CN103729689B - 一种基于行业分类与主导行业数据的电网电量预测方法 - Google Patents
一种基于行业分类与主导行业数据的电网电量预测方法 Download PDFInfo
- Publication number
- CN103729689B CN103729689B CN201310711314.8A CN201310711314A CN103729689B CN 103729689 B CN103729689 B CN 103729689B CN 201310711314 A CN201310711314 A CN 201310711314A CN 103729689 B CN103729689 B CN 103729689B
- Authority
- CN
- China
- Prior art keywords
- industry
- user
- power consumption
- total
- electricity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于行业分类与主导行业数据的电网电量预测方法,包括(1)划分用户类型;(2)选择用户类型;(3)进行行业划分;(4)采集划分得到的每个行业的用电总量和电网总用电量;(5)建立总电量多元线性回归预测模型,并用该模型得倒总电量预测值P1:(6)建立总电量灰色GM(1,N)模型,用该模型得倒总电量预测值P2:(7)取P1和P2的平均值作为最后的预测结果,得到总电量的预测值P。本发明原理简单,预测结果精度好,实现了用小样本数据对总电量的预测,大幅降低电量预测过程中的数据收集工作,具有很强的可操作性。
Description
技术领域
本发明涉及电网数据处理领域,特别涉及一种基于行业分类与主导行业数据的电网电量预测方法。
背景技术
受经济转型、产业结构调整等因素的影响,电网的总用电量也相应发生变化。电量预测是电力市场中的一项基本工作,结合行业用电特点来正确地进行电量预测,为供电企业提供营销决策支持,对电网的安全经济运行以及电力市场的建设和发展都具有十分重要的意义。
行业用电是电网用电量的基础。不同行业的用电变化趋势,对电网电量的影响不同,甚至某个行业的用电趋势可以主导电网电量的变化趋势。目前,电量和负荷预测方法主要呈现以下两点问题,一是追求对电网总电量原始数据的拟合精度,二是追求基于大容量样本前提的复杂算法,而忽视了电网用户和行业特点。在电量预测工作中,由于影响因素众多且不同行业影响因素各异,导致不同行业的用电趋势也存在较大差异,如果一味追求数据的拟合精度,会降低预测方法的泛化性;如果过于追求复杂算法,则会由于数据需求量太大而降低可操作性。
发明内容
为了克服现有技术的上述缺点与不足,本发明的目的在于提供一种基于行业分类与主导行业数据的电网电量预测方法,能有效结合电网用户的行业用电特点,预测结果精度好。
本发明的目的通过以下技术方案实现:
一种基于行业分类与主导行业数据的电网电量预测方法,包括以下步骤:
(1)根据电价类型和负荷特性进行将电网中的用户划分成不同的用户类型;
(2)选择用户类型:筛选出用电量占电网用电总量的比例超过阈值的用户类型,得到用于预测的用户类型;
(3)根据用户类型的行业性质对步骤(2)筛选得到的用户类型中的所有用户进行行业划分;
(4)采集步骤(3)划分得到的每个行业中用户的用电量和每个行业用电总量,具体为:
(4-1)将步骤(3)划分得到的每个行业中的用户在各自行业中按用电量大小从大到小排序;
(4-2)从排序由小到大对每个用户的用电量进行采集,满足以下条件即可:
式中,qij表示第i个行业的第j个用户的用电量,m表示行业总数量;Qi表示第i个行业的用电总量;
当满足上式时,n即为所需采集的第i个行业的用户总数量,qi1…qin即为第i个行业中所需采集的用户的用电量;
(5)建立总电量多元线性回归预测模型:
(5-1)求取步骤(3)划分得到的每个行业的用电总量与电网总电量相关系数;
(5-2)求取相关系数的平均值,将相关系数小于平均值的行业去除,剩下的行业即为与电网电量关系密切的用于多元线性回归预测的主导行业;
(5-3)建立多元线性回归预测模型:
(5-3-1)以用于多元线性回归预测的主导行业中的用户的用电量、外部经济数据作为输入量,建立多元线性回归模型,得到各行业用户未来的用电量并求和,从而得到各行业未来的用电量Xi 1,
式中,qij表示第i个用于多元线性回归预测的主导行业的第j个用户的用电量,m’表示用于多元线性回归预测的主导行业的总数量,n为步骤(4)所采集的第i个行业的用户总数量;β0为常数项,βj、α1、α2…为回归系数;E1、E2…为第1、2、…个外部经济数据;
(5-3-2)将各行业未来的用电量Xi 1作为输入,再次建立多元线性回归预测模型,得到总电量的预测值P1:
式中,ε0为常数项,εi为回归系数;Xi 1为各行业未来的用电量,m表示行业总数量;
(6)建立总电量灰色GM(1,N)模型:
(6-1)求取每个行业的用电总量与电网总电量相关联度;
(6-2)求取相关联度的平均值,将相关联度小于平均值的行业去除,剩下的行业即为与电网电量关系密切的用于建立总电量灰色GM(1,N)模型的主导行业;
(6-3)建立总电量灰色GM(1,N)模型:
(6-3-1)以用于建立总电量灰色GM(1,N)模型的主导行业中的用户的用电量、外部经济数据作为输入量,建立GM(1,N)模型,得到各行业用户未来的用电量并求和,从而得到各行业未来的用电量Xi 2:
Xi 2=GM(1,N)
其中,输入量为N个,分别为qij、E1、E2…;qij表示第i个行业的第j个用户的用电量;E1、E2…为第1、2、…个外部经济数据;i=1,2,…,m;j=1,2,…,n;m表示行业总数量,n表示第i个行业的用户总数量;
(6-3-2)将各行业未来的用电量Xi 2为输入量,再次建立灰色GM(1,N)预测模型,得到总电量的预测值P2,其输入量为Xi 2,i=1,2,…m;
P2=GM(1,N')
式中N’表示输入量个数,N’=m;
(7)取P1和P2的平均值作为最后的预测结果,得到总电量的预测值P。
步骤(1)所述根据电价类型和负荷特性进行将电网中的用户划分成不同的用户类型,具体为:
将电网中的用户划分成5种用户类型:工业用户、商业用户、非工业用户、居民用户及其它用户。
步骤(2)所述选择用户类型,具体为:筛选出用电量占电网用电总量的比例超过10%的用户类型,得到用于预测的用户类型。
与现有技术相比,本发明具有以下优点和有益效果:
1、通过用户类型划分、行业划分及行业的筛选,可以提取出与电网电量关系密切的主导行业,大大降低用于建立数学模型的数据样本,实现了利用小样本数据对电网电量的预测,方法简单准确,容易推广,可应于供电企业的电量预测工作中。
2、通过行业划分及对各行业的用电量分析,可以更好的把握每类行业的电量增长趋势及经济增长趋势,为供电企业更有针对性的进行制定营销计划和进行电网规划提供重要依据。
附图说明
图1为本发明的实施例的基于行业分类与主导行业数据的电网电量预测方法的流程图。
具体实施方式
下面结合实施例,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1所示,本实施例的基于行业分类与主导行业数据的电网电量预测方法,包括以下步骤:
(1)根据电价类型和负荷特性进行将电网中的用户划分成不同的用户类型:将电网中的用户划分成5种用户类型:工业用户、商业用户、非工业用户、居民用户及其它用户;
(2)选择用户类型:具体为:筛选出用电量占电网用电总量的比例超过10%的用户类型,得到用于预测的用户类型,即:
式中,ui表示第i类用户的用电量,U表示电网总用电量,阈值为10%,当第i类用户的用电比例大于等于阈值时,则选择该用户类型用于预测;
(3)根据用户类型的行业性质对步骤(2)筛选得到的用户类型中的所有用户进行行业划分;可以根据《国民经济行业用电分类标准》进行划分,亦可根据电网的实际情况进行划分;
(4)采集步骤(3)划分得到的每个行业中用户的用电量和每个行业用电总量,具体为:
(4-1)将步骤(3)划分得到的每个行业中的用户在各自行业中按用电量大小从大到小排序;
(4-2)从排序由小到大对每个用户的用电量进行采集,满足以下条件即可:
式中,qij表示第i个行业的第j个用户的用电量,m表示行业总数量;Qi表示第i个行业的用电总量;
当满足上式时,n即为所需采集的第i个行业的用户总数量,qi1…qin即为第i个行业中所需采集的用户的用电量;
当满足上式时,即为第i个行业的用电量。
(5)建立多元线性回归预测模型:
(5-1)求取步骤(3)划分得到的每个行业的用电总量与电网总电量的相关系数;
(5-2)求取相关系数的平均值,将相关系数小于平均值的行业去除,剩下的行业即为与电网电量关系密切的用于多元线性回归预测的主导行业;
(5-3)建立多元线性回归预测模型:
(5-3-1)以用于多元线性回归预测的主导行业中的用户的用电量、外部经济数据作为输入量,建立多元线性回归模型,得到各行业用户未来的用电量并求和,从而得到各行业未来的用电量Xi 1
式中,qij表示第i个用于多元线性回归预测的主导行业的第j个用户的用电量,m’表示用于多元线性回归预测的主导行业的总数量,n为步骤(4)所采集的第i个行业的用户总数量;β0为常数项,βj、α1、α2…为回归系数;E1、E2…为第1、2、…个外部经济数据;
(5-3-2)将各行业未来的用电量Xi 1作为输入,再次建立多元线性回归预测模型,得到总电量的预测值P1:
式中,ε0为常数项,εi为回归系数;Xi 1为各行业未来的用电量,m表示行业总数量;
(6)建立总电量灰色GM(1,N)模型:
(6-1)求取每个行业的用电总量与电网总电量的相关联度;
(6-2)求取相关联度的平均值,将相关联度小于平均值的行业去除,剩下的行业即为与电网电量关系密切的用于建立总电量灰色GM(1,N)模型的主导行业;
(6-3)建立总电量灰色GM(1,N)模型:
(6-3-1)以用于建立总电量灰色GM(1,N)模型的主导行业中的用户的用电量、外部经济数据作为输入量,建立GM(1,N)模型,得到各行业用户未来的用电量并求和,从而得到各行业未来的用电量Xi 2:
Xi 2=GM(1,N)
其中,输入量为N个,分别为qij、E1、E2…;qij表示第i个行业的第j个用户的用电量;E1、E2…为第1、2、…个外部经济数据;i=1,2,…,m;j=1,2,…,n;m表示行业总数量,n表示第i个行业的用户总数量;
(6-3-2)将各行业未来的用电量Xi 2为输入量,再次建立灰色GM(1,N)预测模型,得到总电量的预测值P2,其输入量为Xi 2,i=1,2,…m;
P2=GM(1,N')
式中N’表示输入量个数,N’=m;
(7)取P1和P2的平均值作为最后的预测结果,得到总电量的预测值P。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.一种基于行业分类与主导行业数据的电网电量预测方法,其特征在于,包括以下步骤:
(1)根据电价类型和负荷特性进行将电网中的用户划分成不同的用户类型;
(2)选择用户类型:筛选出用电量占电网用电总量的比例超过阈值的用户类型,得到用于预测的用户类型;
(3)根据用户类型的行业性质对步骤(2)筛选得到的用户类型中的所有用户进行行业划分;
(4)采集步骤(3)划分得到的每个行业中用户的用电量和每个行业用电总量,具体为:
(4-1)将步骤(3)划分得到的每个行业中的用户在各自行业中按用电量大小从大到小排序;
(4-2)从排序由小到大对每个用户的用电量进行采集,满足以下条件即可:
式中,qij表示第i个行业的第j个用户的用电量,m表示行业总数量;Qi表示第i个行业的用电总量;
当满足上式时,n即为所需采集的第i个行业的用户总数量,qi1…qin即为第i个行业中所需采集的用户的用电量;
(5)建立多元线性回归预测模型:
(5-1)求取步骤(3)划分得到的每个行业的用电总量与电网总电量的相关系数;
(5-2)求取相关系数的平均值,将相关系数小于平均值的行业去除,剩下的行业即为与电网电量关系密切的用于多元线性回归预测的主导行业;
(5-3)建立多元线性回归预测模型:
(5-3-1)以用于多元线性回归预测的主导行业中的用户的用电量、外部经济数据作为输入量,建立多元线性回归模型,得到各行业用户未来的用电量并求和,从而得到各行业未来的用电量Xi 1,
式中,qij表示第i个用于多元线性回归预测的主导行业的第j个用户的用电量,m’表示用于多元线性回归预测的主导行业的总数量,n为步骤(4)所采集的第i个行业的用户总数量;β0为常数项,βj、α1、α2为回归系数;E1、E2…为第1、2、…个外部经济数据;
(5-3-2)将各行业未来的用电量Xi 1作为输入,再次建立多元线性回归预测模型,得到总电量的预测值P1:
式中,ε0为常数项,εi为回归系数;Xi 1为各行业未来的用电量,m表示行业总数量;
(6)建立总电量灰色GM(1,N)模型:
(6-1)求取每个行业的用电总量与电网总电量的相关联度;
(6-2)求取相关联度的平均值,将相关联度小于平均值的行业去除,剩下的行业即为与电网电量关系密切的用于建立总电量灰色GM(1,N)模型的主导行业;
(6-3)建立总电量灰色GM(1,N)模型:
(6-3-1)以用于建立总电量灰色GM(1,N)模型的主导行业中的用户的用电量、外部经济数据作为输入量,建立GM(1,N)模型,得到各行业用户未来的用电量并求和,从而得到各行业未来的用电量Xi 2:
Xi 2=GM(1,N)
其中,输入量为N个,分别为qij、E1、E2…;qij表示第i个行业的第j个用户的用电量;E1、E2…为第1、2、…个外部经济数据;i=1,2,…,m;j=1,2,…,n;m表示行业总数量,n表示第i个行业的用户总数量;
(6-3-2)将各行业未来的用电量Xi 2为输入量,再次建立灰色GM(1,N)预测模型,得到总电量的预测值P2,其输入量为Xi 2,i=1,2,…m;
P2=GM(1,N')
式中N’表示输入量个数,N’=m;m表示行业总数量;
(7)取P1和P2的平均值作为最后的预测结果,得到总电量的预测值P。
2.根据权利要求1所述的基于行业分类与主导行业数据的电网电量预测方法,其特征在于,步骤(1)所述根据电价类型和负荷特性进行将电网中的用户划分成不同的用户类型,具体为:
将电网中的用户划分成5种用户类型:工业用户、商业用户、非工业用户、居民用户及其它用户。
3.根据权利要求1所述的基于行业分类与主导行业数据的电网电量预测方法,其特征在于,步骤(2)所述选择用户类型,具体为:筛选出用电量占电网用电总量的比例超过10%的用户类型,得到用于预测的用户类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310711314.8A CN103729689B (zh) | 2013-12-20 | 2013-12-20 | 一种基于行业分类与主导行业数据的电网电量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310711314.8A CN103729689B (zh) | 2013-12-20 | 2013-12-20 | 一种基于行业分类与主导行业数据的电网电量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103729689A CN103729689A (zh) | 2014-04-16 |
CN103729689B true CN103729689B (zh) | 2017-01-11 |
Family
ID=50453751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310711314.8A Active CN103729689B (zh) | 2013-12-20 | 2013-12-20 | 一种基于行业分类与主导行业数据的电网电量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103729689B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268641A (zh) * | 2014-09-15 | 2015-01-07 | 华南理工大学 | 一种考虑三级行业划分的电量预测方法 |
CN104318316A (zh) * | 2014-10-09 | 2015-01-28 | 中国科学院自动化研究所 | 一种用户用电实时测量方法 |
CN105989420B (zh) * | 2015-02-12 | 2020-07-17 | 西门子公司 | 确定用户用电行为特征的方法、用户用电负荷的预测方法和装置 |
CN104794535B (zh) * | 2015-04-16 | 2018-07-06 | 清华大学 | 一种基于主导行业的电力需求预测及预警的方法 |
CN105321001A (zh) * | 2015-11-10 | 2016-02-10 | 国网北京市电力公司 | 售电数据处理方法和装置 |
CN106408183A (zh) * | 2016-09-09 | 2017-02-15 | 国家电网公司 | 供电指标调控方法 |
CN106651630B (zh) * | 2016-09-27 | 2019-09-27 | 中国南方电网有限责任公司电网技术研究中心 | 关键用电行业识别方法和系统 |
CN108009694A (zh) * | 2016-10-27 | 2018-05-08 | 中国科学院遥感与数字地球研究所 | 空心村整治潜力分级评估系统 |
CN107292420A (zh) * | 2017-05-24 | 2017-10-24 | 国网北京市电力公司 | 数据处理方法和装置 |
CN107292455A (zh) * | 2017-07-31 | 2017-10-24 | 华自科技股份有限公司 | 用电量预测方法、装置、可读存储介质和计算机设备 |
CN107679659B (zh) * | 2017-09-29 | 2021-08-03 | 国网湖南省电力公司 | 新型工业用电量预测方法 |
CN107784455A (zh) * | 2017-11-16 | 2018-03-09 | 鼎信信息科技有限责任公司 | 一种基于行业用电数据库和配变重过载预测的电网削峰填谷方法 |
CN109711621A (zh) * | 2018-12-27 | 2019-05-03 | 浙江华云信息科技有限公司 | 基于判别分析和支持向量机结合的工业园区负荷预测方法 |
CN110175199A (zh) * | 2019-05-31 | 2019-08-27 | 国网上海市电力公司 | 基于k均值聚类算法的能源企业关键用户识别分析方法 |
CN111275267B (zh) * | 2020-02-26 | 2024-04-16 | 吴天 | 一种生产型企业的用电量预测方法 |
CN112598157B (zh) * | 2020-11-27 | 2023-03-24 | 广东电网有限责任公司东莞供电局 | 电力负荷的预测方法和装置 |
CN112837178A (zh) * | 2021-01-13 | 2021-05-25 | 国家电网有限公司客户服务中心 | 一种电力客户用电数据的分析方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682349A (zh) * | 2012-05-14 | 2012-09-19 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种用电量智能预测系统及方法 |
CN102855525A (zh) * | 2012-08-16 | 2013-01-02 | 中国电力科学研究院 | 一种居民用户负荷预测分析系统和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080021692A1 (en) * | 2006-07-21 | 2008-01-24 | Rajat Chaudhry | Method for performing power simulations on complex designs running complex software applications |
-
2013
- 2013-12-20 CN CN201310711314.8A patent/CN103729689B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682349A (zh) * | 2012-05-14 | 2012-09-19 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种用电量智能预测系统及方法 |
CN102855525A (zh) * | 2012-08-16 | 2013-01-02 | 中国电力科学研究院 | 一种居民用户负荷预测分析系统和方法 |
Non-Patent Citations (1)
Title |
---|
《一种基于问题结构信息的大企业日用电量预测方法》;钱峰 等;《冶金动力》;20080915(第5期);1-4 * |
Also Published As
Publication number | Publication date |
---|---|
CN103729689A (zh) | 2014-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103729689B (zh) | 一种基于行业分类与主导行业数据的电网电量预测方法 | |
CN109063945B (zh) | 一种基于价值评估体系的售电公司360度客户画像构建方法 | |
US20210056647A1 (en) | Method for multi-dimensional identification of flexible load demand response effect | |
CN106909933B (zh) | 一种三阶段多视角特征融合的窃电分类预测方法 | |
CN111738462B (zh) | 电力计量装置故障抢修主动服务预警方法 | |
CN103310388B (zh) | 基于信源熵的电网运行综合指数计算方法 | |
CN104574209B (zh) | 一种城网配变重过载中期预警模型的建模方法 | |
CN103440539B (zh) | 一种用户用电数据处理方法 | |
CN103106535B (zh) | 一种基于神经网络解决协同过滤推荐数据稀疏性的方法 | |
CN106910017A (zh) | 一种基于用户行为数据挖掘的电能体验分析方法和系统 | |
CN111832861A (zh) | 基于大数据平台的居民负荷变尺度画像方法和系统 | |
CN104239968A (zh) | 一种快速模糊粗糙集短期负荷预测方法 | |
CN107330464A (zh) | 数据处理方法和装置 | |
CN109117872A (zh) | 一种基于自动最优聚类算法的用户用电行为分析方法 | |
CN104700222A (zh) | 核电厂大破口事故不确定性分析方法 | |
CN111815060A (zh) | 一种用电地区短期负荷预测方法及装置 | |
CN106447075A (zh) | 行业用电需求预测方法与系统 | |
CN110690701A (zh) | 一种异常线损影响因素的分析方法 | |
CN105869017A (zh) | 票价预测方法及系统 | |
CN105867341A (zh) | 一种烟草加工设备的在线设备健康状态自检方法及系统 | |
CN105488598A (zh) | 一种基于模糊聚类的中长期电力负荷预测方法 | |
CN110750572A (zh) | 一种科技成果启发式评价的自适应方法和装置 | |
CN116611589B (zh) | 主网输变电设备停电窗口期预测方法、系统、设备及介质 | |
CN117493813A (zh) | 一种城市碳强度的分析方法及相关设备 | |
CN105825347A (zh) | 经济预测模型建立的方法和预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |