CN106469331A - 一种电网售电量的预测系统及其方法 - Google Patents

Abstract

本发明涉及一种电网售电量的预测系统，其包括：时间选择单元，用于接收外部的选择信息，相应挑选售电数据的时间范围；粒度选择单元，用于接收外部的选择信息，相应的粒度选择器包括用电类别、电压等级、地区和行业类别，各粒度选择器可单选或复选；算法选择单元，用于接收外部的选择信息，相应选择对应的预测算法；预测期数配置单元，用于接收外部的配置信息，对预测的期数进行配置；自动预测单元，用于根据选择的时间、粒度类别、算法和预测期数，自动产生预测值；趋势图生成单元，用于根据自动预测单元的预测结果，自动生成趋势图。同时，本发明还提供了一种应用上述预测系统的预测方法。

Description

一种电网售电量的预测系统及其方法

技术领域

本发明涉及一种预测系统，特别是一种电网售电量的预测系统；本发明还提供了一种电网售电量的预测方法。

背景技术

销售量的预测是电网公司全面预算编制的起点，长期以来售电量的预测均是电网公司依据历史经验及GDP增长等指标人为预测，这种方式取决于预测人的经验和对未来趋势的把握，有一定的应用价值，然而不是十分严谨，也缺乏合理的科学评价指标，随着国网公司精细化管理工作的深入推进，售电量的预测也不能这么粗糙，尤其是面对电改的严峻形势，直接影响电网公司的投融资规划。因此，需要提供一种科学合理的预测工具是售电量预测精度的重要保证。

现有的技术中，大部分使用一些通用分析工具，比如SAS，可以做时间序列预测。但是需要用户每次都将数据汇总成一定的格式，再用此类工具预测，如此便捷性不高，影响了处理的效率。

发明内容

本发明在于克服现有技术的缺点与不足，提供一种便捷快速的电网售电量的预测系统及其方法。

本发明是通过以下的技术方案实现的：一种电网售电量的预测系统，其包括：

时间选择单元，用于接收外部的选择信息，相应挑选售电数据的时间范围；

粒度选择单元，用于接收外部的选择信息，相应的粒度选择器包括用电类别、电压等级、

地区和行业类别，各粒度选择器可进行单选或复选；

算法选择单元，用于接收外部的选择信息，相应选择对应的预测算法；

预测期数配置单元，用于接收外部的配置信息，对预测的期数进行配置；

自动预测单元，用于根据选择的时间、粒度类别、算法和预测期数，自动产生预测值；

趋势图生成单元，用于根据自动预测单元的预测结果，自动生成趋势图。

相比于现有技术，本发明通过提供一个完整的电网售电量的预测系统，更加系统，方便于用户的操作使用。而且，本发明提供不同算法的对比，使决策者更加容易抉择。同时，本发明仅需要提供电量数据，由用户自行选择时间范围和类别，大大的提高了使用的便捷性。

作为本发明的进一步改进，所述时间选择单元在未接受到外部选择信息时，默认值为系统数据可选范围最近的连续5个期间。

作为本发明的进一步改进，所述算法选择单元中可供选择的算法包括：平滑预测法和自相关法；所述平滑预测法包括：一次移动平均法、一次指数平滑法、线性二次移动平均法、二次指标平滑法、霍尔特双参数线性指数平滑法、布朗二次多项式指数平滑法、温特线性和季节性指数平滑法；所述自相关法包括：平均移动模型、自回归模型和自回归滑动平均模型。

作为本发明的进一步改进，所述算法选择单元包括自动选择模块，用于自动根据所选售电数据信息选择推荐算法。

作为本发明的进一步改进，所述自动选择模块根据预测类型、数据的周期性和平稳性，以及样本观察数量值相应产生对应的算法。

一种电网售电量的预测方法，其特征在于：包括以下步骤：

步骤1：对需要进行预测的电网售电量的数据进行选择；

步骤2：选择相应的算法，并自动生成预测方案；

步骤3：对预测方案进行对比分析。

作为本发明的进一步改进，所述步骤1中，包括以下步骤：

步骤11：选择需要进行预测的电网售电量的时间范围；

步骤12：选择用电类别、电压等级、地区和行业类型，可进行单选或复选。

进一步，所述步骤2中，包括以下步骤：

步骤21：判断是否使用推荐算法；若是使用推荐算法，并执行下一步；若否，则选择相应算法后执行下一步；

步骤22：配置预测期数；

步骤23：根据选择的数据、算法和配置的预测期数，自动产生售电量的预测值，并通过趋势图的方式展现给用户；

步骤24：对预测方案进行保存。

进一步，所述步骤21中，在产生推荐算法时，通过依次对预测类型、数据周期性和平稳性，以及样本的观察值数量进行判断，再产生相应的算法。

进一步，所述步骤3中，通过对不同算法的方案的预测值趋势拟合图、预测误差率、误差正太分布检测图和方差齐性检测图进行比对分析。

为了更好地理解和实施，下面结合附图详细说明本发明。

附图说明

图1是本发明的电网售电量的预测系统的连接框图。

图2是本发明的电网售电量的预测方法的流程图。

图3是本发明的推荐算法的产生步骤流程图。

具体实施方式

请参阅图1，其为本发明的电网售电量的预测系统的连接框图。本发明提供了一种电网售电量的预测系统，其包括：时间选择单元1、粒度选择单元2、算法选择单元3、自动预测单元4和趋势生成单元5。

所述时间选择单元1，用于接收外部的选择信息，相应挑选售电数据的时间范围，并发送至自动预测单元。具体的，所述时间选择单元在未接受到外部选择信息时，默认值为系统数据可选范围最近的连续5个期间，因为少于5个期间，缺乏足够的样本，会使统计误差大大增加。

所述粒度选择单元2，用于接收外部的选择信息，相应的粒度选择器包括用电类别、电压等级、地区和行业类别，各粒度选择器可单选或复选，并发送至自动预测单元。具体的，粒度之间可以交叉选择，比如A地区钢铁行业；在选择完后，用户能够看到数据的实际趋势图。

所述算法选择单元3，用于接收外部的选择信息，相应选择对应的预测算法，并发送至自动预测单元。

具体的，所述算法选择单元中可供选择的算法包括：平滑预测法和自相关法；所述平滑预测法包括：一次移动平均法、一次指数平滑法、线性二次移动平均法、二次指标平滑法、霍尔特双参数线性指数平滑法、布朗二次多项式指数平滑法、温特线性和季节性指数平滑法；所述自相关法包括：平均移动模型、自回归模型和自回归滑动平均模型。

进一步，由于时间序列方面的算法有很多，对于不懂算法的用户会比较难以选择，为了解决此问题。所述算法选择单元包括一自动选择模块，用于自动根据所选售电数据信息自动选择一推荐算法。具体的，本发明的电网售电量预测系统会依据所选数据的趋势情况，比如是否有明显的季节周期性、是否有强自相关性等，自动选择合适的算法，推荐给用户，相关的算法参数也会有默认值。

所述预测期数配置单元4，用于接收外部的配置信息，对预测的期数进行配置，并发送至自动预测单元；

所述自动预测单元5，用于根据选择的时间、粒度类别、算法和预测期数，自动产生预测值；具体的，所述自动选择模块根据预测类型、数据的周期性和平稳性，以及样本观察数量值相应产生对应的算法。

所述趋势图生成单元6，用于根据自动预测单元的预测结果，自动生成趋势图。

相应地，本发明还提供了一种应用于上述电网售电量的预测系统的预测方法，其包括以下步骤：

步骤S1：对需要进行预测的电网售电量的数据进行选择；具体的，所述步骤S1中，包括以下步骤：

步骤S11：选择需要进行预测的电网售电量的时间范围；

步骤S12：选择用电类别、电压等级、地区和行业类型，可进行单选或复选。

步骤S2：选择相应的算法，并自动生成预测方案；具体的，所述步骤S2中，包括以下步骤：

步骤S21：判断是否使用推荐算法；若是使用推荐算法，并执行下一步；若否，则选择相应算法后执行下一步；

步骤S22：配置预测期数；

步骤S23：根据选择的数据、算法和配置的预测期数，自动产生售电量的预测值，并通过趋势图的方式展现给客户；

步骤S24：对预测方案进行保存。

进一步，所述步骤S21中，在产生推荐算法时，通过依次对预测类型、数据周期性和平稳性，以及样本的观察值数量进行判断，再产生相应的算法，其具体包括以下步骤：

步骤S211：判断预测类型，由所选数据情况判断，日、周、旬、月为短期预测，季、半年、年为长期预测；

当进行短期预测时，筛选的算法为：一次移动平均法、一次指数平滑法、线性二次移动平均法、二次指标平滑法、霍尔特双参数线性指数平滑法和布朗二次多项式指数平滑法。然后再执行步骤S212，进行平稳性判断。

当进行长期预测时，筛选的算法为：温特线性和季节性指数平滑法、平均移动模型、自回归模型和自回归滑动平均模型，之后再执行步骤S213，进行平稳性和周期性判断。

步骤S212：进行平稳性判断，当具有平稳性时，自动选择一次移动平均法、一次指数平滑法、线性二次移动平均法。当不具备平稳性时，选择二次指标平滑法、霍尔特双参数线性指数平滑法和布朗二次多项式指数平滑法。

具体的，在本实施例中，其判断方法为：在对于平稳性正式的检验称作“单位根测试”，可以在R语言中可以使用fUnitRoots包中的adfTest函数或unitrootTest函数，如果p-value值小于0.05，说明有95％的概率是平稳性的，如果p-value大于0.05说明没有理由拒绝是非平稳性的。

例如：先随机生成均值为0，方差为1，符合正态分布的数据，检验其平稳性；再生成一个非平稳序列，检验其平稳性。

步骤S213：进行平稳性和周期性判断，当同时具备平稳性和周期性时，选择温特线性和季节性指数平滑法。当不具备平稳性或周期性时，执行步骤S214。

具体的，在本实施例中，其判断方法为：

对于平稳性判断，在对于平稳性正式的检验称作“单位根测试”，可以在R语言中可以使用fUnitRoots包中的adfTest函数或unitrootTest函数，如果p-value值小于0.05，说明有95％的概率是平稳性的，如果p-value大于0.05说明没有理由拒绝是非平稳性的。

对于周期性判断，可以使用R中“decompose()”函数来估计，此函数返回的结果是一个列表对象，里面包含了估计出的季节性部分，趋势部分和不规则部分，他们分别对应的列表对象元素名为“seasonal”、“trend”、和“random”。如果Seasonal部分存在，则说明存在周期性。

步骤S214：对样本观测值的数量进行判断，当超过50个时，则选择自回归滑动平均模型；当小于等于50个时，选择平均移动模型和自回归模型。

步骤S3：对预测方案进行对比分析。

进一步，所述步骤S3中，通过对不同算法的方案的预测值趋势拟合图、预测误差率、误差正太分布检测图和方差齐性检测图进行比对分析。

相比于现有技术，本发明通过提供一个完整的电网售电量的预测系统，更加系统，方便于用户的操作使用。而且，本发明提供不同算法的对比，使决策者更加容易抉择。同时，本发明仅需要提供电量数据，由用户自行选择时间范围和类别，大大的提高了使用的便捷性。

本发明并不局限于上述实施方式，如果对本发明的各种改动或变形不脱离本发明的精神和范围，倘若这些改动和变形属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变形。

Claims (10)

1.一种电网售电量的预测系统，其特征在于：包括：

时间选择单元，用于接收外部的选择信息，相应挑选售电数据的时间范围；

粒度选择单元，用于接收外部的选择信息，相应的粒度选择器包括用电类别、电压等级、地区和行业类别，各粒度选择器可单选或复选；

算法选择单元，用于接收外部的选择信息，相应选择对应的预测算法；

预测期数配置单元，用于接收外部的配置信息，对预测的期数进行配置；

自动预测单元，用于根据选择的时间、粒度类别、算法和预测期数，自动产生预测值；

趋势图生成单元，用于根据自动预测单元的预测结果，自动生成趋势图。

2.根据权利要求1所述电网售电量的预测系统，其特征在于：所述时间选择单元在未接受到外部选择信息时，默认值为系统数据可选范围最近的连续5个期间。

3.根据权利要求1所述电网售电量的预测系统，其特征在于：所述算法选择单元中可供选择的算法包括：平滑预测法和自相关法；所述平滑预测法包括：一次移动平均法、一次指数平滑法、线性二次移动平均法、二次指标平滑法、霍尔特双参数线性指数平滑法、布朗二次多项式指数平滑法、温特线性和季节性指数平滑法；所述自相关法包括：平均移动模型、自回归模型和自回归滑动平均模型。

4.根据权利要求3所述电网售电量的预测系统，其特征在于：所述算法选择单元包括一自动选择模块，用于自动根据所选售电数据信息选择推荐算法。

5.根据权利要求4所述电网售电量的预测系统，其特征在于：所述自动选择模块根据预测类型、数据的周期性和平稳性，以及样本观察数量值相应产生对应的算法。

6.一种电网售电量的预测方法，其特征在于：包括以下步骤：

步骤1：对需要进行预测的电网售电量的数据进行选择；

步骤2：选择相应的算法，并自动生成预测方案；

步骤3：对预测方案进行对比分析。

7.根据权利要求6所述电网售电量的预测方法，其特征在于：所述步骤1中，包括以下步骤：

步骤11：选择需要进行预测的电网售电量的时间范围；

步骤12：选择用电类别、电压等级、地区和行业类型，可进行单选或复选。

8.根据权利要求7所述电网售电量的预测方法，其特征在于：所述步骤2中，包括以下步骤：

步骤21：判断是否使用推荐算法；若是使用推荐算法，并执行下一步；若否，则选择相应算法后执行下一步；

步骤22：配置预测期数；

步骤23：根据选择的数据、算法和配置的预测期数，自动产生售电量的预测值，并通过趋势图的方式展现给用户；

步骤24：对预测方案进行保存。

9.根据权利要求8所述电网售电量的预测方法，其特征在于：所述步骤21中，在产生推荐算法时，通过依次对预测类型、数据周期性和平稳性，以及样本的观察值数量进行判断，再产生相应的算法。

10.根据权利要求9所述电网售电量的预测方法，其特征在于：所述步骤3中，通过对不同算法的方案的预测值趋势拟合图、预测误差率、误差正太分布检测图和方差齐性检测图进行比对分析。