CN108108833A - 负荷预测精度评估方法及系统 - Google Patents

负荷预测精度评估方法及系统 Download PDF

Info

Publication number
CN108108833A
CN108108833A CN201711176647.XA CN201711176647A CN108108833A CN 108108833 A CN108108833 A CN 108108833A CN 201711176647 A CN201711176647 A CN 201711176647A CN 108108833 A CN108108833 A CN 108108833A
Authority
CN
China
Prior art keywords
precision
client
load prediction
predetermined period
prediction
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
CN201711176647.XA
Other languages
English (en)
Inventor
张延祥
国杰
李明辉
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.)
POLYTRON TECHNOLOGIES Inc
Original Assignee
POLYTRON TECHNOLOGIES Inc
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 POLYTRON TECHNOLOGIES Inc filed Critical POLYTRON TECHNOLOGIES Inc
Priority to CN201711176647.XA priority Critical patent/CN108108833A/zh
Publication of CN108108833A publication Critical patent/CN108108833A/zh
Pending legal-status Critical Current

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

本发明公开了一种负荷预测精度评估方法及系统，包括：获取在预设周期内的多个客户的实际用能值和预测用能值；根据多个客户的实际用能值和预测用能值，分别计算每个客户的负荷预测精准度；根据每个客户的负荷预测精准度，计算在预设周期内的系统负荷预测精准度。本发明将客户总用能情况分成预测用能和实际用能分别计算，使得各类负荷预测更加客观和精准度高，并且能够帮助客户准确、快速地判断负荷预测产品的负荷预测水平，同时也能够对负荷预测进行优化。

Description

负荷预测精度评估方法及系统
技术领域
本发明涉及负荷预测技术领域，特别涉及一种负荷预测精度评估方法及系统。
背景技术
随着“互联网+”时代的来临，智慧能源及电改的纵深推进，各类负荷预测技术如雨后春笋般出现，但负荷预测精准度的评估结果不够准确。现有负荷预测精准度测算方法是基于所有用户总用能情况，存在客户负荷预测正负偏差、各周期正负偏差对冲的情况，使得测算方法并不准确客观。
发明内容
本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种负荷预测精度评估方法。该负荷预测精度评估方法将客户总用能情况分成预测用能和实际用能分别计算，使得各类负荷预测更加客观和精准度高，并且能够帮助客户准确、快速地判断负荷预测产品的负荷预测水平，同时也能够对负荷预测进行优化。
本发明的另一个目的在于提出一种负荷预测精度评估系统。
为了实现上述目的，本发明的一方面公开了一种负荷预测精度评估方法，包括：获取在预设周期内的多个客户的实际用能值和预测用能值；根据所述多个客户的实际用能值和预测用能值，分别计算每个客户的负荷预测精准度；根据所述每个客户的负荷预测精准度，计算在预设周期内的系统负荷预测精准度。
根据本发明的负荷预测精度评估方法，通过分别采集每个客户的预测用能值和实际用能值，将预测用能值和实际用能值计算该客户的负荷预测精准度，再求总的客户的负荷预测精准度，这样将客户总用能情况分成预测用能和实际用能分别计算，使得各类负荷预测更加客观和精准度高，并且能够帮助客户准确、快速地判断负荷预测产品的负荷预测水平，同时也能够对负荷预测进行优化。
另外，根据本发明上述实施例的负荷预测精度评估方法还可以具有如下附加的技术特征：
进一步地，所述分别计算每个客户的负荷预测精准度的计算公式为：
x＝|Q实ji/Q预ji-1|，
其中，Q实ji为客户的实际用能值，Q预ji客户的预测用能值，x为一个客户的负荷预测精准度。
进一步地，所述计算在预设周期内的系统负荷预测精准度的计算公式为：
其中，X为在预设周期内的系统负荷预测精准度，x为客户的负荷预测精准度，n为客户的个数。
进一步地，还包括：根据所述在预设周期内的系统负荷预测精准度，计算预设时间内的系统负荷预测精准度，其中，所述预设时间包括至少一个预设周期。
进一步地，所述计算预设时间内的系统负荷预测精准度的方法为计算所述预设时间内的所有周期的系统负荷预测精准度之和的平均值。
本发明的另一方面公开了一种负荷预测精度评估系统，包括：获取模块，用于获取在预设周期内的多个客户的实际用能值和预测用能值；第一计算模块，所述第一计算模块与所述获取模块相连，用于根据所述多个客户的实际用能值和预测用能值，分别计算每个客户的负荷预测精准度，并根据所述每个客户的负荷预测精准度，得到在预设周期内的系统负荷预测精准度。
根据本发明的负荷预测精度评估系统，通过分别采集每个客户的预测用能值和实际用能值，将预测用能值和实际用能值计算该客户的负荷预测精准度，再求总的客户的负荷预测精准度，这样将客户总用能情况分成预测用能和实际用能分别计算，使得各类负荷预测更加客观和精准度高，并且能够帮助客户准确、快速地判断负荷预测产品的负荷预测水平，同时也能够对负荷预测进行优化。
另外，根据本发明上述实施例的负荷预测精度评估系统还可以具有如下附加的技术特征：
进一步地，所述第一计算模块中分别计算每个客户的负荷预测精准度的计算公式为：
x＝|Q实ji/Q预ji-1|，
其中，Q实ji为客户的实际用能值，Q预ji客户的预测用能值，x为一个客户的负荷预测精准度。
进一步地，所述第一计算模块中计算在预设周期内的系统负荷预测精准度的计算公式为：
其中，X为在预设周期内的系统负荷预测精准度，x为客户的负荷预测精准度，n为客户的个数。
进一步地，还包括：第二计算模块，所述第二计算模块与所述第一计算模块相连，用于根据所述在预设周期内的系统负荷预测精准度，计算预设时间内的系统负荷预测精准度，其中，所述预设时间包括至少一个预设周期。
进一步地，所述第二计算模块，具体用于计算所述预设时间内的所有周期的系统负荷预测精准度之和的平均值得到预设时间内的系统负荷预测精准度。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本发明一个实施例的负荷预测精度评估方法的流程图；
图2是根据本发明一个实施例的预测单元内负荷预测精度的流程图；
图3是根据本发明一个实施例的负荷预测精度评估系统的结构图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
以下结合附图描述根据本发明实施例的负荷预测精度评估方法及系统。
图1是根据本发明一个实施例的负荷预测精度评估方法的流程图。
如图1所示，根据本发明一个实施例的负荷预测精度评估方法，包括：
S110：获取在预设周期内的多个客户的实际用能值和预测用能值。
结合图2所示，一个客户的负荷预测分为实际用能值和预测用能值，并分别进行采集，可以采集多个客户。另外，预设周期是指负荷预测产品能够精确到最小负荷预测的周期，例如，一般产品为小时级预测水平，则预设周期为1小时。这样能够将实际用能值和预测用能值分别考量提高负荷预测的精度。
S120：根据多个客户的实际用能值和预测用能值，分别计算每个客户的负荷预测精准度。
具体来说，分别计算每个客户的负荷预测精准度的计算公式为：
x＝|Q实ji/Q预ji-1|，
其中，Q实ji为客户的实际用能值，Q预ji客户的预测用能值，x为一个客户的负荷预测精准度。结合图2所示，即分别计算客户1、客户2、…、客户n在预设期限内的负荷预测精准度值。
S130：根据每个客户的负荷预测精准度，计算在预设周期内的系统负荷预测精准度。
具体包括，计算在预设周期内的系统负荷预测精准度的计算公式为：
其中，X为在预设周期内的系统负荷预测精准度，x为客户的负荷预测精准度，n为客户的个数。即，计算客户1、客户2、…、客户n在预设期限内的总的负荷预测精准度用来评价在预设周期内的负荷预测情况。
进一步地，还包括：根据在预设周期内的系统负荷预测精准度，计算预设时间内的系统负荷预测精准度，其中，预设时间包括至少一个预设周期。也就是说，想要求取一段时间内的系统的总的负荷预测情况，先将一段时间划分为多个预设周期，分别求每个预测周期内总的负荷预测情况，再求取一段时间内的系统的总的负荷预测情况。
进一步的，计算预设时间内的系统负荷预测精准度的方法为计算预设时间内的所有周期的系统负荷预测精准度之和的平均值。
其中，计算公式为：
上式中，m为预设时间内一共有几个预设周期，X总为预设时间内的系统负荷预测精准度值，X为预设周期内的系统负荷预测精准度值。
根据本发明的负荷预测精度评估方法，通过分别采集每个客户的预测用能值和实际用能值，将预测用能值和实际用能值计算该客户的负荷预测精准度，再求总的客户的负荷预测精准度，这样将客户总用能情况分成预测用能和实际用能分别计算，使得各类负荷预测更加客观和精准度高，并且能够帮助客户准确、快速地判断负荷预测产品的负荷预测水平，同时也能够对负荷预测进行优化。
图3是根据本发明一个实施例的负荷预测精度评估系统的结构图。
如图3所示，本发明一个实施例的负荷预测精度评估系统200，包括：获取模块210和第一计算模块220。
其中，获取模块210用于获取在预设周期内的多个客户的实际用能值和预测用能值；第一计算模块220与获取模块210相连，用于根据所述多个客户的实际用能值和预测用能值，分别计算每个客户的负荷预测精准度，并根据所述每个客户的负荷预测精准度，得到在预设周期内的系统负荷预测精准度。
根据本发明的负荷预测精度评估系统，通过分别采集每个客户的预测用能值和实际用能值，将预测用能值和实际用能值计算该客户的负荷预测精准度，再求总的客户的负荷预测精准度，这样将客户总用能情况分成预测用能和实际用能分别计算，使得各类负荷预测更加客观和精准度高，并且能够帮助客户准确、快速地判断负荷预测产品的负荷预测水平，同时也能够对负荷预测进行优化。
在一些实施例中，第一计算模块220中分别计算每个客户的负荷预测精准度的计算公式为：
x＝|Q实ji/Q预ji-1|，
其中，Q实ji为客户的实际用能值，Q预ji客户的预测用能值，x为一个客户的负荷预测精准度。
在一些实施例中，第一计算模块220中计算在预设周期内的系统负荷预测精准度的计算公式为：
其中，X为在预设周期内的系统负荷预测精准度，x为客户的负荷预测精准度，n为客户的个数。
在一些实施例中，还包括：第二计算模块，第二计算模块与第一计算模块220相连，用于根据在预设周期内的系统负荷预测精准度，计算预设时间内的系统负荷预测精准度，其中，预设时间包括至少一个预设周期。
在一些实施例中，第二计算模块，具体用于计算预设时间内的所有周期的系统负荷预测精准度之和的平均值得到预设时间内的系统负荷预测精准度。
需要说明的是，本发明实施例的负荷预测精度评估系统的具体实现方式与本发明实施例的负荷预测精度评估方法的具体实现方式类似，具体请参见负荷预测精度评估方法部分的描述，为了减少冗余，此处不做赘述。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种负荷预测精度评估方法，其特征在于，包括：
获取在预设周期内的多个客户的实际用能值和预测用能值；
根据所述多个客户的实际用能值和预测用能值，分别计算每个客户的负荷预测精准度；
根据所述每个客户的负荷预测精准度，计算在预设周期内的系统负荷预测精准度。
2.根据权利要求1所述的负荷预测精度评估方法，其特征在于，所述分别计算每个客户的负荷预测精准度的计算公式为：
x＝|Q实ji/Q预ji-1|，
其中，Q实ji为客户的实际用能值，Q预ji客户的预测用能值，x为一个客户的负荷预测精准度。
3.根据权利要求2所述的负荷预测精度评估方法，其特征在于，所述计算在预设周期内的系统负荷预测精准度的计算公式为：
<mrow> <mi>X</mi> <mo>=</mo> <mn>1</mn> <mo>/</mo> <mi>n</mi> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mn>1</mn> <mi>n</mi> </msubsup> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
其中，X为在预设周期内的系统负荷预测精准度，x为客户的负荷预测精准度，n为客户的个数。
4.根据权利要求1所述的负荷预测精度评估方法，其特征在于，还包括：
根据所述在预设周期内的系统负荷预测精准度，计算预设时间内的系统负荷预测精准度，其中，所述预设时间包括至少一个预设周期。
5.根据权利要求4所述的负荷预测精度评估方法，其特征在于，所述计算预设时间内的系统负荷预测精准度的方法为计算所述预设时间内的所有周期的系统负荷预测精准度之和的平均值。
6.一种负荷预测精度评估系统，其特征在于，包括：
获取模块，用于获取在预设周期内的多个客户的实际用能值和预测用能值；
第一计算模块，所述第一计算模块与所述获取模块相连，用于根据所述多个客户的实际用能值和预测用能值，分别计算每个客户的负荷预测精准度，并根据所述每个客户的负荷预测精准度，得到在预设周期内的系统负荷预测精准度。
7.根据权利要求6所述的负荷预测精度评估系统，其特征在于，所述第一计算模块中分别计算每个客户的负荷预测精准度的计算公式为：
x＝|Q实ji/Q预ji-1|，
其中，Q实ji为客户的实际用能值，Q预ji客户的预测用能值，x为一个客户的负荷预测精准度。
8.根据权利要求7所述的负荷预测精度评估系统，其特征在于，所述第一计算模块中计算在预设周期内的系统负荷预测精准度的计算公式为：
<mrow> <mi>X</mi> <mo>=</mo> <mn>1</mn> <mo>/</mo> <mi>n</mi> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mn>1</mn> <mi>n</mi> </msubsup> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
其中，X为在预设周期内的系统负荷预测精准度，x为客户的负荷预测精准度，n为客户的个数。
9.根据权利要求6所述的负荷预测精度评估系统，其特征在于，还包括：第二计算模块，所述第二计算模块与所述第一计算模块相连，用于根据所述在预设周期内的系统负荷预测精准度，计算预设时间内的系统负荷预测精准度，其中，所述预设时间包括至少一个预设周期。
10.根据权利要求9所述的负荷预测精度评估系统，其特征在于，所述第二计算模块，具体用于计算所述预设时间内的所有周期的系统负荷预测精准度之和的平均值得到预设时间内的系统负荷预测精准度。
CN201711176647.XA 2017-11-22 2017-11-22 负荷预测精度评估方法及系统 Pending CN108108833A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711176647.XA CN108108833A (zh) 2017-11-22 2017-11-22 负荷预测精度评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711176647.XA CN108108833A (zh) 2017-11-22 2017-11-22 负荷预测精度评估方法及系统

Publications (1)

Publication Number Publication Date
CN108108833A true CN108108833A (zh) 2018-06-01

Family

ID=62207656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711176647.XA Pending CN108108833A (zh) 2017-11-22 2017-11-22 负荷预测精度评估方法及系统

Country Status (1)

Country Link
CN (1) CN108108833A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544537A (zh) * 2013-09-25 2014-01-29 国网安徽省电力公司 基于预测可信度评估的综合子网累加的短期负荷预测方法
CN103593718A (zh) * 2013-11-26 2014-02-19 国家电网公司 一种负荷组合预测方法及装置
CN107085774A (zh) * 2017-05-16 2017-08-22 新奥泛能网络科技股份有限公司 一种售电服务平台性能评价方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544537A (zh) * 2013-09-25 2014-01-29 国网安徽省电力公司 基于预测可信度评估的综合子网累加的短期负荷预测方法
CN103593718A (zh) * 2013-11-26 2014-02-19 国家电网公司 一种负荷组合预测方法及装置
CN107085774A (zh) * 2017-05-16 2017-08-22 新奥泛能网络科技股份有限公司 一种售电服务平台性能评价方法及装置

Similar Documents

Publication Publication Date Title
Minasny et al. The australian soil texture boomerang: a comparison of the australian and usda/fao soil particle-size classification systems
WO2007072395A3 (en) Weight management system using adaptive targets
CN102508774A (zh) 基于新环境因子函数的软件可靠性增长模型的建模方法
CN102853836B (zh) 一种基于航迹质量的反馈加权融合方法
WO2014151129A3 (en) Smart scale -culinary ratio system
DE102009049067A1 (de) Verfahren und Vorrichtung zur verbesserten Ultraschall- Laufzeitdifferenzmessung
Brown A Note on the Apparent Bias of Net Revenue Estimates for Capital Investment Projects.
EP2799789B1 (en) Method and system for automatically adjusting the operation of a fan and a computer program implementing the method
Jackman The predictive power of uniform swing
EP2129016A3 (en) Method and equipment for delay measurements in a communication system
CN108108833A (zh) 负荷预测精度评估方法及系统
US8207888B1 (en) Systems and methods of range tracking
CN109657478A (zh) 一种异构性的量化方法及系统
Maher et al. The sensitivity of estimates of regression to the mean
Lahiri et al. A further analysis of the conference board’s new Leading Economic Index
US20210081722A1 (en) Method and cloud server for training a neural network for triggering an input signal in a measurement device and method for autonomous determining a trigger type/parameter
CN109173253A (zh) 游戏角色位置判定方法及装置
CN103675770A (zh) 一种基于rcs不确定度的模型校验方法
Charlish et al. Information theoretic measures for MFR tracking control
Toman et al. Rigorous evaluation of chemical measurement uncertainty: Liquid chromatographic analysis methods using detector response factor calibration
JP2018098967A (ja) 力率の計算方法、計算装置、及び計算プログラム、並びに、発電出力の推定方法、推定装置、及び推定プログラム
Burnett et al. Whole body mass estimates and error propagation in countermovement jump: a simulated error study
EP4379430A1 (en) Method for remote sensing of equivalent point turbulence
Lasagni Manghi et al. Accurate ephemeris reconstruction for comet 67P/Churyumov-Gerasimenko from Rosetta data analysis
Gu et al. Computational Reliability Analysis of Soil-Foundation-Structure Interaction (SFSI) Systems

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

Application publication date: 20180601

RJ01 Rejection of invention patent application after publication