大数据环境下用户用电关联因素辨识及用电量预测方法

一种大数据环境下用户用电关联因素辨识及用电量预测方法，针对与用电量预测相关的大数据种类多、体量大、维度高和生成速度快等特点，在研究用户用电特性评价指标的基础上，运用海量用户用电特性子空间聚类分析方法，挖掘用户多种用电模式，拓展现有的用电行为分析方法，同时根据不同用电模式对用户进行群体划分，并利用互信息矩阵从区域及行业经济数据、气候条件，以及电力价格等方面辨识与用户群体用电量相关联的因素，构建基于随机森林算法的用电量大数据预测模型，实现了用电预测全过程的数据驱动，并且可以规避用电模式差异性为用电量预测带来的不利影响，具有较高的预测精度，适用于大数据的分析处理。
上海交通大学 | 国网上海市电力公司
王林童 | 赵腾 | 张焰 | 杨增辉 | 苏运