基于电力数据挖掘的涉污企业用电量预测方法研究

作者：成贵学; 乔臻^*; 滕予非; 唐伟

来源：现代电子技术, 2022, 45(15): 151-156.

DOI：10.16652/j.issn.1004-373x.2022.15.029

• 企业用电量预测
• ConvLSTM
• LOF
• 灰色模型
• K-means聚类算法
• 时序性特征
• 用电特性聚类

为对工业涉污企业进行准确管控，提出一种基于用电特性聚类与ConvLSTM神经网络算法结合的涉污企业用电量预测方法。对于企业用电数据中的数据异常与缺失的问题，采用局部离群因子算法（LOF）筛选异常值后输入至灰色模型中进行校正；通过K-means算法对修正后的企业历史用电数据进行特征提取并分析其用电特征，考虑影响用电量的因素不仅包括日期特性、节日特性，还提取了重污染天气下政府对涉污企业的管控特性；构建ConvLSTM模型，充分挖掘企业数据时序性特征，有效提高涉污企业短期用电量预测精度。选择四川省成都市涉污企业的用电数据验证模型算法的有效性。验证结果表明，所提方法对于不同企业、不同类型日期均更有效，能更精确地预测企业未来用电的趋势。

• 单位
  上海电力大学; 国网四川省电力公司电力科学研究院