莉　薛冰　 郑海雁　王德玉　 (74)专利代理 机构 北京智绘未来专利代理事务 所(普通合伙) 11689 专利代理师 王萍 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01)G06Q 50/06(2012.01) G06K 9/62(2022.01) (54)发明名称 一种代理购电量预测算法的立体综合评价 方法及系统 (57)摘要 代理购电量预测算法的立体综合评价方法 及系统， 方法包括： 基于 K‑means算法对代理购电 用户的用电特征进行聚类得到区域群或行业群； 以时间周期为横向维度、 以区域群或行业群为纵 向维度采用不同的电量预测算法进行代理购电 量预测， 并计算预测值与实际值的预测偏差； 基 于预测偏差和评价因子权重值对代理购电量预 测算法进行立体综合评价； 本发 明基于时间维度 和空间维度分配评价因子权重值， 既能体 现预测 算法在强相关月份的准确性， 又能反应预测算法 在较长周期的稳定性； 对比不同城市或者行业间 的预测表现等， 对具有相似用电特征的用户群选 择同类算法， 与将全省用户作为一个整体来预测 相比， 更能有针对性 地调整算法、 参数。 权利要求书5页 说明书16页 附图4页 CN 115496304 A 2022.12.20 CN 115496304 A 1.一种代理购电量预测算法的立体综合评价方法， 其特 征在于， 所述方法包括： 步骤1， 获取代理购电用户的历史用电量数据， 并将历史电量数据按照区域和行业进行 数据集切割， 得到区域数据集和行业数据集； 步骤2， 针对区域数据集或行业数据集， 基于K ‑means算法对代理购电用户的用电特征 进行聚类， 得到区域群或行业群； 步骤3， 对步骤2获得的区域群或行业群， 采用不同的电量预测算法进行代理购电量预 测， 其中， 代理购电量预测时均以时间周期为横向维度、 以区域群或行业群为纵向维度； 并 且， 计算代理购电量预测值与代理购电量实际值之间的预测偏差； 步骤4， 基于预测 偏差和评价因子权重值的加权求和进行电量预测算法评价； 开展评价 之前， 基于层次分析法由各位专家对评价因子权重进行赋值， 同时计算各位专家对评价因 子权重赋值的偏离程度， 基于置信比例和偏离程度对专家进行淘汰， 以保留的各位专家给 出的评价因子 权重赋值确定 评价因子 权重值； 步骤5， 将评价因子权重值、 横向维度的预测表现、 纵向维度的预测表现代入预测算法 评价公式， 对代理购电量预测算法进行立体综合评价； 其中， 横向维度的预测表现为基于时间周期的预测值的平均绝对百分比误差， 纵向维 度的预测表现为基于区域群或行业群的预测值的平均绝对百分比误差 。 2.根据权利要求1所述的代理购电量预测算法的立体综合评价方法， 其特 征在于， 步骤1中， 历史电量数据包括： 年用电量， 月用电量， 日用电量。 3.根据权利要求1所述的代理购电量预测算法的立体综合评价方法， 其特 征在于， 步骤2包括： 步骤2.1， 从区域数据集或行业数据集中选择k个代理购电用户作为聚类中心； 其中k的 初始值为1； 步骤2.2， 以区域数据集或行业数据集中的代 理购电用户为聚类对象， 计算每个聚类对 象到聚类中心的距离； 根据距离来划分聚类对象归属的聚类中心， 从而获得k个聚类 群； 步骤2.3， 基于距离算法更新k个聚类群的聚类中心； 计算每个聚类对象到更新后的聚 类中心的距离的平方和； 步骤2.4， 执行k=k+1， 并且当k小于最大迭代次数时， 重复执行步骤2.2至2.3； 直到达到 最大迭代次数， 则停止； 步骤2.5， 利用步骤2.3中计算得到的平方和随着k值变化曲线上的拐点， 由专家结合聚 类得到的区域群或行业群中代理购电用户分布情况以及、 生产特性， 确定聚类中心 k的优选 值； 步骤2.6， 以聚类中心k的优选值对应的聚类结果作为 步骤3中使用的区域群或行业群。 4.根据权利要求3所述的代理购电量预测算法的立体综合评价方法， 其特 征在于， k的取值范围为1至10 。 5.根据权利要求1所述的代理购电量预测算法的立体综合评价方法， 其特 征在于， 步骤3中， 时间周期包括： 过去若干年多个月份； 其中， 年份数量大于等于1， 月份数量大 于等于1。 6.根据权利要求1所述的代理购电量预测算法的立体综合评价方法， 其特 征在于，权　利　要　求　书 1/5 页 2 CN 115496304 A 2进行代理购电量预测时使用的电量预测算法是一种或者多种； 电量预测算法包括时间序列算法， 相似日算法， 多元线性回归算法， 神经网络算法， 支 持向量机回归算法， Xg ‑Boost算法， 时间序列+E MD算法。 7.根据权利要求1所述的代理购电量预测算法的立体综合评价方法， 其特 征在于， 步骤4包括： 步骤4.1， 基于横向维度的关联性分配时间维度评价因子权重， 基于纵向维度的关联性 分配空间维度评价因子权重， 即对于某一月的电量预测算法进行评价时， 时间维度评价因 子权重包括： 去年同期月份的权重 ， 去年同期月份所在季度其余两月的权重 ， 过去 一年同期月份以外的其余月份的权重 ； 空间维度评价因子权重包括： 全省总电量的权重 ， 区域群或行业群的权 重 ； 步骤4.2， 基于层次分析法， 由专家对各评价因子权重进行赋值， 得到的评价因子权重 值矩阵满足如下关系式： 式中， 表示基于层次分析法由第 位专家对第 个评价因子权重的赋值， 即各评价 因子权重值， 其中， ， 为专家人数， ； 为了判断各评价因子权重值 的离散程度， 以如下关系式计算各评价因子权重值 之间的相似系数 ： 式中， 表示评价因子 权重值矩阵中第 行第 个元素， ， 为专家人数， 表示评价因子 权重值矩阵中第 行第 个元素， ； 利用相似系数构成相似系数矩阵， 满足如下关系式： 步骤4.3， 相似系数矩阵中每一行之和 作为第 位专家给出的评价 因子权重的赋值与其 余各位专 家给出的评价因子 权重的赋值之间的偏离系数 ， 满足如下关系式：权　利　要　求　书 2/5 页 3 CN 115496304 A 3