本发明涉及电力系统领域，更具体的，涉及一种基于随机森林算法的省间用电场景分类方法及系统。
背景技术：
1、随着电力系统用电供应方式的不断改革，省间实时供电作为电力交换的重要组成部分，对于优化电力系统的资源配置、提高电力系统运行效率具有重要意义。省间实时供电调节技术允许不同省份之间根据电力需求和供应情况进行电能交换，在确保节约省内调度的前提下，实现电力资源的最优分配。
2、然而，由于电力市场的复杂性和多变性，省间实时用电过程存在不同的应用场景，针对多种不同的应用场景，准确的分类方式能够帮助电力交换的参与者更好地理解电力系统的运行动态，参与制定合理的用电策略，降低运营成本，并提高经济效益。
3、传统的省间实时用电场景的分类方法依赖于专家经验或者简单的统计分析，这些方法往往难以应对市场的快速变化和大量数据的处理需求。随着大数据和机器学习技术的发展，利用先进的算法对省间用电场景进行自动化分类成为了可能。
4、随机森林算法作为一种集成学习方法，通过构建多个决策树并将它们的输出进行汇总来提高分类的准确性和鲁棒性。该算法在处理高维数据、处理特征间的相互作用以及避免过拟合方面展现出了优越的性能。在电力供应分析中，随机森林算法能够从大量的历史数据中学习到有效的模式，并准确预测未来的用电场景，从而为电力交换的参与者提供决策支持。
5、然而，如何利用随机森林算法，合理获得省间用电场景的自动化分类，并根据自动化分类进一步对省间用电进行调节，是亟待解决的问题。
6、针对上述问题，亟需一种基于随机森林算法的省间用电场景分类方法及系统。
技术实现思路
1、为解决现有技术中存在的不足，本发明提供一种基于随机森林算法的省间用电场景分类方法及系统，通过分别分析省内影响因素、省间影响因素来划分不同时段下用电省份的省内电力紧缺程度、省间用电场景，分析用电省份不同时段下的用电紧急程度，从而获得用电场景分类下的最优省间用电方式。
2、本发明采用如下的技术方案。
3、本发明第一方面，涉及一种基于随机森林算法的省间用电场景分类方法，方法包括以下步骤：采集不同时段下用电省份的省内影响因素以构建第一数据集，利用随机森林算法针对第一数据集进行分类，以获得第一数据集中每个样本的省内电力紧缺程度；采集不同时段下用电省份与关联省份之间的省间影响因素，并根据省间影响因素、每个省间影响因素所对应的省内电力紧缺程度构建第二数据集；利用随机森林算法对第二数据集进行分类，生成多个省间用电场景，并基于省间用电场景、每个样本的省内电力紧缺程度分析第二数据集中每个样本的紧急程度；基于不同时段下用电省份的省间用电场景、紧急程度分析历史省间用电方式，并获得不同的省间用电场景、紧急程度组合下的最优省间用电方式；基于当前状态下的省间用电场景、紧急程度调节当前状态下的省间用电方式。
4、优选的，采集不同时段下用电省份的省内影响因素以构建第一数据集，包括：将同一时段下用电省份的省内影响因素集合构建为一个第一数据集样本；省内影响因素集合中包括多个省内影响因素，省内影响因素为季节、日节点、温度、风向、风力、大规模检修期间、降水量、太阳辐射强度、风速、是否节假日、年度合约量、月度合约量、来水情况和煤价。
5、优选的，采集不同时段下所述用电省份与关联省份之间的省间影响因素，包括：以同一时段下任一个关联省份的影响因素、任一个关联省份与用电省份之间的影响因素组成省间影响因素集合，将每个省间影响因素集合构建为一个第二数据集样本；省间影响因素集合中包括多个省间影响因素，省间影响因素为季节、日节点、关联省份的温度、关联省份的风向、关联省份的风力、关联省份的降水量、关联省份的太阳辐射强度、关联省份的风速、关联省份的来水情况、关联省份的煤价、关联省份与用电省份之间的通道可用输送能力。
6、优选的，根据省间影响因素、每个省间影响因素所对应的省内电力紧缺程度构建第二数据集，包括：针对每个第二数据集样本，提取第二数据集样本的采集时间，并根据采集时间从第一数据集中提取具备关联关系的第一数据集样本；获得具备关联关系的第一数据集样本的省内电力紧缺程度，并将具备关联关系的第一数据集样本的省内电力紧缺程度分配给第二数据集样本；将省内电力紧缺程度分配给每个第二数据集样本，以基于省间影响因素集合、省内电力紧缺程度构建第二数据集。
7、优选的，利用随机森林算法对第一数据集进行分类，以获得第一数据集中每个样本的省内电力紧缺程度，包括：根据预设的第一类型数量，采用随机森林算法对第一数据集以所有省内影响因素为特征进行分类，获得每个第一数据集样本的类型，并计算同一类型下所有样本的平均缺口数值；将平均缺口数值作为第一数据集中每个样本的省内电力紧缺程度。
8、优选的，计算同一类型下所有样本的平均缺口数值，包括：计算同一类型下每个样本的缺口数值，以及所有样本的缺口数值中位数；提取位于中位数向上40％和向下40％的所有可估计缺口数值；计算所有可估计缺口数值的平均值，作为平均缺口数值。
9、优选的，利用随机森林算法对第二数据集进行分类，生成多个省间用电场景，包括：根据预设的第二类型数量，采用随机森林算法以所有省间影响因素为依据对第二数据集进行分类，获得每个第二数据集样本的类型，并计算同一类型下所有样本的平均出清量；将每个类型作为一种所述省间用电场景，对每个不同类型所对应的多个平均出清量进行排序，以获得多个省间用电场景的类型次序。
10、优选的，计算同一类型下所有样本的平均出清量，包括：计算同一类型下每个样本的出清量，以及所有样本的出清量中位数；提取位于中位数向上40％和向下40％的所有可估计出清量；计算所有可估计出清量的平均值，作为所述平均出清量。
11、优选的，采用bootstrap抽样为随机树森林算法的每个决策树提取特征；采用信息增益作为决策树中每个节点的分类依据。
12、优选的，基于省间用电场景、每个样本的省内电力紧缺程度分析第二数据集中每个样本的紧急程度，包括：提取当前样本的省内电力紧缺程度，计算当前样本所在的省间用电场景下的最大估计出清量、最小估计出清量；最大估计出清量、最小估计出清量是从所有可估计出清量中提取出的最大值和最小值；分析最大估计出清量、最小估计出清量与省内电力紧缺程度的大小，以获得当前样本的紧急程度。
13、优选的，分析最大估计出清量、最小估计出清量与省内电力紧缺程度的大小，以获得当前样本的紧急程度，包括：若si<qmin-i，则判断当前样本i的紧急程度为不紧急；若qmin-i≤si<qmax-i，则判断当前样本i的紧急程度为紧急；若si≥qmax-i，则判断当前样本i的紧急程度为非常紧急；式中，si为当前样本i对应的省内电力紧缺程度下的平均缺口数值；qmin-i和qmax*i分别为当前样本i对应的省间用电场景下的最大估计出清量、最小估计出清量。
14、优选的，基于不同时段下用电省份的省间用电场景、紧急程度分析历史省间用电方式，并获得不同的省间用电场景、紧急程度组合下的最优省间用电方式，包括：针对每一种省间用电场景、紧急程度的组合，分析该组合下样本所在的不同时段的历史用电成交率，以获得每一个组合下的省间用电模型的边界约束。
15、优选的，基于当前状态下的所述省间用电场景、紧急程度调节当前状态下的省间用电方式，包括：提取当前状态下的省间用电场景、紧急程度，获得当前状态所对应的组合下的省间用电模型的成交率偏好、边界约束；基于成交率偏好、边界约束调整省间用电模型并模拟省间用电需求；采集省间用电模型的输出，获得当前状态下的最优省间用电方式，并基于当前状态下的实际省间用电方式的偏差，调节当前状态下的省间用电方式。
16、本发明第二方面，涉及一种利用本发明第一方面中方法的一种基于随机森林算法的省间用电场景分类系统，系统包括紧缺程度分析模块、采集模块、分类模块、训练模块和调节模块；其中，分析模块，用于采集不同时段下用电省份的省内影响因素以构建第一数据集，利用随机森林算法针对第一数据集进行分类，以获得第一数据集中每个样本的省内电力紧缺程度；采集模块，用于采集不同时段下用电省份与关联省份之间的省间影响因素，并根据省间影响因素、每个省间影响因素所对应的省内电力紧缺程度构建第二数据集；分类模块，用于利用随机森林算法对第二数据集进行分类，生成多个省间用电场景，并基于省间用电场景、每个样本的省内电力紧缺程度分析第二数据集中每个样本的紧急程度；训练模块，用于基于不同时段下用电省份的省间用电场景、紧急程度分析历史省间用电方式，并获得不同的省间用电场景、紧急程度组合下的最优省间用电方式；调节模块，用于基于当前状态下的省间用电场景、紧急程度调节当前状态下的省间用电方式。
17、本发明第三方面，涉及一种终端，包括处理器及存储介质；存储介质用于存储指令；处理器用于根据指令进行操作以执行本发明第一方面中方法的步骤。
18、本发明第四方面，涉及计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本发明第一方面中方法的步骤。
19、本发明的有益效果在于，与现有技术相比，本发明中的一种基于随机森林算法的省间用电场景分类方法及系统，通过分别分析省内影响因素、省间影响因素来划分不同时段下用电省份的省内电力紧缺程度、省间用电场景，分析用电省份不同时段下的用电紧急程度，从而获得用电场景分类下的最优省间用电方式。本发明有效准确，通过分类用电场景，支持对最优省间用电方式的预测。
20、本发明的有益效果还包括：
21、1、本发明为省间用电主体根据不同时段的特征归类，获得不同时段下的用电场景，为进一步根据用电场景作出电力保供、经济可行的用电决策提供支持。本发明解决了现有技术中省间电力交互过程中用电数据准确性、鲁棒性不足的问题，综合考虑电力市场的复杂与多变环境，设计出高效可靠的省间用电场景分类方式，确保用电预测有据可依。
22、2、本发明将省间电力缺口、样本的紧急程度有效转换为用于影响电力交换中的成交率偏好、量价约束条件等，为供用电方式提供了最优的预测方法和实现过程的模拟，确保了供电侧设备、输电侧网络跟随用电影响因素主动、及时的调节，大幅提升了电力系统的稳定性、可靠性。
1.一种基于随机森林算法的省间用电场景分类方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于随机森林算法的省间用电场景分类方法，其特征在于：
3.根据权利要求2所述的一种基于随机森林算法的省间用电场景分类方法，其特征在于：
4.根据权利要求3所述的一种基于随机森林算法的省间用电场景分类方法，其特征在于：
5.根据权利要求4所述的一种基于随机森林算法的省间用电场景分类方法，其特征在于：
6.根据权利要求5所述的一种基于随机森林算法的省间用电场景分类方法，其特征在于：
7.根据权利要求6所述的一种基于随机森林算法的省间用电场景分类方法，其特征在于：
8.根据权利要求7所述的一种基于随机森林算法的省间用电场景分类方法，其特征在于：
9.根据权利要求5-8任一项所述的一种基于随机森林算法的省间用电场景分类方法，其特征在于：
10.根据权利要求9所述的一种基于随机森林算法的省间用电场景分类方法，其特征在于：
11.根据权利要求10所述的一种基于随机森林算法的省间用电场景分类方法，其特征在于：
12.根据权利要求11所述的一种基于随机森林算法的省间用电场景分类方法，其特征在于：
13.根据权利要求12所述的一种基于随机森林算法的省间用电场景分类方法，其特征在于：
14.一种利用权利要求1-13任一项权利要求所述的一种基于随机森林算法的省间用电场景分类系统，其特征在于：
15.一种终端，包括处理器及存储介质；其特征在于：
16.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-13任一项所述方法的步骤。
