CN102682349A - 一种用电量智能预测系统及方法 - Google Patents

Abstract

一种用电量智能预测系统及方法，该系统包括智能用电终端（1）和分别与智能用电终端（1）连接的管理实时数据采集的电能采集模块(2)、本地存储管理模块(3)、预测点的预测值分析计算模块(4)、负责数据通信传输控制的GPRS通信控制模块（5）；预测值分析计算模块（4）核心预测处理算法采用BP神经网络。本发明可以让用户提前知道用电情况，并结合用电优化算法，向用户提供有效的用电优化建议，改善用户用电习惯，避免用户电器不必要的电费支出，在经济上为用户节省电费；还可降低用户高峰用电造成的电网波动，使电网更加稳定，从而提供更加稳定的电力输送，提高居民用电的质量，使生产制造等企业电力用户的生产平稳运行。

Description

一种用电量智能预测系统及方法

技术领域

本发明涉及一种为电力行业中电量供需平衡提供参考依据，为电力设施建设、大型用电企业和普通居民用户提供合理用电建议的预测系统及方法技术领域。

背景技术

由于电能具有实时、不可存储性，就需要发电量、用电量必须时刻保持平衡，否则会造成电力供应不足或电力浪费。一方面，电力运营商需要根据用户用电量情况，合理规划电力设施的建设，另一方面，用户需要根据历史用电量情况合理安排用电方式，改善用电习惯，提高用电质量，将电力资源合理应用，既改善了固有电网的稳定运行又节省了不必要的电费支出。为了解决这些问题，就引入了用电量的预测。全球各地都在研究合理的用电量预测方法，以期达到更好的预测效果，提供更科学更准确的预测值。

目前的用电量预测方法主要有：灰色模型法、线性回归法、单耗法、趋势分析模型法、弹性系数法、模糊数学模型法等。灰色模型仅对呈指数规律发展的系统进行预测时效果比较理想，预测进度不稳定；线性回归模型的数学模型相对简单，只有在过去、现在和将来的发展模式一致的特殊情况下预测效果才会比较好，但在用电量的需求预测中，这种情况只是理想状况，因此该方法适应性不强，局限性较大；单耗法需要再预测前做大量繁琐的统计工作，对高效率的预测工作不利，此外，单耗法对于中长期的电力预测具有不确定性，预测效果不理想；趋势分析模型法是根据事物发展的连续性进行预测的，只在电量需求的中长期预测中效果较好，在短期预测中效果较差，并且它需要在大量历史数据中找出规律，这是一件非常耗时耗力的工作，它的实现比较复杂和困难；电力弹性系数法由于没有规律可循，很难实际应用，并且由于它的快速变化使得预测值与真实值差距太大，可信度不高。

以上的这些预测方法从研究的角度、建模的出发点到数据的形式和适用条件都不同，在电力系统中实施预测用电量都存在或多或少的不足和缺陷，用电量预测值与真实值的偏差太大或是由于本身方法复杂实施推广应用起来比较困难。

发明内容

本发明的目的是为了解决上述现有技术的不足，提供一种对用电量的预测更加准确和在电力系统中更易于应用和实施的用电量智能预测系统及其预测方法。

本发明的目的通过如下技术方案实现。

一种用电量智能预测系统，该系统包括智能用电终端和分别与智能用电终端连接的管理实时数据采集的电能采集模块、本地存储管理模块、预测点的预测值分析计算模块、负责数据通信传输控制的GPRS通信控制模块；预测值分析计算模块核心预测处理算法采用BP神经网络。

一种用电量智能预测方法，方法如下，

①用电量预测点使用智能用电终端作为主控单元，负责实时数据的采集、预测点的预测值分析计算、预测值的查询以及数据传输通信的控制；

②在用电量预测点的前端接入电能采集装置，电流通过电能采集装置再流入用电器，电能计量采集装置的数据输出与预测点智能用电终端（1）的电能采集模块（2）相连，实施电能信息采集；

③用电量预测点的智能用电终端上接入GPRS通信控制模块，实现多监测预测点与电网公司电力数据主站的远程通信；

④智能用电终端通过电能采集模块及其内部的软件程序实时采集用电器的即时功耗；

⑤智能用电终端内部软件建立一个含有N个节点输入层，一个节点输出层，2N个隐含层和隐含节点的BP神经网络模型；

⑥将采集到的电能耗数据作为样本对预测值分析计算模块（4）的BP神经网络模型进行训练；

⑦根据预测的类型确定BP神经网络模型中的结点个数N值，如果是预测季度用电量，N值为3；如果选择预测月度用电量，则N值为11；如果预测周用电量，则N值为6；

⑦BP神经网络模型预测算法需要的影响因素个数由终端通过GPRS无线传输模块从电网公司电力数据主站获取；

⑧电量预测值和采集计算出的真实用电量存入本地和远程主站的历史记录文件中，作为下一次预测的样本数据，降低预测的误差；

⑨预测所需的配置参数以及预测结果通过本地存储管理模块存储于智能用电终端的本地数据文件中，通过GPRS通信控制模块存储在远程主站系统内，确保重要数据的容灾性。

本发明使用电能采集模块实时采集预测点的用电设备耗电量数据，这些耗电量数据可以通过智能用电终端的GPRS通信控制模块与电力主站交互获取，也可以存储于本地数据文件，结合节假日、周末、季节、温湿度等外部参考信息数据，训练人工神经网络模型，采用BP神经网络算法分析计算预测未来的用电量，同时，预测数据记录进历史数据库，为下一次的预测提供数据参考，用户可以获取到更加准确的用电量预测值。

本发明采用了BP神经网络模型预测算法，充分考虑了系统的适应性和健壮性，预测时间范围宽（可以是未来一周、未来一季度或未来一年）。预测出的用电量更加准确、适应性更强、更加智能，既能准确的根据历史用电量记录预测出下一时段的用电量，也能满足系统容灾的考虑，一定程度上避免了由于其中某一智能用电终端崩溃而造成的预测数据丢失和样本参数丧失。

本发明至少具有以下优点：

1）本发明方法简单实用，易于应用实现，不用花费大量的人力物力投入，可降低使用成本；

2）采用了简单的容灾设计，重要数据同时存放于智能用电终端本地文件和远程电力系统数据主站中，可加强预测方法的准确性和存活能力；

3）采用本发明方法，可以让用户提前知道用电情况，并结合用电优化算法，向用户提供有效的用电优化建议，改善用户用电习惯，避免用户电器不必要的电费支出，在经济上为用户节省电费；

4）通过使用本发明方法，可改善用户的用电习惯，在一个层面上降低用户高峰用电

造成的电网波动，使电网更加稳定，从而提供更加稳定的电力输送，提高居民用电的质

量，使生产制造等企业电力用户的生产平稳运行。

下面结合附图和实施例对本发明做进一步说明。

附图说明

图1是本发明的系统结构示意图；

图2是本发明采用BP神经网络的预测处理算法处理流程示意图。

具体实施方式

图1给出了本发明用电量智能预测系统的示意图。智能用电终端1通过电能采集模块2采集预测点的即时电能信息；GPRS通信控制模块5与电力系统主站连接，采集的电能信息既用于当前预测分析也通过GPRS存储于远程历史数据中心，为下一次预测提供样本和参照；预测值、训练样本、训练参数等重要数据在由本地存储管理模块3存储于本地的同时也通过GPRS通信控制模块5存储于远程主站系统中，如果出现某一智能用电终端发生灾难时，在重启后会自动从主站获取训练样本和参数，有效提高了预测方法的容灾优势和预测数据的高效、准确性。采用GPRS通信控制模块，数据可稳定快速传输，且数据通信安全。在预测的时候，结合自身算法，综合考虑节假日、季节、温湿度、降水量、电器数量和电器类型等外部因素，并使用预测分析计算模块4对这些因素的影响进行评估，其权重输入预测算法，使得预测的结果更加准确。

本发明系统中的智能用电终端1、电能采集模块2、本地存储管理模块3、预测值分析计算模块4、GPRS通信控制模块5既可采用现有技术，也可自行设计建立。

采用本发明进行用电量智能预测的方法如下，

①用电量预测点使用智能用电终端1作为主控单元，负责实时数据的采集、预测点的预测值分析计算、预测值的查询以及数据传输通信的控制；

②在用电量预测点的前端接入电能采集装置，电流通过电能采集装置再流入用电器，电能计量采集装置的数据输出与预测点智能用电终端（1）的电能采集模块（2）相连，实施电能信息采集；

③用电量预测点的智能用电终端1上接入GPRS通信控制模块5，实现多监测预测点与电网公司电力数据主站的远程通信；

④智能用电终端1通过电能采集模块2及其内部的软件程序实时采集用电器的即时功耗；

⑤智能用电终端1内部建立一个含有N个节点输入层，一个节点输出层，2N个隐含层和隐含节点的BP神经网络模型；

⑥将采集到的电能耗数据作为样本对预测值分析计算模块（4）的BP神经网络模型进行训练；

⑦根据预测的类型确定BP神经网络模型中的结点个数N值，如果是预测季度用电量，N值为3；如果选择预测月度用电量，则N值为11；如果预测周用电量，则N值为6；

⑦BP神经网络模型预测算法需要的影响因素个数由终端通过GPRS无线传输模块从电网公司电力数据主站获取；

⑧电量预测值和采集计算出的真实用电量存入本地和远程主站的历史记录文件中，作为下一次预测的样本数据，降低预测的误差；

⑨预测所需的配置参数以及预测结果通过本地存储管理模块3存储于智能用电终端1的本地数据文件中，通过GPRS通信控制模块5存储在远程主站系统内，确保重要数据的容灾性。

图2详细描述了本发明预测值分析计算模块4的核心预测算法的处理流程。具体过程如下：

①初始化BP神经网络：建立一个隐含层、四个输入神经元、一个输出神经元的BP神经网络；

②赋予权值初始值：给步骤①建立的BP神经网络各连接权重IW{1,1}、LW{2,1}及阈值b{1}、b{2}赋予（-1，+1）间的随机值；

③载入训练样本：加载由历史耗电数据以及节假日参数等构成的训练样本，计算出隐层的实际输出；

④正向计算预测值：计算输出层与隐层间的权值。以输出层的第r个神经元为对象，由给定的输出目标值tr（p）作为等式的多项式值建立方程，用线性方程组表示为：a0（1）v1r+a1（1）v2r+…+am（1）vmr=tr（1）a0（2）v1r+a1（2）v2r+…+am（2）vmr=tr（2）……a0（p）v1r+a1（p）v2r+…+am（p）vmr=tr（p）简写为：Av=T；

⑤根据历史预测数据和真实耗能数据计算总误差；

⑥精度判断：根据步骤⑤计算出的误差，判断精度是否达标。如果达标，跳到步骤⑩，否则执行下一步骤；

⑦发散判断：根据步骤⑤计算出的误差，判断是否发散。如果发散，跳到步骤②，否则执行下一步骤；

⑧调整学习：修改神经网络各层的权值和阈值以及I值和训练次数；

⑨训练是否结束判断：根据I值和训练次数，判断是否超出训练次数。如果训练次数没有超出预设次数，则跳到步骤③，否则执行下一步骤。

⑩记录权值和阈值，输出计算出的预测用电量，结束本次预测。

通过历史样本数据和采集的即时电能信息，不断训练已建立好的BP神经网络模型，让其具有高精度的预测自学能力，在每次训练完成后都会记录权值和阈值，以使下一次的预测更加快速和准确。

本发明在我国云南省的云电科技园作为试点进行测试，对家庭用电进行长达两个月的跟踪观察，证明能够有效的预测家庭用电量，为用电优化算法提供输入，从而向用户提供科学合理的用电建议，改善用户的用电习惯，为用户和电网公司节省了可观的电费支出。预测用电量从一定程度上可为发电提供参考，更好的保证电网的稳定运行和减少不必要的资源浪费。

Claims (2)

1.一种用电量智能预测系统，其特征在于，该系统包括智能用电终端（1）和分别与智能用电终端（1）连接的管理实时数据采集的电能采集模块(2)、本地存储管理模块(3)、预测点的预测值分析计算模块(4)、负责数据通信传输控制的GPRS通信控制模块（5）；预测值分析计算模块（4）核心预测处理算法采用BP神经网络。

2.一种用电量智能预测方法，其特征在于，方法如下，

①用电量预测点使用智能用电终端（1）作为主控单元，负责实时数据的采集、预测点的预测值分析计算、预测值的查询以及数据传输通信的控制；

②在用电量预测点的前端接入电能采集装置，电流通过电能采集装置再流入用电器，电能计量采集装置的数据输出与预测点智能用电终端（1）的电能采集模块（2）相连，实施电能信息采集；

③用电量预测点的智能用电终端（1）上接入GPRS通信控制模块（5），实现多监测预测点与电网公司电力数据主站的远程通信；

④智能用电终端（1）通过电能采集模块（2）及其内部的软件程序实时采集用电器的即时功耗；

⑤智能用电终端（1）软件内部建立一个含有N个节点输入层，一个节点输出层，2N个隐含层和隐含节点的BP神经网络模型；

⑥将采集到的电能耗数据作为样本对预测值分析计算模块（4）的BP神经网络模型进行训练；

⑦根据预测的类型确定BP神经网络模型中的结点个数N值，如果是预测季度用电量，N值为3；如果选择预测月度用电量，则N值为11；如果预测周用电量，则N值为6；

⑦BP神经网络模型预测算法需要的影响因素个数由终端通过GPRS无线传输模块从电网公司电力数据主站获取；

⑧电量预测值和采集计算出的真实用电量存入本地和远程主站的历史记录文件中，作为下一次预测的样本数据，降低预测的误差；

⑨预测所需的配置参数以及预测结果通过本地存储管理模块(3)存储于智能用电终端（1）的本地数据文件中，通过GPRS通信控制模块（5）存储在远程主站系统内，确保重要数据的容灾性。

Images