CN103514490A - 一种基于广义外推法的用户超短期用电量预测方法和系统 - Google Patents

Abstract

本发明提供一种基于广义外推法的用户超短期用电量预测方法，包括如下步骤：1）考虑用电量的横向性、周期性影响，利用电量求导法求取用电量预测值P1；2）考虑用电量的纵向性、延续性影响，利用增量外推法求取用电量预测值P2；3）利用广义外推法综合利用电量求导法求取用电量预测值P1和利用增量外推法求取用电量预测值P2，获得最终超短期电量预测值P，P＝w₁P₁+w₂P₂，w₁、w₂分别为其对应的权重因子，w₁+w₂＝1。本发明还提供一种基于广义外推法的用户超短期用电量预测系统。

Description

一种基于广义外推法的用户超短期用电量预测方法和系统

发明领域

本发明涉及一种用户超短期用电量预测方法和系统。更具体地，本发明涉及一种基于广义外推法的用户超短期用电量预测方法和系统。

背景技术

实际电力生产过程中，用户用电量预测非常重要，对于中长期用电量的预测，现有技术中国专利公开号CN10287221A公开的一种中长期电量预测动态横向修正方法。而对于短期、特别是超短期用电量预测研究显得不足，现有技术中已知使用常规的趋势外推法来预测短期用户用电量，但是准确度不高。因此存在研究更准确的预测方法的需求。

发明内容

本发明目的在于提供一种基于广义外推法的用户超短期用电量预测方法和系统，填补在该领域的空白。

一种基于广义外推法的用户超短期用电量预测方法，包括如下步骤：

1）考虑用电量的横向性、周期性影响，利用电量求导法求取用电量预测值P1；

2）考虑用电量的纵向性、延续性影响，利用增量外推法求取用电量预测值P2；

3）利用广义外推法综合利用电量求导法求取用电量预测值P1和利用增量外推法求取用电量预测值P2，获得最终超短期电量预测值P，P＝w₁P₁+w₂P₂，w₁、w₂分别为其对应的权重因子，w₁+w₂＝1。

其中，利用电量求导法求取用电量预测值P1的步骤包括如下子步骤：

1）从用电量数据库获取历史用电量序列P(i)，（i=1,2,3,…）；

2）利用历史用电量序列，求取在第i点的用电量变换率的预测值ΔP_(i)fore，

其中D为选用用电量的过去时刻数；K_j为第j时刻的合适因子，

ΔP_j(i)re为第j时刻的第i点ΔP_(i)re；

3）根据用电量求导法获得第i+1点的用电量变换率的预测值P_(i+1)fore＝P_(i)re+ΔP_(i)fore；

其中，利用增量外推法求取用电量预测值P2包括如下子步骤：

1）获得t0、t1时刻的用电量值P(t₀)、P(t₁)；

2）计算t0时刻到t1时刻的电量增量ΔP，ΔP＝P(t₁)-P(t₀)；

3）计算t2时刻的电量预测值P(t₂)，P(t₂)＝P(t₁)-ΔP。

一种基于广义外推法的用户超短期用电量预测系统，包括：

电量求导计算单元，其用于对从电量数据库获取的历史电量数据序列进行求导计算，获得用电量预测值P1；

增量外推计算单元，其用于对从电量数据库获取的历史电量数据序列增量外推计算，获得用电量预测值P2；

广义外推计算单元，其综合用电量预测值P1和用电量预测值P2，计算获得最终超短期电量预测值P。

其中所述电量求导计算单元包括：

电量数据获取单元，其从用电量数据库获取历史用电量序列P(i)，（i=1,2,3,…）；

第i点用电量变换率预测值计算单元，其利用历史用电量序列，求取在第i点的用电量变换率的预测值ΔP_(i)fore，

其中D为选用用电量的过去时刻数；K_j为第j时刻的合适因子，

ΔP_j(i)re为第j时刻的第i点ΔP_(i)re；

第i+1点用电量变换率预测值计算单元，其根据用电量求导法获得第i+1点的用电量变换率的预测值P_(i+1)fore＝P_(i)re+ΔP_(i)fore。

其中增量外推计算单元包括：

t0、t1时刻用电量值获取单元，其获得t0、t1时刻的用电量值P(t₀)、P(t₁)；

t0时刻到t1时刻电量增量计算单元，其计算t0时刻到t1时刻的电量增量ΔP，ΔP＝P(t₁)-P(t₀)；

t2时刻电量预测值计算单元，其计算t2时刻的电量预测值P(t₂)，P(t₂)＝P(t₁)-ΔP。

附图说明

图1为基于广义外推法的用户超短期用电量预测方法的流程图。

图2为基于电量求导法的用户超短期用电量预测方法的流程图。

图3为基于增量外推法的用户超短期用电量预测基本模型。

图4为基于增量外推法的用户超短期用电量预测方法的流程图。

图5为基于广义外推法的用户超短期用电量预测系统的方框图。

图6为常规的趋势外推法与本发明的广义外推法用户超短期用电量的预测偏差情况的比较。

图7为常规的趋势外推法与本发明的广义外推法用户超短期用电量的预测结果的比较。

具体实施方式

用户超短期用电量预测不仅要重视用电量成因分析，还应重视用电量本身内在变化规律的研究。把用电量数据当成一系列“纯粹”的数据看待来研究用电量预测，使用纯粹的数学方法，这就是失去了电力系统的特色。为此，项目中从用电量规律着手，研究了一种基于广义外推法的用户超短期用电量预测方法。

用户超短期用电量的周期性和延续性是进行超短期用电量预测的依据。用电量的周期性主要考虑的是相似日相同时刻的用电量变化量与当前预测日当前时刻的用电量变化量的相似性，以此进行预测；而用电量的连续性是考虑当前同前一时刻的变化量对当前日未来时刻的用电量变化量的影响。超短期用电量的周期性和延续性是与未来短时间内用电量变化关联最大的因素。项目中将周期性影响称为横向影响，延续性影响称为纵向影响。采用普通的用电量求导法来考虑横向影响，采用增量外推法来考虑纵向影响。

图2示出了考虑横向影响采用用电量求导法预测超短期用电量的方法。

对于用电量序列P(i)(i＝1，2，3，…)，用电量求导法的预测公式为：

P_(i+1)fore＝P_(i)re+ΔP_(i)fore

其中P_(i+1)fore为对第i+1点的用电量预测值；P_(i)re为第i点的用电量实际值；ΔP_(i)fore为第i点的用电量变化率的预测值。

${\mathrm{\ΔP}}_{\left(i\right)\mathrm{fore}}=\underset{j=1}{\overset{D}{\mathrm{\Σ}}}{K}_j\·{\mathrm{\ΔP}}_{j\left(i\right)\mathrm{re}}$

其中D为选用用电量的过去时刻数；K_j为第j时刻的合适因子，

ΔP_j(i)re为第j时刻的第i点ΔP_(i)re。

用电量求导法的优点是原理清楚，便于理解和应用，但是用电量求导法要求用电量的变化率具有稳定性和规律性，并且预测误差有累计效应。

图4示出了考虑纵向影响基于增量外推法的用户超短期用电量预测方法的流程图。

增量外推法就是一种线性外推，它把用户的超短期用电量看作一种近似线性变化的曲线，图3为基于增量外推法的用户超短期用电量预测基本模型，如图3所示，根据现有的用户超短期用电量的发展变化拟合一条直线，未来时刻的超短期用电量按照这条直线的规律进行变化和延伸，即把历史用电量发展的趋势用于预测后面时刻用电量的变化，增量外推法的外推增量为：

ΔP＝P(t₁)-P(t₀)   (1)

预测公式为：

P(t₂)＝P(t₁)-ΔP   (2)

式中P(t₀)、P(t₁)、P(t₂)分别为t₀、t₁、t₂时刻的用户用电量值。P(t₀)---预测时刻前10分钟的用电量值；P(t₁)---预测时刻前一时刻(5分钟)的用电量值；P(t₂)---下一时刻的超短期用电量预测值。

图1示出了综合横向和纵向影响基于广义外推法的用户超短期用电量预测方法的流程图。

项目所研究的广义外推法，就是综合考虑超短期用电量的周期性特性的影响(横向影响)和连续性特性的影响(纵向影响)，通过改变权重因子的大小找到两种影响对超短期用电量预测的影响程度大小，对未来时刻的用电量进行预测的方法。因此，基于广义外推法的用户超短期用电量预测方法就是用电量求导法、增量外推法预测结果的综合，即：

P＝w₁P₁+w₂P₂

其中P₁、P₂分别为用电量求导法、增量外推法的预测值，w₁、w₂分别为其对应的权重因子，w₁+w₂＝1。通过样本训练数据，合理地选择权重因子，就可以达到较好的超短期用电量预测结果。

为了验证本发明的广义外推法短期电量预测的有效性，本发明采用用电量实际数据进行了测试。实测数据为每隔10分钟采样的60个连续序列值。实际数据序列值如下：

实测数据=[573.7497 582.9435 589.3779 595.1567 580.8102573.0629 553.6443 534.7770 519.8346 498.7110 526.9015526.3180 494.1884 492.2142 490.5487 477.3541 454.8817473.0930 482.6901 503.6997 491.9935 479.5175 468.8929462.4354 441.4081 468.7512 467.8610 469.1818 479.2343487.1357 528.5856 526.0914 517.9860 495.1850 479.3012483.9698 480.1622 490.6417 503.0011 527.1036 532.2483535.3905 555.7037 563.0077 580.8820 580.7686 570.9191584.7136 593.6661 628.3354 633.3656 629.6014 620.4784615.0239 610.2505 609.5192 604.4376 603.0524 603.6372600.8026 547.1266 518.6055 498.9842 485.8208 454.4066497.9559 499.0470 507.7101 510.2418 510.1987 499.0158529.3002 526.8433 528.7341 528.3079 522.1436 568.2221587.0901 559.6210 538.7662 528.3019 526.1219 505.6262555.0353 547.1266 518.6055 498.9842 485.8208 454.4066497.9559 499.0470 507.7101 510.2418 510.1987 499.0158529.3002 526.8433 528.7341 528.3079 522.1436]。

通过常规的趋势外推法获得的预测值序列如下：

趋势外推法预测值=[578.8751 591.9966 578.8332 578.2794585.5226 567.1227 540.8344 523.1021 531.1309 484.3030519.2151 533.1063 483.4008 482.0681 484.5576 478.4466452.7491 474.7147 495.0367 512.1642 476.9697 490.3015484.9614 456.9354 454.9545 460.4821 477.3792 468.9272478.4237 486.8153 537.7239 524.5023 526.7751 500.2386469.7965 497.7306 487.8418 482.9128 508.5778 538.2933521.2376 534.5627 543.1458 567.3429 568.5126 581.3017581.4075 584.7771 580.7347 644.3253 638.0620 615.1415604.5558 602.9253 620.1053 605.3513 597.8035 612.7417595.5111 589.3428 525.0796 460.2834 465.3260 531.1953398.3765 438.5980 560.8729 536.4155 450.3155 562.5270449.5571 451.6133 468.3956 540.2981 515.4657 590.2563563.5513 585.6464 567.4333 540.6187 531.1376 540.6725492.7741 565.1065 566.4443 505.6229 515.3607 488.6448441.4731 499.8947 498.8027 495.6624 491.2944 511.5187503.1035 514.6970 532.4656 535.7473 541.9949 508.2183]。

通过本发明的广义外推法获得的预测值如下：

广义外推法预测值=[580.0971 580.4271 592.3079 590.8145582.6517 582.8419 558.3619 533.4700 517.0328 499.8495519.5426 526.0361 486.2127 484.9091 499.5596 472.3078458.2634 475.2741 480.3040 496.8336 488.7877 477.0684470.9992 470.9951 448.4222 464.4611 471.8889 478.5351489.1324 487.2047 526.3473 518.7485 519.2906 501.1461486.4591 479.8102 476.9511 484.0472 503.7182 522.4508530.8720 541.0949 546.7308 553.5895 584.7731 581.6202576.7928 580.2462 601.3980 637.1860 625.1774 623.2505624.9771 617.7424 611.5756 615.9509 600.8251 603.1271608.2867 609.2241 566.8241 546.7503 498.9532 498.2151468.1700 529.1721 500.0973 541.0856 527.8988 529.8989494.0208 517.0702 523.3795 549.1757 530.5854 550.0793575.4488 588.5010 568.8394 541.4977 536.8442 519.5187500.4962 549.0181 551.3195 525.7714 508.2175 487.0784454.6802 491.2614 499.7493 510.1734 506.6176 506.7342496.2545 537.5765 530.0187 533.6253 528.6410 519.7569]。

常规的趋势外推法的预测偏差数据序列值如下：

趋势外推法预测偏差=[-5.125464 -9.053051 10.5446816.87742 -4.712420 5.940167 12.80998 11.67502 -11.2962714.40791 7.686372 -6.788265 10.78765 10.14613 5.991169-1.092439 2.132607 -1.621654 -12.34658 -8.46449115.02379 -10.78400 -16.06857 5.499970 -13.546448.269074 -9.518195 0.2545996 0.8105092 0.3203269-9.138278 1.589185 -8.789215 -5.053644 9.504760-13.76078 -7.679572 7.728838 -5.576620 -11.1897211.01070 0.8277287 12.55785 -4.335220 12.36938 -0.5330846-10.48844 -0.06348096 12.93139 -15.98983 -4.69635614.45992 15.92262 12.09860 -9.854817 4.167927 6.634052-9.689317 8.126111 11.45970 22.04709 58.32206 33.65823-45.37446 56.03012 59.35791 -61.82590 -28.7054059.92634 -52.32830 49.45877 77.68692 58.44767 -11.5639912.84214 -68.11270 4.670819 1.443632 -7.812273 -1.852519-2.835700 -14.55062 12.85204 -10.07117 -19.3176212.98255 -16.37646 -2.823988 12.93355 -1.9388770.2442785 12.04771 18.94738 -1.319981 -4.08761714.60317 -5.622354 -7.013213 -13.68710 13.92525];

本发明的广义外推法的预测偏差数据序列值如下：

广义外推法预测偏差=[-6.347411 2.516489 -2.9300354.342242 -1.841492 -9.779025 -4.717540 1.3070522.801809 -1.138511 7.358906 0.2819018 7.975709 7.305080-9.010900 5.046286 -3.381756 -2.181090 2.3860816.866064 3.205861 2.449047 -2.106372 -8.559674 -7.0141294.290090 -4.027905 -9.353355 -9.898110 -0.069067932.238310 7.342921 -1.304739 -5.961161 -7.1578154.159602 3.211084 6.594508 -0.7170331 4.652759 1.376273-5.704418 8.972885 9.418249 -3.891112 -0.8516484-5.873721 4.467359 -7.731955 -8.850526 8.1881976.350981 -4.498726 -2.718536 -1.325063 -6.4317223.612538 -0.07472874 -4.649510 -8.421504 -19.69744-28.14487 0.03094517 -12.39434 -13.76336 -31.21624-1.050323 -33.37553 -17.65701 -19.70012 4.99510612.23002 3.463778 -20.44163 -2.277558 -27.93573-7.226695 -1.410964 -9.218346 -2.731531 -8.5422436.603215 5.129913 6.017313 -4.192774 -7.165948 -9.233262-1.257585 -0.2735812 6.694451 -0.7023454 -2.4633783.624181 3.464525 2.761345 -8.276270 -3.175483 -4.891154-0.3331434 2.386714]。

如图6所示，其示出了常规的趋势外推法和本发明的广义外推法的预测偏差情况的比较。

并且，如图7所示，示出了常规的趋势外推法和本发明的广义外推法用户超短期用电量的预测结果。从图6和图7中可以发现本发明的广义外推法具有更好的准确度，可以满足实际要求。

虽然已经关于具体实施例描述了本发明，但是本发明不是意在对其进行限制。相关技术领域的技术人员很容易作出修改、改进和变形，意在将所有的这些修改、改进和变形包含在本发明的权利要求的范围内。

Claims (6)

1.一种基于广义外推法的用户超短期用电量预测方法，包括如下步骤： 

1）考虑用电量的横向性、周期性影响，利用电量求导法求取用电量预测值P1； 

2）考虑用电量的纵向性、延续性影响，利用增量外推法求取用电量预测值P2； 

3）利用广义外推法综合利用电量求导法求取用电量预测值P1和利用增量外推法求取用电量预测值P2，获得最终超短期电量预测值P，P＝w₁P₁+w₂P₂，w₁、w₂分别为其对应的权重因子，w₁+w₂＝1。 

2.根据权利要求1所述的方法，其中利用电量求导法求取用电量预测值P1的步骤包括如下子步骤： 

1）从用电量数据库获取历史用电量序列P(i)，（i=1,2,3,…）； 

2）利用历史用电量序列，求取在第i点的用电量变换率的预测值ΔP_(i)fore， 

其中D为选用用电量的过去时刻数；K_j为第j时刻的合适因子，

ΔP_j(i)re为第j时刻的第i点ΔP_(i)re； 

3）根据用电量求导法获得第i+1点的用电量变换率的预测值P_(i+1)fore＝P_(i)re+ΔP_(i)fore。

3.根据权利要求1所述的方法，其中利用增量外推法求取用电量预测值P2包括如下子步骤： 

1）获得t0、t1时刻的用电量值P(t₀)、P(t₁)； 

2）计算t0时刻到t1时刻的电量增量ΔP，ΔP＝P(t₁)-P(t₀)； 

3）计算t2时刻的电量预测值P(t₂)，P(t₂)＝P(t₁)-ΔP。 

4.一种实现权利要求1-3任意一项所述的方法的基于广义外推法的用 户超短期用电量预测系统，包括： 

电量求导计算单元，其用于对从电量数据库获取的历史电量数据序列进行求导计算，获得用电量预测值P1； 

增量外推计算单元，其用于对从电量数据库获取的历史电量数据序列增量外推计算，获得用电量预测值P2； 

广义外推计算单元，其综合用电量预测值P1和用电量预测值P2，计算获得最终超短期电量预测值P。 

5.根据权利要求4所述的系统，其中所述电量求导计算单元包括： 

电量数据获取单元，其从用电量数据库获取历史用电量序列P(i)，（i=1,2,3,…）； 

第i点用电量变换率预测值计算单元，其利用历史用电量序列，求取在第i点的用电量变换率的预测值ΔP_(i)fore，其中D为选用用电量的过去时刻数；K_j为第j时刻的合适因子，

ΔP_j(i)re为第j时刻的第i点ΔP_(i)re； 

第i+1点用电量变换率预测值计算单元，其根据用电量求导法获得第i+1点的用电量变换率的预测值P_(i+1)fore＝P_(i)re+ΔP_(i)fore。 

6.根据权利要求4所述的系统，其中增量外推计算单元包括： 

t0、t1时刻用电量值获取单元，其获得t0、t1时刻的用电量值P(t₀)、P(t₁)； 

t0时刻到t1时刻电量增量计算单元，其计算t0时刻到t1时刻的电量增量ΔP，ΔP＝P(t₁)-P(t₀)； 

t2时刻电量预测值计算单元，其计算t2时刻的电量预测值P(t₂)，P(t₂)＝P(t₁)-ΔP。 

Images