CN105260802A - 基于修正业扩生长曲线与季节调整的月度电量预测方法 - Google Patents
基于修正业扩生长曲线与季节调整的月度电量预测方法 Download PDFInfo
- Publication number
- CN105260802A CN105260802A CN201510751803.5A CN201510751803A CN105260802A CN 105260802 A CN105260802 A CN 105260802A CN 201510751803 A CN201510751803 A CN 201510751803A CN 105260802 A CN105260802 A CN 105260802A
- Authority
- CN
- China
- Prior art keywords
- industry
- electricity
- curve
- monthly
- user
- 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.)
- Granted
Links
Abstract
本发明公开了一种基于修正业扩生长曲线与季节调整的月度电量预测方法,采用不同方式实现了对用户个体和行业整体的月度电量曲线的预测,并借助对用户个体的用电生长曲线的拟合提取出相应的关键参量,用以修正行业整体的业扩生长曲线,从而使得行业整体的电量预测更加准确。针对某地区钢铁行业的月度电量预测进行了实证分析,预测结果表明本发明所提出的预测方法能够准确地对用户个体和行业整体的月度电量进行预测,证明了本发明预测方法的有效性。
Description
技术领域
本发明属于电力领域,具体是一种基于修正业扩生长曲线与季节调整的月度电量预测方法。
背景技术
售电量预测是电力企业进行电力系统规划与运行的重要基础,电量预测的准确性直接影响着电力企业的经营决策和经济效益。电力需求的发展变化迫切要求电力企业深入分析售电市场的内在变化机制和规律,提高电量预测的科学性、前瞻性和准确性。
业扩报装是电力企业与用户供用电关系的直接体现,业扩报装容量与用户用电水平具有紧密的联系。从用电根源出发,深入剖析业扩容量与用电量的关联,探究个体用户和全行业的容量利用特性,可以为未来售电市场发展走势提供科学的判断依据,具有重要的研究价值。然而,业扩报装容量与电量之间存在着诸多需要深入考虑的因素,在很大程度上增加了基于业扩报装的电量预测的难度,包括:1)如何对用户不同类型业扩报装业务各自带来的用电量的变化进行分离;2)用户发生业扩报装初期未达到稳定用电状态时,如何考虑其容量利用小时数的变化过程;3)预测方法如何考虑电量预测的季节特性、其他相关因素的影响等;4)预测方法如何基于用户个体的用电特征扩展到对整个行业的用电趋势进行预测。
目前,虽然针对电量预测已进行了大量的研究和探索,但相关研究多专注于算法的复杂性,比较忽视对售电市场自身的规律性的深层次分析。尤其对于业扩报装容量与用电量的关联,现有研究关注较少且不够深入。文献[1]“葛斐,李周,杨欣,等.基于业扩报装的全社会电量预测方法研究[J].安徽电气工程职业技术学院学报.2013(04):31-34.”分析了工业用电量与工业业扩报装之间的相关性,但建立的预测模型直接将业扩报装容量作为自变量,而未考虑业扩报装初期用电不稳定阶段对预测结果的影响;文献[2]“余向前,王林信,张维静,等.基于生长曲线的行业业扩用电趋势研究[J].电力需求侧管理.2014,16(2):21-25.”探究了用户在业扩报装后的用电变化趋势,对行业业扩用电曲线进行了拟合,但建立的预测模型较为简单,未考虑用户发生多次业扩报装所产生电量的分离,同时也未考虑季节特性以及相关因素对用电曲线的影响。
发明内容
本发明力图克服现有文献的不足,提供一种基于修正业扩生长曲线与季节调整的月度电量预测方法,该方法采用不同方式实现对用户个体和行业整体的月度电量曲线的预测,并借助对用户个体的用电曲线的拟合提取出相应的关键参量,用以修正行业整体的业扩生长曲线,从而使得行业整体的电量预测更加准确。
为实现上述目的,本发明提供如下技术方案:
一种基于修正业扩生长曲线与季节调整的月度电量预测方法,包括以下步骤:
(1)根据电力企业所采集的大量用户的业扩报情况和用电情况,进行数据挖掘,根据用电特征将用户分为若干子类,每类选取对应的典型用户;
(2)针对用户个体的用电曲线,对存量电量和各次业扩所产生电量进行分离,采用生长曲线模型对各次业扩所产生电量的过渡过程进行拟合,将存量电量以及各次业扩所产生电量的拟合曲线进行叠加即得到用户个体月度电量预测曲线;同时,提取得到各次业扩所产生电量分量的稳定利用小时数、稳定时间、过渡期内各月负荷投运比例,并作为步骤(3)的电特性指标;
(3)根据各用户提取得到的电特性指标对行业整体的月度净用电生长曲线进行修正,得到修正月度净用电生长曲线;分别对行业整体的月度用电量曲线和修正月度净用电生长曲线进行季节性分解,得到趋势循环项、季节项、随机项三部分;根据具体情况选择相应的预测算法,建立月度电量趋势项与修正月度净用电容量趋势项以及其他相关因素的预测模型,得到预测期内的月度电量趋势项预测值;根据历史同期月度电量季节项计算出预测期内的月度电量季节向预测值;将月度电量趋势项预测值与季节项预测值叠加,即得到行业整体月度电量预测曲线。
作为本发明进一步的方案:所述的用户个体月度电量预测曲线的预测方法,包括以下步骤:
(2.1)业扩用电生长曲线的拟合
采用生长曲线模型对各次业扩行为产生的电量分量进行拟合和预测;根据用户在过渡期内的电量变化特性,选取Logistic模型作为生长曲线模型,逐次对各个业扩电量分量进行拟合,其表达式如下:
其中,a、b、k为待定参数;
其后,采用生长曲线预测法进行参数估计;
(2.2)各次业扩所产生电量的分离
记用户历史数据样本区间内的月度电量曲线和净用电生长曲线分别为Qt和Ct,t=1,2,…,T,T为观测数据的月数;其中,Ct表示为
其中,CS为存量容量;CB,i为用户发生第i次业扩业务增加或减少的容量;Si为符号函数,对于增容类业扩业务,Si=1,对于减容类业扩业务,Si=-1;ti为用户第i次业扩发生的月份;NB为观测期内用户发生业扩行为的总次数;ε(t)为单位阶跃序列;
记q0,t和qi,t(i=1,2,...,NB)分别为存量电量以及各次业扩所产生的电量分量;采用如下步骤将q0,t以及各个qi,t从Qt中分离出来;
(2.2.1)选取用户发生第1次业扩行为之前的时间区间,即t=1~t1-1,对Q1~Qt1-1进行拟合,并对之后的时间区间进行预测,得到存量电量预测曲线NP表示待预测的月数;
(2.2.2)从i=1开始,逐次选取用户发生第i次和第i+1次业扩行为之间的时间区间,即t=ti~ti+1-1,将该区间内的电量减去存量电量预测值以及之前各次业扩对应的电量分量的预测值,得到第i次业扩产生的电量分量,即
对qi,t(t=ti~ti+1-1)进行拟合,并对之后的时间区间进行预测,得到第i次业扩所产生电量分量的预测曲线
(2.2.3)将存量电量以及各次业扩对应的电量分量的预测曲线进行叠加,即可得到用户的月度电量预测曲线,即
(2.3)用户用电特性指标的提取
为了将用户的用电特性体现到行业整体的电量预测过程中,提取如下的用电特性指标,并据此修正行业扩用电生长曲线;
(2.3.1)各业扩电量分量的稳定利用小时数HS,i:根据前述步骤得到的各次业扩电量分量,当连续三个月电量变化不超过5%时,则认为该业扩电量分量已达到稳定状态;稳定利用小时数计算表达式如下:
其中,qS,i表示第i次业扩对应的稳定电量;
(2.3.2)各业扩电量分量的稳定时间TS,i:表示用户从发生业扩到业扩电量分量达到稳定状态所经过的月数;
(2.3.3)各业扩电量分量过渡期内的逐月负荷投运比例λi,t(t=ti~ti+TS,i-1):表示各业扩电量分量在过渡期内的各月容量利用小时数与稳定利用小时数的比值;
计算表达式如下:
作为本发明进一步的方案:所述的行业整体月度电量预测曲线的预测方法,包括以下步骤:
(3.1)行业业扩净用电生长曲线的修正
修正表达式如下:
其中,和分别为修正后和修正前的行业整体净用电容量,上标IN代表该变量为行业整体的值;含义与所述的NB、TS,i、λi,t、CB,i一致,其增加了上标n以代表该变量为第n个用户的值;M为行业所包含的用户数量;δ(t)为单位样值序列,即当且仅当t=0时δ(t)=1,其余为0;
(3.2)行业用电生长曲线和电量曲线的季节性分解
采用CensusX12算法,对行业月度电量曲线进行季节性分解,如下:
其中,为电量曲线的趋势循环项,其反应了行业整体用电量的长期发展趋势;为电量曲线的季节因素项,其反应了行业整体用电量在不同年份的相同季节所呈现的周期性变化;为行业整体用电量的不规则要素,反应了月度序列的无规律的随机变化或噪声;
(3.3)行业电量曲线预测模型的构建
(3.3.1)根据分解得到的行业整体电量曲线趋势项建立与修正净生长曲线的关系模型,同时考虑其它相关因素的影响,构建行业整体电量曲线趋势项的预测模型,即
其中,X为其它相关因素组成的向量;
(3.3.2)行业整体电量曲线季节项采用历史同期行业电量季节项的平均值作为预测值,即
其中,NY为历史数据所包含的年数;
(3.3.3)将行业整体电量曲线趋势项和季节项的预测值叠加,得到行业整体月度电量的预测值,即
作为本发明进一步的方案:步骤(2.2.1)中,对于月度负荷预测,取NP=2~3。
作为本发明进一步的方案:步骤(2.2.2)中,对于增容类业扩业务,为正值,对于减容类业扩业务,为负值。
作为本发明进一步的方案:步骤(2.3.1)中,qS,i取稳定后3至5个月的月平均电量。
作为本发明进一步的方案:步骤(3.1)中,根据实际情况,不对所有用户均提取特征指标并修正行业业扩生长曲线,针对该行业内用户用电特性进行聚类,以若干典型用户的特征指标为代表对行业业扩生长曲线进行修正。
与现有技术相比,本发明的有益效果是:本发明采用不同方式实现了对用户个体和行业整体的月度电量曲线的预测,并借助对用户个体的用电曲线的拟合提取出相应的关键参量,用以修正行业整体的业扩生长曲线,从而使得行业整体的电量预测更加准确。针对某地区钢铁行业的月度电量预测进行了实证分析,预测结果表明本发明所提出的预测方法能够准确地对用户个体和行业整体的月度电量进行预测,证明了本发明预测方法的有效性。
附图说明
图1为典型用户的月度净用电容量和电量的曲线。
图2为行业整体的月度净用电容量和电量的曲线。
图3为修正后的行业整体月度净用电生长曲线。
图4为行业整体月度电量曲线的季节性分解图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
为了更好的理解本发明,下面首先来分析一下业扩容量与电量曲线关系。
业扩业务类型众多,其中主要影响电量预测的业务类型包括新装、增容、减容、暂停、减容恢复、暂停恢复和销户。除销户外,用户发生业扩业务后,其用电状态并不会立刻达到稳定,而是会有一个过渡期。其中,月度净用电容量=存量容量+增容类业扩容量(新装、增容、减容恢复、暂停恢复等)-减容类业扩容量(减容、暂停等)。
由图1可见,对于用户个体,月度净用电容量为阶跃曲线,用户每次发生增容类业扩业务,其用电量曲线从完成报装到用电利用小时数达到稳定的过渡期间内,具有明显的符合生长曲线的变化趋势,可采用生长曲线的相关模型进行拟合。当用户再次发生业扩行为时,电量曲线将在原来的基础上再次叠加一个过渡过程,继而达到新的稳定用电状态。
由图2可见,对于行业整体,当其所包含的用户数量较多时,月度净用电生长曲线阶跃性基本消失,形成较为连续的曲线,并呈现出显著的整体上升趋势以及月度周期变化趋势。而行业整体的月度电量曲线与月度净用电生长曲线具有相似的曲线形状和波动趋势,二者具有一定程度的相关性。根据之前的分析,如果能够考虑用户在发生业扩行为后的过渡期的用电生长过程,并据此对行业整体的净用电生长曲线进行修正,将从内在机制上提高净用电生长曲线与电量曲线的相关性,从而使得电力企业能够更准确地基于用户业扩报装情况预测出整个行业未来的用电趋势。
本发明提出的基于修正业扩生长曲线与季节调整的电量预测方法,是采用不同方式实现对用户个体和行业整体的月度电量曲线的预测,并借助对用户个体的用电曲线的拟合提取出相应的关键参量,用以修正行业整体的业扩生长曲线,从而使得行业整体的电量预测更加准确。
本发明提出的基于修正业扩生长曲线与季节调整的月度电量预测方法,包括以下步骤:
(1)根据电力企业所采集的大量用户的业扩报情况和用电情况,进行数据挖掘,根据用电特征将用户分为若干子类,每类选取对应的典型用户;
(2)针对用户个体的用电曲线,对存量电量和各次业扩所产生电量进行分离,采用生长曲线模型对各次业扩所产生电量的过渡过程进行拟合,将存量电量以及各次业扩所产生电量的拟合曲线进行叠加即得到用户个体月度电量预测曲线;同时,提取得到各次业扩所产生电量分量的稳定利用小时数、稳定时间、过渡期内各月负荷投运比例,并作为步骤(3)的电特性指标;
(3)根据各用户提取得到的电特性指标对行业整体的月度净用电生长曲线进行修正,得到修正月度净用电生长曲线;分别对行业整体的月度用电量曲线和修正月度净用电生长曲线进行季节性分解,得到趋势循环项、季节项、随机项三部分;根据具体情况选择相应的预测算法,建立月度电量趋势项与修正月度净用电容量趋势项以及其他相关因素的预测模型,得到预测期内的月度电量趋势项预测值;根据历史同期月度电量季节项计算出预测期内的月度电量季节向预测值;将月度电量趋势项预测值与季节项预测值叠加,即得到行业整体月度电量预测曲线。
本发明所述的用户个体月度电量预测曲线的预测方法,包括以下步骤:
(2.1)业扩用电生长曲线的拟合
因为用户从发生业扩行为初期到达到稳定用电状态之间的电量变化过程与生长曲线的特点相吻合,因此采用生长曲线模型对各次业扩行为产生的电量分量进行拟合和预测;所述的生长曲线模型具有Logistic、Gempertz、VonBertanlanffy等多种模型,本发明根据用户在过渡期内的电量变化特性,选取拟合度最好的Logistic模型逐次对各个业扩电量分量进行拟合,其表达式如下:
其中,a、b、k为待定参数;
其后,采用文献[3]“王吉权,赵玉林.生长曲线在电力负荷预测中的应用[J].电网技术.2004(22):36-39.”提出的改进的生长曲线预测法进行参数估计。
(2.2)各次业扩所产生电量的分离
记用户历史数据样本区间内的月度电量曲线和净用电生长曲线分别为Qt和Ct,t=1,2,…,T,T为观测数据的月数;其中,Ct表示为
其中,CS为存量容量;CB,i为用户发生第i次业扩业务增加或减少的容量;Si为符号函数,对于增容类业扩业务,Si=1,对于减容类业扩业务,Si=-1;ti为用户第i次业扩发生的月份;NB为观测期内用户发生业扩行为的总次数;ε(t)为单位阶跃序列。
记q0,t和qi,t(i=1,2,...,NB)分别为存量电量以及各次业扩所产生的电量分量;采用如下步骤将q0,t以及各个qi,t从Qt中分离出来;
(2.2.1)选取用户发生第1次业扩行为之前的时间区间,即t=1~t1-1,对Q1~Qt1-1进行拟合,并对之后的时间区间进行预测,得到存量电量预测曲线NP表示待预测的月数;对于月度负荷预测,NP不宜取得太长,取NP=2~3为宜。
(2.2.1)从i=1开始,逐次选取用户发生第i次和第i+1次业扩行为之间的时间区间,即t=ti~ti+1-1,将该区间内的电量减去存量电量预测值以及之前各次业扩对应的电量分量的预测值,得到第i次业扩产生的电量分量,即
对qi,t(t=ti~ti+1-1)进行拟合,并对之后的时间区间进行预测,得到第i次业扩所产生电量分量的预测曲线对于增容类业扩业务,为正值,对于减容类业扩业务,为负值。
(2.2.3)将存量电量以及各次业扩对应的电量分量的预测曲线进行叠加,即可得到用户的月度电量预测曲线,即
(2.3)用户用电特性指标的提取
为了将用户的用电特性体现到行业整体的电量预测过程中,提取如下的用电特性指标,并据此修正行业扩用电生长曲线。
(2.3.1)各业扩电量分量的稳定利用小时数HS,i:根据前述步骤得到的各次业扩电量分量,当连续三个月电量变化不超过5%时,可认为该业扩电量分量已达到稳定状态;稳定利用小时数计算表达式如下:
其中,qS,i表示第i次业扩对应的稳定电量,可取稳定后3至5个月的月平均电量。
(2.3.2)各业扩电量分量的稳定时间TS,i:表示用户从发生业扩到业扩电量分量达到稳定状态所经过的月数。
(2.3.3)各业扩电量分量过渡期内的逐月负荷投运比例λi,t(t=ti~ti+TS,i-1):表示各业扩电量分量在过渡期内的各月容量利用小时数与稳定利用小时数的比值;
计算表达式如下:
本发明所述的行业整体月度电量预测曲线的预测方法,包括以下步骤:
(3.1)行业业扩净用电生长曲线的修正
电力企业在统计各行业业扩容量时,通常将业扩报装容量直接全部计入业扩发生当月的容量,导致在过渡期间内计算出的容量利用小时数偏低,用电生长曲线与电量曲线的相关性减小,使得基于生长曲线的预测模型的随机成分增大,降低了预测的准确度;本发明根据对用户个体用电特性的挖掘,利用提取出的各用户发生业扩后所产生电量分量的稳定利用小时数、稳定时间、过渡期内各月负荷投运比例作为电特性指标,对行业整体的净用电生长曲线进行修正,以使得每个业扩容量对应的电量分量的利用小时数在过渡期内基本保持一致,从而剥离了用户用电成长过程的随机性对行业整体电量预测的影响。
修正表达式如下:
其中,和分别为修正后和修正前的行业整体净用电容量,上标IN代表该变量为行业整体的值;含义与前文一致,增加了上标n以代表该变量为第n个用户的值;M为行业所包含的用户数量;δ(t)为单位样值序列,即当且仅当t=0时δ(t)=1,其余为0。
根据实际情况,也可不必对所有用户均提取特征指标并修正行业业扩生长曲线,而可以针对该行业内用户用电特性进行聚类,以若干典型用户的特征指标为代表对行业业扩生长曲线进行修正。
(3.2)行业用电生长曲线和电量曲线的季节性分解
月度电量曲线具有显著的季节周期特性,为消除季节变动要素和不规则要素对行业月度电量预测的影响,采用CensusX12算法,对行业月度电量曲线进行季节性分解,如下:
其中,为电量曲线的趋势循环项,其反应了行业整体用电量的长期发展趋势;为电量曲线的季节因素项,其反应了行业整体用电量在不同年份的相同季节所呈现的周期性变化;为行业整体用电量的不规则要素,反应了月度序列的无规律的随机变化或噪声等。
(3.3)行业电量曲线预测模型的构建
(3.3.1)根据分解得到的行业整体电量曲线趋势项建立与修正净生长曲线的关系模型,同时考虑其它相关因素的影响,构建行业整体电量曲线趋势项的预测模型,即
其中,X为其它相关因素组成的向量。具体的预测模型可以根据实际情况选择。
(3.3.2)行业整体电量曲线季节项可采用历史同期行业电量季节项的平均值作为预测值,即
其中,NY为历史数据所包含的年数。
(3.3.3)将行业整体电量曲线趋势项和季节项的预测值叠加,得到行业整体月度电量的预测值,即
下面采用本发明所述方法进行如下算例分析。
(1)算例场景及数据
选取某地区电力企业统计得到的2009-2012年钢铁行业的月度用电数据进行算例分析,以验证本文提出的预测方法的适用性。取2009年1月-2012年10月的数据作为历史数据样本区间,对2012年11月、12月的用电量进行预测。某典型用户的净用电生长曲线和电量曲线如图1所示;行业整体的净用电生长曲线和电量曲线如图2所示。
由图1可见,该用户在历史区间内共发生4次业扩报装业务,业扩类型和业扩容量如下:
1)2009年5月,新装,CB,1=1389kW;
2)2010年5月,增容,CB,2=7771kW;
3)2011年8月,暂停,CB,3=7360kW;
4)2011年12月,暂停恢复,CB,4=7360kW;
根据所述的用户个体月度电量预测曲线的预测方法,对该典型用户分别进行业扩用电生长曲线的拟合、各次业扩所产生电量的分离、用户用电特性指标的提取,得到该用户各次业扩的用电特性指标为:
1)第1次业扩新装,稳定时间TS,1=4个月,逐月负荷投运比例λ1,6=8%,λ1,7=22%,λ1,8=57%,λ1,9=74%;
2)第2次业扩增容,稳定时间TS,2=3个月,逐月负荷投运比例λ2,22=16%,λ2,23=53%,λ2,24=64%;
3)第3次业扩暂停,稳定时间TS,3=0个月;
4)第4次业扩暂停恢复,稳定时间TS,4=1个月,逐月负荷投运比例λ4,37=68%,λ2,23=53%,λ2,24=64%。
采用同样的方法对其他典型用户的电量曲线进行拟合,提取用电特性指标。其后,根据式(7)计算得到修正后的行业净用电生长曲线如图3所示。
借助EViews软件对行业整体的电量曲线和修正净生长曲线分别进行季节分解,得到趋势项、季节项和不规则要素项,如图4所示。
根据得到的电量曲线趋势项和修正净生长曲线建立回归模型,得到预测期内的电量曲线趋势项预测值同时,根据历史同期行业电量季节项的平均值得到预测期内的电量曲线季节项预测值二者叠加,进而得到该地区2012年11、12月钢铁行业的月度用电量预测值,如表1所示。
表1预测结果
可以看到,电量预测取得了较为准确的结果,证明了本发明所提预测方法的适用性和准确性。
综上所述,本发明可以如下结论:
1)业扩报装容量与用户用电水平具有紧密的联系。从用电根源出发,探究个体用户和全行业的容量利用特性,具有重要的研究价值。
2)本发明建立了基于修正业扩生长曲线与季节调整的月度电量预测方法,采用不同方式实现了对用户个体和行业整体的月度电量曲线的预测,并借助对用户个体的用电曲线的拟合提取出相应的关键参量,用以修正行业整体的业扩生长曲线,从而使得行业整体的电量预测更加准确。
3)本发明针对某地区钢铁行业的月度电量预测进行了实证分析,预测结果表明本发明所提出的预测方法能够准确地对用户个体和行业整体的月度电量进行预测,证明了本发明预测方法的有效性。
上面对本专利的较佳实施方式作了详细说明,但是本专利并不限于上述实施方式,在本领域的普通技术人员所具备的知识范围内,还可以在不脱离本专利宗旨的前提下做出各种变化。
Claims (7)
1.一种基于修正业扩生长曲线与季节调整的月度电量预测方法,其特征在于,包括以下步骤:
(1)根据电力企业所采集的大量用户的业扩报情况和用电情况,进行数据挖掘,根据用电特征将用户分为若干子类,每类选取对应的典型用户;
(2)针对用户个体的用电曲线,对存量电量和各次业扩所产生电量进行分离,采用生长曲线模型对各次业扩所产生电量的过渡过程进行拟合,将存量电量以及各次业扩所产生电量的拟合曲线进行叠加即得到用户个体月度电量预测曲线;同时,提取得到各次业扩所产生电量分量的稳定利用小时数、稳定时间、过渡期内各月负荷投运比例,并作为步骤(3)的电特性指标;
(3)根据各用户提取得到的电特性指标对行业整体的月度净用电生长曲线进行修正,得到修正月度净用电生长曲线;分别对行业整体的月度用电量曲线和修正月度净用电生长曲线进行季节性分解,得到趋势循环项、季节项、随机项三部分;根据具体情况选择相应的预测算法,建立月度电量趋势项与修正月度净用电容量趋势项以及其他相关因素的预测模型,得到预测期内的月度电量趋势项预测值;根据历史同期月度电量季节项计算出预测期内的月度电量季节项预测值;将月度电量趋势项预测值与季节项预测值叠加,即得到行业整体月度电量预测曲线。
2.根据权利要求1所述的基于修正业扩生长曲线与季节调整的月度电量预测方法,其特征在于,所述的用户个体月度电量预测曲线的预测方法,包括以下步骤:
(2.1)业扩用电生长曲线的拟合
采用生长曲线模型对各次业扩行为产生的电量分量进行拟合和预测;根据用户在过渡期内的电量变化特性,选取Logistic模型作为生长曲线模型,逐次对各个业扩电量分量进行拟合,其表达式如下:
其中,a、b、k为待定参数;
其后,采用生长曲线预测法进行参数估计;
(2.2)各次业扩所产生电量的分离
记用户历史数据样本区间内的月度电量曲线和净用电生长曲线分别为Qt和Ct,t=1,2,…,T,T为观测数据的月数;其中,Ct表示为
其中,CS为存量容量;CB,i为用户发生第i次业扩业务增加或减少的容量;Si为符号函数,对于增容类业扩业务,Si=1,对于减容类业扩业务,Si=-1;ti为用户第i次业扩发生的月份;NB为观测期内用户发生业扩行为的总次数;ε(t)为单位阶跃序列;
记q0,t和qi,t(i=1,2,...,NB)分别为存量电量以及各次业扩所产生的电量分量;采用如下步骤将q0,t以及各个qi,t从Qt中分离出来;
(2.2.1)选取用户发生第1次业扩行为之前的时间区间,即t=1~t1-1,对Q1~Qt1-1进行拟合,并对之后的时间区间进行预测,得到存量电量预测曲线NP表示待预测的月数;
(2.2.2)从i=1开始,逐次选取用户发生第i次和第i+1次业扩行为之间的时间区间,即t=ti~ti+1-1,将该区间内的电量减去存量电量预测值以及之前各次业扩对应的电量分量的预测值,得到第i次业扩产生的电量分量,即
对qi,t(t=ti~ti+1-1)进行拟合,并对之后的时间区间进行预测,得到第i次业扩所产生电量分量的预测曲线
(2.2.3)将存量电量以及各次业扩对应的电量分量的预测曲线进行叠加,即可得到用户的月度电量预测曲线,即
(2.3)用户用电特性指标的提取
为了将用户的用电特性体现到行业整体的电量预测过程中,提取如下的用电特性指标,并据此修正行业扩用电生长曲线;
(2.3.1)各业扩电量分量的稳定利用小时数HS,i:根据前述步骤得到的各次业扩电量分量,当连续三个月电量变化不超过5%时,则认为该业扩电量分量已达到稳定状态;稳定利用小时数计算表达式如下:
其中,qS,i表示第i次业扩对应的稳定电量;
(2.3.2)各业扩电量分量的稳定时间TS,i:表示用户从发生业扩到业扩电量分量达到稳定状态所经过的月数;
(2.3.3)各业扩电量分量过渡期内的逐月负荷投运比例λi,t(t=ti~ti+TS,i-1):表示各业扩电量分量在过渡期内的各月容量利用小时数与稳定利用小时数的比值;
计算表达式如下:
3.根据权利要求1所述的基于修正业扩生长曲线与季节调整的月度电量预测方法,其特征在于,所述的行业整体月度电量预测曲线的预测方法,包括以下步骤:
(3.1)行业业扩净用电生长曲线的修正
修正表达式如下:
其中,和分别为修正后和修正前的行业整体净用电容量,上标IN代表该变量为行业整体的值;含义与所述的NB、TS,i、λi,t、CB,i一致,其增加了上标n以代表该变量为第n个用户的值;M为行业所包含的用户数量;δ(t)为单位样值序列,即当且仅当t=0时δ(t)=1,其余为0;
(3.2)行业用电生长曲线和电量曲线的季节性分解
采用CensusX12算法,对行业月度电量曲线进行季节性分解,如下:
其中,为电量曲线的趋势循环项,其反应了行业整体用电量的长期发展趋势;为电量曲线的季节因素项,其反应了行业整体用电量在不同年份的相同季节所呈现的周期性变化;为行业整体用电量的不规则要素,反应了月度序列的无规律的随机变化或噪声;
(3.3)行业电量曲线预测模型的构建
(3.3.1)根据分解得到的行业整体电量曲线趋势项建立与修正净生长曲线的关系模型,同时考虑其它相关因素的影响,构建行业整体电量曲线趋势项的预测模型,即
其中,X为其它相关因素组成的向量;
(3.3.2)行业整体电量曲线季节项采用历史同期行业电量季节项的平均值作为预测值,即
其中,NY为历史数据所包含的年数;
(3.3.3)将行业整体电量曲线趋势项和季节项的预测值叠加,得到行业整体月度电量的预测值,即
4.根据权利要求2所述的基于修正业扩生长曲线与季节调整的月度电量预测方法,其特征在于,步骤(2.2.1)中,对于月度负荷预测,取NP=2~3。
5.根据权利要求2所述的基于修正业扩生长曲线与季节调整的月度电量预测方法,其特征在于,步骤(2.2.2)中,对于增容类业扩业务,为正值,对于减容类业扩业务,为负值。
6.根据权利要求2所述的基于修正业扩生长曲线与季节调整的月度电量预测方法,其特征在于,步骤(2.3.1)中,qS,i取稳定后3至5个月的月平均电量。
7.根据权利要求3所述的基于修正业扩生长曲线与季节调整的月度电量预测方法,其特征在于,步骤(3.1)中,根据实际情况,不对所有用户均提取特征指标并修正行业业扩生长曲线,针对该行业内用户用电特性进行聚类,以若干典型用户的特征指标为代表对行业业扩生长曲线进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510751803.5A CN105260802B (zh) | 2015-11-06 | 2015-11-06 | 基于修正业扩生长曲线与季节调整的月度电量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510751803.5A CN105260802B (zh) | 2015-11-06 | 2015-11-06 | 基于修正业扩生长曲线与季节调整的月度电量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105260802A true CN105260802A (zh) | 2016-01-20 |
CN105260802B CN105260802B (zh) | 2019-11-19 |
Family
ID=55100481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510751803.5A Expired - Fee Related CN105260802B (zh) | 2015-11-06 | 2015-11-06 | 基于修正业扩生长曲线与季节调整的月度电量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105260802B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651642A (zh) * | 2016-11-02 | 2017-05-10 | 国网浙江省电力公司经济技术研究院 | 一种基于业扩报装数据的电力需求预判指数的构建方法 |
CN106651425A (zh) * | 2016-09-28 | 2017-05-10 | 国网山东省电力公司电力科学研究院 | 一种考虑业扩报装数据的用户偷电、漏电行为监测方法 |
CN106875058A (zh) * | 2017-02-17 | 2017-06-20 | 江苏方天电力技术有限公司 | 一种电力业扩可开放容量智能判断方法 |
CN107146014A (zh) * | 2017-05-02 | 2017-09-08 | 北京中电普华信息技术有限公司 | 一种业扩净增容量对售电量的影响分析方法及装置 |
CN107505522A (zh) * | 2017-08-23 | 2017-12-22 | 南京联能电力检测研究所有限公司 | 一种基于增益预判建模的电能质量评估方法及测试仪 |
CN108053064A (zh) * | 2017-12-11 | 2018-05-18 | 天津天大求实电力新技术股份有限公司 | 一种电蓄冷负荷预测方法 |
CN109978278A (zh) * | 2019-04-09 | 2019-07-05 | 江苏安纳泰克能源服务有限公司 | 基于稳定性分析的居民小区月度用电量预测方法及装置 |
CN111062539A (zh) * | 2019-12-25 | 2020-04-24 | 东南大学 | 基于次级用电量特性聚类分析的总电量预测方法 |
CN112348254A (zh) * | 2020-11-06 | 2021-02-09 | 国网新疆电力有限公司昌吉供电公司 | 电力空间负荷预测调校方法 |
CN112365039A (zh) * | 2020-11-03 | 2021-02-12 | 国网冀北电力有限公司计量中心 | 一种基于纵横相关性进行月度用电量预测的方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413188A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 一种基于工业业扩报装的月度工业用电量预测方法 |
CN104166885A (zh) * | 2014-08-14 | 2014-11-26 | 天津大学 | 一种基于s型曲线的地区近期负荷预测方法 |
CN104537433A (zh) * | 2014-12-18 | 2015-04-22 | 国网冀北电力有限公司 | 基于存量容量与业扩报装特征的售电量预测方法 |
CN105023066A (zh) * | 2015-07-31 | 2015-11-04 | 山东大学 | 一种基于季节调整的业扩报装分析预测系统及方法 |
-
2015
- 2015-11-06 CN CN201510751803.5A patent/CN105260802B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413188A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 一种基于工业业扩报装的月度工业用电量预测方法 |
CN104166885A (zh) * | 2014-08-14 | 2014-11-26 | 天津大学 | 一种基于s型曲线的地区近期负荷预测方法 |
CN104537433A (zh) * | 2014-12-18 | 2015-04-22 | 国网冀北电力有限公司 | 基于存量容量与业扩报装特征的售电量预测方法 |
CN105023066A (zh) * | 2015-07-31 | 2015-11-04 | 山东大学 | 一种基于季节调整的业扩报装分析预测系统及方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651425A (zh) * | 2016-09-28 | 2017-05-10 | 国网山东省电力公司电力科学研究院 | 一种考虑业扩报装数据的用户偷电、漏电行为监测方法 |
CN106651642A (zh) * | 2016-11-02 | 2017-05-10 | 国网浙江省电力公司经济技术研究院 | 一种基于业扩报装数据的电力需求预判指数的构建方法 |
CN106875058B (zh) * | 2017-02-17 | 2020-12-15 | 江苏方天电力技术有限公司 | 一种电力业扩可开放容量智能判断方法 |
CN106875058A (zh) * | 2017-02-17 | 2017-06-20 | 江苏方天电力技术有限公司 | 一种电力业扩可开放容量智能判断方法 |
CN107146014A (zh) * | 2017-05-02 | 2017-09-08 | 北京中电普华信息技术有限公司 | 一种业扩净增容量对售电量的影响分析方法及装置 |
CN107505522A (zh) * | 2017-08-23 | 2017-12-22 | 南京联能电力检测研究所有限公司 | 一种基于增益预判建模的电能质量评估方法及测试仪 |
CN107505522B (zh) * | 2017-08-23 | 2020-01-14 | 江苏联能电力科学研究院有限公司 | 一种基于增益预判建模的电能质量评估方法及测试仪 |
CN108053064A (zh) * | 2017-12-11 | 2018-05-18 | 天津天大求实电力新技术股份有限公司 | 一种电蓄冷负荷预测方法 |
CN109978278B (zh) * | 2019-04-09 | 2023-07-14 | 江苏安纳泰克能源服务有限公司 | 基于稳定性分析的居民小区月度用电量预测方法及装置 |
CN109978278A (zh) * | 2019-04-09 | 2019-07-05 | 江苏安纳泰克能源服务有限公司 | 基于稳定性分析的居民小区月度用电量预测方法及装置 |
CN111062539A (zh) * | 2019-12-25 | 2020-04-24 | 东南大学 | 基于次级用电量特性聚类分析的总电量预测方法 |
CN111062539B (zh) * | 2019-12-25 | 2023-12-01 | 东南大学 | 基于次级用电量特性聚类分析的总电量预测方法 |
CN112365039A (zh) * | 2020-11-03 | 2021-02-12 | 国网冀北电力有限公司计量中心 | 一种基于纵横相关性进行月度用电量预测的方法及系统 |
CN112365039B (zh) * | 2020-11-03 | 2023-11-24 | 国网冀北电力有限公司计量中心 | 一种基于纵横相关性进行月度用电量预测的方法及系统 |
CN112348254A (zh) * | 2020-11-06 | 2021-02-09 | 国网新疆电力有限公司昌吉供电公司 | 电力空间负荷预测调校方法 |
CN112348254B (zh) * | 2020-11-06 | 2023-09-01 | 国网新疆电力有限公司昌吉供电公司 | 电力空间负荷预测调校方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105260802B (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105260802A (zh) | 基于修正业扩生长曲线与季节调整的月度电量预测方法 | |
Akay et al. | Grey prediction with rolling mechanism for electricity demand forecasting of Turkey | |
Xu et al. | Greenhouse gas emissions of electric vehicles in Europe considering different charging strategies | |
Zeng et al. | Forecasting the natural gas demand in China using a self-adapting intelligent grey model | |
Demirel et al. | Location selection for underground natural gas storage using Choquet integral | |
Deutsch et al. | Latin hypercube sampling with multidimensional uniformity | |
Arora et al. | Short-term forecasting of anomalous load using rule-based triple seasonal methods | |
Harris et al. | Logistic growth curve modeling of US energy production and consumption | |
CN108022014B (zh) | 一种电力系统负荷预测方法及系统 | |
CN104794195A (zh) | 一种用于电信潜在换机用户发现的数据挖掘方法 | |
CN106384170A (zh) | 基于小波分解与重构的时间序列风速预测方法 | |
Kenomore et al. | Shale gas production decline trend over time in the Barnett Shale | |
Mirkhani et al. | Stochastic modeling of the energy supply system with uncertain fuel price–A case of emerging technologies for distributed power generation | |
Alizadeh-Mousavi et al. | Efficient Benders cuts for transmission expansion planning | |
Zhu et al. | Prediction of passenger flow in urban rail transit based on big data analysis and deep learning | |
Akpinar et al. | Day-ahead natural gas forecasting using nonseasonal exponential smoothing methods | |
CN105260615B (zh) | 一种粮食消费量预测方法 | |
Treistman et al. | Periodic time series model with annual component applied to operation planning of hydrothermal systems | |
CN110837934B (zh) | 一种基于深度学习的智能电网短期住宅负荷预测方法 | |
Barth et al. | Simulation of short-term forecasts of wind and load for a stochastic scheduling model | |
Mollaei et al. | Application and variance based sensitivity analysis of surfactant–polymer flooding using modified chemical flood predictive model | |
CN104751253A (zh) | 基于b-样条基底展开曲线聚类的配电网潮流预测方法 | |
Siyal et al. | The water–energy nexus in irrigated agriculture in South Asia: Critical hotspots of irrigation water use, related energy application, and greenhouse gas emissions for wheat, rice, sugarcane, and cotton in Pakistan | |
Rigaut | Time decomposition methods for optimal management of energy storage under stochasticity | |
Afshar et al. | Application of local and global particle swarm optimization algorithms to optimal design and operation of irrigation pumping systems |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191119 Termination date: 20201106 |