CN106022536A - 季节性用电预测方法和系统 - Google Patents

季节性用电预测方法和系统 Download PDF

Info

Publication number
CN106022536A
CN106022536A CN201610374041.6A CN201610374041A CN106022536A CN 106022536 A CN106022536 A CN 106022536A CN 201610374041 A CN201610374041 A CN 201610374041A CN 106022536 A CN106022536 A CN 106022536A
Authority
CN
China
Prior art keywords
seasonal
power consumption
predeterminable area
resident
year
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
Application number
CN201610374041.6A
Other languages
English (en)
Other versions
CN106022536B (zh
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
China South Power Grid International Co ltd
Original Assignee
Beijing Jingshi Wanfang Information Technology Co ltd
China South Power Grid International Co ltd
Power Grid Technology Research Center of China 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, China South Power Grid International Co ltd, Power Grid Technology Research Center of China Southern Power Grid Co Ltd filed Critical Beijing Jingshi Wanfang Information Technology Co ltd
Priority to CN201610374041.6A priority Critical patent/CN106022536B/zh
Publication of CN106022536A publication Critical patent/CN106022536A/zh
Application granted granted Critical
Publication of CN106022536B publication Critical patent/CN106022536B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种季节性用电预测方法和系统，所述方法包括：根据预设区域居民预设年度的各个月份的月度用电量计算预设区域居民预设年度的各个月份的月度日均用电量；根据月度日均用电量确定预设区域居民预设年度的季节性用电月份；根据季节性用电月份、预设区域居民预设年度的季节性用电月份的实际用电量和预设区域居民的基准月度日均用电量，计算预设区域居民预设年度的季节性用电量；根据预设区域居民用电特性和气温确定预设区域的季节性用电影响因素；根据预设区域居民预设年度的季节性用电量和预设区域的季节性用电影响因素，预测预设区域居民的季节性用电量。本发明预测居民生活季节性用电，为电力市场分析及电网规划提供有效的数据支持。

Description

季节性用电预测方法和系统
技术领域
本发明涉及居民用电量分析预测技术领域，特别是涉及一种季节性用电预测方法和系统。
背景技术
电力是与社会生产生活息息相关的二次能源，是经济发展的支持，是居民生活的保障。也因此，电力能源消费与经济发展是密不可分的。电力能源需求分析预测方法包括时间序列模型、灰色预测法、趋势分析法等，其中时间序列模型如ARIMA模型以历史期能源消费总量为基础，并考虑随机误差项进行预测。趋势分析法同样是从历史数据中发现规律，使用线性、曲线等模型进行拟合预测。灰色预测法也仅使用历史数据预测能源消费总量。实际上用户用电同时具有线性增长性和季节波动性，用户用电的变化呈现复杂的非线性特征，采用上述方法难以对用户季节性用电需求进行准确预测。
发明内容
基于上述情况，本发明提出了一种季节性用电预测方法和系统，分析预测居民生活季节性用电，为电力市场分析及电网规划提供有效的数据支持。
为了实现上述目的，本发明技术方案的实施例为：
一种季节性用电预测方法，包括以下步骤：
根据预设区域居民预设年度的各个月份的月度用电量计算所述预设区域居民预设年度的各个月份的月度日均用电量；
根据所述预设区域居民预设年度的各个月份的月度日均用电量确定所述预设区域居民预设年度的季节性用电月份；
根据所述预设区域居民预设年度的季节性用电月份、所述预设区域居民预设年度的季节性用电月份的实际用电量和所述预设区域居民的基准月度日均用电量，计算所述预设区域居民预设年度的季节性用电量；
根据所述预设区域居民用电特性和所述预设区域的气温确定所述预设区域的季节性用电影响因素；
根据所述预设区域居民预设年度的季节性用电量和所述预设区域的季节性用电影响因素，预测所述预设区域居民的季节性用电量。
一种季节性用电预测系统，包括：
月度日均用电量计算模块，用于根据预设区域居民预设年度的各个月份的月度用电量计算所述预设区域居民预设年度的各个月份的月度日均用电量；
季节性用电月份确定模块，用于根据所述预设区域居民预设年度的各个月份的月度日均用电量确定所述预设区域居民预设年度的季节性用电月份；
季节性用电量计算模块，用于根据所述预设区域居民预设年度的季节性用电月份、所述预设区域居民预设年度的季节性用电月份的实际用电量和所述预设区域居民的基准月度日均用电量，计算所述预设区域居民预设年度的季节性用电量；
季节性用电影响因素确定模块，用于根据所述预设区域居民用电特性和所述预设区域的气温确定所述预设区域的季节性用电影响因素；
季节性用电量预测模块，用于根据所述预设区域居民预设年度的季节性用电量和所述预设区域的季节性用电影响因素，预测所述预设区域居民的季节性用电量。
与现有技术相比，本发明的有益效果为：本发明季节性用电预测方法和系统，通过月度用电量计算月度日均用电量，根据月度日均用电量确定季节性用电月份；根据季节性用电月份、所述季节性用电月份的实际用电量和所述基准月度日均用电量，计算季节性用电量；根据季节性用电量和季节性用电影响因素预测居民生活季节性用电，为电力市场分析及电网规划提供有效的数据支持，推进电能的有效利用。
附图说明
图1为一个实施例中季节性用电预测方法流程图；
图2为一个实施例中广东省居民家庭空调保有量与广东省城镇居民季节性用电的线性关系示意图；
图3为基于图1所示方法一个具体示例中季节性用电预测方法流程图；
图4为2008-2011年1-12月广东省城镇居民月度日均用电量示意图；
图5为一个实施例中季节性用电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。
一个实施例中季节性用电预测方法，如图1所示，包括以下步骤：
步骤S101：根据预设区域居民预设年度的各个月份的月度用电量计算所述预设区域居民预设年度的各个月份的月度日均用电量；
步骤S102：根据所述预设区域居民预设年度的各个月份的月度日均用电量确定所述预设区域居民预设年度的季节性用电月份；
步骤S103：根据所述预设区域居民预设年度的季节性用电月份、所述预设区域居民预设年度的季节性用电月份的实际用电量和所述预设区域居民的基准月度日均用电量，计算所述预设区域居民预设年度的季节性用电量；
步骤S104：根据所述预设区域居民用电特性和所述预设区域的气候确定所述预设区域的季节性用电影响因素，所述气候可以通过气温或者温度或者气温、温度的变化规律来体现；
步骤S105：根据所述预设区域居民预设年度的季节性用电量和所述预设区域的季节性用电影响因素，预测所述预设区域居民的季节性用电量。
从以上描述可知，本发明季节性用电预测方法，预测居民生活季节性用电，为电力市场分析及电网规划提供有效的数据支持，推进电能的有效利用。
此外，在一个具体示例中，所述预设区域居民的基准月度日均用电量通过以下方式得到：
获取所述预设区域居民预设年度的各个月份中除所述预设区域居民预设年度的季节性用电月份外剩余各个月份的月度日均用电量；
根据所述预设区域居民预设年度的剩余各个月份的月度日均用电量确定所述预设区域居民的基准月度日均用电量。
以广东省城镇居民生活季节性用电分析预测为例，2011年其季节性用电月份为6、7、8、9、10、11月，将除季节性用电月份外的其余月份作为基准月份，获取剩余各个月份的月度日均用电量，将剩余各个月份的月度日均用电量的平均值作为当年广东省城镇居民的基准月度日均用电量。
此外，在一个具体示例中，计算所述预设区域居民预设年度的季节性用电量的步骤包括：
根据所述预设区域居民预设年度的季节性用电月份和所述预设区域居民的基准月度日均用电量，确定所述预设区域居民预设年度的季节性用电月份的基准用电量；
根据所述预设区域居民预设年度的季节性用电月份的基准用电量和所述预设区域居民预设年度的季节性用电月份的实际用电量，计算所述预设区域居民预设年度的季节性用电量。
还是以广东省城镇居民生活季节性用电分析预测为例，2011年其季节性用电月份为6、7、8、9、10、11月，基准月度日均用电量*季节性用电月份的天数分别得到6、7、8、9、10、11月的季节性用电月份的基准用电量，6月的实际用电量减去6月的季节性用电月份的基准用电量得到6月的季节性用电量，同理得到7、8、9、10、11月的季节性用电量，广东省城镇居民2011年的季节性用电量为6、7、8、9、10、11月的季节性用电量之和。
此外，在一个具体示例中，所述预设区域的季节性用电影响因素包括所述预设区域居民的季节性用电来源设备的保有量。
结合区域气候和区域居民用电特性，这个气候可以通过气温或者温度或者气温、温度的变化规律来体现，分析季节性用电终端设备，区域季节性用电主要用于降温或者升温，季节性用电终端设备主要为空调设备，那么季节性用电与居民家庭空调保有量的增长是密切相关的，即季节性用电与季节性用电来源设备的保有量有关。
此外，在一个具体示例中，所述预设区域居民的季节性用电来源设备的保有量通过以下方式得到：
获取所述预设区域居民的季节性用电来源设备；
根据所述预设区域居民户数和所述预设区域预设数目户居民的季节性用电来源设备的历史保有量，预测所述预设区域居民的季节性用电来源设备的保有量。
还是以广东省城镇居民生活季节性用电分析预测为例，广东省季节性用电主要用于供冷，季节性用电终端设备主要为空调设备，那么季节性用电与居民家庭空调保有量的增长是密切相关的。如图2所示，广东省居民家庭空调保有量与广东省城镇居民季节性用电存在较为明显的线性关系。获取广东省城镇居民的空调的历史保有量，如2008-2011年空调的历史保有量，根据该历史保有量预测当前广东省城镇居民的空调的保有量。图2中的曲线为以城镇居民空调保有量为因子，对城镇居民季节性用电量进行一元线性拟合得到的曲线，该曲线反映了城镇居民空调保有量与季节性用电量之间的计量关系；图2中的数据点为根据曲线方程与城镇居民空调保有量的实际数据计算得到的季节性用电量数据，数据点与曲线的重合度越高，表示曲线对城镇居民季节性用电量与空调保有量之间量化关系的解释度越高；从图2数据点与曲线的重合度来看，城镇居民季节性用电量与空调保有量之间的线性关系较为显著，具体地，以图2中的曲线拟合城镇居民季节性用电量与空调保有量之间的线性关系，决定系数R2达到0.95，拟合优度较好。
为了更好地理解上述方法，以下详细阐述一个本发明季节性用电预测方法的应用实例。本应用实例以广东省城镇居民生活季节性用电分析预测为例。
如图3所示，可以包括以下步骤：
步骤S301：根据广东省城镇居民预设年度的各个月份的月度用电量计算广东省城镇预设年度的各个月份的月度日均用电量；
步骤S302：根据广东省城镇居民预设年度的各个月份的月度日均用电量确定广东省城镇居民预设年度的季节性用电月份；
根据广东省城镇居民月度用电量数据，计算月度日均用电量，如图4所示，根据日均用电量的增长率分析季节性用电月份。观察广东省城镇居民各月的日均用电量，日均用电量在每年的6月开始上升，6、7、8、9、10、11月份的日均用电量高出其它月份，呈现“凸”字型，并且，该趋势于2008-2011年间是较为稳定的。结合广东省区域气候概况，6、7、8、9、10、11月为广东省空调负荷季节，其季节性用电也多由空调负荷产生。因此，其季节性用电月份为6、7、8、9、10、11月。
步骤S303：根据广东省城镇居民预设年度的各个月份中除广东省城镇居民预设年度的季节性用电月份外剩余各个月份(即1、2、3、4、5、12月)的月度日均用电量确定广东省城镇居民的基准月度日均用电量；
步骤S304：根据广东省城镇居民预设年度的季节性用电月份的基准用电量和广东省城镇居民预设年度的季节性用电月份的实际用电量，计算广东省城镇居民预设年度的季节性用电量；所述广东省城镇居民预设年度的季节性用电月份的基准用电量根据广东省城镇居民预设年度的季节性用电月份和广东省城镇居民的基准月度日均用电量确定；
例如2011年6、7、8、9、10、11月为广东省城镇居民的季节性用电月份，将除季节性用电月份外的其余月份作为基准月份，获取剩余各个月份的月度日均用电量，将剩余各个月份的月度日均用电量的平均值作为当年广东省城镇居民的基准月度日均用电量。
基准月度日均用电量*季节性用电月份的天数分别得到6、7、8、9、10、11月的季节性用电月份的基准用电量，6月的实际用电量减去6月的季节性用电月份的基准用电量得到6月的季节性用电量，同理得到7、8、9、10、11月的季节性用电量，广东省城镇居民2011年的季节性用电量为6、7、8、9、10、11月的季节性用电量之和。如表1所示，根据上述方法计算广东省城镇居民2009-2014年的季节性用电量。
表1广东省城镇居民2009-2014年的季节性用电量表
步骤S305：根据广东省城镇居民用电特性和广东省的气候确定广东省的季节性用电影响因素，这个气候可以通过气温或者温度或者气温、温度的变化规律来体现；广东省的季节性用电影响因素包括广东省城镇居民的季节性用电来源设备的保有量；广东省城镇居民的季节性用电来源设备的保有量通过以下方式得到：获取广东省城镇居民的季节性用电来源设备；根据广东省城镇居民的季节性用电来源设备的历史保有量预测广东省城镇居民的季节性用电来源设备的保有量。
结合区域气候和区域居民用电特性，分析季节性用电终端设备，区域季节性用电主要用于降温或者升温，季节性用电终端设备主要为空调设备，那么季节性用电与居民家庭空调保有量的增长是密切相关的，即季节性用电与季节性用电来源设备的保有量有关。
广东省季节性用电主要用于供冷，季节性用电终端设备主要为空调设备，那么季节性用电与居民家庭空调保有量的增长是密切相关的。如图2所示，广东省居民家庭空调保有量与广东省居民家庭季节性用电存在较为明显的线性关系。获取广东省城镇居民的空调的历史保有量，如2008-2011年空调的历史保有量，根据该历史保有量预测当前广东省城镇居民的空调的保有量。
步骤S306：根据广东省城镇居民预设年度的季节性用电量和广东省的季节性用电影响因素，预测广东省城镇居民的季节性用电量。
根据广东省城镇居民预设年度的季节性用电量，以及广东省的季节性用电影响因素，选取城镇居民空调保有量为季节性用电的主要影响因素，构建城镇居民生活季节性用电与空调保有量之间的线性回归模型，具体方程为：Y＝0.047X-25.96，其中，X为广东省城镇居民预设年度的空调保有量，Y为广东省城镇居民预设年度的季节性用电量；方程的拟合优度达到0.95，拟合优度较好。
根据上述季节性用电量与空调保有量的预测结果预测2020年广东省城镇居民生活季节性用电量约为381.8亿千瓦时。
对该预测结果进行回测检验，以2014年的空调用电量预测值与实际值进行比对，按上述方法预测的2014年广东省城镇居民季节性用电量为257.6亿千瓦时，2014年广东省城镇居民实际的季节性用电量为259.3亿千瓦时，偏差仅为0.7％，进一步证明本方法具备一定的适用性。
从以上描述可知，本实施例以广东省城镇居民生活季节性用电分析预测为例，首先根据月度用电量计算月度日均用电量；然后根据月度日均用电量确定季节性用电月份；根据季节性用电月份、基准月度日均用电量和季节性用电月份的实际用电量，计算季节性用电量；确定季节性用电影响因素；根据季节性用电量和季节性用电影响因素，预测广东省城镇居民的季节性用电量，为电力市场分析及电网规划提供有效的数据支持，推进电能的有效利用。
一个实施例中季节性用电预测系统，如图5所示，包括：
月度日均用电量计算模块501，用于根据预设区域居民预设年度的各个月份的月度用电量计算所述预设区域居民预设年度的各个月份的月度日均用电量；
季节性用电月份确定模块502，用于根据所述预设区域居民预设年度的各个月份的月度日均用电量确定所述预设区域居民预设年度的季节性用电月份；
季节性用电量计算模块503，用于根据所述预设区域居民预设年度的季节性用电月份、所述预设区域居民预设年度的季节性用电月份的实际用电量和所述预设区域居民的基准月度日均用电量，计算所述预设区域居民预设年度的季节性用电量；
季节性用电影响因素确定模块504，用于根据所述预设区域居民用电特性和所述预设区域的气候确定所述预设区域的季节性用电影响因素，所述气候可以通过气温或者温度或者气温、温度的变化规律来体现；
季节性用电量预测模块505，用于根据所述预设区域居民预设年度的季节性用电量和所述预设区域的季节性用电影响因素，预测所述预设区域居民的季节性用电量。
此外，在一个具体示例中，所述预设区域居民的基准月度日均用电量通过以下方式得到：
获取所述预设区域居民预设年度的各个月份中除所述预设区域居民预设年度的季节性用电月份外剩余各个月份的月度日均用电量；
根据所述预设区域居民预设年度的剩余各个月份的月度日均用电量确定所述预设区域居民的基准月度日均用电量。
以广东省城镇居民生活季节性用电分析预测为例，2011年其季节性用电月份为6、7、8、9、10、11月，将除季节性用电月份外的其余月份作为基准月份，获取剩余各个月份的月度日均用电量，将剩余各个月份的月度日均用电量的平均值作为当年广东省城镇居民的基准月度日均用电量。
如图5所示，在一个具体示例中，所述季节性用电量计算模块503包括：
基准用电量确定单元5031，用于根据所述预设区域居民预设年度的季节性用电月份和所述预设区域居民的基准月度日均用电量，确定所述预设区域居民预设年度的季节性用电月份的基准用电量；
季节性用电量计算单元5032，用于根据所述预设区域居民预设年度的季节性用电月份的基准用电量和所述预设区域居民预设年度的季节性用电月份的实际用电量，计算所述预设区域居民预设年度的季节性用电量。
还是以广东省城镇居民生活季节性用电分析预测为例，2011年其季节性用电月份为6、7、8、9、10、11月，基准月度日均用电量*季节性用电月份的天数分别得到6、7、8、9、10、11月的季节性用电月份的基准用电量，6月的实际用电量减去6月的季节性用电月份的基准用电量得到6月的季节性用电量，同理得到7、8、9、10、11月的季节性用电量，广东省城镇居民2011年的季节性用电量为6、7、8、9、10、11月的季节性用电量之和。
此外，在一个具体示例中，所述预设区域的季节性用电影响因素包括所述预设区域居民的季节性用电来源设备的保有量。
结合区域气候和区域居民用电特性，这个气候可以通过气温或者温度或者气温、温度的变化规律来体现，分析季节性用电终端设备，区域季节性用电主要用于降温或者升温，季节性用电终端设备主要为空调设备，那么季节性用电与居民家庭空调保有量的增长是密切相关的，即季节性用电与季节性用电来源设备的保有量有关。
此外，在一个具体示例中，所述预设区域居民的季节性用电来源设备的保有量通过以下方式得到：
获取所述预设区域居民的季节性用电来源设备；
根据所述预设区域居民户数和所述预设区域预设数目户居民的季节性用电来源设备的历史保有量，预测所述预设区域居民的季节性用电来源设备的保有量。
还是以广东省城镇居民生活季节性用电分析预测为例，广东省季节性用电主要用于供冷，季节性用电终端设备主要为空调设备，那么季节性用电与居民家庭空调保有量的增长是密切相关的。如图2所示，广东省居民家庭空调保有量与广东省城镇居民季节性用电存在较为明显的线性关系。获取广东省城镇居民的空调的历史保有量，如2008-2011年空调的历史保有量，根据该历史保有量预测当前广东省城镇居民的空调的保有量。
从以上描述可知，本发明季节性用电预测系统，预测居民生活季节性用电，为电力市场分析及电网规划提供有效的数据支持，推进电能的有效利用。
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)

1.一种季节性用电预测方法，其特征在于，包括以下步骤：
根据预设区域居民预设年度的各个月份的月度用电量计算所述预设区域居民预设年度的各个月份的月度日均用电量；
根据所述预设区域居民预设年度的各个月份的月度日均用电量确定所述预设区域居民预设年度的季节性用电月份；
根据所述预设区域居民预设年度的季节性用电月份、所述预设区域居民预设年度的季节性用电月份的实际用电量和所述预设区域居民的基准月度日均用电量，计算所述预设区域居民预设年度的季节性用电量；
根据所述预设区域居民用电特性和所述预设区域的气温确定所述预设区域的季节性用电影响因素；
根据所述预设区域居民预设年度的季节性用电量和所述预设区域的季节性用电影响因素，预测所述预设区域居民的季节性用电量。
2.根据权利要求1所述的季节性用电预测方法，其特征在于，所述预设区域居民的基准月度日均用电量通过以下方式得到：
获取所述预设区域居民预设年度的各个月份中除所述预设区域居民预设年度的季节性用电月份外剩余各个月份的月度日均用电量；
根据所述预设区域居民预设年度的剩余各个月份的月度日均用电量确定所述预设区域居民的基准月度日均用电量。
3.根据权利要求1所述的季节性用电预测方法，其特征在于，计算所述预设区域居民预设年度的季节性用电量的步骤包括：
根据所述预设区域居民预设年度的季节性用电月份和所述预设区域居民的基准月度日均用电量，确定所述预设区域居民预设年度的季节性用电月份的基准用电量；
根据所述预设区域居民预设年度的季节性用电月份的基准用电量和所述预设区域居民预设年度的季节性用电月份的实际用电量，计算所述预设区域居民预设年度的季节性用电量。
4.根据权利要求1所述的季节性用电预测方法，其特征在于，所述预设区域的季节性用电影响因素包括所述预设区域居民的季节性用电来源设备的保有量。
5.根据权利要求4所述的季节性用电预测方法，其特征在于，所述预设区域居民的季节性用电来源设备的保有量通过以下方式得到：
获取所述预设区域居民的季节性用电来源设备；
根据所述预设区域居民户数和所述预设区域预设数目户居民的季节性用电来源设备的历史保有量，预测所述预设区域居民的季节性用电来源设备的保有量。
6.一种季节性用电预测系统，其特征在于，包括：
月度日均用电量计算模块，用于根据预设区域居民预设年度的各个月份的月度用电量计算所述预设区域居民预设年度的各个月份的月度日均用电量；
季节性用电月份确定模块，用于根据所述预设区域居民预设年度的各个月份的月度日均用电量确定所述预设区域居民预设年度的季节性用电月份；
季节性用电量计算模块，用于根据所述预设区域居民预设年度的季节性用电月份、所述预设区域居民预设年度的季节性用电月份的实际用电量和所述预设区域居民的基准月度日均用电量，计算所述预设区域居民预设年度的季节性用电量；
季节性用电影响因素确定模块，用于根据所述预设区域居民用电特性和所述预设区域的气温确定所述预设区域的季节性用电影响因素；
季节性用电量预测模块，用于根据所述预设区域居民预设年度的季节性用电量和所述预设区域的季节性用电影响因素，预测所述预设区域居民的季节性用电量。
7.根据权利要求6所述的季节性用电预测系统，其特征在于，所述预设区域居民的基准月度日均用电量通过以下方式得到：
获取所述预设区域居民预设年度的各个月份中除所述预设区域居民预设年度的季节性用电月份外剩余各个月份的月度日均用电量；
根据所述预设区域居民预设年度的剩余各个月份的月度日均用电量确定所述预设区域居民的基准月度日均用电量。
8.根据权利要求6所述的季节性用电预测系统，其特征在于，所述季节性用电量计算模块包括：
基准用电量确定单元，用于根据所述预设区域居民预设年度的季节性用电月份和所述预设区域居民的基准月度日均用电量，确定所述预设区域居民预设年度的季节性用电月份的基准用电量；
季节性用电量计算单元，用于根据所述预设区域居民预设年度的季节性用电月份的基准用电量和所述预设区域居民预设年度的季节性用电月份的实际用电量，计算所述预设区域居民预设年度的季节性用电量。
9.根据权利要求6所述的季节性用电预测系统，其特征在于，所述预设区域的季节性用电影响因素包括所述预设区域居民的季节性用电来源设备的保有量。
10.根据权利要求9所述的季节性用电预测系统，其特征在于，所述预设区域居民的季节性用电来源设备的保有量通过以下方式得到：
获取所述预设区域居民的季节性用电来源设备；
根据所述预设区域居民户数和所述预设区域预设数目户居民的季节性用电来源设备的历史保有量，预测所述预设区域居民的季节性用电来源设备的保有量。
CN201610374041.6A 2016-05-30 2016-05-30 季节性用电预测方法和系统 Active CN106022536B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610374041.6A CN106022536B (zh) 2016-05-30 2016-05-30 季节性用电预测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610374041.6A CN106022536B (zh) 2016-05-30 2016-05-30 季节性用电预测方法和系统

Publications (2)

Publication Number Publication Date
CN106022536A true CN106022536A (zh) 2016-10-12
CN106022536B CN106022536B (zh) 2018-03-30

Family

ID=57091534

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610374041.6A Active CN106022536B (zh) 2016-05-30 2016-05-30 季节性用电预测方法和系统

Country Status (1)

Country Link
CN (1) CN106022536B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106771429A (zh) * 2016-12-28 2017-05-31 湖南大学 用电量模式学习方法、装置及智能电表
CN107480810A (zh) * 2017-07-21 2017-12-15 上海电力学院 一种利用季节指数改进二次指数平滑的月用电量预测方法
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
CN109753522A (zh) * 2018-11-29 2019-05-14 国网江苏省电力有限公司电力科学研究院 一种企业用电数据保护方法、系统及存储介质
CN112308587A (zh) * 2019-07-31 2021-02-02 中国石油天然气股份有限公司 天然气峰谷月销售量确定方法、装置及存储介质
CN113705999A (zh) * 2021-08-19 2021-11-26 国网河南省电力公司周口供电公司 一种电力大数据自动推理平台及电力分配系统
CN116385210A (zh) * 2023-06-06 2023-07-04 江苏图南数字科技有限公司 一种基于物联网的供电能耗监测系统
CN117764638A (zh) * 2024-02-20 2024-03-26 国网浙江省电力有限公司 一种供电企业售电数据预测方法、系统、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013078541A1 (en) * 2011-11-29 2013-06-06 Energy Aware Technology Inc. Method and system for forecasting power requirements using granular metrics
CN103617457A (zh) * 2013-12-06 2014-03-05 国网山东省电力公司 电力系统中与温度有关的天气敏感负荷的预测方法
CN103617565A (zh) * 2013-12-06 2014-03-05 国网山东省电力公司 城市微气象与电力空调负荷关系的建立方法
CN104616079A (zh) * 2015-02-04 2015-05-13 国家电网公司 基于气温变化的电网日用电量预测方法
CN105069536A (zh) * 2015-08-19 2015-11-18 国网安徽省电力公司经济技术研究院 一种基于气温与经济增长的用电需求预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013078541A1 (en) * 2011-11-29 2013-06-06 Energy Aware Technology Inc. Method and system for forecasting power requirements using granular metrics
CN103617457A (zh) * 2013-12-06 2014-03-05 国网山东省电力公司 电力系统中与温度有关的天气敏感负荷的预测方法
CN103617565A (zh) * 2013-12-06 2014-03-05 国网山东省电力公司 城市微气象与电力空调负荷关系的建立方法
CN104616079A (zh) * 2015-02-04 2015-05-13 国家电网公司 基于气温变化的电网日用电量预测方法
CN105069536A (zh) * 2015-08-19 2015-11-18 国网安徽省电力公司经济技术研究院 一种基于气温与经济增长的用电需求预测方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106771429A (zh) * 2016-12-28 2017-05-31 湖南大学 用电量模式学习方法、装置及智能电表
CN106771429B (zh) * 2016-12-28 2019-07-26 湖南大学 用电量模式学习方法、装置及智能电表
CN107480810B (zh) * 2017-07-21 2021-03-02 上海电力学院 一种利用季节指数改进二次指数平滑的月用电量预测方法
CN107480810A (zh) * 2017-07-21 2017-12-15 上海电力学院 一种利用季节指数改进二次指数平滑的月用电量预测方法
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
CN109753522A (zh) * 2018-11-29 2019-05-14 国网江苏省电力有限公司电力科学研究院 一种企业用电数据保护方法、系统及存储介质
CN112308587A (zh) * 2019-07-31 2021-02-02 中国石油天然气股份有限公司 天然气峰谷月销售量确定方法、装置及存储介质
CN112308587B (zh) * 2019-07-31 2024-03-05 中国石油天然气股份有限公司 天然气峰谷月销售量确定方法、装置及存储介质
CN113705999A (zh) * 2021-08-19 2021-11-26 国网河南省电力公司周口供电公司 一种电力大数据自动推理平台及电力分配系统
CN116385210A (zh) * 2023-06-06 2023-07-04 江苏图南数字科技有限公司 一种基于物联网的供电能耗监测系统
CN116385210B (zh) * 2023-06-06 2023-08-15 江苏图南数字科技有限公司 一种基于物联网的供电能耗监测系统
CN117764638A (zh) * 2024-02-20 2024-03-26 国网浙江省电力有限公司 一种供电企业售电数据预测方法、系统、设备及存储介质
CN117764638B (zh) * 2024-02-20 2024-04-30 国网浙江省电力有限公司 一种供电企业售电数据预测方法、系统、设备及存储介质

Also Published As

Publication number Publication date
CN106022536B (zh) 2018-03-30

Similar Documents

Publication Publication Date Title
CN106022536B (zh) 季节性用电预测方法和系统
Macarulla et al. Implementation of predictive control in a commercial building energy management system using neural networks
Hong et al. A fresh look at weather impact on peak electricity demand and energy use of buildings using 30-year actual weather data
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
Ji et al. HVAC terminal hourly end-use disaggregation in commercial buildings with Fourier series model
Ruddell et al. Reducing a semiarid city’s peak electrical demand using distributed cold thermal energy storage
Escrivá-Escrivá et al. New indices to assess building energy efficiency at the use stage
Wood et al. Impact of oil prices, economic diversification policies and energy conservation programs on the electricity and water demands in Kuwait
Cruz Rios et al. Analyzing the impact of outside temperature on energy consumption and production patterns in high-performance research buildings in Arizona
KR20130074043A (ko) 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템
US10637245B2 (en) System and method for sizing a capacity of an energy storage device
Georges et al. A general methodology for optimal load management with distributed renewable energy generation and storage in residential housing
Lang et al. Engineering estimates versus impact evaluation of energy efficiency projects: Regression discontinuity evidence from a case study
Nateghi et al. Multi-objective optimization of a multi-story hotel's energy demand and investing the money saved in energy supply with solar energy production
Kim et al. Measuring the rebound effect: A case study of residential photovoltaic systems in San Diego
Zhang et al. An Assessment of the Impacts of Heat Electrification on the Electric Grid in the UK
KR102028601B1 (ko) 시설물의 에너지 사용량 예측 방법 및 장치
Nasir et al. Lockdown impact on energy consumption in university building
Suppa et al. Supporting climate-neutral cities with urban energy modeling: a review of building retrofit scenarios, focused on decision-making, energy and environmental performance, and cost
CN105894137A (zh) 居民用电需求预测方法和系统
Ogunjuyigbe et al. Retrofitting existing buildings to reduce electrical energy consumption and greenhouse gas emission in Nigerian food and beverage industries
Yalcintas et al. Conservation vs. renewable energy: Cases studies from Hawaii
Yang et al. How to assess and manage energy performance of numerous telecommunication base stations: Evidence in China
Rahman et al. Developing demand side management program for commercial customers: A case study
CN104751233A (zh) 契约容量最佳化系统及最佳化方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210707

Address after: 510700 3rd, 4th and 5th floors of building J1 and 3rd floor of building J3, No.11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province

Patentee after: China South Power Grid International Co.,Ltd.

Patentee after: BEIJING JINGSHI WANFANG INFORMATION TECHNOLOGY Co.,Ltd.

Address before: 510080 water Donggang 8, Dongfeng East Road, Yuexiu District, Guangzhou, Guangdong.

Patentee before: POWER GRID TECHNOLOGY RESEARCH CENTER. CHINA SOUTHERN POWER GRID

Patentee before: China South Power Grid International Co.,Ltd.

Patentee before: BEIJING JINGSHI WANFANG INFORMATION TECHNOLOGY Co.,Ltd.