CN103530701B - 一种基于季节指数法的用户月用电量预测方法和系统 - Google Patents

Abstract

提供一种基于季节指数法的用户月用电量预测方法,包括如下步骤：1）利用用电量历史数据获取单元从用电量历史数据库获取用电量历史数据，并且保存在用电量历史数据存储单元中；2）季节指数计算单元根据用电量历史数据求取季节指数I_j；以及3）用电量预测模型构建单元利用季节指数构建用电量预测模型本发明还提供了一种基于季节指数法的用户月用电量预测系统。

Description

一种基于季节指数法的用户月用电量预测方法和系统

技术领域

本发明涉及一种用户月用电量预测方法和系统。更具体地，本发明涉及一种基于季节指数法的用户月用电量预测方法和系统。

由于用户月用电量预测对电源开发、电网建设、社会安定、居民生活及电力公司本身的发展都有很大的影响，因此世界各地的电力部门都十分重视电力需求预测工作，设置专门的机构，由经济分析、用电量预测、负荷预测等方面的专业人员来从事电力需求预测工作，由于起步较早，各自开发出一种或几种适合于本国经济运行特点的需电量预测方式，而且几种方式可以相互效验。预测的方法有：部门分析法进行预测，计量模型法，最终需求法，弹性系数法，类比法，积累法，计量经济模型方法，还有比较复杂的经济模型法如灰色模型法、模糊数学模型法和神经网络法等。但是实际上用户月用电量同时具有线性增长性和季节波动性的二重趋势，受政治，经济，生活水平等各方面多种因素的影响，并且各行业及居民生活月用电量的历史数据仍是复杂的非线形组合特征的序列，这使得用户月用电量的变化呈现复杂的非线形组合特征。上述各种方法显得难以准确预测用户的月用电量需求。

发明内容

因此，本发明提出一种基于季节指数法来准确预测用户月用电量需求的方法和系统。

根据本发明，一种基于季节指数法的用户月用电量预测方法，包括如下步骤：

1）利用用电量历史数据获取单元从用电量历史数据库获取用电量历史数据，并且保存在用电量历史数据存储单元中；

2）季节指数计算单元根据用电量历史数据求取季节指数I_j；以及

3）用电量预测模型构建单元利用季节指数构建用电量预测模型

其中求取季节指数I_j的步骤包括下列子步骤：

1）将历史用电量数据序列x₁,x₂,…，x_T（T=nm）,顺序标记为x₁₁,x₁₂,…，x_1n；x₂₁,x₂₂,…，x_2n；…；x_m1,x_m2,…，x_mn，其中为n数据序列的周期，m为周期的个数；

2）根据这些数据序列计算出所有数据的平均值 $\stackrel{\‾}{x}=\frac{(x_{k1}+x_{k1}+\·\·\·+x_{\mathrm{kn}})}{n},$ （k=1,2，…，m）；

3）计算各周期同时刻指数I_ks，（k=1,2，…，m；s=1,2，…，n）；以及

4）计算季节指数I_j，（j=1,2，…，n）。

其中利用季节指数构成用电量预测模型包括下列子步骤：

1）计算消除季节影响的用电量序列x_ks′，（k=1,2，…，m；s=1,2，…，n）；以及

2）把x₁₁′,x₁₂′,…,x_1n′；x₂₁′,x₂₂′,…,x_2n′；x_m1′,x_m2′,…,x_mm′再重新编号记为x₁′,x₂′,…,x_T′，其中T＝nm，用二次移动平均法计算出线性趋势得到客户月用电量预测模型为

本发明还提供一种基于季节指数法的用户月用电量预测系统，包括用电量历史数据获取单元，用电量历史数据库、用电量历史数据存储单元、季节指数求取单元、用电量预测模型构建单元。其中季节指数求取单元包括历史用电量数据排序计算单元、历史用电量数据平均值计算单元、各周期同时刻指数计算单元、季节指数计算单元。

本发明的方法和系统利用季节指数法较好地预测了用户月用电量。取得了很好的社会效益和经济效益。

附图说明

图1表示根据本发明的基于季节指数法的用户月用电量预测方法的流程图。

图2表示求取季节指数I_j的子步骤的流程图。

图3表示根据本发明的基于季节指数法的用户月用电量预测系统的方框图。

图4表示常规的灰色预测法和本发明的季节指数法的用户月用电量预测结果的比较。

图5表示常规的灰色预测法和本发明的季节指数法的用户月用电量预测偏差情况的比较。

具体实施方式

对于实际的用户用电量历史数据序列，一般不是严格满足线性趋势模型(a+bt)，其中a为趋势直线的截距，b为直线的斜率，t为时间，因而可以考虑不同季节来设置相应的季节指数I_j。

如图1所示，示出了一种基于季节指数法的用户月用电量预测方法的流程图，其中包括如下步骤：

1）利用用电量历史数据获取单元从用电量历史数据库获取用电量历史数据，并且保存在用电量历史数据存储单元中；

2）季节指数计算单元根据用电量历史数据求取季节指数I_j；以及

3）用电量预测模型构建单元利用季节指数构建用电量预测模型

如图2所示，示出了其中求取季节指数I_j的步骤包括下列子步骤：

1）将历史用电量数据序列x₁,x₂,…，x_T（T=nm）,顺序标记为x₁₁,x₁₂,…，x_1n；x₂₁,x₂₂,…，x_2n；…；x_m1,x_m2,…，x_mn，其中为n数据序列的周期，m为周期的个数；

2）根据这些数据序列计算出所有数据的平均值 $\stackrel{\‾}{x}=\frac{(x_{k1}+x_{k1}+\·\·\·+x_{\mathrm{kn}})}{n},$ （k=1,2，…，m）；

3）计算各周期同时刻指数I_ks，（k=1,2，…，m；s=1,2，…，n）；以及

4）计算季节指数I_j，（j=1,2，…，n）。

由于根据季节性趋势模型可知，用户用电量预测值x_t=(a+bt)I_j，即(a+bt)=x_t/I_j。当I_j已知时，可以计算消除季节影响的用电量序列x_ks′。

其中利用季节指数构成用电量预测模型包括下列子步骤：

1）计算消除季节影响的用电量序列x_ks′，（k=1,2，…，m；s=1,2，…，n）；以及

2）把x₁₁′,x₁₂′,…,x_1n′；x₂₁′,x₂₂′,…,x_2n′；x_m1′,x_m2′,…,x_mm′再重新编号记为x₁′,x₂′,…,x_T′，其中T＝nm，用二次移动平均法计算出线性趋势得到客户月用电量预测模型为

如图3所示，示出了本发明的一种基于季节指数法的用户月用电量预测系统，包括用电量历史数据库,用于存放用电量历史数据；用电量历史数据获取单元，用于从用电量历史数据库获取用电量历史数据；用电量历史数据存储单元,用于存储用电量历史数据获取单元从用电量历史数据库获取的用电量历史数据；季节指数求取单元,用于求取根据用电量历史数据求取季节指数I_j；用电量预测模型构建单元，用于构建用电量预测模型。其中季节指数求取单元包括历史用电量数据排序计算单元,用于对历史用电量数据进行排序和计算；历史用电量数据平均值计算单元,用于计算历史用电量数据的平均值；各周期同时刻指数计算单元,用于计算各周期同时刻的指数I_ks；以及季节指数计算单元，用于计算季节指数I_j。

为了验证基于季节指数法的用户月用电量预测方法的有效性，本发明使用实测数据进行了测试。实测数据为每月采样的24个连续序列值（单位：MkW）。实际数据序列值如下：

实测数据=[30.2319029.2021830.7187932.5926629.2774632.7187129.5455129.9449531.9360130.0126829.9752832.4369130.0596034.0407232.4073231.8953433.3769434.4896532.3791133.7716333.5582834.4010333.8173433.10472]。

常规的灰色预测法得到的预测结果如下：

灰色预测法预测值=[31.2838530.0930630.0627233.0865829.2722734.0782529.1995530.1937531.5015630.3862729.3625131.8180329.5972933.0218132.4333030.8795334.4087633.7833431.4287033.2516734.8535834.0393032.5228633.77557]。

本发明的季节指数法得到的预测结果如下：

季节指数法预测值=[29.6833830.1959531.1395532.4223330.1757133.1845528.6256830.0743832.6964130.2607129.1246431.9063930.7565833.3564532.6139332.1662533.9414834.1190532.2740633.3312733.3576734.5867233.2278133.25502]。

如图4所示，其表示常规的灰色预测法和本发明的季节指数法的用户月用电量预测结果的比较。

常规的灰色预测法的预测偏差如下：

灰色预测法预测偏差=[-1.051948-0.89087490.6560676-0.49392620.005190293-1.3595450.3459600-0.24880080.4344521-0.37359040.61277570.61888200.46230791.018907-0.025977811.015809-1.0318220.70630090.95041330.5199642-1.2952920.36173051.294480-0.6708548]。

本发明的季节指数法的预测偏差如下：

季节指数法预测偏差=[0.5485296-0.9937620-0.42076190.1703289-0.8982460-0.46584660.9198346-0.1294253-0.7604017-0.24803110.85064010.5305204-0.69698070.6842713-0.2066020-0.2709087-0.56453840.37060210.10505350.44036740.2006152-0.18569290.5895247-0.1502952]。

如图5所示，其表示常规的灰色预测法和本发明的季节指数法的用户月用电量预测偏差情况的比较。

测试结果表明了本发明的季节指数法在预测用户月用电量时具有更好的准确度，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 (2)

1.一种基于季节指数法的用户月用电量预测方法,包括如下步骤：

1)利用用电量历史数据获取单元从用电量历史数据库获取用电量历史数据，并且保存在用电量历史数据存储单元中；

2)季节指数计算单元根据用电量历史数据求取季节指数I_j；以及

3)用电量预测模型构建单元利用季节指数构建用电量预测模型

其中求取季节指数I_j的步骤包括下列子步骤：

1)将历史用电量数据序列x₁,x₂,…，x_T(T＝nm),顺序标记为x₁₁,x₁₂,…，x_1n；x₂₁,x₂₂,…，x_2n；…；x_m1,x_m2,…，x_mn，其中为n数据序列的周期，m为周期的个数；

2)根据这些数据序列计算出所有数据的平均值 (k＝1,2，…，m)；

3)计算各周期同时刻指数I_ks，(k＝1,2，…，m；s＝1,2，…，n)；以及

4)计算季节指数I_j，(j＝1,2，…，n)；

其中利用季节指数构成用电量预测模型包括下列子步骤：

1)计算消除季节影响的用电量序列x′_ks，(k＝1,2，…，m；s＝1,2，…，n)；以及

2)把x′₁₁,x′₁₂,…,x′_1n；x′₂₁,x′₂₂,…,x′_2n；x′_m1,x′_m2,…,x′_mm再重新编号记为x′₁,x′₂,…,x′_T，其中T＝nm，用二次移动平均法计算出线性趋势得到客户月用电量预测模型为

2.一种实现权利要求1的方法的系统，包括:

用电量历史数据库,用于存放用电量历史数据；

用电量历史数据获取单元，用于从用电量历史数据库获取用电量历史数据；

用电量历史数据存储单元,用于存储用电量历史数据获取单元从用电量历史数据库获取的用电量历史数据；

季节指数求取单元,用于求取根据用电量历史数据求取季节指数I_j；

用电量预测模型构建单元，用于构建用电量预测模型；

其中季节指数求取单元包括:

历史用电量数据排序计算单元,用于对历史用电量数据进行排序和计算；

历史用电量数据平均值计算单元,用于计算历史用电量数据的平均值；

各周期同时刻指数计算单元,用于计算各周期同时刻的指数I_ks；以及

季节指数计算单元，用于计算季节指数I_j。