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

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

一种基于行业分类与主导行业数据的电网电量预测方法

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：

$\frac{\underset{j=1}{\overset{n}{\Σ}}{q}_{ij}}{Q_i}\≥50\%,i=1,2,...,m;j=1,2,...,n$

式中，q_ij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；Q_i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，q_i1…q_in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X_i ¹，

${X_i}^1={\mathrm{\β}}_0+\underset{j=1}{\overset{n}{\Σ}}{\mathrm{\β}}_j\×q_{ij}+{\mathrm{\α}}_1\×E_1+{\mathrm{\α}}_2\×E_2...,i=1,2,...,m^{\′};j=1,2,...,n$

式中，q_ij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，β_j、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X_i 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：

$P_1={\mathrm{\ϵ}}_0+\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\ϵ}}_i\×{X_i}^1,(i=1,2,...,m)$

式中，ε₀为常数项，ε_i为回归系数；X_i 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X_i ²：

X_i ²＝GM(1,N)

其中，输入量为N个，分别为q_ij、E₁、E₂…；q_ij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X_i 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X_i 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：

$\frac{u_i}{U}\×100\%\≥10\%,(i=1,2,3,...)$

式中，u_i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：

$\frac{\underset{j=1}{\overset{n}{\Σ}}{q}_{ij}}{Q_i}\≥50\%,i=1,2,...,m;j=1,2,...,n$

式中，q_ij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；Q_i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，q_i1…q_in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X_i ¹

${X_i}^1={\mathrm{\β}}_0+\underset{j=1}{\overset{n}{\Σ}}{\mathrm{\β}}_j\×q_{ij}+{\mathrm{\α}}_1\×E_1+{\mathrm{\α}}_2\×E_2...,i=1,2,...,m^{\′};j=1,2,...,n$

式中，q_ij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，β_j、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X_i 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：

$P_1={\mathrm{\ϵ}}_0+\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\ϵ}}_i\×{X_i}^1,(i=1,2,...,m)$

式中，ε₀为常数项，ε_i为回归系数；X_i 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X_i ²：

X_i ²＝GM(1,N)

其中，输入量为N个，分别为q_ij、E₁、E₂…；q_ij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X_i 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X_i 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：

$\frac{\underset{j=1}{\overset{n}{\Σ}}{q}_{ij}}{Q_i}\≥50\%,i=1,2,\mathrm{...},m;j=1,2,\mathrm{...},n$

式中，q_ij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；Q_i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，q_i1…q_in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X_i ¹，

${X_i}^1={\mathrm{\β}}_0+\underset{j=1}{\overset{n}{\Σ}}{\mathrm{\β}}_j\×q_{ij}+{\mathrm{\α}}_1\×E_1+{\mathrm{\α}}_2\×E_2\mathrm{...},i=1,2,\mathrm{...},m^{\′};j=1,2,\mathrm{...},n$

式中，q_ij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，β_j、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X_i 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：

$P_1={\mathrm{\ϵ}}_0+\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\ϵ}}_i\×{X_i}^1,(i=1,2,\mathrm{...},m)$

式中，ε₀为常数项，ε_i为回归系数；X_i 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X_i ²：

X_i ²＝GM(1,N)

其中，输入量为N个，分别为q_ij、E₁、E₂…；q_ij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X_i 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X_i 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。