CN105894137A - 居民用电需求预测方法和系统 - Google Patents

居民用电需求预测方法和系统 Download PDF

Info

Publication number
CN105894137A
CN105894137A CN201610374042.0A CN201610374042A CN105894137A CN 105894137 A CN105894137 A CN 105894137A CN 201610374042 A CN201610374042 A CN 201610374042A CN 105894137 A CN105894137 A CN 105894137A
Authority
CN
China
Prior art keywords
urban
electricity
rural residents
power consumption
total power
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.)
Pending
Application number
CN201610374042.0A
Other languages
English (en)
Inventor
陈政
冷媛
张翔
宋艺航
傅蔷
蒙文川
席云华
王玲
邢胜男
孙露
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING JINGSHI WANFANG INFORMATION TECHNOLOGY Co Ltd
CSG Electric Power Research Institute
Power Grid Technology Research Center of China Southern Power Grid Co Ltd
Research Institute of Southern Power Grid Co Ltd
Original Assignee
BEIJING JINGSHI WANFANG INFORMATION TECHNOLOGY Co Ltd
Power Grid Technology Research Center of China Southern Power Grid Co Ltd
Research Institute of Southern Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BEIJING JINGSHI WANFANG INFORMATION TECHNOLOGY Co Ltd, Power Grid Technology Research Center of China Southern Power Grid Co Ltd, Research Institute of Southern Power Grid Co Ltd filed Critical BEIJING JINGSHI WANFANG INFORMATION TECHNOLOGY Co Ltd
Priority to CN201610374042.0A priority Critical patent/CN105894137A/zh
Publication of CN105894137A publication Critical patent/CN105894137A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明公开了一种居民用电需求预测方法和系统，所述方法包括：获取城乡居民的用电来源设备；根据城乡居民的用电来源设备的历史保有量获取城乡居民的用电来源设备中主要用电设备的保有量；根据城乡居民主要用电设备的保有量预测城乡居民主要用电设备的总耗电量；根据城乡居民用电历史数据、城乡居民主要用电设备的总耗电量和城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量增速，预测剩余用电设备的总耗电量；根据主要用电设备的总耗电量和剩余用电设备的总耗电量，预测城乡居民的用电需求。本发明分析预测城乡居民用电需求，有助于辅助某区域内电力市场需求预测，有助于电力市场年度规划的合理制定，避免资源的浪费。

Description

居民用电需求预测方法和系统
技术领域
本发明涉及电力市场需求预测分析技术领域，特别是涉及一种居民用电需求预测方法和系统。
背景技术
居民生活用电一直是电力市场中最具潜力的增长点，而对城乡居民生活用电需求的分析也一直是各界人士倍受关注的热点问题之一。对于居民生活用电需求的研究分析，现有技术中有选择人均可支配收入、居民用电价格及上期居民人均用电量作为因子，建立了本期居民生活用电需求的误差修正预测模型；还有基于面板数据模型，采用自行计算的综合电器指数作为解释变量对中国典型城市的居民用电进行详细的预测；以及基于用电需求影响因素的分析，采用多元选择模型针对居民购买家用电器的购买行为进行概率估计，进而预测出家用电器及家庭照明潜在用电水平。然而现有居民生活用电需求的研究未直接考虑居民家庭用电来源设备耗电量对用电需求的影响，预测结果不能很好的反映电量的实际变化趋势。
发明内容
基于上述情况，本发明提出了一种居民用电需求预测方法和系统，从城乡居民家庭用电来源设备耗电量的角度，分析预测城乡居民用电需求，辅助某区域内电力市场需求预测。
为了实现上述目的，本发明技术方案的实施例为：
一种居民用电需求预测方法，包括以下步骤：
获取城乡居民的用电来源设备；
根据城乡居民的用电来源设备的历史保有量获取城乡居民的用电来源设备中主要用电设备的保有量；
根据城乡居民的用电来源设备中主要用电设备的保有量预测城乡居民的用电来源设备中主要用电设备的总耗电量；
根据城乡居民用电历史数据、所述城乡居民的用电来源设备中主要用电设备的总耗电量和城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量增速，预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量；
根据所述城乡居民的用电来源设备中主要用电设备的总耗电量和所述城乡居民的用电来源设备中剩余用电设备的总耗电量，预测城乡居民的用电需求。
一种居民用电需求预测系统，包括：
用电来源设备获取模块，用于获取城乡居民的用电来源设备；
用电来源设备保有量预测模块，用于根据城乡居民的用电来源设备的历史保有量获取城乡居民的用电来源设备中主要用电设备的保有量；
主要用电设备总耗电量预测模块，用于根据城乡居民的用电来源设备中主要用电设备的保有量预测城乡居民的用电来源设备中主要用电设备的总耗电量；
剩余用电设备总耗电量预测模块，用于根据城乡居民用电历史数据、所述城乡居民的用电来源设备中主要用电设备的总耗电量和城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量增速，预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量；
城乡居民用电需求预测模块，用于根据所述城乡居民的用电来源设备中主要用电设备的总耗电量和所述城乡居民的用电来源设备中剩余用电设备的总耗电量，预测城乡居民的用电需求。
与现有技术相比，本发明的有益效果为：本发明居民用电需求预测方法和系统，获取城乡居民的用电来源设备；根据城乡居民的用电来源设备的历史保有量获取城乡居民的用电来源设备的保有量；根据城乡居民的用电来源设备的保有量预测城乡居民用电来源设备的总耗电量；根据城乡居民用电来源设备的总耗电量预测城乡居民的用电需求。本发明从城乡居民用电来源设备耗电量的角度，分析预测城乡居民用电需求，有助于辅助某区域内电力市场需求预测，有助于电力市场年度规划的合理制定，避免资源的浪费。
附图说明
图1为一个实施例中居民用电需求预测方法流程图；
图2为2010-2013年1-12月广东省城镇居民用电趋势图；
图3为基于图1所示方法一个具体示例中居民用电需求预测方法流程图；
图4为一个实施例中居民用电需求预测系统结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。
一个实施例中居民用电需求预测方法，如图1所示，包括以下步骤：
步骤S101：获取城乡居民的用电来源设备；
步骤S102：根据城乡居民的用电来源设备的历史保有量获取城乡居民的用电来源设备中主要用电设备的保有量；
步骤S103：根据城乡居民的用电来源设备中主要用电设备的保有量预测城乡居民的用电来源设备中主要用电设备的总耗电量；
步骤S104：根据城乡居民用电历史数据、所述城乡居民的用电来源设备中主要用电设备的总耗电量和城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量增速，预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量；
步骤S105：根据所述城乡居民的用电来源设备中主要用电设备的总耗电量和所述城乡居民的用电来源设备中剩余用电设备的总耗电量，预测城乡居民的用电需求。
从以上描述可知，本发明居民用电需求预测方法，从城乡居民用电来源设备耗电量的角度，分析预测城乡居民用电需求，辅助某区域内电力市场需求预测，有助于电力市场年度规划的合理制定。
此外，在一个具体示例中，根据城乡居民的用电来源设备中主要用电设备的保有量预测城乡居民的用电来源设备中主要用电设备的总耗电量的步骤包括：
当所述城乡居民的用电来源设备中主要用电设备为冰箱时，根据城乡居民冰箱的保有量获得预设数目户城乡居民冰箱的拥有量；
根据预设数目户城乡居民冰箱的拥有量和每台冰箱的耗电量，计算每户城乡居民冰箱的耗电量，所述每台冰箱的耗电量根据当前城乡居民冰箱的功率确定；
根据每户城乡居民冰箱的耗电量和城乡居民户数预测值，预测城乡居民冰箱的总耗电量。
以广东省城乡居民用电量需求预测为例。当所述城乡居民的用电来源设备中主要用电设备为冰箱时，根据城乡居民冰箱的保有量获得百户城乡居民(城镇或农村居民)冰箱拥有量；
当前购买冰箱多为一级节能冰箱，而老冰箱仍存在二级节能冰箱。查阅相关资料发现，根据一级节能冰箱的功率得到一级节能冰箱每天耗电量为0.5-0.6千瓦时，二级节能每天耗电量约为0.75千瓦时，但是该耗电量均为理想状态下测试的电耗。受存储量及气温等因素的影响，一般会高于这一数据，夏季一般会在1-1.5度电，冬季大约是0.8度，考虑到广东省春、冬两季温度处于10-20度左右，设定该季节冰箱每天耗电1千瓦时，而夏、秋两季温度较高，预计冰箱每天耗电量将会在1-1.5千瓦时，假设每天耗电量为1.25千瓦时左右，根据上述假设计算得到每年每台冰箱耗电量为410.75千瓦时。
每户城乡居民冰箱的耗电量＝百户城乡居民冰箱保有量*每台冰箱的耗电量/100；
城乡居民冰箱的总耗电量预测值＝每户城乡居民冰箱的耗电量*城乡居民户数预测值。
此外，在一个具体示例中，根据城乡居民的用电来源设备中主要用电设备的保有量预测城乡居民的用电来源设备中主要用电设备的总耗电量的步骤包括：
当所述城乡居民的用电来源设备中主要用电设备为空调时，根据城乡居民空调的保有量和城乡居民户数，获得每户城乡居民空调的拥有量；
根据城乡居民空调的历史总耗电量、城乡居民户数和每户城乡居民空调的拥有量，计算每台空调的耗电量；
根据每台空调的耗电量、城乡居民户数预测值和每户城乡居民空调拥有量预测值，预测城乡居民空调的总耗电量。
当城乡居民的用电来源设备中主要用电设备为空调时，根据城乡居民空调的保有量和城乡居民户数，获得每户城乡居民空调的拥有量；
根据表达式计算每台空调的耗电量wh，其中w表示城乡居民空调的历史总耗电量，h表示城乡居民户数，p表示每户城乡居民空调的拥有量；
城乡居民空调的总耗电量预测值＝每台空调的耗电量*城乡居民户数预测值*每户城乡居民空调拥有量预测值。
此外，在一个具体示例中，所述城乡居民空调的历史总耗电量根据城乡居民用电历史数据确定。
以广东省城镇居民用电量需求预测为例。由于广东省的季节特点，广东省属热带和亚热带季风气候区，冬季气温偏高，所以冬季较温暖。基本上，春季、冬季居民均不需要开启空调制热，而夏秋两个季节是广东省居民开启空调制冷的集中季节。下面从广东省城镇居民用电历史数据确定城镇居民空调的历史总耗电量w。选取2010-2013年每月的广东省城镇居民用电数据分析空调用电产生的月份。由图2可以看出，同年广东省城镇居民1-5月用电处在相同的水平，6月由较明显的上升变化，9月份达到高峰之后开始下滑，直下滑至12月份的最低水平，假设这种下滑是由空调使用量的减少所导致的。12月份的用电量基本与3、4月份在同一水平，因此假定12月份不存在空调用电量。因此，设定基础电量为不开空调的常温度下城镇居民使用电量，即1-5月与12月的城镇居民用电量的均值，而6-11月份高于基础电力的部分即为开启空调产生的空调电量，6-11月份的空调电量之和，得到上述城镇居民空调的历史总耗电量w。
此外，在一个具体示例中，所述预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量的步骤包括：
根据城乡居民用电历史数据和所述城乡居民的用电来源设备中主要用电设备的总耗电量，计算城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量；
根据城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量以及根据城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量增速设定的预测年份的城乡居民的剩余用电设备的用电量增速，预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量。
城乡居民用电量中，扣除由主要用电设备的使用引起的用电量，其他的用电量即为城乡居民剩余用电设备的使用引起的用电量。即城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量＝城乡居民用电历史数据-城乡居民的用电来源设备中主要用电设备的总耗电量。基于此分析可得到历年城乡居民剩余用电设备用电量。
例如根据2010-2013年广东省城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量年均增速设定的预测年份的耗电量年均增速，并根据上述计算得到的城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量，预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量。
为了更好地理解上述方法，以下详细阐述一个本发明居民用电需求预测方法的应用实例。本应用实例以广东省城乡居民用电量需求预测为例。
如图3所示，可以包括以下步骤：
步骤S301：获取广东省城乡居民的用电来源设备；所述城乡居民包括城镇居民和农村居民；
步骤S302：根据城乡居民的用电来源设备的历史保有量获取城乡居民的用电来源设备中主要用电设备的保有量；所述主要用电设备包括冰箱和空调；
获取广东省城乡居民用电来源设备的保有量，进一步根据广东省城乡居民用电来源设备的保有量获取城乡居民的冰箱和空调的保有量；
步骤S303：当所述城乡居民的用电来源设备中主要用电设备为冰箱时，根据城乡居民冰箱的保有量获得预设数目户城乡居民冰箱的拥有量；根据预设数目户城乡居民冰箱的拥有量和每台冰箱的耗电量，计算每户城乡居民冰箱的耗电量，所述每台冰箱的耗电量根据当前城乡居民冰箱的功率确定；根据每户城乡居民冰箱的耗电量和城乡居民户数预测值，预测城乡居民冰箱的总耗电量；
当所述城乡居民为城镇居民时，首先根据城镇居民冰箱的保有量获得百户城镇居民冰箱拥有量；
当前购买冰箱多为一级节能冰箱，而老冰箱仍存在二级节能冰箱。查阅相关资料发现，根据一级节能冰箱的功率得到一级节能冰箱每天耗电量为0.5-0.6千瓦时，二级节能每天耗电量约为0.75千瓦时，但是该耗电量均为理想状态下测试的电耗。受存储量及气温等因素的影响，一般会高于这一数据，夏季一般会在1-1.5度电，冬季大约是0.8度，考虑到广东省春、冬两季温度处于10-20度左右，设定该季节冰箱每天耗电1千瓦时，而夏、秋两季温度较高，预计冰箱每天耗电量将会在1-1.5千瓦时，假设每天耗电量为1.25千瓦时左右，根据上述假设计算得到每年每台冰箱耗电量为410.75千瓦时。
考虑到未来期居民生活水平的提高冰箱的容积会不断加大，但是冰箱的节能程度也在不断改善，因此，假定2020年每台冰箱耗电量保持不变，仍为410.75千瓦时。同时，对于2020年广东省城镇百户电冰箱拥有量的设定，考虑到广东省的居民收入水平及气象因素，冰箱及空调均为居民生活的必需品，但是当家庭拥有量满足基本生活需求得到满足，该类商品很可能成为奢侈品，例如，每家拥有一台冰箱即可满足基本生活需求，当然不排除部分家庭需要两台冰箱，但是对绝大多数家庭而言，一台冰箱已足够，因此，当百户冰箱拥有量超过100之后，后期百户冰箱用有量的上升速度会减缓。查上海、北京市数据发现，2012年上海市居民百户冰箱拥有量为106.1台，但是从2003年至2012年共9年时间仅增加了4台(从102台增加至106台)，基于此，广东省2020年百户城镇居民冰箱拥有量设为105台。
每户城镇居民冰箱的耗电量＝百户城镇居民冰箱保有量*每台冰箱的耗电量/100；
城镇居民冰箱的总耗电量预测值＝每户城镇居民冰箱的耗电量*城镇居民户数预测值。可以得到2020年广东省城镇居民冰箱的使用引起的电量约为97.26亿千瓦时。
当所述城乡居民为农村居民时，首先根据农村居民冰箱的保有量获得百户农村居民冰箱拥有量；
同广东省城镇居民电冰箱年耗电量的设定基本相同，电冰箱的年耗电量并不以农村、城镇区分，且基本上，居民使用电冰箱的年利用小时数与气温相关，而无地域差异。因此，基本假定农村居民使用电冰箱的频率基本相同与城镇居民相似，且年耗电量亦相同。即假定2020年每台冰箱耗电量保持不变，仍为410.75千瓦时。
2013年广东省电冰箱百户农村居民拥有量为72.33，且2010-2013年的年均增速为13.7％，说明广东省农村居民电冰箱购买潜力较大，预计达到一户一台为基础。因此2020年此值设定为100，表明2020年广东省农村居民冰箱拥有量基本达到一户一台。
每户农村居民冰箱的耗电量＝百户农村居民冰箱拥有量*每台冰箱的耗电量/100；
农村居民冰箱的总耗电量预测值＝每户农村居民冰箱的耗电量*农村居民户数预测值，由此得到2020年广东省农村居民冰箱的使用引起的电量约为33.54亿千瓦时。
步骤S304：当所述城乡居民的用电来源设备中主要用电设备为空调时，根据城乡居民空调的保有量和城乡居民户数，获得每户城乡居民空调的拥有量；根据城乡居民空调的历史总耗电量、城乡居民户数和每户城乡居民空调的拥有量，计算每台空调的耗电量；所述城乡居民空调的历史总耗电量根据城乡居民用电历史数据确定；根据每台空调的耗电量、城乡居民户数预测值和每户城乡居民空调拥有量预测值，预测城乡居民空调的总耗电量；
当所述城乡居民为城镇居民时，首先根据城镇居民空调的保有量和城镇居民户数，获得每户城镇居民空调的拥有量；
根据表达式计算每台空调的耗电量wh，其中w表示城镇居民空调的历史总耗电量，h表示城镇居民户数，p表示每户城镇居民空调的拥有量；
由于广东省的季节特点，广东省属热带和亚热带季风气候区，冬季气温偏高，所以冬季较温暖。基本上，春季、冬季居民均不需要开启空调制热，而夏秋两个季节是广东省居民开启空调制冷的集中季节。下面从广东省城镇居民用电历史数据确定城镇居民空调的历史总耗电量w。选取2010-2013年每月的广东省城镇居民用电数据分析空调用电产生的月份。由图2可以看出，同年广东省城镇居民1-5月用电处在相同的水平，6月由较明显的上升变化，9月份达到高峰之后开始下滑，直下滑至12月份的最低水平，假设这种下滑是由空调使用量的减少所导致的。12月份的用电量基本与3、4月份在同一水平，因此假定12月份不存在空调用电量。因此，设定基础电量为不开空调的常温度下城镇居民使用电量，即1-5月与12月的城镇居民用电量的均值，而6-11月份高于基础电力的部分即为开启空调产生的空调电量，6-11月份的空调电量之和，得到上述城镇居民空调的历史总耗电量w。
未来居民空调拥有量与冰箱类似，但是饱和量却发生变化，每家一台冰箱即可满足基本生活需要，但是一台空调远远不够，空调的饱和量应该是每个房间一台，根据基本家庭户型计算，每户需要3台空调左右，即百户空调拥有量的饱和度应该在300左右。受南北气象的因素的影响，上海、北京等地百户空调拥有量均低于广东省，无法进行比较。2013年广东省百户空调保有量已达到231.9台，今年增长速度已有所放缓，因此对未来期百户空调保有量的设定依据是略有上升。
考虑到广东省2010-2013年的每台空调的耗电量年均增长率为1.02％，对于2020年城镇居民每台空调耗电量的设定按照此增速，2020年城镇居民每台空调的耗电量设为220kwh。
城镇居民空调的总耗电量预测值＝每台空调的耗电量*城镇居民户数预测值*每户城镇居民空调拥有量预测值。可以得到2020年广东省城镇居民空调的使用引起的电量约为127.59亿千瓦时。
当所述城乡居民为农村居民时，首先根据农村居民空调的保有量和农村居民户数，获得每户农村居民空调的拥有量；
根据表达式计算每台空调的耗电量w′h，其中w′表示农村居民空调的历史总耗电量，h′表示农村居民户数，p′表示每户农村居民空调的拥有量；
广东省农村居民每台空调的耗电量w′h的计算公式如上式。同时，公式中农村居民空调的历史总耗电量w′的分析方法也与城镇居民空调的历史总耗电量w的分析方法相同，按照上述部分分析的结果，农村居民每台空调的耗电量即可得出。
为了简化设置2020年农村每台空调的耗电量的复杂过程，这里假设2020年农村每台空调的耗电量与城镇相同。且2020年广东省农村居民百户空调拥有量的设定，考虑到农村居民百户空调保有量仍处于较高的增长阶段，一旦百户空调拥有量达到100之后，增速将有所放缓，因此，按照较近年份(2012和2013年)的增速取算数平均数作为2020年广东省农村百户空调拥有量的年均增速。以此设定2020年广东省农村百户空调拥有量为112.5台。
农村居民空调的总耗电量预测值＝每台空调的耗电量*农村居民户数预测值*每户农村居民空调拥有量预测值，由此进而得到2020年广东省农村居民冰箱的使用引起的电量约为20.1亿千瓦时。
步骤S305：根据城乡居民用电历史数据和所述城乡居民的用电来源设备中主要用电设备的总耗电量，计算城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量；
步骤S306：根据城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量和城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量增速，预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量；
当所述城乡居民为城镇居民时，城镇居民用电量中，扣除由电冰箱和空调的使用引起的用电量，其他的用电量即为城镇居民家庭其他用电设备的使用引起的用电量。即城镇居民其他用电量＝城镇居民用电量-城镇居民空调用电量-城镇居民电冰箱用电量。基于此分析可得到历年城镇居民其他用电设备年用电量。
至于2020年广东省城镇居民其他用电设备的年用电量的设定，则结合2010-2013年的年均增速来给定。2010-2013年城镇每户居民其他用电设备的用电量年均增速为8.06％。由于其他用电设备包括家用照明设备和冰箱、空调之外的家用电器，考虑到居民家用照明设备基本饱和，且后期会更加倾向于节能照明设备，同时其他家用电器的节能程度会进一步提升。因此，给定城镇每户居民其他用电设备2013—2020年的年均增速为5％是合理的，由此可以得到2020年广东省城镇居民其他用电设备年用电量预测值约为445.88亿千瓦时.
当所述城乡居民为农村居民时，农村居民用电量中，扣除由电冰箱和空调的使用引起的用电量，其他的用电量即为农村居民家庭其他用电设备的使用引起的用电量。即农村居民其他用电量＝农村居民用电量-农村居民空调用电量-农村居民电冰箱用电量。基于此分析可得到历年农村居民其他用电设备年用电量。
2020年的数值按照2010-2013年的年均增速给定。2010-2013年的广东省农村居民其他用电设备年用电量年均增速为7.3％，基于此增速下2020年的农村居民每户其他用电设备年用电量为5124.16千瓦时。由此可以得到2020年广东省农村居民其他用电设备年用电量预测值约为340.94亿千瓦时。
步骤S307：根据所述城乡居民的用电来源设备中主要用电设备的总耗电量和所述城乡居民的用电来源设备中剩余用电设备的总耗电量，预测城乡居民的用电需求。
汇总得到广东省城乡居民年用电量预测值：
城乡居民的用电需求＝城镇居民冰箱的总耗电量+城镇居民空调的总耗电量+城镇居民其他用电设备的总耗电量+农村居民冰箱的总耗电量+农村居民空调的总耗电量+农村居民其他用电设备的总耗电量，计算得到2020年广东省城乡居民用电需求约为1065.31亿千瓦时。
从以上描述可知，本实施例以广东省城乡居民用电量需求预测为例，首先分析广东省城乡居民用电来源设备主要是家用电器设备(空调和冰箱)以及照明设施等；其次根据城乡居民的用电来源设备的历史保有量获取城乡居民的用电来源设备中主要用电设备的保有量；然后分析预测广东省城乡居民冰箱、空调、其他用电设备的总耗电量；最后根据汇总的耗电量预测城乡居民的用电需求，有助于辅助某区域内电力市场需求预测，有助于电力市场年度规划的合理制定，避免资源的浪费。
一个实施例中居民用电需求预测系统，如图4所示，包括：
用电来源设备获取模块401，用于获取城乡居民的用电来源设备；
用电来源设备保有量获取模块402，用于根据城乡居民的用电来源设备的历史保有量获取城乡居民的用电来源设备中主要用电设备的保有量；
主要用电设备总耗电量预测模块403，用于根据城乡居民的用电来源设备中主要用电设备的保有量预测城乡居民的用电来源设备中主要用电设备的总耗电量；
剩余用电设备总耗电量预测模块404，用于根据城乡居民用电历史数据、所述城乡居民的用电来源设备中主要用电设备的总耗电量和城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量增速，预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量；
城乡居民用电需求预测模块405，用于根据所述城乡居民的用电来源设备中主要用电设备的总耗电量和所述城乡居民的用电来源设备中剩余用电设备的总耗电量，预测城乡居民的用电需求。
如图4所示，在一个具体示例中，所述主要用电设备总耗电量预测模块403包括：
城乡居民冰箱拥有量获得单元4031，用于当所述城乡居民的用电来源设备中主要用电设备为冰箱时，根据城乡居民冰箱的保有量获得预设数目户城乡居民冰箱的拥有量；
每户城乡居民冰箱耗电量计算单元4032，用于根据预设数目户城乡居民冰箱的拥有量和每台冰箱的耗电量，计算每户城乡居民冰箱的耗电量，所述每台冰箱的耗电量根据当前城乡居民冰箱的功率确定；
城乡居民冰箱总耗电量预测单元4033，用于根据每户城乡居民冰箱的耗电量和城乡居民户数预测值，预测城乡居民冰箱的总耗电量。
以广东省城乡居民用电量需求预测为例。当所述城乡居民的用电来源设备中主要用电设备为冰箱时，根据城乡居民冰箱的保有量获得百户城乡居民(城镇或农村居民)冰箱拥有量；
当前购买冰箱多为一级节能冰箱，而老冰箱仍存在二级节能冰箱。查阅相关资料发现，根据一级节能冰箱的功率得到一级节能冰箱每天耗电量为0.5-0.6千瓦时，二级节能每天耗电量约为0.75千瓦时，但是该耗电量均为理想状态下测试的电耗。受存储量及气温等因素的影响，一般会高于这一数据，夏季一般会在1-1.5度电，冬季大约是0.8度，考虑到广东省春、冬两季温度处于10-20度左右，设定该季节冰箱每天耗电1千瓦时，而夏、秋两季温度较高，预计冰箱每天耗电量将会在1-1.5千瓦时，假设每天耗电量为1.25千瓦时左右，根据上述假设计算得到每年每台冰箱耗电量为410.75千瓦时。
每户城乡居民冰箱的耗电量＝百户城乡居民冰箱拥有量*每台冰箱的耗电量/100；
城乡居民冰箱的总耗电量预测值＝每户城乡居民冰箱的耗电量*城乡居民户数预测值。
如图4所示，在一个具体示例中，所述主要用电设备总耗电量预测模块403包括：
每户城乡居民空调拥有量获得单元4034，用于当所述城乡居民的用电来源设备中主要用电设备为空调时，根据城乡居民空调的保有量和城乡居民户数，获得每户城乡居民空调的拥有量；
每台空调耗电量计算单元4035，用于根据城乡居民空调的历史总耗电量、城乡居民户数和每户城乡居民空调的拥有量，计算每台空调的耗电量；
城乡居民空调总耗电量预测单元4036，用于根据每台空调的耗电量、城乡居民户数预测值和每户城乡居民空调拥有量预测值，预测城乡居民空调的总耗电量。
当城乡居民的用电来源设备中主要用电设备为空调时，根据城乡居民空调的保有量和城乡居民户数，获得每户城乡居民空调的拥有量；
根据表达式计算每台空调的耗电量wh，其中w表示城乡居民空调的历史总耗电量，h表示城乡居民户数，p表示每户城乡居民空调的拥有量；
城乡居民空调的总耗电量预测值＝每台空调的耗电量*城乡居民户数预测值*每户城乡居民空调拥有量预测值。
此外，在一个具体示例中，所述城乡居民空调的历史总耗电量根据城乡居民用电历史数据确定。
以广东省城镇居民用电量需求预测为例。由于广东省的季节特点，广东省属热带和亚热带季风气候区，冬季气温偏高，所以冬季较温暖。基本上，春季、冬季居民均不需要开启空调制热，而夏秋两个季节是广东省居民开启空调制冷的集中季节。下面从广东省城镇居民用电历史数据确定城镇居民空调的历史总耗电量w。选取2010-2013年每月的广东省城镇居民用电数据分析空调用电产生的月份。由图2可以看出，同年广东省城镇居民1-5月用电处在相同的水平，6月由较明显的上升变化，9月份达到高峰之后开始下滑，直下滑至12月份的最低水平，假设这种下滑是由空调使用量的减少所导致的。12月份的用电量基本与3、4月份在同一水平，因此假定12月份不存在空调用电量。因此，设定基础电量为不开空调的常温度下城镇居民使用电量，即1-5月与12月的城镇居民用电量的均值，而6-11月份高于基础电力的部分即为开启空调产生的空调电量，6-11月份的空调电量之和，得到上述城镇居民空调的历史总耗电量w。
如图4所示，在一个具体示例中，所述剩余用电设备总耗电量预测模块404包括：
剩余用电设备的历史总耗电量计算单元4041，用于根据城乡居民用电历史数据和所述城乡居民的用电来源设备中主要用电设备的总耗电量，计算城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量；
剩余用电设备的总耗电量预测单元4042，用于根据城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量以及根据城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量增速设定的预测年份的城乡居民的剩余用电设备的用电量增速，预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量。
城乡居民用电量中，扣除由主要用电设备的使用引起的用电量，其他的用电量即为城乡居民剩余用电设备的使用引起的用电量。即城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量＝城乡居民用电历史数据-城乡居民的用电来源设备中主要用电设备的总耗电量。基于此分析可得到历年城乡居民剩余用电设备用电量。
例如根据2010-2013年广东省城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量增速和上述计算得到的城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量，预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量。
从以上描述可知，本发明居民用电需求预测系统，从城乡居民用电来源设备耗电量的角度，分析预测城乡居民用电需求，辅助某区域内电力市场需求预测，有助于电力市场年度规划的合理制定。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种居民用电需求预测方法，其特征在于，包括以下步骤：
获取城乡居民的用电来源设备；
根据城乡居民的用电来源设备的历史保有量获取城乡居民的用电来源设备中主要用电设备的保有量；
根据城乡居民的用电来源设备中主要用电设备的保有量预测城乡居民的用电来源设备中主要用电设备的总耗电量；
根据城乡居民用电历史数据、所述城乡居民的用电来源设备中主要用电设备的总耗电量和城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量增速，预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量；
根据所述城乡居民的用电来源设备中主要用电设备的总耗电量和所述城乡居民的用电来源设备中剩余用电设备的总耗电量，预测城乡居民的用电需求。
2.根据权利要求1所述的居民用电需求预测方法，其特征在于，根据城乡居民的用电来源设备中主要用电设备的保有量预测城乡居民的用电来源设备中主要用电设备的总耗电量的步骤包括：
当所述城乡居民的用电来源设备中主要用电设备为冰箱时，根据城乡居民冰箱的保有量获得预设数目户城乡居民冰箱的拥有量；
根据预设数目户城乡居民冰箱的拥有量和每台冰箱的耗电量，计算每户城乡居民冰箱的耗电量，所述每台冰箱的耗电量根据当前城乡居民冰箱的功率确定；
根据每户城乡居民冰箱的耗电量和城乡居民户数预测值，预测城乡居民冰箱的总耗电量。
3.根据权利要求1或2所述的居民用电需求预测方法，其特征在于，根据城乡居民的用电来源设备中主要用电设备的保有量预测城乡居民的用电来源设备中主要用电设备的总耗电量的步骤包括：
当所述城乡居民的用电来源设备中主要用电设备为空调时，根据城乡居民空调的保有量和城乡居民户数，获得每户城乡居民空调的拥有量；
根据城乡居民空调的历史总耗电量、城乡居民户数和每户城乡居民空调的拥有量，计算每台空调的耗电量；
根据每台空调的耗电量、城乡居民户数预测值和每户城乡居民空调拥有量预测值，预测城乡居民空调的总耗电量。
4.根据权利要求3所述的居民用电需求预测方法，其特征在于，所述城乡居民空调的历史总耗电量根据城乡居民用电历史数据确定。
5.根据权利要求1所述的居民用电需求预测方法，其特征在于，所述预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量的步骤包括：
根据城乡居民用电历史数据和所述城乡居民的用电来源设备中主要用电设备的总耗电量，计算城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量；
根据城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量以及根据城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量增速设定的预测年份的城乡居民的剩余用电设备的用电量增速，预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量。
6.一种居民用电需求预测系统，其特征在于，包括：
用电来源设备获取模块，用于获取城乡居民的用电来源设备；
用电来源设备保有量获取模块，用于根据城乡居民的用电来源设备的历史保有量获取城乡居民的用电来源设备中主要用电设备的保有量；
主要用电设备总耗电量预测模块，用于根据城乡居民的用电来源设备中主要用电设备的保有量预测城乡居民的用电来源设备中主要用电设备的总耗电量；
剩余用电设备总耗电量预测模块，用于根据城乡居民用电历史数据、所述城乡居民的用电来源设备中主要用电设备的总耗电量和城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量增速，预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量；
城乡居民用电需求预测模块，用于根据所述城乡居民的用电来源设备中主要用电设备的总耗电量和所述城乡居民的用电来源设备中剩余用电设备的总耗电量，预测城乡居民的用电需求。
7.根据权利要求6所述的居民用电需求预测系统，其特征在于，所述主要用电设备总耗电量预测模块包括：
城乡居民冰箱拥有量获得单元，用于当所述城乡居民的用电来源设备中主要用电设备为冰箱时，根据城乡居民冰箱的保有量获得预设数目户城乡居民冰箱的拥有量；
每户城乡居民冰箱耗电量计算单元，用于根据预设数目户城乡居民冰箱的拥有量和每台冰箱的耗电量，计算每户城乡居民冰箱的耗电量，所述每台冰箱的耗电量根据当前城乡居民冰箱的功率确定；
城乡居民冰箱总耗电量预测单元，用于根据每户城乡居民冰箱的耗电量和城乡居民户数预测值，预测城乡居民冰箱的总耗电量。
8.根据权利要求6或7所述的居民用电需求预测系统，其特征在于，所述主要用电设备总耗电量预测模块包括：
每户城乡居民空调拥有量获得单元，用于当所述城乡居民的用电来源设备中主要用电设备为空调时，根据城乡居民空调的保有量和城乡居民户数，获得每户城乡居民空调的拥有量；
每台空调耗电量计算单元，用于根据城乡居民空调的历史总耗电量、城乡居民户数和每户城乡居民空调的拥有量，计算每台空调的耗电量；
城乡居民空调总耗电量预测单元，用于根据每台空调的耗电量、城乡居民户数预测值和每户城乡居民空调拥有量预测值，预测城乡居民空调的总耗电量。
9.根据权利要求8所述的居民用电需求预测系统，其特征在于，所述城乡居民空调的历史总耗电量根据城乡居民用电历史数据确定。
10.根据权利要求6所述的居民用电需求预测系统，其特征在于，所述剩余用电设备总耗电量预测模块包括：
剩余用电设备的历史总耗电量计算单元，用于根据城乡居民用电历史数据和所述城乡居民的用电来源设备中主要用电设备的总耗电量，计算城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量；
剩余用电设备的总耗电量预测单元，用于根据城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量以及根据城乡居民的用电来源设备中除主要用电设备外剩余用电设备的历史总耗电量增速设定的预测年份的城乡居民的剩余用电设备的用电量增速，预测城乡居民的用电来源设备中除主要用电设备外剩余用电设备的总耗电量。
CN201610374042.0A 2016-05-30 2016-05-30 居民用电需求预测方法和系统 Pending CN105894137A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610374042.0A CN105894137A (zh) 2016-05-30 2016-05-30 居民用电需求预测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610374042.0A CN105894137A (zh) 2016-05-30 2016-05-30 居民用电需求预测方法和系统

Publications (1)

Publication Number Publication Date
CN105894137A true CN105894137A (zh) 2016-08-24

Family

ID=56710427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610374042.0A Pending CN105894137A (zh) 2016-05-30 2016-05-30 居民用电需求预测方法和系统

Country Status (1)

Country Link
CN (1) CN105894137A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622344A (zh) * 2017-09-04 2018-01-23 佛山佳牧乐科技有限公司 一种供电方法和装置
CN109325634A (zh) * 2018-10-24 2019-02-12 南方电网科学研究院有限责任公司 一种考虑用户潜在用电需求的农村电网负荷预测方法
CN109359780A (zh) * 2018-11-16 2019-02-19 上海电力学院 一种基于电器化指数的居民用电量预测方法
CN109543908A (zh) * 2018-11-26 2019-03-29 国家电网有限公司 一种基于居民家用电器能耗核算的居民用电量的预测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751255A (zh) * 2015-04-23 2015-07-01 国家电网公司 一种配电台区最大负荷预测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751255A (zh) * 2015-04-23 2015-07-01 国家电网公司 一种配电台区最大负荷预测方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622344A (zh) * 2017-09-04 2018-01-23 佛山佳牧乐科技有限公司 一种供电方法和装置
CN109325634A (zh) * 2018-10-24 2019-02-12 南方电网科学研究院有限责任公司 一种考虑用户潜在用电需求的农村电网负荷预测方法
CN109325634B (zh) * 2018-10-24 2022-03-18 南方电网科学研究院有限责任公司 一种考虑用户潜在用电需求的农村电网负荷预测方法
CN109359780A (zh) * 2018-11-16 2019-02-19 上海电力学院 一种基于电器化指数的居民用电量预测方法
CN109359780B (zh) * 2018-11-16 2021-10-08 上海电力学院 一种基于电器化指数的居民用电量预测方法
CN109543908A (zh) * 2018-11-26 2019-03-29 国家电网有限公司 一种基于居民家用电器能耗核算的居民用电量的预测方法

Similar Documents

Publication Publication Date Title
Setlhaolo et al. Combined residential demand side management strategies with coordination and economic analysis
Ghedamsi et al. Modeling and forecasting energy consumption for residential buildings in Algeria using bottom-up approach
Aydinalp et al. Modeling of the appliance, lighting, and space-cooling energy consumptions in the residential sector using neural networks
Smith et al. Demand response: a strategy to address residential air-conditioning peak load in Australia
Meinrenken et al. Concurrent optimization of thermal and electric storage in commercial buildings to reduce operating cost and demand peaks under time-of-use tariffs
Solano et al. Assessing the potential of PV hybrid systems to cover HVAC loads in a grid-connected residential building through intelligent control
Marszal-Pomianowska et al. Simple methodology to estimate the mean hourly and the daily profiles of domestic hot water demand from hourly total heating readings
CN105894137A (zh) 居民用电需求预测方法和系统
Luo et al. Demand flexibility of residential buildings: definitions, flexible loads, and quantification methods
CN104318073A (zh) 单栋居住建筑的电气能耗模拟及节能的方法
CN106022536B (zh) 季节性用电预测方法和系统
Bruni et al. An Italian pilot project for zero energy buildings: Towards a quality-driven approach
CN105760963A (zh) 一种旅游区居民生活用电的预测方法
Dermentzis et al. Four years monitoring of heat pump, solar thermal and PV system in two net-zero energy multi-family buildings
Liu et al. Energy consumption comparison analysis of high energy efficiency office buildings in typical climate zones of China and US based on correction model
Silva et al. Knowing electricity end-uses to successfully promote energy efficiency in buildings: a case study in low-income houses in Southern Brazil
CN103971296A (zh) 基于电负荷与气温的数学模型的购电方法
George et al. A method for distinguishing appliance, lighting and plug load profiles from electricity ‘smart meter’datasets
CN113110089A (zh) 一种家庭电器优化使用管理方法、装置、设备及介质
Abdeen et al. Comparative review of occupant-related energy aspects of the National Building Code of Canada
CN113139672A (zh) 一种居民生活用电量预测方法
JP2020514931A (ja) 低頻度エネルギー分解技法の改善
CN115081902A (zh) 基于源网荷储协同的综合规划方法、装置、设备及介质
Nikdel et al. Net zero energy housing: An empirical analysis from measured data
CN112781177B (zh) 预测空调运行功率的方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20160824

RJ01 Rejection of invention patent application after publication