CN107273998B - 一种用于台区日用电量预测的气温修正方法 - Google Patents
一种用于台区日用电量预测的气温修正方法 Download PDFInfo
- Publication number
- CN107273998B CN107273998B CN201710280898.6A CN201710280898A CN107273998B CN 107273998 B CN107273998 B CN 107273998B CN 201710280898 A CN201710280898 A CN 201710280898A CN 107273998 B CN107273998 B CN 107273998B
- Authority
- CN
- China
- Prior art keywords
- day
- predicted
- air temperature
- electricity consumption
- temperature
- 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.)
- Active
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 97
- 238000012937 correction Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012417 linear regression Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 5
- 230000005612 types of electricity Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
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)
- Air Conditioning Control Device (AREA)
- Steroid Compounds (AREA)
Abstract
本发明揭示了一种用于台区日用电量预测的气温修正方法,获取台区待预测日的最高气温、最低气温以及待预测日前几日的最高气温平均值、最低气温平均值,根据公式判断待预测日和待预测日前几日的最高气温平均值、最低气温平均值所处的温度区间;根据确定的区间情况,计算补偿量的大小;获取根据基于周几系数修正的线性回归模型计算出台区待预测日的非修正预测用电量,并与得到的补偿量进行叠加,计算得到台区的修正预测用电量。本发明设计精巧,在计算出台区初步预测用电量的基础上,计算出气温补偿量并进行修正,从而提高了台区预测用电量数值的精确性,保证了台区用电量供应的有效性。
Description
技术领域
本发明涉及一种用于台区日用电量预测的气温修正方法,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。
在电力系统中,台区是指(一台)变压器的供电范围或区域,它是电力系统中的最小资产单元,而台区的日用电量预测受诸多气候因子的影响,如气温、湿度、风速等,其中,气温作为台区日用量诸多影响因子中最显著的一个,其大小的变化将引起预测值的变化,特别在夏季、冬季表现得非常明显,而上述的几类方法往往没有充分考虑到气温对台区用电量的影响,导致预测结果的精确性进一步降低
发明内容
本发明所要解决的技术问题是,预测的算法复杂、精确度低。
为了解决上述问题,提供一种用于台区日用电量预测的气温修正方法,通过计算修正气温补偿量,进而提高台区预测用电量数值的精确性。
本发明解决以上技术问题的技术方案:
一种用于台区日用电量预测的气温修正方法,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、获取台区待预测日的最高气温Tmaxi、最低气温Tmini以及待预测日前几日的最高气温平均值Tmaxp、最低气温度平均值Tminp,根据公式(1)判断待预测日的最高气温Tmaxi、最低气温Tmini和待预测日前几日的最高气温平均值Tmaxp、最低气温平均值Tminp所处的温度区间V(i),
(1);
S3、根据确定的待预测日的最高气温Tmaxi、最低气温Tmini所处的温度区间以及待预测日前几日的最高气温平均值Tmaxp、最低气温平均值Tminp所处的温度区间,按照指定公式计算补偿量的大小;
S4、获取根据回归模型计算出台区待预测日的非修正预测用电量,并与得到的补偿量进行叠加,计算得到台区待预测日的修正预测用电量。
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] (2)
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 (3);
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 (4)
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(4),即:
S17、对线性回归方程(5)采用最小二乘法公式拟合,计算出线性回归方程(5)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(4),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:
S9、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,更进一步的,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,S2步骤中,待预测日前几日为待预测日前4-10天。
作为本发明的进一步改进,进一步的,在S3步骤中:
(1)当待预测日的最高气温Tmaxi对应的温度区间为4,待预测日之前几日的最高气温平均值Tmaxp、最低气温平均值Tminp对应的温度区间为3时,在非修正预测用电量上叠加正补偿量△L1,且满足如下公式:
△L1=K1*(Tmaxi-31)
其中,△L1为补偿量,k1为气温补偿系数;
(2)当待预测日的最高气温Tmaxi、Tmini对应的温度区间为3,待预测日之前几日的最高气温的平均值Tmaxp对应的温度区间为4时,在非修正预测用电量上叠加负补偿量△L2,且满足如下公式:
△L2=K2*(Tmaxi-31)
其中,k2为气温补偿系数;
(3)当待预测日的最高气温Tmaxi对应的温度区间为5,待预测日之前几日的最高气温的平均值Tmaxp对应的温度区间为4,在非修正预测用电量上叠加正补偿量△L3,且满足如下公式:
△L3=K3*(Tmaxi-33.5)
其中,k3为气温补偿系数;
(4)当待预测日的最高气温Tmaxi和待预测日之前几日的最高气温的平均值Tmaxp对应的温度区间均大于等于4,且待预测日的最大气温Tmaxi小于待预测日之前几日的最高气温的平均值Tmaxp,在非修正预测用电量上叠加正补偿量△L4,且满足如下公式:
△L4=K4*(Tmaxp-Tmaxi)
其中,k4为气温补偿系数;
(5)当待预测日最低气温Tmini对应的温度区间为2,待预测日之前几日的最高气温平均值Tmaxp、最低气温平均值Tminp对应的温度区间为3,在非修正预测用电量上叠加正补偿量△L5,且满足如下公式:
△L5=K5*(0-Tmi ni)
其中,k5为气温补偿系数;
(6)当待预测日的最高气温Tmaxi、Tmini对应的温度区间为3,待预测日之前几日的最低气温的平均值Tminp对应的温度区间为2,在非修正预测用电量上叠加负补偿量△L6,且满足如下公式:
△L6=K6*(Tmi ni-0)
其中,k6为气温补偿系数;
(7)当待预测日的最低气温Tmini对应的温度区间为1,待预测日之前几日的最低气温的平均值Tminp对应的温度区间为2时,在非修正预测用电量上叠加正补偿量△L7,且满足如下公式:
△L7=K7*(-3.5-Tmi ni)
其中,k7为气温补偿系数;
(8)当待预测日和待预测日之前几日的气温对应的温度区间不满足上述任一情况时,令补偿量为0。
作为本发明的进一步改进,更进一步的,气温补偿系数k1—k7的计算方法如下:
S31,从台区的历史数据中查询气温条件与待预测日和待预测日之前几日的气温所在的温度区间相同的最近一次的日期;
S32,从历史数据中提取该日期根据回归模型预测得到的非修正预测用电量Di以及该日期的实际用电量Ds,计算得到它们的差值Db;
S33,将该日期对应的差值Db以及气温条件带入对应补偿量公式中,计算得出气温补偿系数。
作为本发明的进一步改进,进一步的,在S3步骤中,台区待预测日的非修正预测用电量通过线性回归模型或非线性回归模型计算出。
作为本发明的进一步改进,进一步的,还包括S5,节假日预测用电量补偿;具体为:
当待预测日为普通日时,不进行补偿;
当待预测日为节日时,在修正预测用电量的基础上乘以补偿系数,补偿系数数值为1.05-1.1。
总之,本发明设计精巧,过程简单,在通过线性回归模型计算得到台区初步的预测用电量的基础上,充分考虑不同气温条件对用电量的影响,通过将气温划分成不同的区间,再判断待预测日的相关气温和待预测日前几日对应气温的平均值所处的气温区间来确定应该添加的补偿量,从而对初步的预测用电量进行修正,最终有效提高了台区预测用电量数值的精确性,保证了台区用电量供应的有效性。
附图说明
图1是本发明的步骤示意图;
图2是本发明的气温补偿系数计算过程示意图。
具体实施方式
本发明的目的、优点和特点,将通过下面优选实施例的非限制性说明进行图示和解释。这些实施例仅是应用本发明技术方案的典型范例,凡采取等同替换或者等效变换而形成的技术方案,均落在本发明要求保护的范围之内。
本发明揭示的一种用于台区日用电量预测的气温修正方法,如图1所示,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、获取台区待预测日的最高气温Tmaxi、最低气温Tmini以及待预测日前几日的最高气温平均值Tmaxp、最低气温度平均值Tminp,根据公式(1)判断待预测日的最高气温Tmaxi、最低气温Tmini和待预测日前几日的最高气温平均值Tmaxp、最低气温平均值Tminp所处的温度区间V(i),
(1);
S3、根据确定的待预测日的最高气温Tmaxi、最低气温Tmini所处的温度区间以及待预测日前几日的最高气温平均值Tmaxp、最低气温度平均值Tminp所处的温度区间,按照指定公式计算补偿量的大小;
S4、获取根据回归模型计算出台区待预测日的非修正预测用电量,并与得到的补偿量进行叠加,计算得到台区待预测日的修正预测用电量。
以下对本发明各步骤的流程和具体实施情况提供详细描述;
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] (2)
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 (3);
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 (4)
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(4),即:
S17、对线性回归方程(5)采用最小二乘法公式拟合,计算出线性回归方程(5)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(4),可以得到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。
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。
S2步骤中,待预测日前几日为待预测日前4-10天。
在S3步骤中:
(1)当待预测日的最高气温Tmaxi对应的温度区间为4,待预测日之前几日的最高气温平均值Tmaxp、最低气温平均值Tminp对应的温度区间为3时,在非修正预测用电量上叠加正补偿量△L1,且满足如下公式:
△L1=K1*(Tmaxi-31)
其中,△L1为补偿量,k1为气温补偿系数;
(2)当待预测日的最高气温Tmaxi、Tmini对应的温度区间为3,待预测日之前几日的最高气温的平均值Tmaxp对应的温度区间为4时,在非修正预测用电量上叠加负补偿量△L2,且满足如下公式:
△L2=K2*(Tmaxi-31)
其中,k2为气温补偿系数;
(3)当待预测日的最高气温Tmaxi对应的温度区间为5,待预测日之前几日的最高气温的平均值Tmaxp对应的温度区间为4,在非修正预测用电量上叠加正补偿量△L3,且满足如下公式:
△L3=K3*(Tmaxi-33.5)
其中,k3为气温补偿系数;
(4)当待预测日的最高气温Tmaxi和待预测日之前几日的最高气温的平均值Tmaxp对应的温度区间均大于等于4,且待预测日的最大气温Tmaxi小于待预测日之前几日的最高气温的平均值Tmaxp,在非修正预测用电量上叠加正补偿量△L4,且满足如下公式:
△L4=K4*(Tmaxp-Tmaxi)
其中,k4为气温补偿系数;
(5)当待预测日最低气温Tmini对应的温度区间为2,待预测日之前几日的最高气温平均值Tmaxp、最低气温平均值Tminp对应的温度区间为3,在非修正预测用电量上叠加正补偿量△L5,且满足如下公式:
△L5=K5*(0-Tmi ni)
其中,k5为气温补偿系数;
(6)当待预测日的最高气温Tmaxi、Tmini对应的温度区间为3,待预测日之前几日的最低气温的平均值Tminp对应的温度区间为2,在非修正预测用电量上叠加负补偿量△L6,且满足如下公式:
△L6=K6*(Tmi ni-0)
其中,k6为气温补偿系数;
(7)当待预测日的最低气温Tmini对应的温度区间为1,待预测日之前几日的最低气温的平均值Tminp对应的温度区间为2时,在非修正预测用电量上叠加正补偿量△L7,且满足如下公式:
△L7=K7*(-3.5-Tmi ni)
其中,k7为气温补偿系数;
(8)当待预测日和待预测日之前几日的气温对应的温度区间不满足上述任一情况时,令补偿量为0。
气温补偿系数k1—k7的计算方法如图2所示:
S31,从台区的历史数据中查询气温条件与待预测日和待预测日之前几日的气温所在的温度区间相同的最近一次的日期;
S32,从历史数据中提取该日期根据回归模型预测得到的非修正预测用电量Di以及该日期的实际用电量Ds,计算得到它们的差值Db;
S33,将该日期对应的差值Db以及气温条件带入对应补偿量公式中,计算得出气温补偿系数。
在S3步骤中,台区待预测日的非修正预测用电量通过线性回归模型或非线性回归模型计算出。
还包括S5,节假日预测用电量补偿;具体为:
当待预测日为普通日时,不进行补偿;
当待预测日为节日时,在修正预测用电量的基础上乘以补偿系数,补偿系数数值为1.05-1.1。
实施例1
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6月26日~2016年7月2日是满足S11的标准周,该标准周满足以下两点:
(1)2016年6月26日~2016年7月2日离节日超过两天。
(2)2016年6月26日~2016年7月2日的最高气温、最低温度都满足Tmaxi<28&&Tmini≥5。
根据标准周2016年6月26日~2016年7月2日的实际用电量可知,D1=216.82,D2=231.98,D3=214.82,D4=216.71,D5=207.04,D6=226.52,D7=234.86。将数据带入式(2),得到周几比例系数K。
K=[1,1.0699,0.9908,0.9995,0.9549,1.0447,1.0832];
从表1可知,2016年7月3日~2016年7月7日的实际电量分别为230.08,219.26,232.63,212.37,213.80,经过式(3),可得实际用电量修正值,分别为212.41、219.26、217.43、214.34、213.91。将修正值的数据代入方程(5),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(5)中的各常数,如下:
a1=-20.1014,a2=-51.9977,a3=87.9166,a4=0.3567,a5=5.5728,b=273.3324;
日期 | 周几 | 平均温度 | 最高温度 | 最低温度 | 湿度 | 风速 |
2016/7/8 | 5 | 22.6 | 25.2 | 19 | 72.7 | 1.5 |
2016/7/9 | 6 | 23 | 26.4 | 19.8 | 66.5 | 3.5 |
2016/7/10 | 7 | 21.1 | 24.7 | 18.2 | 81.2 | 2.4 |
2016/7/11 | 1 | 26.2 | 28.8 | 22 | 63.6 | 2.5 |
2016/7/12 | 2 | 26.4 | 32.4 | 24.1 | 87.9 | 1.6 |
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(6),可得:
再将所得的数据代入方程(7),得到预测值:
经查实,2016年7月8日至7月12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~i+3用电量预测值的相对误差在5%以内,达到预测要求。但是,预测日i+4用电量预测值超过了10%,误差较大,需要进行气温补偿修正。
气温补偿修正的具体方法为:
由温度区间公式可知,待预测日i+4的最高气温Tmaxi对应的温度区间为4,而待预测日之前几日的最高气温的平均值Tip对应的温度区间为3,此时需要在非修正预测用电量上叠加正补偿量△L1,且满足如下公式:△L1=K1*(Tmaxi-31)。
其中,△L1为补偿量,k1为气温补偿系数。在该台区中,k1=25,故有:
对比可知预测日i~i+4用电量预测值的相对误差都在5%以内,达到预测要求,气温修正补偿是非常必要的。
实施例2
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3所示:
日期 | 实际用电量 | 周几 | 平均温度 | 最高温度 | 最低温度 | 湿度 | 风速 |
2016/4/19 | 234.78 | 2 | 15.6 | 20.6 | 10.2 | 90.2 | 2.1 |
2016/4/20 | 212.89 | 3 | 12.6 | 17.6 | 9.9 | 65.6 | 2.2 |
2016/4/21 | 211.21 | 4 | 13.6 | 20.3 | 7.1 | 51.9 | 0.6 |
2016/4/22 | 209.01 | 5 | 19.1 | 24.7 | 9.9 | 48.1 | 0.8 |
2016/4/23 | 228.74 | 6 | 18.6 | 26.3 | 13 | 52.6 | 0.4 |
2016/4/24 | 232.84 | 7 | 18.2 | 25.4 | 12.2 | 58.6 | 0.4 |
2016/4/25 | 215.87 | 1 | 19.7 | 27.4 | 11.5 | 60.6 | 0.4 |
2016/4/26 | 215.57 | 2 | 20.4 | 27.3 | 13.6 | 56 | 0.5 |
2016/4/27 | 213.24 | 3 | 21.2 | 26.9 | 14.7 | 61.5 | 0.5 |
2016/4/28 | 199.69 | 4 | 21.5 | 27.2 | 16.2 | 76.8 | 1.8 |
2016/4/29 | 198.67 | 5 | 16.3 | 19.3 | 14.5 | 88.9 | 1.8 |
2016/4/30 | 199.23 | 6 | 18.4 | 25.3 | 13.4 | 79.8 | 1.1 |
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,1=215.87,D2=234.78,D3=212.89,D4=211.21,D5=209.01,D6=228.74,D7=232.84。将数据带入式(2),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3可知,2016年4月19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(3),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(5),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(5)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4预测日的预测气象数据
将表4中的预测数据和各常数带入方程(6),可得:
再将所得的数据代入方程(7),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~i+3用电量预测值的相对误差在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,需要进行定值修正补偿。
定值修正补偿的具体方法为:
5月1日是劳动节,需要进行定值补偿,具体见表5;
去年劳动节日用电量 | 年度台区用电量比m |
246.58 | 1.02 |
表5劳动节定值修正
从表5,可以得到5月1日用电量预测值为251.51千瓦时。
对比可知预测日i~i+4用电量预测值的相对误差都在5%以内,达到预测要求,气温修正补偿是非常必要的。
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)
1.一种用于台区日用电量预测的气温修正方法,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、获取台区待预测日的最高气温Tmaxi、最低气温Tmini以及待预测日前几日的最高气温平均值Tmaxp、最低气温度平均值Tminp,根据公式(1)判断待预测日的最高气温Tmaxi、最低气温Tmini和待预测日前几日的最高气温平均值Tmaxp、最低气温平均值Tminp所处的温度区间V(i),
S3、根据确定的待预测日的最高气温Tmaxi、最低气温Tmini所处的温度区间以及待预测日前几日的最高气温平均值Tmaxp、最低气温平均值Tminp所处的温度区间,按照指定公式计算补偿量的大小;
S4、获取根据回归模型计算出台区待预测日的非修正预测用电量,并与得到的补偿量进行叠加,计算得到台区待预测日的修正预测用电量;
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] (2)
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 (3);
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D'=a1*T+a2*Tmax+a3*Tmin+a4*RH+a5*V+b (4)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(4),即:
S17、对线性回归方程(5)采用最小二乘法公式拟合,计算出线性回归方程(5)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(4),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:
2.根据权利要求1所述的一种用于台区日用电量预测的气温修正方法,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。
3.根据权利要求1所述的一种用于台区日用电量预测的气温修正方法,其特征在于:所述S11中标准周的寻找条件为: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。
4.根据权利要求3所述的一种用于台区日用电量预测的气温修正方法,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。
5.根据权利要求1所述的一种用于台区日用电量预测的气温修正方法,其特征在于:在S2步骤中,所述待预测日前几日为所述待预测日前4-10天。
6.根据权利要求1所述的一种用于台区日用电量预测的气温修正方法,其特征在于:在S3步骤中:
(1)当待预测日的最高气温Tmaxi对应的温度区间为4,待预测日之前几日的最高气温平均值Tmaxp、最低气温平均值Tminp对应的温度区间为3时,在非修正预测用电量上叠加正补偿量△L1,且满足如下公式:
△L1=K1*(Tmaxi-31)
其中,△L1为补偿量,k1为气温补偿系数;
(2)当待预测日的最高气温Tmaxi、Tmini对应的温度区间为3,待预测日之前几日的最高气温的平均值Tmaxp对应的温度区间为4时,在非修正预测用电量上叠加负补偿量△L2,且满足如下公式:
△L2=K2*(Tmaxi-31)
其中,k2为气温补偿系数;
(3)当待预测日的最高气温Tmaxi对应的温度区间为5,待预测日之前几日的最高气温的平均值Tmaxp对应的温度区间为4,在非修正预测用电量上叠加正补偿量△L3,且满足如下公式:
△L3=K3*(Tmaxi-33.5)
其中,k3为气温补偿系数;
(4)当待预测日的最高气温Tmaxi和待预测日之前几日的最高气温的平均值Tmaxp对应的温度区间均大于等于4,且待预测日的最大气温Tmaxi小于待预测日之前几日的最高气温的平均值Tmaxp,在非修正预测用电量上叠加正补偿量△L4,且满足如下公式:
△L4=K4*(Tmaxp-Tmaxi)
其中,k4为气温补偿系数;
(5)当待预测日最低气温Tmini对应的温度区间为2,待预测日之前几日的最高气温平均值Tmaxp、最低气温平均值Tminp对应的温度区间为3,在非修正预测用电量上叠加正补偿量△L5,且满足如下公式:
△L5=K5*(0-Tmini)
其中,k5为气温补偿系数;
(6)当待预测日的最高气温Tmaxi、Tmini对应的温度区间为3,待预测日之前几日的最低气温的平均值Tminp对应的温度区间为2,在非修正预测用电量上叠加负补偿量△L6,且满足如下公式:
△L6=K6*(Tmini-0)
其中,k6为气温补偿系数;
(7)当待预测日的最低气温Tmini对应的温度区间为1,待预测日之前几日的最低气温的平均值Tminp对应的温度区间为2时,在非修正预测用电量上叠加正补偿量△L7,且满足如下公式:
△L7=K7*(-3.5-Tmini)
其中,k7为气温补偿系数;
(8)当待预测日和待预测日之前几日的气温对应的温度区间不满足上述任一情况时,令补偿量为0。
7.根据权利要求6所述的一种用于台区日用电量预测的气温修正方法,其特征在于:所述气温补偿系数k1—k7的计算方法如下:
S31,从台区的历史数据中查询气温条件与待预测日和待预测日之前几日的气温所在的温度区间相同的最近一次的日期;
S32,从历史数据中提取该日期根据回归模型预测得到的非修正预测用电量Di以及该日期的实际用电量Ds,计算得到它们的差值Db;
S33,将该日期对应的差值Db以及气温条件带入对应补偿量公式中,计算得出气温补偿系数。
8.根据权利要求1所述的一种用于台区日用电量预测的气温修正方法,其特征在于:在S3步骤中,所述台区待预测日的非修正预测用电量通过线性回归模型或非线性回归模型计算出。
9.根据权利要求1所述的一种用于台区日用电量预测的气温修正方法,其特征在于:在S4后还包括节假日预测用电量补偿;具体为:
当待预测日为普通日时,不进行补偿;
当待预测日为节日时,在修正预测用电量的基础上乘以补偿系数,补偿系数数值为1.05-1.1。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610511110 | 2016-06-30 | ||
CN2016105111103 | 2016-06-30 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107273998A CN107273998A (zh) | 2017-10-20 |
CN107273998B true CN107273998B (zh) | 2024-02-13 |
Family
ID=60073984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710280898.6A Active CN107273998B (zh) | 2016-06-30 | 2017-04-26 | 一种用于台区日用电量预测的气温修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107273998B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109727155A (zh) * | 2018-08-02 | 2019-05-07 | 平安科技(深圳)有限公司 | 基于电量预测的用电控制方法、装置、设备和存储介质 |
CN110070203B (zh) * | 2019-02-25 | 2023-12-26 | 广州市自来水有限公司 | 一种供水量预测方法、系统、装置以及存储介质 |
CN110047017A (zh) * | 2019-04-28 | 2019-07-23 | 河北建投能源投资股份有限公司 | 基于发电数据的调控方法 |
CN110807550B (zh) * | 2019-10-30 | 2023-11-24 | 国网上海市电力公司 | 基于神经网络的配变重过载识别预警方法及终端设备 |
CN111242805B (zh) * | 2020-01-09 | 2023-07-11 | 南方电网科学研究院有限责任公司 | 一种用电量增长率计算方法和装置 |
CN116701481A (zh) * | 2023-04-21 | 2023-09-05 | 国网宁夏电力有限公司 | 一种电采暖用电量波动分析系统及方法 |
CN116505593B (zh) * | 2023-06-21 | 2023-11-21 | 山西清众科技股份有限公司 | 综合能源设备控制方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10224990A (ja) * | 1997-02-10 | 1998-08-21 | Fuji Electric Co Ltd | 電力需要量予測値補正方法 |
CN103606015A (zh) * | 2013-11-26 | 2014-02-26 | 国网安徽省电力公司 | 基于逐时综合气象指数的短期负荷预测方法 |
CN104376384A (zh) * | 2014-11-27 | 2015-02-25 | 广西大学 | 一种基于电力大数据分析的台风日最大日负荷预测系统 |
JP2015090639A (ja) * | 2013-11-07 | 2015-05-11 | 東京瓦斯株式会社 | エネルギー消費量予測システムおよびエネルギー消費量予測方法 |
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 |
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 |
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 |
-
2017
- 2017-04-26 CN CN201710280898.6A patent/CN107273998B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10224990A (ja) * | 1997-02-10 | 1998-08-21 | Fuji Electric Co Ltd | 電力需要量予測値補正方法 |
JP2015090639A (ja) * | 2013-11-07 | 2015-05-11 | 東京瓦斯株式会社 | エネルギー消費量予測システムおよびエネルギー消費量予測方法 |
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 |
CN103606015A (zh) * | 2013-11-26 | 2014-02-26 | 国网安徽省电力公司 | 基于逐时综合气象指数的短期负荷预测方法 |
CN104376384A (zh) * | 2014-11-27 | 2015-02-25 | 广西大学 | 一种基于电力大数据分析的台风日最大日负荷预测系统 |
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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN107273998A (zh) | 2017-10-20 |
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 | |
CN110212521B (zh) | 配电网线损计算方法及系统 | |
CN110866658A (zh) | 一种城市电网中长期负荷预测方法 | |
CN102522756B (zh) | 一种避免电压越限风险的电网感性无功补偿方法 | |
CN110909958A (zh) | 一种计及光伏并网功率的短期负荷预测方法 | |
CN105605666B (zh) | 供热量精确分配方法与装置 | |
CN109299814B (zh) | 一种气象影响电量分解预测方法 | |
CN105069536A (zh) | 一种基于气温与经济增长的用电需求预测方法 | |
CN107273997B (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及系统 | |
CN110738359A (zh) | 一种基于p中位模型的分布式能源站选址方法 | |
CN104484749A (zh) | 用于燃煤电厂碳排放量预测方法和系统 | |
CN116227637A (zh) | 一种面向有源配电网的精细化负荷预测方法和系统 | |
CN107169596B (zh) | 基于人体舒适度的台区日用电量的预测方法 | |
CN111008727A (zh) | 一种配电台区负荷预测方法及装置 | |
CN110533247B (zh) | 一种采用气温数据异常点补偿的月度用电量预测方法 | |
CN110991747A (zh) | 一种计及风电场功率的短期负荷预测方法 | |
CN105262148B (zh) | 计及风电出力特性的规划年电力平衡方法 | |
CN107256435B (zh) | 基于台区日用电量的预测值的定值修正方法 | |
CN109409740B (zh) | 一种基于皮尔森相关系数校核风力发电数据质量的方法 | |
JPH10224990A (ja) | 電力需要量予測値補正方法 | |
CN110570037A (zh) | 基于scuc的电厂中长期极限交易电量优化方法及系统 | |
CN116307024A (zh) | 一种区域供热热负荷预测方法 | |
CN205372759U (zh) | 供热量精确分配装置 | |
JP3707589B2 (ja) | 電力需要量予測方法 | |
CN110070132B (zh) | 风电场scada系统缺失数据修复结果的修正补偿方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |