CN107256435A - 基于台区日用电量的预测值的定值修正方法 - Google Patents
基于台区日用电量的预测值的定值修正方法 Download PDFInfo
- Publication number
- CN107256435A CN107256435A CN201710280889.7A CN201710280889A CN107256435A CN 107256435 A CN107256435 A CN 107256435A CN 201710280889 A CN201710280889 A CN 201710280889A CN 107256435 A CN107256435 A CN 107256435A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- power consumption
- day
- msup
- 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
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)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及基于台区日用电量的预测值的定值修正方法，包括如下步骤，S1根据基于周几系数修正的线性回归模型，得到预测日的预测用电量；S2判断得到特殊日期的用电量定值；S3将特殊日期的用电量定值替代S1中计算得到的该特殊日期的预测用电量。本发明的优点主要体现在：方法简单，且精准度较高。遇到特殊节假日或者用电计划日时，其将特殊日期的用电量定值替代该特殊日期的预测用电量，可作为用电量预测系统的一个有力补充。
Description
技术领域
本发明涉及一种基于台区日用电量的预测值的定值修正方法，属于电网用电技术领域。
背景技术
用电量预测是电网公司制定生产综合计划制定经营计划的关键基础，合理准确的预测结论会给公司的经营决策带来正向效应，反之就会导致公司经营策略的背离，因此对未来季度或者年度的用电量预测显得至关重要。纵览国内外市场预测技术可知，现有的用电量预测技术可以归结为三类，但是都不能解决用电量预测的关键问题。
第一类用电量预测技术是依据历史用电量的实际发生值进行趋势外推，预测结论所包含的信息就是基于预测期的经济环境沿袭上一周期的发展模式，例如中国专利101976301。但是如果预测周期内的用电形势发生了较大改变或者方向性的掉头，该方法无法预测，因此在当前经济不稳定时期，该类方法的预测结论常常较实际发生的偏差较大。
第二类用电量预测技术是基于预测人员的经验判断预测年的增长幅度，预测人员会根据当前的经济形势、和自己的预测经验开展预测，这种对经济形势的判断仅局限于定性分析层面，而无法定量到具体的预测模型上，而对于预测的经验增长则更加依赖于预测人员个人的综合判断能力，预测结果的可信度不能得到有效保证。
第三类用电量预测技术是采用不同的算法对历史用电量实际发生值进行外推，从算法上解决用电量预测问题。但是现有的算法较为复杂，并且对用电量的预测的精度也不够。
发明内容
本发明所要解决的技术问题是，预测的算法复杂，无法将经验定量到具体的预测模型上，预测的结果偏差大、精确度低。
为了解决上述问题，提供一种基于周几系数线性回归模型的台区日用电量的预测方法及系统，通过建立周几系数修正的线性回归模型实现台区日用电量预测；当遇到特殊节假日或者用电计划日时，其将特殊日期的用电量定值替代该特殊日期的预测用电量；具有方法简单、预测精确的优点。
本发明解决以上技术问题的技术方案：
基于台区日用电量的预测值的定值修正方法，其特征在于：包括如下步骤：
S1、根据基于周几系数修正的线性回归模型，得到预测日的预测用电量；
S2、判断得到特殊日期的用电量定值；
S3、将特殊日期的用电量定值替代S1中计算得到的该特殊日期的预测用电量。
作为本发明的进一步改进，进一步的，S1具体包括如下步骤：
S11、从历史日中由“近向远”寻找标准周；
S12、根据标准周的7天日用电量获取周几比例系数K，即：
K＝[1,D2/D1,D3/D1,D4/D1,D5/D1,D6/D1,D7/D1] (1)
其中，D1为标准周周一的台区用电量，D2为标准周周二的台区用电量，D3为标准周周三的台区用电量，D4为标准周周四的台区用电量，D5为标准周周五的台区用电量，D6为标准周周六的台区用电量，D7为标准周周日的台区用电量；
S13、将台区历史日实际用电量Di根据周几比例系数修正获取历史日实际用电量修正值Di’，即：
D'i＝Di/K(i) i＝1,2,...,7 (2)；
S14、根据历史日实际用电量修正值Di’、日用电量的影响因子的数目n，建立关于所述影响因子的n元线性回归模型，即：
D'＝a1*T+a2*Tmax+a3*Tmin+a4*RH+a5*V+b (3)
其中各变量分别为：平均气温T、最高气温Tmax、最低气温Tmin、湿度RH、风速V；
S15、通过气象数据库查询得到靠近预测日的平均气温T、最高气温Tmax、最低气温Tmin、湿度RH、风速V的历史气象数据，其中i-1代表预测日前一天，依次类推；
S16、将靠近预测日的S2所得的历史气象数据代入公式(3)，即：
S17、对线性回归方程(4)采用最小二乘法公式拟合，计算出线性回归方程(4)中的各常数，即a1、a2、a3、a4、a5、b；
S18、将a1、a2、a3、a4、a5、b以及预测日的影响因子代入n元线性回归模型(3)，可以得到预测日的修正用电量其中i代表预测日，i+1代表预测日后一天，依次类推；即：
S19、将预测日的修正日用电量进行周几比例系数修正，根据周几分别乘以对应的周几比例系数，获取预测用电量，即：
作为本发明的进一步改进，进一步的，S11中标准周的寻找条件为：(1)该周的7天都处在人体比较舒适的区间，即Tmaxi＜28&&Tmini≥5，i＝1～7；(2)该周的7天再加上该周之前2天、之后2天，总共11天都是非节日。
作为本发明的进一步改进，进一步的，S14中n元线性回归模型的影响因子的数目大于等于1。
作为本发明的进一步改进，进一步的，靠近预测日的历史气象数据所需查询的天数等于影响因子的数目减1。
作为本发明的进一步改进，进一步的，特殊日期的用电量定值具有等级及相对的具体数值。
作为本发明的进一步改进，进一步的，特殊日期的用电量定值的具体数值为去年同期的用电量定值的k倍，k的取值为0.8～1.6。
本发明还提供基于台区日用电量的预测值的定值修正系统，包括，
用电量预测单元，用于根据基于周几系数修正的线性回归模型，得到预测日的预测用电量；
特殊日期的用电量定值获取单元，用于判断得到特殊日期的用电量定值；
替代单元，用于将特殊日期的用电量定值替代S1中计算得到的该特殊日期的预测用电量。
作为本发明的进一步改进，进一步的，用电量预测单元具体包括，
标准周搜寻单元，用于从历史日中由“近向远”寻找标准周；
周几比例系数获取单元，用于根据标准周的7天日用电量获取周几比例系数K，即：
K＝[1,D2/D1,D3/D1,D4/D1,D5/D1,D6/D1,D7/D1] (1)
其中，D1为标准周周一的台区用电量，D2为标准周周二的台区用电量，D3为标准周周三的台区用电量，D4为标准周周四的台区用电量，D5为标准周周五的台区用电量，D6为标准周周六的台区用电量，D7为标准周周日的台区用电量；
台区历史日实际用电量修正单元，用于将台区历史日实际用电量Di根据周几比例系数修正获取历史日实际用电量修正值Di’，即：
D'i＝Di/K(i) i＝1,2,...,7 (2)；
模型建立单元，用于根据历史日实际用电量修正值Di’、日用电量的影响因子的数目n，建立关于所述影响因子的n元线性回归模型，即：
D'＝a1*T+a2*Tmax+a3*Tmin+a4*RH+a5*V+b (3)
其中各变量分别为：平均气温T、最高气温Tmax、最低气温Tmin、湿度RH、风速V；
查询单元，用于通过气象数据库查询得到靠近预测日的平均气温T、最高气温Tmax、最低气温Tmin、湿度RH、风速V的历史气象数据，其中i-1代表预测日前一天，依次类推；
模型的常数代入单元，用于将靠近预测日的S2所得的历史气象数据代入公式(3)，即：
模型的常数求解单元，用于对线性回归方程(4)采用最小二乘法公式拟合，计算出线性回归方程(4)中的各常数，即a1、a2、a3、a4、a5、b；
修正用电量求解单元，用于将a1、a2、a3、a4、a5、b以及预测日的影响因子代入n元线性回归模型(3)，可以得到预测日的修正用电量其中i代表预测日，i+1代表预测日后一天，依次类推；即：
预测用电量求解单元，将预测日的修正日用电量进行周几比例系数修正，根据周几分别乘以对应的周几比例系数，获取预测用电量，即：
总之，本发明的优点主要体现在：方法简单，且精准度较高。遇到特殊节假日或者用电计划日时，其将特殊日期的用电量定值替代该特殊日期的预测用电量，可作为用电量预测系统的一个有力补充。
具体实施方式
本发明揭示了基于台区日用电量的预测值的定值修正方法，其特征在于：包括如下步骤：
S1、根据基于周几系数修正的线性回归模型，得到预测日的预测用电量；
S2、判断得到特殊日期的用电量定值；
S3、将特殊日期的用电量定值替代S1中计算得到的该特殊日期的预测用电量。
步骤S1中具体包括如下步骤：
S11、从历史日中由“近向远”寻找标准周；
S12、根据标准周的7天日用电量获取周几比例系数K，即：
K＝[1,D2/D1,D3/D1,D4/D1,D5/D1,D6/D1,D7/D1] (1)
其中，D1为标准周周一的台区用电量，D2为标准周周二的台区用电量，D3为标准周周三的台区用电量，D4为标准周周四的台区用电量，D5为标准周周五的台区用电量，D6为标准周周六的台区用电量，D7为标准周周日的台区用电量；
S13、将台区历史日实际用电量Di根据周几比例系数修正获取历史日实际用电量修正值Di’，即：
D'i＝Di/K(i) i＝1,2,...,7 (2)；
S14、根据历史日实际用电量修正值Di’、日用电量的影响因子的数目n，建立关于所述影响因子的n元线性回归模型，即：
D'＝a1*T+a2*Tmax+a3*Tmin+a4*RH+a5*V+b (3)
其中各变量分别为：平均气温T、最高气温Tmax、最低气温Tmin、湿度RH、风速V；
S15、通过气象数据库查询得到靠近预测日的平均气温T、最高气温Tmax、最低气温Tmin、湿度RH、风速V的历史气象数据，其中i-1代表预测日前一天，依次类推；
S16、将靠近预测日的S2所得的历史气象数据代入公式(3)，即：
S17、对线性回归方程(4)采用最小二乘法公式拟合，计算出线性回归方程(4)中的各常数，即a1、a2、a3、a4、a5、b；
S18、将a1、a2、a3、a4、a5、b以及预测日的影响因子代入n元线性回归模型(3)，可以得到预测日的修正用电量其中i代表预测日，i+1代表预测日后一天，依次类推；即：
S19、将预测日的修正日用电量进行周几比例系数修正，根据周几分别乘以对应的周几比例系数，获取预测用电量，即：
S11中标准周的寻找条件为：(1)该周的7天都处在人体比较舒适的区间，即Tmaxi＜28&&Tmini≥5，i＝1～7；(2)该周的7天再加上该周之前2天、之后2天，总共11天都是非节日。
S14中n元线性回归模型的影响因子的数目大于等于1。
靠近预测日的历史气象数据所需查询的天数等于影响因子的数目减1。
特殊日期的用电量定值具有等级及相对的具体数值。
特殊日期的用电量定值的具体数值为去年同期的用电量定值的0.8m-1.6m倍。
本实施例还还揭示了基于台区日用电量的预测值的定值修正系统，包括
用电量预测单元，用于根据基于周几系数修正的线性回归模型，得到预测日的预测用电量；
特殊日期的用电量定值获取单元，用于判断得到特殊日期的用电量定值；
替代单元，用于将特殊日期的用电量定值替代S1中计算得到的该特殊日期的预测用电量。
作为本发明的进一步改进，进一步的，用电量预测单元具体包括，
标准周搜寻单元，用于从历史日中由“近向远”寻找标准周；
周几比例系数获取单元，用于根据标准周的7天日用电量获取周几比例系数K，即：
K＝[1,D2/D1,D3/D1,D4/D1,D5/D1,D6/D1,D7/D1] (1)
其中，D1为标准周周一的台区用电量，D2为标准周周二的台区用电量，D3为标准周周三的台区用电量，D4为标准周周四的台区用电量，D5为标准周周五的台区用电量，D6为标准周周六的台区用电量，D7为标准周周日的台区用电量；
台区历史日实际用电量修正单元，用于将台区历史日实际用电量Di根据周几比例系数修正获取历史日实际用电量修正值Di’，即：
D'i＝Di/K(i) i＝1,2,...,7 (2)；
模型建立单元，用于根据历史日实际用电量修正值Di’、日用电量的影响因子的数目n，建立关于所述影响因子的n元线性回归模型，即：
D'＝a1*T+a2*Tmax+a3*Tmin+a4*RH+a5*V+b (3)
其中各变量分别为：平均气温T、最高气温Tmax、最低气温Tmin、湿度RH、风速V；
查询单元，用于通过气象数据库查询得到靠近预测日的平均气温T、最高气温Tmax、最低气温Tmin、湿度RH、风速V的历史气象数据，其中i-1代表预测日前一天，依次类推；
模型的常数代入单元，用于将靠近预测日的S2所得的历史气象数据代入公式(3)，即：
模型的常数求解单元，用于对线性回归方程(4)采用最小二乘法公式拟合，计算出线性回归方程(4)中的各常数，即a1、a2、a3、a4、a5、b；
修正用电量求解单元，用于将a1、a2、a3、a4、a5、b以及预测日的影响因子代入n元线性回归模型(3)，可以得到预测日的修正用电量其中i代表预测日，i+1代表预测日后一天，依次类推；即：
预测用电量求解单元，将预测日的修正日用电量进行周几比例系数修正，根据周几分别乘以对应的周几比例系数，获取预测用电量，即：
本实施例的具体实施方式为：
以南通地区的某配电台区(江海13组，台区编号：14000000014460)，为例，其日用电量(单位：千瓦时)如表1所示：
表1 台区的历史用电量和气象数据
从表1中寻找标准周，发现2016年4月19日～2016年4月25日是满足S11的标准周，该标准周满足以下两点：
(1)2016年4月19日～2016年4月25日离节日超过两天。
(2)2016年4月19日～2016年4月25日的最高气温、最低温度都满足Tmaxi＜28&&Tmini≥5。
根据标准周2016年4月19日～2016年4月25日的实际用电量可知，D1＝215.87,D2＝234.78,D3＝212.89,D4＝211.21,D5＝209.01,D6＝228.7，D7＝232.84。将数据带入式(1)，得到周几比例系数K。
K＝[1,1.0876,0.9862,0.9784,0.9682,1.0596,1.0786]；
从表1可知，2016年4月26日～2016年4月30日的实际电量分别为234.4539,210.2973,195.3767,192.3523,211.1041,经过式(2)，可得实际用电量修正值，分别为215.57、213.24、199.69、198.67、199.23。将修正值的数据代入方程(4)，对该方程进行最小二乘法公式拟合，可以计算出线性回归方程(4)中的各常数，如下：
a1＝-0.2588,a2＝-0.2936,a3＝11.3105,a4＝1.2018,a5＝-37.4909，b＝5.1939；
| 日期 | 周几 | 平均温度 | 最高温度 | 最低温度 | 湿度 | 风速 |
| 2016/5/1 | 7 | 20.4 | 24.5 | 17.6 | 60.2 | 0.5 |
| 2016/5/2 | 1 | 18.5 | 22.5 | 15 | 90.2 | 1.2 |
| 2016/5/3 | 2 | 17.5 | 22.7 | 13.9 | 70.1 | 0.5 |
| 2016/5/4 | 3 | 16.9 | 22.4 | 13.6 | 65.5 | 0.8 |
| 2016/5/5 | 4 | 17 | 23.5 | 10.1 | 90.4 | 0.3 |
表2 预测日的预测气象数据
将表2中预测数据和各常数带入方程(5)，可得：
再将所得的数据代入方程(6)，得到预测值：
经查实，2016年5月1日至5月5日的台区用电量真实值如下：
对比预测值与真实值可知预测日i+1～i+4用电量预测值的相对误差都在5％以内，达到预测要求。但是，预测日i用电量预测值超过了10％，误差较大，需要进行定值修正。
定值修正：
5月1日是劳动节，需要进行定值补偿，如表3所示。
| 去年劳动节日用电量 | 年度台区用电量比m |
| 246.58 | 1.02 |
表3 劳动节定值修正
从表3，可以得到5月1日用电量预测值为251.51千瓦时，将该预测值代替(11)中的可得：
将式(11)、(12)进行比较，可知预测日i～i+4用电量预测值的相对误差在5％以内，达到预测要求，定值修正是必要的。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。
Claims (9)
1.基于台区日用电量的预测值的定值修正方法，其特征在于，包括如下步骤：
S1、根据基于周几系数修正的线性回归模型，得到预测日的预测用电量；
S2、判断得到特殊日期的用电量定值；
S3、将特殊日期的用电量定值替代S1中计算得到的该特殊日期的预测用电量。
2.根据权利要求1所述的基于台区日用电量的预测值的定值修正方法，其特征在于：S1具体包括如下步骤：
S11、从历史日中由“近向远”寻找标准周；
S12、根据标准周的7天日用电量获取周几比例系数K，即：
K＝[1,D2/D1,D3/D1,D4/D1,D5/D1,D6/D1,D7/D1] (1)
其中，D1为标准周周一的台区用电量，D2为标准周周二的台区用电量，D3为标准周周三的台区用电量，D4为标准周周四的台区用电量，D5为标准周周五的台区用电量，D6为标准周周六的台区用电量，D7为标准周周日的台区用电量；
S13、将台区历史日实际用电量Di根据周几比例系数修正获取历史日实际用电量修正值Di’，即：
D'i＝Di/K(i) i＝1,2,...,7 (2)；
S14、根据历史日实际用电量修正值Di’、日用电量的影响因子的数目n，建立关于所述影响因子的n元线性回归模型，即：
D'＝a1*T+a2*Tmax+a3*Tmin+a4*RH+a5*V+b (3)
其中各变量分别为：平均气温T、最高气温Tmax、最低气温Tmin、湿度RH、风速V；
S15、通过气象数据库查询得到靠近预测日的平均气温T、最高气温Tmax、最低气温Tmin、湿度RH、风速V的历史气象数据，其中i-1代表预测日前一天，依次类推；
S16、将靠近预测日的S5所得的历史气象数据代入公式(3)，即：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mi>D</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mi>D</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mi>D</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mi>D</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>4</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>4</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>4</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>4</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>4</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
S17、对线性回归方程(4)采用最小二乘法公式拟合，计算出线性回归方程(4)中的各常数，即a1、a2、a3、a4、a5、b；
S18、将a1、a2、a3、a4、a5、b以及预测日的影响因子代入n元线性回归模型(3)，可以得到预测日的修正用电量其中i代表预测日，i+1代表预测日后一天，依次类推；即：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mover>
<mi>D</mi>
<mo>~</mo>
</mover>
<mo>&prime;</mo>
</msup>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mover>
<mi>D</mi>
<mo>~</mo>
</mover>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mover>
<mi>D</mi>
<mo>~</mo>
</mover>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mover>
<mi>D</mi>
<mo>~</mo>
</mover>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>......</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
S19、将预测日的修正日用电量进行周几比例系数修正，根据周几分别乘以对应的周几比例系数，获取预测用电量，即：
<mrow>
<msub>
<mover>
<mi>D</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<msup>
<mover>
<mi>D</mi>
<mo>~</mo>
</mover>
<mo>&prime;</mo>
</msup>
<mi>i</mi>
</msub>
<mo>*</mo>
<mi>K</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mn>7</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
3.根据权利要求2所述的基于台区日用电量的预测值的定值修正方法，其特征在于：所述S11中标准周的寻找条件为：(1)该周的7天都处在人体比较舒适的区间，即Tmaxi＜28&&Tmini≥5，i＝1～7；(2)该周的7天再加上该周之前2天、之后2天，总共11天都是非节日。
4.根据权利要求2所述的基于台区日用电量的预测值的定值修正方法，其特征在于：所述S14中n元线性回归模型的影响因子的数目大于等于1。
5.根据权利要求4所述的基于台区日用电量的预测值的定值修正方法，其特征在于：靠近预测日的历史气象数据所需查询的天数等于影响因子的数目减1。
6.根据权利要求1所述的基于台区日用电量的预测值的定值修正方法，其特征在于：所述特殊日期的用电量定值具有等级及相对的具体数值。
7.根据权利要求1所述的基于台区日用电量的预测值的定值修正方法，其特征在于：所述特殊日期的用电量定值的具体数值为去年同期的用电量定值的0.8m-1.6m倍。
8.基于台区日用电量的预测值的定值修正系统，其特征在于：
用电量预测单元，用于根据基于周几系数修正的线性回归模型，得到预测日的预测用电量；
特殊日期的用电量定值获取单元，用于判断得到特殊日期的用电量定值；
替代单元，用于将特殊日期的用电量定值替代S1中计算得到的该特殊日期的预测用电量。
9.根据权利要求8所述的基于台区日用电量的预测值的定值修正系统，其特征在于：
用电量预测单元具体包括，
标准周搜寻单元，用于从历史日中由“近向远”寻找标准周；
周几比例系数获取单元，用于根据标准周的7天日用电量获取周几比例系数K，即：
K＝[1,D2/D1,D3/D1,D4/D1,D5/D1,D6/D1,D7/D1] (1)
其中，D1为标准周周一的台区用电量，D2为标准周周二的台区用电量，D3为标准周周三的台区用电量，D4为标准周周四的台区用电量，D5为标准周周五的台区用电量，D6为标准周周六的台区用电量，D7为标准周周日的台区用电量；
台区历史日实际用电量修正单元，用于将台区历史日实际用电量Di根据周几比例系数修正获取历史日实际用电量修正值Di’，即：
D'i＝Di/K(i) i＝1,2,...,7 (2)；
模型建立单元，用于根据历史日实际用电量修正值Di’、日用电量的影响因子的数目n，建立关于所述影响因子的n元线性回归模型，即：
D'＝a1*T+a2*Tmax+a3*Tmin+a4*RH+a5*V+b (3)
其中各变量分别为：平均气温T、最高气温Tmax、最低气温Tmin、湿度RH、风速V；
查询单元，用于通过气象数据库查询得到靠近预测日的平均气温T、最高气温Tmax、最低气温Tmin、湿度RH、风速V的历史气象数据，其中i-1代表预测日前一天，依次类推；
模型的常数代入单元，用于将靠近预测日的S2所得的历史气象数据代入公式(3)，即：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mi>D</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mi>D</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mi>D</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mi>D</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>4</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>4</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>4</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>4</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>4</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
模型的常数求解单元，用于对线性回归方程(4)采用最小二乘法公式拟合，计算出线性回归方程(4)中的各常数，即a1、a2、a3、a4、a5、b；
修正用电量求解单元，用于将a1、a2、a3、a4、a5、b以及预测日的影响因子代入n元线性回归模型(3)，可以得到预测日的修正用电量其中i代表预测日，i+1代表预测日后一天，依次类推；即：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mover>
<mi>D</mi>
<mo>~</mo>
</mover>
<mo>&prime;</mo>
</msup>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mover>
<mi>D</mi>
<mo>~</mo>
</mover>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mover>
<mi>D</mi>
<mo>~</mo>
</mover>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<msup>
<mover>
<mi>D</mi>
<mo>~</mo>
</mover>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmax</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msub>
<mi>Tmin</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<mo>*</mo>
<msub>
<mi>RH</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>5</mn>
</msub>
<mo>*</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>......</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
预测用电量求解单元，将预测日的修正日用电量进行周几比例系数修正，根据周几分别乘以对应的周几比例系数，获取预测用电量，即：
<mrow>
<msub>
<mover>
<mi>D</mi>
<mo>~</mo>
</mover>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<msup>
<mover>
<mi>D</mi>
<mo>~</mo>
</mover>
<mo>&prime;</mo>
</msup>
<mi>i</mi>
</msub>
<mo>*</mo>
<mi>K</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mn>7</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
3
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2016105125549 | 2016-06-30 | ||
| CN201610512554 | 2016-06-30 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107256435A true CN107256435A (zh) | 2017-10-17 |
| CN107256435B CN107256435B (zh) | 2024-02-02 |
Family
ID=60027201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710280889.7A Active CN107256435B (zh) | 2016-06-30 | 2017-04-26 | 基于台区日用电量的预测值的定值修正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107256435B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103065201A (zh) * | 2012-12-19 | 2013-04-24 | 福建省电力有限公司 | 基于温度及节假日因素的电力用电负荷预测方法 |
| CN104318322A (zh) * | 2014-10-11 | 2015-01-28 | 中国南方电网有限责任公司 | 基于农历日期的节假日负荷预测方法 |
| JP2015104171A (ja) * | 2013-11-22 | 2015-06-04 | 富士通株式会社 | 電力需要予測装置、電力需要予測方法および電力需要予測プログラム |
| JP2015192502A (ja) * | 2014-03-27 | 2015-11-02 | 富士通株式会社 | 消費電力予測方法、消費電力予測プログラム及び消費電力予測装置 |
| CN105184388A (zh) * | 2015-08-05 | 2015-12-23 | 三峡大学 | 一种城市电力负荷短期预测的非线性回归方法 |
| CN105389637A (zh) * | 2015-12-10 | 2016-03-09 | 四川省电力公司供电服务中心 | 用于月度用电预测模型的有效工作日构建方法 |
| KR20160044640A (ko) * | 2014-10-15 | 2016-04-26 | 지에스건설 주식회사 | 도시에너지관리를 위한 용도별 시간대별 전력수요 예측시스템 |
| CN105574607A (zh) * | 2015-12-10 | 2016-05-11 | 四川省电力公司供电服务中心 | 一种电力市场月度用电预测方法 |
| CN105678398A (zh) * | 2015-12-24 | 2016-06-15 | 国家电网公司 | 基于大数据技术的电力负荷预测方法及基于该方法的研究应用系统 |
-
2017
- 2017-04-26 CN CN201710280889.7A patent/CN107256435B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103065201A (zh) * | 2012-12-19 | 2013-04-24 | 福建省电力有限公司 | 基于温度及节假日因素的电力用电负荷预测方法 |
| JP2015104171A (ja) * | 2013-11-22 | 2015-06-04 | 富士通株式会社 | 電力需要予測装置、電力需要予測方法および電力需要予測プログラム |
| JP2015192502A (ja) * | 2014-03-27 | 2015-11-02 | 富士通株式会社 | 消費電力予測方法、消費電力予測プログラム及び消費電力予測装置 |
| CN104318322A (zh) * | 2014-10-11 | 2015-01-28 | 中国南方电网有限责任公司 | 基于农历日期的节假日负荷预测方法 |
| KR20160044640A (ko) * | 2014-10-15 | 2016-04-26 | 지에스건설 주식회사 | 도시에너지관리를 위한 용도별 시간대별 전력수요 예측시스템 |
| CN105184388A (zh) * | 2015-08-05 | 2015-12-23 | 三峡大学 | 一种城市电力负荷短期预测的非线性回归方法 |
| CN105389637A (zh) * | 2015-12-10 | 2016-03-09 | 四川省电力公司供电服务中心 | 用于月度用电预测模型的有效工作日构建方法 |
| CN105574607A (zh) * | 2015-12-10 | 2016-05-11 | 四川省电力公司供电服务中心 | 一种电力市场月度用电预测方法 |
| CN105678398A (zh) * | 2015-12-24 | 2016-06-15 | 国家电网公司 | 基于大数据技术的电力负荷预测方法及基于该方法的研究应用系统 |
Non-Patent Citations (2)
| Title |
|---|
| 苗键强;童星;康重庆;: "考虑相关因素统一修正的节假日负荷预测模型", 电力建设, no. 10 * |
| 邵丹;林辉;郝志峰;钟红梅;陶志穗;: "考虑春节影响的中期电量预测", 电机与控制学报, no. 05 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107256435B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107273998B (zh) | 一种用于台区日用电量预测的气温修正方法 | |
| Wang et al. | Secondary forecasting based on deviation analysis for short-term load forecasting | |
| CN104299057B (zh) | 基于多因素的油浸式变压器顶层油温预测方法 | |
| US20190228329A1 (en) | Prediction system and prediction method | |
| CN104156786B (zh) | 一种考虑气象多因素影响的非工作日最大日负荷预测系统 | |
| CN102930356B (zh) | 基于气象因素敏感度的短期负荷预测方法 | |
| CN105069536B (zh) | 一种基于气温与经济增长的用电需求预测方法 | |
| US20060167591A1 (en) | Energy and cost savings calculation system | |
| CN109299814B (zh) | 一种气象影响电量分解预测方法 | |
| Potočnik et al. | Forecasting risks of natural gas consumption in Slovenia | |
| JP6445909B2 (ja) | 電力需要予測システム | |
| CN106845669A (zh) | 基于指数平滑法预测电网年持续负荷的方法 | |
| CN110909958A (zh) | 一种计及光伏并网功率的短期负荷预测方法 | |
| CN107273997A (zh) | 基于周几系数线性回归模型的台区日用电量的预测方法 | |
| CN105184388A (zh) | 一种城市电力负荷短期预测的非线性回归方法 | |
| CN115496279A (zh) | 基于动态权重集成的温度预报订正方法 | |
| CN104156787A (zh) | 一种基于不同负荷特性的电力分区负荷预测方法 | |
| CN110866658A (zh) | 一种城市电网中长期负荷预测方法 | |
| CN109214458A (zh) | 一种基于历史数据的城市负荷量化方法 | |
| CN107169596A (zh) | 基于人体舒适度的台区日用电量的预测方法 | |
| CN104134102A (zh) | 基于leap模型的电网中长期电力需求分布预测方法 | |
| CN107256435A (zh) | 基于台区日用电量的预测值的定值修正方法 | |
| Kok et al. | Forecasting hourly electricity demand under COVID-19 restrictions | |
| Souza et al. | Short term load forecasting using double seasonal exponential smoothing and interventions to account for holidays and temperature effects | |
| CN112232582A (zh) | 一种考虑工业负荷影响的对于休息日的母线负荷预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: No. 52 Qingnian Middle Road, Nantong City, Jiangsu Province, 226001 Patentee after: Nantong Power Supply Company of State Grid Jiangsu Electric Power Company Country or region after: China Address before: No. 52 Qingnian Middle Road, Nantong City, Jiangsu Province, 226001 Patentee before: STATE GRID JIANGSU POWER COMPANY NANTONG POWER SUPPLY Co. Country or region before: China |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20250427 Address after: No.52, Qingnian Middle Road, Nantong City, Jiangsu Province, 226006 Patentee after: Nantong Power Supply Company of State Grid Jiangsu Electric Power Company Country or region after: China Patentee after: NANTONG ELECTRIC POWER DESIGN INSTITUTE Co.,Ltd. Address before: No. 52 Qingnian Middle Road, Nantong City, Jiangsu Province, 226001 Patentee before: Nantong Power Supply Company of State Grid Jiangsu Electric Power Company Country or region before: China |