CN107784384A - 一种企业月最大需量确定方法和装置 - Google Patents

一种企业月最大需量确定方法和装置 Download PDF

Info

Publication number
CN107784384A
CN107784384A CN201610796775.3A CN201610796775A CN107784384A CN 107784384 A CN107784384 A CN 107784384A CN 201610796775 A CN201610796775 A CN 201610796775A CN 107784384 A CN107784384 A CN 107784384A
Authority
CN
China
Prior art keywords
maximum demand
month
moon
months
maximum
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
CN201610796775.3A
Other languages
English (en)
Inventor
郭成云
蒋斌勇
陈洪雨
李英现
袁君
李春海
侯志卫
张向平
张洪宝
常生强
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.)
China Petroleum and Natural Gas Co Ltd
Original Assignee
China Petroleum and Natural Gas 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 China Petroleum and Natural Gas Co Ltd filed Critical China Petroleum and Natural Gas Co Ltd
Priority to CN201610796775.3A priority Critical patent/CN107784384A/zh
Publication of CN107784384A publication Critical patent/CN107784384A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy 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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种企业月最大需量确定方法和装置,属于电力预测领域。所述方法包括:获取月最大需量变化权值,月最大需量变化权值为月最大需量变化量与年最大需量变化量的比值,月最大需量变化量为连续两年同样月份的最大需量变化量,年最大需量变化量为一年中各个月份的最大需量变化量之和;采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,n为大于或等于6的整数;确定n个月中连续a个月每个月的预测最大需量的最大值和最小值;在最大值和最小值之间以设定步长取值,并分别计算各个取值对应的a个月的电费;将最小的a个月的电费对应的取值作为企业月最大需量进行输出;该方法能够实现电力资源的充分利用,减少电费开支。

Description

一种企业月最大需量确定方法和装置
技术领域
本发明涉及电力预测领域,特别涉及一种企业月最大需量确定方法和装置。
背景技术
由于在我国现行《销售电价管理暂行管理办法》中,为实现电力生产固定成本费用公平负担、有效调节电力需求的目标,作为为用电方的企业须向供电方申报用电计划,特别是选择最大需量进行基本电费计价的企业用户,须提前自行向供电方申报最大需量,在实际电力使用中,按照规定计算并由用电方支付相应电费。
根据《销售电价管理暂行管理办法》的规定:采用最大需量进行基本电费计价时,企业申报的最大需量的最短周期为六个月;在周期内,若某个月实际最大需量低于申报的最大需量,按申报的最大需量计费;若某个月实际最大需量超过申报的最大需量但不超过申报的最大需量的5%,按实际最大需量计费;若实际最大需量超过申报的最大需量的5%,超过部分的基本电费加一倍收取。
因此,用电企业准确、经济、合理申报最大需量,才能达到电力资源的充分利用,同时减少电费开支。
发明内容
为了解决现有技术的问题,本发明实施例提供了企业月最大需量确定方法和装置。所述技术方案如下:
一方面,本发明实施例提供了一种企业月最大需量确定方法,所述方法包括:
获取月最大需量变化权值,所述月最大需量变化权值为月最大需量变化量与年最大需量变化量的比值,月最大需量变化量为连续两年同样月份的最大需量变化量,年最大需量变化量为一年中各个月份的最大需量变化量之和;
采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,n为大于或等于6的整数;
确定所述n个月中连续a个月每个月的预测最大需量中的最大值和最小值,n≥a≥6且a为整数;
在所述最小值和所述最大值之间以设定步长取值,并分别计算各个取值对应的a个月的电费;
将最小的a个月的电费对应的取值作为企业月最大需量进行输出。
在本发明实施例的一种实现方式中,所述采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,包括:
按照如下方式计算未来n个月中每个月的预测最大需量:
y为目前年份,m为目前月份,Δy,m为y年m月实际最大需量与y-1年m月实际最大需量相比的增长量,f为预测月份,xy,f为y年f月的预测最大需量,x(y-1),f为y-1年f月的实际最大需量,wf和wm分别为f月和m月的月最大需量变化权值。
在本发明实施例的另一种实现方式中,所述计算各个取值对应的a个月的电费,包括:
比较所述取值B与所述a个月中每个月的预测最大需量A的大小;
当所述B小于或等于所述A时,按所述A计算对应月份的电费;当所述B大于所述A,且(B-A)/A小于或等于设定值时,按所述B计算对应月份的电费;当所述B大于所述A,且(B-A)/A大于设定值时,按如下方式计算电费:按所述A计算第一部分电费,按所述B-A计算第二部分电费,将第二部分电费乘以2再加上第一部分电费得到对应月份的电费;
将所述a个月中每个月的电费相加,得到所述a个月的电费。
在本发明实施例的另一种实现方式中,所述获取月最大需量变化权值,包括:
根据历史用电数据计算一年中各个月份的月最大需量变化权值。
在本发明实施例的另一种实现方式中,所述根据历史用电数据计算一年中各个月份的月最大需量变化权值,包括:
根据所述历史用电数据中第一年的用电数据和第二年的用电数据初始化各个月份的月最大需量变化权值,所述历史用电数据包括至少三年的用电数据;
采用初始的月最大需量变化权值和所述历史用电数据,从第三年第一个月开始,通过预测月最大需量和所述历史用电数据中的实际最大需量对比,更新月最大需量变化权值。
另一方面,本发明实施例还提供了一种企业月最大需量确定装置,所述装置包括:
获取模块,用于获取月最大需量变化权值,所述月最大需量变化权值为月最大需量变化量与年最大需量变化量的比值,月最大需量变化量为连续两年同样月份的最大需量变化量,年最大需量变化量为一年中各个月份的最大需量变化量之和;
预测模块,用于采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,n为大于或等于6的整数;
确定模块,用于确定所述n个月中连续a个月每个月的预测最大需量中的最大值和最小值,n≥a≥6且a为整数;
计算模块,用于在所述最小值和所述最大值之间以设定步长取值,并分别计算各个取值对应的a个月的电费;
输出模块,用于将最小的a个月的电费对应的取值作为企业月最大需量进行输出。
在本发明实施例的一种实现方式中,所述预测模块,用于:
按照如下方式计算未来n个月中每个月的预测最大需量:
y为目前年份,m为目前月份,Δy,m为y年m月实际最大需量与y-1年m月实际最大需量相比的增长量,f为预测月份,xy,f为y年f月的预测最大需量,x(y-1),f为y-1年f月的实际最大需量,wf和wm分别为f月和m月的月最大需量变化权值。
在本发明实施例的另一种实现方式中,所述计算模块,用于:
比较所述取值B与所述a个月中每个月的预测最大需量A的大小;
当所述B小于或等于所述A时,按所述A计算对应月份的电费;当所述B大于所述A,且(B-A)/A小于或等于设定值时,按所述B计算对应月份的电费;当所述B大于所述A,且(B-A)/A大于设定值时,按如下方式计算电费:按所述A计算第一部分电费,按所述B-A计算第二部分电费,将第二部分电费乘以2再加上第一部分电费得到对应月份的电费;
将所述a个月中每个月的电费相加,得到所述a个月的电费。
在本发明实施例的另一种实现方式中,所述获取模块,用于根据历史用电数据计算一年中各个月份的月最大需量变化权值。
在本发明实施例的另一种实现方式中,所述处理模块,用于:
根据所述历史用电数据中第一年的用电数据和第二年的用电数据初始化各个月份的月最大需量变化权值,所述历史用电数据包括至少三年的用电数据;
采用初始的月最大需量变化权值和所述历史用电数据,从第三年第一个月开始,通过预测月最大需量和所述历史用电数据中的实际最大需量对比,更新月最大需量变化权值。
本发明实施例提供的技术方案带来的有益效果是:
本发明实施例通过采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,然后在n个月中连续a个月的预测最大需量中的最大值和最小值之间取值,并计算各个取值对应的电费,然后按照电费最小的取值进行最大需量申报,保证了准确、经济、合理申报最大需量,实现了电力资源的充分利用,同时减少了电费开支。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种企业月最大需量确定方法的流程图;
图2是本发明实施例提供的另一种企业月最大需量确定方法的流程图;
图3是本发明实施例提供的一种企业月最大需量确定装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
图1是本发明实施例提供的一种企业月最大需量确定方法的流程图,参见图1,该方法包括:
步骤100:获取月最大需量变化权值,月最大需量变化权值为月最大需量变化量与年最大需量变化量的比值,月最大需量变化量为连续两年同样月份的最大需量变化量,年最大需量变化量为一年中各个月份的最大需量变化量之和。
其中,历史用电数据包括历史上各个年份(通常三年以上)中各个月份的最大需量。
其中,月最大需量是指客户在一个电费结算周期(如一个月)内,每单位时间(如15分钟)用电平均负荷(功率)的最大值。月最大需量用于计算电费中的基本电费。其中,企业电费=电量电费+基本电费+功率因数调整电费(其中:电量电费=计费电量×电量电价;基本电费=计费容量或计费需量(与月最大需量相关)×基本电价;功率因数调整电费=参与功率因数调整电量的电费×功率因数调整系数),后文中记载的电费均是指基本电费。
其中,月最大需量变化权值包括一年12个月中各个月的月最大需量变化权值。例如,1月份最大需量变化量为5KW,全年最大需量变化量和为50KW,则一月份的月最大需量变化权值为0.1。
步骤101:采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,n为大于或等于6的整数。
步骤102:确定n个月中连续a个月每个月的预测最大需量中的最大值和最小值,n≥a≥6且a为整数。
步骤103:在最小值和最大值之间以设定步长取值,并分别计算各个取值对应的a个月的电费。
其中,设定步长可以根据实际使用的电能计量装置月最大需量示值的最小刻度确定,例如,电能计量装置月最大需量示值的最小刻度为0.0001KW,电能计量装置中互感器的倍率为1250×2200,则设定步长可以为0.275MW。而取值范围为预测最大需量中的最大值和最小值之间。
步骤104:将最小的a个月的电费对应的取值作为企业月最大需量进行输出。
不同取值计算出的a个月的电费可能相同也可能不同,选取a个月的电费最小的取值进行申报,以减少电费开支。
本发明实施例通过采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,然后在n个月中连续a个月的预测最大需量中的最大值和最小值之间取值,并计算各个取值对应的电费,然后按照电费最小的取值进行最大需量申报,保证了准确、经济、合理申报最大需量,实现了电力资源的充分利用,同时减少了电费开支。
图2是本发明实施例提供的另一种企业月最大需量确定方法的流程图,参见图2,该方法包括:
步骤200:根据历史用电数据计算一年中各个月份的月最大需量变化权值,月最大需量变化权值为月最大需量变化量与年最大需量变化量的比值,月最大需量变化量为连续两年同样月份的最大需量变化量,年最大需量变化量为一年中各个月份的最大需量变化量之和。
其中,历史用电数据包括历史上各个年份(通常三年以上)中各个月份的最大需量。
其中,月最大需量是指客户在一个电费结算周期(如一个月)内,每单位时间(如15分钟)用电平均负荷(功率)的最大值。月最大需量用于计算电费中的基本电费。其中,电费=电量电费+基本电费+功率因数调整电费(其中:电量电费=计费电量×电量电价;基本电费=计费容量或计费需量×基本电价;功率因数调整电费=参与功率因数调整电量的电费×功率因数调整系数),后文中记载的电费均是指基本电费。
其中,月最大需量变化权值包括一年12个月中各个月的月最大需量变化权值。例如,1月份变化量为5KW,全年变化量为50KW,则一月份的月最大需量变化权值为0.1。
实现时,根据历史用电数据计算一年中各个月份的月最大需量变化权值,包括:
第一步,获取历史用电数据,历史用电数据包括至少三年的用电数据。
具体地,历史用电数据包括历史上各个年份中各个月份的最大需量。历史用电数据可以存储在本地数据库或者网络服务器的数据库中,获取时可以通过网络传输或下载到本地。
第二步,根据历史用电数据中第一年的用电数据和第二年的用电数据初始化各个月份的月最大需量变化权值。
(1)设现在有前N年每个月实际最大需量数据,第i年的第j个月的实际最大需量表示为xi,j,其中3≤N,1≤i≤N,1≤j≤12。
(2)第i年每个月实际最大需量同i-1年同期相比,每个月的变动量表示成一个向量为Δi=(Δi,1i,2,…Δi,12),其中Δi,j=xi,j-xi-1,j
(3)设一年之内的变动总量分配到各个月时,各月所分配的比重(月最大需量变化权值)表示成一个向量为w=(w1,w2,…w12),现用第二年同第一年之间的变动量为依据来初始化w。
第三步,采用初始的月最大需量变化权值和历史用电数据,从第三年第一个月开始,通过预测月最大需量和历史用电数据中的实际最大需量对比,更新月最大需量变化权值。
具体地,利用历史用电数据进行学习,从第三年第一个月开始,通过计算预测最大需量和历史用电数据中的实际最大需量进行比对,来更新w,具体如下:
①设i=3,j=1;
②对第i年,第j个月到第12月的每个月的预测最大需量进行计算,并计算对应的每个月的变动量
其中,当j=1时,wj-1即为w12
③计算权值变动量Δw:
④根据权值变动量Δw更新月最大需量变化权值:w=w'+λΔw,w为更新后的月最大需量变化权值,w'为更新前的月最大需量变化权值;λ为变动因子,λ=ε·I(0<ε<1),I与正在计算的年份到目前年份的距离成反比,例如该距离的倒数,λ的意义在于离得越近年份的数据对w影响越大,ε为变动的比重系数,ε越大,近年来的数据变动对w影响就越大。ε可以根据企业历史用电数据来确定,企业历史用电数据变动较小,则可以设置得相对较小,企业历史用电数据变动较大,则可以设置得相对较大。例如,当连续两年的最大需量变动超过5%时,λ为0.1,当连续两年的最大需量变动未超过5%时,λ为0.05。
⑤增加一个月,i和j做相应的调整,重复步骤②至④,直到历史用电数据中所有月份的数据均使用完毕。
进一步地,本发明实施例提供的方法还可以包括:
根据预测月最大需量和实际最大需量计算预测误差。
具体地,根据预测月最大需量和实际最大需量计算预测误差,可以包括:
计算一个月的预测误差,或者计算一个周期时间的预测误差。
计算一个月的预测误差:第i年第j个月的误差为EMi,j
计算一个周期时间的预测误差:一个周期的误差EY为该周期内各个月份的误差和。
例如,一整年的预测误差为值得说明的是,计算一整年的预测误差时,必须是从某一年的一月开始一直到该年12月。
进一步地,本发明实施例提供的方法还可以包括:
根据计算出的预测误差计算误差率。
具体地,根据计算出的预测误差计算误差率,可以包括:
计算一个月的误差率,或者计算一个周期时间的误差率。
计算一个月的误差率:第i年第j个月误差率:
计算一个周期时间的误差率:一个周期的误差率η为该周期内各个月份的误差和除以实际最大需量和。
例如,一整年的误差率:
在本实施例中,根据上述过程计算出的误差率可以对该方法的计算精度进行验证,当误差率过大时,还可以对λ等参数进行修改。
步骤201:采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,n为大于或等于6的整数。
步骤201可以包括:
按照如下方式计算未来n个月中每个月的预测最大需量:
y为目前年份,m为目前月份,Δy,m为y年m月实际最大需量与y-1年m月实际最大需量相比的增长量,f为预测月份,xy,f为y年f月的预测最大需量,x(y-1),f为y-1年f月的实际最大需量,wf和wm分别为f月和m月的月最大需量变化权值。
步骤202:确定n个月中连续a个月每个月的预测最大需量中的最大值和最小值,n≥a≥6且a为整数。
步骤203:在最小值和最大值之间以设定步长取值,并分别计算各个取值对应的a个月的电费。
其中,设定步长可以根据实际使用的电能计量装置月最大需量示值的最小刻度确定,例如,电能计量装置月最大需量示值的最小刻度为0.0001KW,电能计量装置中互感器的倍率为1250×2200,则设定步长可以为0.275MW。而取值范围为预测最大需量中的最大值和最小值之间。
在本发明实施例中,计算各个取值对应的a个月的电费,包括:
比较取值B与a个月中每个月的预测最大需量A的大小。
当B小于或等于A时,按A计算对应月份的电费;当B大于A,且(B-A)/A小于或等于设定值时,按B计算对应月份的电费;当B大于A,且(B-A)/A大于设定值时,按如下方式计算电费:按A计算第一部分电费,按B-A计算第二部分电费,将第二部分电费乘以2再加上第一部分电费得到对应月份的电费。其中,设定值通常为5%。例如,A=100KW,B=110KW,则采用100W计算第一部分电费,按10KW计算第二部分电费,再算出该月份的最终电费。
将a个月中每个月的电费相加,得到a个月的电费。
例如,设连续a月每个月的预测最大需量分别为:P MD1、…、P MDa;在min{P MD1~P MDa}~max{P MD1~P MDa}内以设定步长取值:以min{P MD1~P MDa}开始,以计量点电能表需量示值的精度和倍率的乘积为设定步长进行取值,取值的终止值为超过max{PMD1~P MDa}的第一个取值。通过计算,每增加一个设定步长,即可获得一个对应的连续a个月的电费∑F,最终获得一组∑F,从这组∑F中选取∑F最小数值,此最小∑F所对应的取值即为a个月周期内最大需量。
步骤204:将最小的a个月的电费对应的取值作为企业月最大需量进行输出。
下面通过实例对本发明的效果进行描述:
以某220kV变电站1#线路2011-2014年数据为例:
以六个月为一个周期进行最大需量核定(即该例子中n=12,a=6):
例如,选取2014年5月、6月、7月、8月、9月、10月作为一个周期,对应的预测最大需量分别为52.6MW、74.27MW、78.7MW、79.99MW、72.05MW、69.05MW,以0.275MW为计算步长进行基本电费计算,选取基本电费最低的取值作为2014年5月~10月六个月周期内的最大需量,具体为71.89MW。
进一步地,将最小的a个月的电费对应的取值作为企业月最大需量进行输出,可以包括:
将最小的a个月的电费对应的取值发送给供电方。例如,选取最小的a个月的电费对应的取值发送至供电方服务器。
进一步地,该方法还包括:
在得到n个月的实际最大需量后,采用n个月的实际最大需量和n个月中每个月的预测最大需量更新月最大需量变化权值。具体更新方式与步骤200中相同,这里不再赘述。
本发明实施例通过采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,然后在n个月中连续a个月的预测最大需量中的最大值和最小值之间取值,并计算各个取值对应的电费,然后按照电费最小的取值进行最大需量申报,实现了不同周期十分方便的获得相应周期内最大需量,达到费用成本最低的要求。保证了准确、经济、合理申报最大需量,实现了电力资源的充分利用,同时减少了电费开支。且上述方法完全依靠企业自身所能获取到的数据,预测企业月最大需量,实现方便。
图3是本发明实施例提供的一种企业月最大需量确定装置的结构示意图,参见图3,该装置包括:
获取模块300,用于获取月最大需量变化权值,月最大需量变化权值为月最大需量变化量与年最大需量变化量的比值,月最大需量变化量为连续两年同样月份的最大需量变化量,年最大需量变化量为一年中各个月份的最大需量变化量之和;
预测模块301,用于采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,n为大于或等于6的整数;
确定模块302,用于确定n个月中连续a个月每个月的预测最大需量中的最大值和最小值,n≥a≥6且a为整数;
计算模块303,用于在最小值和最大值之间以设定步长取值,并分别计算各个取值对应的a个月的电费;
输出模块304,用于将最小的a个月的电费对应的取值作为企业月最大需量进行输出。
在本发明实施例的一种实现方式中,预测模块301,用于:
按照如下方式计算未来n个月中每个月的预测最大需量:
y为目前年份,m为目前月份,Δy,m为y年m月实际最大需量与y-1年m月实际最大需量相比的增长量,f为预测月份,xy,f为y年f月的预测最大需量,x(y-1),f为y-1年f月的实际最大需量,wf和wm分别为f月和m月的月最大需量变化权值。
在本发明实施例的一种实现方式中,计算模块303,用于:
比较取值B与a个月中每个月的预测最大需量A的大小;
当B小于或等于A时,按A计算对应月份的电费;当B大于A,且(B-A)/A小于或等于设定值时,按B计算对应月份的电费;当B大于A,且(B-A)/A大于设定值时,按如下方式计算电费:按A计算第一部分电费,按B-A计算第二部分电费,将第二部分电费乘以2再加上第一部分电费得到对应月份的电费;
将a个月中每个月的电费相加,得到a个月的电费。
在本发明实施例的一种实现方式中,获取模块300,用于根据历史用电数据计算一年中各个月份的月最大需量变化权值。
在本发明实施例的一种实现方式中,获取模块300,用于:
根据历史用电数据中第一年的用电数据和第二年的用电数据初始化各个月份的月最大需量变化权值;
采用初始的月最大需量变化权值和历史用电数据,从第三年第一个月开始,通过预测月最大需量和历史用电数据中的实际最大需量对比,更新月最大需量变化权值。
实现时,获取模块300,用于按照如下步骤计算月最大需量变化权值:
第一步,获取历史用电数据。
具体地,历史用电数据包括历史上各个年份中各个月份的最大需量。历史用电数据可以存储在本地数据库或者网络服务器的数据库中,获取时可以通过网络传输或下载到本地。
第二步,根据历史用电数据中第一年的用电数据和第二年的用电数据初始化各个月份的月最大需量变化权值。
(1)设现在有前N年每个月实际最大需量数据,第i年的第j个月的实际最大需量表示为xi,j,其中3≤N,1≤i≤N,1≤j≤12。
(2)第i年每个月实际最大需量同i-1年同期相比,每个月的变动量表示成一个向量为Δi=(Δi,1i,2,…Δi,12),其中Δi,j=xi,j-xi-1,j
(3)设一年之内的变动总量分配到各个月时,各月所分配的比重(月最大需量变化权值)表示成一个向量为w=(w1,w2,…w12),现用第二年同第一年之间的变动量为依据来初始化w。
第三步,采用初始的月最大需量变化权值和历史用电数据,从第三年第一个月开始,通过预测月最大需量和历史用电数据中的实际最大需量对比,更新月最大需量变化权值。
具体地,利用历史用电数据进行学习,从第三年第一个月开始,通过计算预测最大需量和历史用电数据中的实际最大需量进行比对,来更新w,具体如下:
①设i=3,j=1;
②对第i年,第j个月到第12月的每个月的预测最大需量进行计算,并计算对应的每个月的变动量
其中,当j=1时,wj-1即为w12
③计算权值变动量Δw:
④根据权值变动量Δw更新月最大需量变化权值:w=w'+λΔw,w为更新后的月最大需量变化权值,w'为更新前的月最大需量变化权值;λ为变动因子,λ=ε·I(0<ε<1),I与正在计算的年份到目前年份的距离成反比,例如该距离的倒数,λ的意义在于离得越近年份的数据对w影响越大,ε为变动的比重系数,ε越大,近年来的数据变动对w影响就越大。ε可以根据企业历史用电数据来确定,企业历史用电数据变动较小,则可以设置得相对较小,企业历史用电数据变动较大,则可以设置得相对较大。例如,当连续两年的最大需量变动超过5%时,λ为0.1,当连续两年的最大需量变动未超过5%时,λ为0.05。
⑤增加一个月,i和j做相应的调整,重复步骤②至④,直到历史用电数据中所有月份的数据均使用完毕。
进一步地,本发明实施例提供的计算模块303,还用于:
根据预测月最大需量和实际最大需量计算预测误差。
具体地,计算模块303,用于:
计算一个月的预测误差,或者计算一个周期时间的预测误差。
计算一个月的预测误差:第i年第j个月的误差为EMi,j
计算一个周期时间的预测误差:一个周期的误差EY为该周期内各个月份的误差和。
例如,一整年的预测误差为值得说明的是,计算一整年的预测误差时,必须是从某一年的一月开始一直到该年12月。
进一步地,本发明实施例提供的计算模块303,还用于:
根据计算出的预测误差计算误差率。
具体地,计算模块303,用于:
计算一个月的误差率,或者计算一个周期时间的误差率。
计算一个月的误差率:第i年第j个月误差率:
计算一个周期时间的误差率:一个周期的误差率η为该周期内各个月份的误差和除以实际最大需量和。
例如,一整年的误差率:
本发明实施例通过采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,然后在n个月中连续a个月的预测最大需量中的最大值和最小值之间取值,并计算各个取值对应的电费,然后按照电费最小的取值进行最大需量申报,保证了准确、经济、合理申报最大需量,实现了电力资源的充分利用,同时减少了电费开支。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种企业月最大需量确定方法,其特征在于,所述方法包括:
获取月最大需量变化权值,所述月最大需量变化权值为月最大需量变化量与年最大需量变化量的比值,月最大需量变化量为连续两年同样月份的最大需量变化量,年最大需量变化量为一年中各个月份的最大需量变化量之和;
采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,n为大于或等于6的整数;
确定所述n个月中连续a个月每个月的预测最大需量中的最大值和最小值,n≥a≥6且a为整数;
在所述最小值和所述最大值之间以设定步长取值,并分别计算各个取值对应的a个月的电费;
将最小的a个月的电费对应的取值作为企业月最大需量进行输出。
2.根据权利要求1所述的方法,其特征在于,所述采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,包括:
按照如下方式计算未来n个月中每个月的预测最大需量:
y为目前年份,m为目前月份,Δy,m为y年m月实际最大需量与y-1年m月实际最大需量相比的增长量,f为预测月份,xy,f为y年f月的预测最大需量,x(y-1),f为y-1年f月的实际最大需量,wf和wm分别为f月和m月的月最大需量变化权值。
3.根据权利要求1或2所述的方法,其特征在于,所述计算各个取值对应的a个月的电费,包括:
比较所述取值B与所述a个月中每个月的预测最大需量A的大小;
当所述B小于或等于所述A时,按所述A计算对应月份的电费;当所述B大于所述A,且(B-A)/A小于或等于设定值时,按所述B计算对应月份的电费;当所述B大于所述A,且(B-A)/A大于设定值时,按如下方式计算电费:按所述A计算第一部分电费,按所述B-A计算第二部分电费,将第二部分电费乘以2再加上第一部分电费得到对应月份的电费;
将所述a个月中每个月的电费相加,得到所述a个月的电费。
4.根据权利要求1或2所述的方法,其特征在于,所述获取月最大需量变化权值,包括:
根据历史用电数据计算一年中各个月份的月最大需量变化权值。
5.根据权利要求4所述的方法,其特征在于,所述根据历史用电数据计算一年中各个月份的月最大需量变化权值,包括:
根据所述历史用电数据中第一年的用电数据和第二年的用电数据初始化各个月份的月最大需量变化权值,所述历史用电数据包括至少三年的用电数据;
采用初始的月最大需量变化权值和所述历史用电数据,从第三年第一个月开始,通过预测月最大需量和所述历史用电数据中的实际最大需量对比,更新月最大需量变化权值。
6.一种企业月最大需量确定装置,其特征在于,所述装置包括:
获取模块,用于获取月最大需量变化权值,所述月最大需量变化权值为月最大需量变化量与年最大需量变化量的比值,月最大需量变化量为连续两年同样月份的最大需量变化量,年最大需量变化量为一年中各个月份的最大需量变化量之和;
预测模块,用于采用月最大需量变化权值计算未来n个月中每个月的预测最大需量,n为大于或等于6的整数;
确定模块,用于确定所述n个月中连续a个月每个月的预测最大需量中的最大值和最小值,n≥a≥6且a为整数;
计算模块,用于在所述最小值和所述最大值之间以设定步长取值,并分别计算各个取值对应的a个月的电费;
输出模块,用于将最小的a个月的电费对应的取值作为企业月最大需量进行输出。
7.根据权利要求6所述的装置,其特征在于,所述预测模块,用于:
按照如下方式计算未来n个月中每个月的预测最大需量:
y为目前年份,m为目前月份,Δy,m为y年m月实际最大需量与y-1年m月实际最大需量相比的增长量,f为预测月份,xy,f为y年f月的预测最大需量,x(y-1),f为y-1年f月的实际最大需量,wf和wm分别为f月和m月的月最大需量变化权值。
8.根据权利要求6或7所述的装置,其特征在于,所述计算模块,用于:
比较所述取值B与所述a个月中每个月的预测最大需量A的大小;
当所述B小于或等于所述A时,按所述A计算对应月份的电费;当所述B大于所述A,且(B-A)/A小于或等于设定值时,按所述B计算对应月份的电费;当所述B大于所述A,且(B-A)/A大于设定值时,按如下方式计算电费:按所述A计算第一部分电费,按所述B-A计算第二部分电费,将第二部分电费乘以2再加上第一部分电费得到对应月份的电费;
将所述a个月中每个月的电费相加,得到所述a个月的电费。
9.根据权利要求6或7所述的装置,其特征在于,所述获取模块,用于根据历史用电数据计算一年中各个月份的月最大需量变化权值。
10.根据权利要求9所述的装置,其特征在于,所述处理模块,用于:
根据所述历史用电数据中第一年的用电数据和第二年的用电数据初始化各个月份的月最大需量变化权值,所述历史用电数据包括至少三年的用电数据;
采用初始的月最大需量变化权值和所述历史用电数据,从第三年第一个月开始,通过预测月最大需量和所述历史用电数据中的实际最大需量对比,更新月最大需量变化权值。
CN201610796775.3A 2016-08-31 2016-08-31 一种企业月最大需量确定方法和装置 Pending CN107784384A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610796775.3A CN107784384A (zh) 2016-08-31 2016-08-31 一种企业月最大需量确定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610796775.3A CN107784384A (zh) 2016-08-31 2016-08-31 一种企业月最大需量确定方法和装置

Publications (1)

Publication Number Publication Date
CN107784384A true CN107784384A (zh) 2018-03-09

Family

ID=61451462

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610796775.3A Pending CN107784384A (zh) 2016-08-31 2016-08-31 一种企业月最大需量确定方法和装置

Country Status (1)

Country Link
CN (1) CN107784384A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110148026A (zh) * 2019-05-23 2019-08-20 清科优能(深圳)技术有限公司 一种企业月最大需量预测方法
CN116720630A (zh) * 2023-08-08 2023-09-08 浪潮云洲工业互联网有限公司 一种基于时间序列的煤矿原煤产量预测方法、设备及介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110148026A (zh) * 2019-05-23 2019-08-20 清科优能(深圳)技术有限公司 一种企业月最大需量预测方法
CN116720630A (zh) * 2023-08-08 2023-09-08 浪潮云洲工业互联网有限公司 一种基于时间序列的煤矿原煤产量预测方法、设备及介质
CN116720630B (zh) * 2023-08-08 2023-12-22 浪潮云洲工业互联网有限公司 一种基于时间序列的煤矿原煤产量预测方法、设备及介质

Similar Documents

Publication Publication Date Title
Fahrioglu et al. Using utility information to calibrate customer demand management behavior models
Qi et al. Sharing demand-side energy resources-A conceptual design
Yucekaya et al. Strategic bidding in electricity markets using particle swarm optimization
Motalleb et al. A real-time demand response market through a repeated incomplete-information game
CN105243609A (zh) 一种基于模糊层次分析的用户有序用电决策方法
CN104978610A (zh) 电网需求侧可调度容量预测方法及电力调度方法
Liu et al. Efficient auction mechanism for edge computing resource allocation in mobile blockchain
CN107784384A (zh) 一种企业月最大需量确定方法和装置
Liu et al. Dynamic bidding strategy for a demand response aggregator in the frequency regulation market
Hussain et al. Flexibility: Literature review on concepts, modeling, and provision method in smart grid
Chien et al. Prediction-based peer-to-peer energy transaction market design for smart grids
Kim et al. An optimal pricing scheme in electricity markets by parallelizing security constrained optimal power flow based market-clearing model
CN106682934A (zh) 一种购电竞价策略
Zeng et al. Determining the pricing and deployment strategy for virtual power plants of peer-to-peer prosumers: A game-theoretic approach
Nguyen Duc et al. Impact of renewable energy integration on a novel method for pricing incentive payments of incentive‐based demand response program
Biggins et al. Exploring the economics of large scale lithium ion and lead acid batteries performing frequency response
CN110705738B (zh) 基于人工智能的智能用电激励需求响应方法和系统
CN109816554A (zh) 基于灰色关联度的电网投资预测指标选择方法
Shil et al. Meeting peak electricity demand through combinatorial reverse auctioning of renewable energy
CN116703491A (zh) 一种计及负荷率水平的电力市场偏差电量定价方法
Nunna et al. Impact of incentive mechanism on demand response programs in smart microgrids with electric vehicles
CN104123402B (zh) 计算配电网络的线路损耗的方法和设备
CN112633942A (zh) 一种园区电力系统合约偏差费用计算方法、介质及设备
CN110264260A (zh) 一种电网设备材料价格的智能预测方法
Cali et al. Optimization and digitalization of power markets

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180309