CN109978278B - 基于稳定性分析的居民小区月度用电量预测方法及装置 - Google Patents

基于稳定性分析的居民小区月度用电量预测方法及装置 Download PDF

Info

Publication number
CN109978278B
CN109978278B CN201910280112.XA CN201910280112A CN109978278B CN 109978278 B CN109978278 B CN 109978278B CN 201910280112 A CN201910280112 A CN 201910280112A CN 109978278 B CN109978278 B CN 109978278B
Authority
CN
China
Prior art keywords
month
year
electricity consumption
calculating
monthly
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
Application number
CN201910280112.XA
Other languages
English (en)
Other versions
CN109978278A (zh
Inventor
吴飞
唐志强
陈思
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.)
Jiangsu Enertech Energy Service Co ltd
Original Assignee
Jiangsu Enertech Energy Service 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 Jiangsu Enertech Energy Service Co ltd filed Critical Jiangsu Enertech Energy Service Co ltd
Priority to CN201910280112.XA priority Critical patent/CN109978278B/zh
Publication of CN109978278A publication Critical patent/CN109978278A/zh
Application granted granted Critical
Publication of CN109978278B publication Critical patent/CN109978278B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

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)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及一种基于稳定性分析的居民小区月度用电量预测方法及装置，属于电量统计技术领域，该方法包括：获取第n年第m月之前居民小区月度用电量；根据居民小区月度用电量确定居民小区月度用电量的稳定情况；获取稳定情况对应的电量预测算法；使用电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值；可以解决不同居民小区使用同一电量预测算法预测月度用电量，得到的预测结果不准确的问题；由于通过先确定居民小区月度用电量的稳定情况，根据该稳定情况选取对应的电量预测算法对第n年第m月的居民小区月度用电量进行预测，可以提高预测结果的准确性。

Description

基于稳定性分析的居民小区月度用电量预测方法及装置
技术领域
本发明涉及一种基于稳定性分析的居民小区月度用电量预测方法，属于电量统计技术领域。
背景技术
近些年来，随着人民生活水平的不断提高，消费观念的不断转变，城市居民生活用电量增长迅速，居民生活用电量在社会总用电量中的比重逐年上升，因此，分析城市居民生活用电量的增长趋势和规律，做出精准的城市居民用电量预测，是预测全社会用电量增长趋势、了解城镇化进程、能源消费结构的基础，也是发电、输配电、智能电网建设等电力系统相关企业进行精细化管理的内在要求。
目前，对于居民月度用电量预测的方法包括：线性回归、人工智能、动态分析等，或这些方法之间的有效组合。但是，对于不同小区的用电情况，使用同一方法得到的预测结果可能不够准确。
发明内容
本发明的目的在于提供一种基于稳定性分析的居民小区月度用电量预测方法及装置，可以解决不同居民小区使用同一电量预测算法预测月度用电量，得到的预测结果不准确的问题。为达到上述目的，本发明提供如下技术方案：
第一方面，提供一种基于稳定性分析的居民小区月度用电量预测方法，所述方法包括：
获取第n年第m月之前居民小区月度用电量，所述n和所述m为正整数；
根据所述居民小区月度用电量确定所述居民小区月度用电量的稳定情况；
获取所述稳定情况对应的电量预测算法；其中，不同的稳定情况对应的电量预测算法不同；
使用所述电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值。
可选地，所述根据所述居民小区月度用电量确定所述居民小区月度用电量的稳定情况，包括：
计算所述第m月之前第一年份的居民小区月度用电量与第二年份的居民小区月度用电量之间的相关系数，所述相关系数用于反映不同年之间月度用电量变化的相关性，所述相关系数与所述居民小区月度用电量的预测难度呈负相关关系；
计算所述第m月之前第三年份的居民小区月度用电量的变异系数，所述变异系数用于反映一年中居民小区月度用电量的波动性，变异系数与所述居民小区月度用电量的预测难度呈正相关关系；
在所述相关系数大于或等于第一系数阈值且所述变异系数小于或等于第二系数阈值时，确定所述稳定情况为稳定；
在所述相关系数小于第一系数阈值或者所述变异系数大于第二系数阈值时，确定所述稳定情况为不稳定。
可选地，所述计算所述第m月之前第一年份的居民小区月度用电量与第二年份的居民小区月度用电量之间的相关系数，包括：
计算所述第一年份的居民小区月度用电量的第一平均值；
计算所述第二年份的居民小区月度用电量的第二平均值；
对于所述第一年份和所述第二年份中的第i个月，计算所述第一年份的第i个月的居民小区月度用电量与所述第一平均值之间的第一差值；计算所述第二年份的第i个月的居民小区月度用电量与所述第二平均值之间的第二差值；计算所述第一差值与所述第二差值的乘积；所述i依次取1至j的整数，j为小于或等于12的正整数；
计算j个月的乘积的平均值；
计算所述第一年份的居民小区月度用电量的第一标准差；
计算所述第二年份的居民小区月度用电量的第二标准差；
计算所述平均值除以所述第一标准差和所述第二标准差的乘积，得到所述相关系数。
可选地，所述计算所述第m月之前第三年份的居民小区月度用电量的变异系数，包括：
计算所述第三年份的居民小区月度用电量的第三平均值；
计算所述第三年份的居民小区月度用电量的标准差；
计算所述标准差与所述第三平均值之间的比值，得到所述变异系数。
可选地，在所述稳定情况为稳定时，所述电量预测算法为指数平滑算法，所述使用所述电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值，包括：
获取第n年前m-1个月的居民小区月度用电量；
对于前m-1个月中的第k月，计算所述第k月的居民小区月度用电量与第一平滑系数的第一乘积；计算第k-1月的电量平滑值与第二平滑系数的第二乘积；计算所述第一乘积与所述第二乘积之和，得到第k月的电量平滑值；其中，第1月的电量平滑值为第1月的居民小区月度用电量，k依次取2至m-1；
将第m-1月的电量平滑值设置为所述第n年第m月的月度用电量预测值。
可选地，在所述稳定情况为不稳定时，所述电量预测算法为频域分量算法，所述使用所述电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值，包括：
获取所述第m月之前的s天的日用电量，得到历史日用电量时间序列；所述s为正整数；
对所述历史日用电量时间序列进行傅里叶分解及重构，得到重构序列；所述重构序列包括月周期分量、年周期分量和随机分量；所述随机分量不具有周期性；
所述月周期分量的角频率为：
Figure BDA0002021368810000031
所述年周期分量的角频率为：
Figure BDA0002021368810000041
Figure BDA0002021368810000042
其中，N为历史日用电量时间序列的负荷序列长度，K的取值依次为1至N-1的整数；
在所述重构序列中计算第n年第m月的月周期分量和年周期分量；
获取所述第n年之前的第m月的随机分量平均值，得到第n年第m月的随机分量；
计算所述第n年第m月的月周期分量、所述第n年第m月的年周期分量和所述第n年第m月的随机分量之和，得到所述第n年第m月的月度用电量预测值。
第二方面，提供一种基于稳定性分析的居民小区月度用电量预测装置，所述装置包括：
用电量获取模块，用于获取第n年第m月之前居民小区月度用电量，所述n和所述m为正整数；
稳定情况确定模块，用于根据所述居民小区月度用电量确定所述居民小区月度用电量的稳定情况；
算法确定模块，用于获取所述稳定情况对应的电量预测算法；其中，不同的稳定情况对应的电量预测算法不同；
电量预测模块，用于使用所述电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值。
可选地，所述稳定情况确定模块，用于：
计算所述第m月之前第一年份的居民小区月度用电量与第二年份的居民小区月度用电量之间的相关系数，所述相关系数用于反映不同年之间月度用电量变化的相关性，所述相关系数与所述居民小区月度用电量的预测难度呈负相关关系；
计算所述第m月之前第三年份的居民小区月度用电量的变异系数，所述变异系数用于反映一年中居民小区月度用电量的波动性，变异系数与所述居民小区月度用电量的预测难度呈正相关关系；
在所述相关系数大于或等于第一系数阈值且所述变异系数小于或等于第二系数阈值时，确定所述稳定情况为稳定；
在所述相关系数小于第一系数阈值或者所述变异系数大于第二系数阈值时，确定所述稳定情况为不稳定。
可选地，所述稳定情况确定模块，用于：
计算所述第一年份的居民小区月度用电量的第一平均值；
计算所述第二年份的居民小区月度用电量的第二平均值；
对于所述第一年份和所述第二年份中的第i个月，计算所述第一年份的第i个月的居民小区月度用电量与所述第一平均值之间的第一差值；计算所述第二年份的第i个月的居民小区月度用电量与所述第二平均值之间的第二差值；计算所述第一差值与所述第二差值的乘积；所述i依次取1至j的整数，j为小于或等于12的正整数；
计算j个月的乘积的平均值；
计算所述第一年份的居民小区月度用电量的第一标准差；
计算所述第二年份的居民小区月度用电量的第二标准差；
计算所述平均值除以所述第一标准差和所述第二标准差的乘积，得到所述相关系数。
可选地，所述稳定情况确定模块，用于：
计算所述第三年份的居民小区月度用电量的第三平均值；
计算所述第三年份的居民小区月度用电量的标准差；
计算所述标准差与所述第三平均值之间的比值，得到所述变异系数。
本发明的有益效果在于：通过获取第n年第m月之前居民小区月度用电量；根据居民小区月度用电量确定居民小区月度用电量的稳定情况；获取稳定情况对应的电量预测算法；使用电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值；可以解决不同居民小区使用同一电量预测算法预测月度用电量，得到的预测结果不准确的问题；由于通过先确定居民小区月度用电量的稳定情况，根据该稳定情况选取对应的电量预测算法对第n年第m月的居民小区月度用电量进行预测，可以提高预测结果的准确性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1是本申请一个实施例提供的基于稳定性分析的居民小区月度用电量预测方法的流程图；
图2是本申请另一个实施例提供的基于稳定性分析的居民小区月度用电量预测方法的流程图；
图3是本申请一个实施例提供的基于稳定性分析的居民小区月度用电量预测装置的框图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本申请中的“第一”、“第二”、“第三”只是表示年份的不同，并不代表年份的次序、数量或者排序。
图1是本申请一个实施例提供的基于稳定性分析的居民小区月度用电量预测方法的流程图。该方法至少包括以下几个步骤：
步骤101，获取第n年第m月之前居民小区月度用电量，n和m为正整数。
其中，第n年第m月为待预测居民小区月度用电量的月份。第n年第m月之前的居民小区月度用电量可以包括前x年每个月的居民小区月度用电量，以及第n年前m-1月中每个月的居民小区月度用电量。
可选地，居民小区月度用电量可以是根据居民小区日用电量统计得到的。
步骤102，根据居民小区月度用电量确定居民小区月度用电量的稳定情况。
可选地，稳定情况包括：稳定和不稳定。
可选地，根据居民小区月度用电量确定居民小区月度用电量的稳定情况，至少包括以下几个步骤：
1、计算第m月之前第一年份的居民小区月度用电量与第二年份的居民小区月度用电量之间的相关系数。
其中，相关系数用于反映不同年之间月度用电量变化的相关性，相关系数与居民小区月度用电量的预测难度呈负相关关系。
可选地，计算第m月之前第一年份的居民小区月度用电量与第二年份的居民小区月度用电量之间的相关系数，包括：计算第一年份的居民小区月度用电量的第一平均值；计算第二年份的居民小区月度用电量的第二平均值；对于第一年份和第二年份中的第i个月，计算第一年份的第i个月的居民小区月度用电量与第一平均值之间的第一差值；计算第二年份的第i个月的居民小区月度用电量与第二平均值之间的第二差值；计算第一差值与第二差值的乘积；计算j个月的乘积的平均值；计算第一年份的居民小区月度用电量的第一标准差；计算第二年份的居民小区月度用电量的第二标准差；计算平均值除以第一标准差和第二标准差的乘积，得到相关系数。i依次取1至j的整数，j为小于或等于12的正整数。
其中，第一年份可以是第n-1年，第二年份可以是第n年，j的取值为m-1；或者，第一年份和第二年份也可以是第n年之前的任意不同的两年，j的取值为12，本实施例不对第一年份、第二年份和j的取值作限定。
假设第一年份为第n-2年、第二年份可以是第n-1年，j的取值为12，则第一年份的居民小区月度用电量Qn-2为：
Qn-2＝{qn-2，1，qn-2，2，…，qn-2，11，qn-2，12}
第二年份的居民小区月度用电量Qn-1为：
Qn-1＝{qn-1，1，qn-1，2，…，qn-1，11，qn-1，12}
则第一年份的居民小区月度用电量与第二年份的居民小区月度用电量之间的相关系数R为：
Figure BDA0002021368810000081
Figure BDA0002021368810000082
Figure BDA0002021368810000083
Figure BDA0002021368810000084
Figure BDA0002021368810000085
Figure BDA0002021368810000086
Figure BDA0002021368810000087
为第n-1年1月-12月月度用电量平均值；/>
Figure BDA0002021368810000088
为第n-2年1月-12月月度用电量平均值；/>
Figure BDA0002021368810000089
为第n-1年1月-12月月度用电量标准差；/>
Figure BDA00020213688100000810
为第n-2年1月-12月月度用电量标准差。
2、计算第m月之前第三年份的居民小区月度用电量的变异系数。
其中，变异系数用于反映一年中居民小区月度用电量的波动性；变异系数与居民小区月度用电量的预测难度呈正相关关系。
可选地，计算第m月之前第三年份的居民小区月度用电量的变异系数，包括：计算第三年份的居民小区月度用电量的第三平均值；计算第三年份的居民小区月度用电量的标准差；计算标准差与第三平均值之间的比值，得到变异系数。
其中，第三年份可以与第一年份或者第二年份相同；或者，第三年份可以与第一年份和第二年份不同。第三年份可以是第n年；或者，也可以是第n年之前的任意一年，本实施例不对第三年份的选择方式作限定。
假设第三年份为第n-1年，则变异系数C为：
Figure BDA0002021368810000091
3、在相关系数大于或等于第一系数阈值且变异系数小于或等于第二系数阈值时，确定稳定情况为稳定。
4、在相关系数小于第一系数阈值或者变异系数大于第二系数阈值时，确定稳定情况为不稳定。
其中，第一系数阈值可以为0.7、0.75等，第二系数阈值可以为0.25或者0.2等，本实施例不对第一系数阈值和第二系数阈值的取值作限定。
步骤103，获取稳定情况对应的电量预测算法。
其中，不同的稳定情况对应的电量预测算法不同。
可选地，在稳定情况为稳定时，电量预测算法为指数平滑算法；在稳定情况为不稳定时，电量预测算法为频域分量算法。
步骤104，使用电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值。
情况1：在稳定情况为稳定时，电量预测算法为指数平滑算法。此时，使用电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值，包括：获取第n年前m-1个月的居民小区月度用电量；对于前m-1个月中的第k月，计算第k月的居民小区月度用电量与第一平滑系数的第一乘积；计算第k-1月的电量平滑值与第二平滑系数的第二乘积；计算第一乘积与第二乘积之和，得到第k月的电量平滑值；将第m-1月的电量平滑值设置为第n年第m月的月度用电量预测值。其中，第1月的电量平滑值为第1月的居民小区月度用电量，k依次取2至m-1。m的值大于1且小于或等于12。
假设第n年前m-1月的居民小区月度用电量(真实用电量)为：
Qn＝{qn，1，qn，2，…，qn，m-2，qn，m-1}
第m-1月的电量平滑值为：
Sn，m-1＝αqn，m-1+(1-α)Sn，m-2
Sn，m-2＝αqn，m-2+(1-α)Sn，m-3
…
Sn，1＝qn，1
第n年第m月的月度用电量预测值Fn，m为：
Fn，m＝Sn，m-1
Sn，m-1为第n年第m-1月的电量平滑值；Sn，m-2为第n年第m-2月的用电量平滑值；Sn，m-3为第n年第m-3月的电量平滑值；Sn，1为第n年第1月的用电量平滑值；α为第一平滑系数，α∈[0，1]；1-α为第二平滑系数。
情况2：在稳定情况为不稳定时，电量预测算法为频域分量算法。此时，使用电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值，包括：获取第m月之前的s天的日用电量，得到历史日用电量时间序列；对历史日用电量时间序列进行傅里叶分解及重构，得到重构序列；重构序列包括月周期分量、年周期分量和随机分量；随机分量不具有周期性；在重构序列中计算第n年第m月的月周期分量和年周期分量；获取第n年之前的第m月的随机分量平均值，得到第n年第m月的随机分量；计算第n年第m月的月周期分量、第n年第m月的年周期分量和第n年第m月的随机分量之和，得到第n年第m月的月度用电量预测值。
月周期分量的角频率为：
Figure BDA0002021368810000101
年周期分量的角频率为：
Figure BDA0002021368810000102
Figure BDA0002021368810000103
其中，N为历史日用电量时间序列的负荷序列长度，K的取值依次为1至N-1的整数。s为正整数。
假设s天的日用电量为P(t)，对P(t)进行傅里叶分解，得到：
Figure BDA0002021368810000111
Figure BDA0002021368810000112
(K＝1，2，…，N-1)
对P(t)进行重构得到：
P(t)＝a0+M(t)+Y(t)+H(t)
其中，a0+M(t)为月周期分量；Y(t)为年周期分量；H(t)为随机分量；M(t)的周期为30；Y(t)的周期为12×30；H(t)不具有周期性。
由于月周期分量和年周期分量具有周期性，因此，根据该周期性可以确定出第n年第m月的月周期分量和年周期分量。之后，获取第n年之前的第m月的随机分量平均值，得到第n年第m月的随机分量。最后，计算第n年第m月的月周期分量、第n年第m月的年周期分量和第n年第m月的随机分量之和，得到第n年第m月的月度用电量预测值。
为了更清楚地理解本申请提供的基于稳定性分析的居民小区月度用电量预测方法，参考图2，下面对该方法进行举例说明，该方法包括：
步骤21，获取第n年第m月之前居民小区月度用电量。
步骤22，计算第m月之前第一年份的居民小区月度用电量与第二年份的居民小区月度用电量之间的相关系数。
步骤23，计算第m月之前第三年份的居民小区月度用电量的变异系数。
可选地，步骤23可以在步骤22之前执行；或者，也可以在步骤22之后执行；或者，还可以与步骤22同时执行，本实施例不对步骤22与步骤23之间的执行顺序作限定。
步骤24，在相关系数大于或等于第一系数阈值且变异系数小于或等于第二系数阈值时，确定稳定情况为稳定，执行步骤25；在相关系数小于第一系数阈值或者变异系数大于第二系数阈值时，确定稳定情况为不稳定，执行步骤26。
步骤25，使用指数平滑算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值。
步骤26，使用频域分量算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值。
综上所述，本实施例提供的基于稳定性分析的居民小区月度用电量预测方法，通过获取第n年第m月之前居民小区月度用电量；根据居民小区月度用电量确定居民小区月度用电量的稳定情况；获取稳定情况对应的电量预测算法；使用电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值；可以解决不同居民小区使用同一电量预测算法预测月度用电量，得到的预测结果不准确的问题；由于通过先确定居民小区月度用电量的稳定情况，根据该稳定情况选取对应的电量预测算法对第n年第m月的居民小区月度用电量进行预测，可以提高预测结果的准确性。
图3是本申请一个实施例提供的基于稳定性分析的居民小区月度用电量预测装置的框图。该装置至少包括以下几个模块：用电量获取模块310、稳定情况确定模块320、算法确定模块330和电量预测模块340。
用电量获取模块310，用于获取第n年第m月之前居民小区月度用电量，所述n和所述m为正整数；
稳定情况确定模块320，用于根据所述居民小区月度用电量确定所述居民小区月度用电量的稳定情况；
算法确定模块330，用于获取所述稳定情况对应的电量预测算法；其中，不同的稳定情况对应的电量预测算法不同；
电量预测模块340，用于使用所述电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值。
可选地，所述稳定情况确定模块320，用于：
计算所述第m月之前第一年份的居民小区月度用电量与第二年份的居民小区月度用电量之间的相关系数，所述相关系数用于反映不同年之间月度用电量变化的相关性，所述相关系数与所述居民小区月度用电量的预测难度呈负相关关系；
计算所述第m月之前第三年份的居民小区月度用电量的变异系数，所述变异系数用于反映一年中居民小区月度用电量的波动性，变异系数与所述居民小区月度用电量的预测难度呈正相关关系；
在所述相关系数大于或等于第一系数阈值且所述变异系数小于或等于第二系数阈值时，确定所述稳定情况为稳定；
在所述相关系数小于第一系数阈值或者所述变异系数大于第二系数阈值时，确定所述稳定情况为不稳定。
可选地，所述稳定情况确定模块320，用于：
计算所述第一年份的居民小区月度用电量的第一平均值；
计算所述第二年份的居民小区月度用电量的第二平均值；
对于所述第一年份和所述第二年份中的第i个月，计算所述第一年份的第i个月的居民小区月度用电量与所述第一平均值之间的第一差值；计算所述第二年份的第i个月的居民小区月度用电量与所述第二平均值之间的第二差值；计算所述第一差值与所述第二差值的乘积；所述i依次取1至j的整数，j为小于或等于12的正整数；
计算j个月的乘积的平均值；
计算所述第一年份的居民小区月度用电量的第一标准差；
计算所述第二年份的居民小区月度用电量的第二标准差；
计算所述平均值除以所述第一标准差和所述第二标准差的乘积，得到所述相关系数。
可选地，所述稳定情况确定模块320，用于：
计算所述第三年份的居民小区月度用电量的第三平均值；
计算所述第三年份的居民小区月度用电量的标准差；
计算所述标准差与所述第三平均值之间的比值，得到所述变异系数。
相关细节参考上述方法实施例。
需要说明的是：上述实施例中提供的基于稳定性分析的居民小区月度用电量预测装置在进行基于稳定性分析的居民小区月度用电量预测时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将基于稳定性分析的居民小区月度用电量预测装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的基于稳定性分析的居民小区月度用电量预测装置与基于稳定性分析的居民小区月度用电量预测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种基于稳定性分析的居民小区月度用电量预测方法，其特征在于，所述方法包括：
获取第n年第m月之前居民小区月度用电量，所述n和所述m为正整数；
根据所述居民小区月度用电量确定所述居民小区月度用电量的稳定情况；
获取所述稳定情况对应的电量预测算法；其中，不同的稳定情况对应的电量预测算法不同；
使用所述电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值；
所述根据所述居民小区月度用电量确定所述居民小区月度用电量的稳定情况，包括：
计算所述第m月之前第一年份的居民小区月度用电量与第二年份的居民小区月度用电量之间的相关系数，所述相关系数用于反映不同年之间月度用电量变化的相关性，所述相关系数与所述居民小区月度用电量的预测难度呈负相关关系；
计算所述第m月之前第三年份的居民小区月度用电量的变异系数，所述变异系数用于反映一年中居民小区月度用电量的波动性，变异系数与所述居民小区月度用电量的预测难度呈正相关关系；
在所述相关系数大于或等于第一系数阈值且所述变异系数小于或等于第二系数阈值时，确定所述稳定情况为稳定；
在所述相关系数小于第一系数阈值或者所述变异系数大于第二系数阈值时，确定所述稳定情况为不稳定。
2.根据权利要求1所述的方法，其特征在于，所述计算所述第m月之前第一年份的居民小区月度用电量与第二年份的居民小区月度用电量之间的相关系数，包括：
计算所述第一年份的居民小区月度用电量的第一平均值；
计算所述第二年份的居民小区月度用电量的第二平均值；
对于所述第一年份和所述第二年份中的第i个月，计算所述第一年份的第i个月的居民小区月度用电量与所述第一平均值之间的第一差值；计算所述第二年份的第i个月的居民小区月度用电量与所述第二平均值之间的第二差值；计算所述第一差值与所述第二差值的乘积；所述i依次取1至j的整数，j为小于或等于12的正整数；
计算j个月的乘积的平均值；
计算所述第一年份的居民小区月度用电量的第一标准差；
计算所述第二年份的居民小区月度用电量的第二标准差；
计算所述平均值除以所述第一标准差和所述第二标准差的乘积，得到所述相关系数。
3.根据权利要求1所述的方法，其特征在于，所述计算所述第m月之前第三年份的居民小区月度用电量的变异系数，包括：
计算所述第三年份的居民小区月度用电量的第三平均值；
计算所述第三年份的居民小区月度用电量的标准差；
计算所述标准差与所述第三平均值之间的比值，得到所述变异系数。
4.根据权利要求1所述的方法，其特征在于，在所述稳定情况为稳定时，所述电量预测算法为指数平滑算法，所述使用所述电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值，包括：
获取第n年前m-1个月的居民小区月度用电量；
对于前m-1个月中的第k月，计算所述第k月的居民小区月度用电量与第一平滑系数的第一乘积；计算第k-1月的电量平滑值与第二平滑系数的第二乘积；计算所述第一乘积与所述第二乘积之和，得到第k月的电量平滑值；其中，第1月的电量平滑值为第1月的居民小区月度用电量，k依次取2至m-1；
将第m-1月的电量平滑值设置为所述第n年第m月的月度用电量预测值。
5.根据权利要求1所述的方法，其特征在于，在所述稳定情况为不稳定时，所述电量预测算法为频域分量算法，所述使用所述电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值，包括：
获取所述第m月之前的s天的日用电量，得到历史日用电量时间序列；所述s为正整数；
对所述历史日用电量时间序列进行傅里叶分解及重构，得到重构序列；所述重构序列包括月周期分量、年周期分量和随机分量；所述随机分量不具有周期性；
所述月周期分量的角频率为：
Figure FDA0004141561870000031
所述年周期分量的角频率为：
Figure FDA0004141561870000032
Figure FDA0004141561870000033
其中，N为历史日用电量时间序列的负荷序列长度，K的取值依次为1至N-1的整数；
在所述重构序列中计算第n年第m月的月周期分量和年周期分量；
获取所述第n年之前的第m月的随机分量平均值，得到第n年第m月的随机分量；
计算所述第n年第m月的月周期分量、所述第n年第m月的年周期分量和所述第n年第m月的随机分量之和，得到所述第n年第m月的月度用电量预测值。
6.一种基于稳定性分析的居民小区月度用电量预测装置，其特征在于，所述装置包括：
用电量获取模块，用于获取第n年第m月之前居民小区月度用电量，所述n和所述m为正整数；
稳定情况确定模块，用于根据所述居民小区月度用电量确定所述居民小区月度用电量的稳定情况；
算法确定模块，用于获取所述稳定情况对应的电量预测算法；其中，不同的稳定情况对应的电量预测算法不同；
电量预测模块，用于使用所述电量预测算法对第n年第m月的居民小区月度用电量进行预测，得到第n年第m月的月度用电量预测值；
所述稳定情况确定模块，用于：
计算所述第m月之前第一年份的居民小区月度用电量与第二年份的居民小区月度用电量之间的相关系数，所述相关系数用于反映不同年之间月度用电量变化的相关性，所述相关系数与所述居民小区月度用电量的预测难度呈负相关关系；
计算所述第m月之前第三年份的居民小区月度用电量的变异系数，所述变异系数用于反映一年中居民小区月度用电量的波动性，变异系数与所述居民小区月度用电量的预测难度呈正相关关系；
在所述相关系数大于或等于第一系数阈值且所述变异系数小于或等于第二系数阈值时，确定所述稳定情况为稳定；
在所述相关系数小于第一系数阈值或者所述变异系数大于第二系数阈值时，确定所述稳定情况为不稳定。
7.根据权利要求6所述的装置，其特征在于，所述稳定情况确定模块，用于：
计算所述第一年份的居民小区月度用电量的第一平均值；
计算所述第二年份的居民小区月度用电量的第二平均值；
对于所述第一年份和所述第二年份中的第i个月，计算所述第一年份的第i个月的居民小区月度用电量与所述第一平均值之间的第一差值；计算所述第二年份的第i个月的居民小区月度用电量与所述第二平均值之间的第二差值；计算所述第一差值与所述第二差值的乘积；所述i依次取1至j的整数，j为小于或等于12的正整数；
计算j个月的乘积的平均值；
计算所述第一年份的居民小区月度用电量的第一标准差；
计算所述第二年份的居民小区月度用电量的第二标准差；
计算所述平均值除以所述第一标准差和所述第二标准差的乘积，得到所述相关系数。
8.根据权利要求6所述的装置，其特征在于，所述稳定情况确定模块，用于：
计算所述第三年份的居民小区月度用电量的第三平均值；
计算所述第三年份的居民小区月度用电量的标准差；
计算所述标准差与所述第三平均值之间的比值，得到所述变异系数。
CN201910280112.XA 2019-04-09 2019-04-09 基于稳定性分析的居民小区月度用电量预测方法及装置 Active CN109978278B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910280112.XA CN109978278B (zh) 2019-04-09 2019-04-09 基于稳定性分析的居民小区月度用电量预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910280112.XA CN109978278B (zh) 2019-04-09 2019-04-09 基于稳定性分析的居民小区月度用电量预测方法及装置

Publications (2)

Publication Number Publication Date
CN109978278A CN109978278A (zh) 2019-07-05
CN109978278B true CN109978278B (zh) 2023-07-14

Family

ID=67083637

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910280112.XA Active CN109978278B (zh) 2019-04-09 2019-04-09 基于稳定性分析的居民小区月度用电量预测方法及装置

Country Status (1)

Country Link
CN (1) CN109978278B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010211780A (ja) * 2009-02-13 2010-09-24 Meidensha Corp 電力エネルギー監視システム
CN103413188A (zh) * 2013-09-04 2013-11-27 国家电网公司 一种基于工业业扩报装的月度工业用电量预测方法
CN105260802A (zh) * 2015-11-06 2016-01-20 国网冀北电力有限公司 基于修正业扩生长曲线与季节调整的月度电量预测方法
CN106845669A (zh) * 2016-12-12 2017-06-13 国网上海市电力公司 基于指数平滑法预测电网年持续负荷的方法
CN108304966A (zh) * 2018-01-18 2018-07-20 沈阳工程学院 一种短期月售电量预测方法
CN109034244A (zh) * 2018-07-27 2018-12-18 国家电网有限公司 基于电量曲线特征模型的线损异常诊断方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010211780A (ja) * 2009-02-13 2010-09-24 Meidensha Corp 電力エネルギー監視システム
CN103413188A (zh) * 2013-09-04 2013-11-27 国家电网公司 一种基于工业业扩报装的月度工业用电量预测方法
CN105260802A (zh) * 2015-11-06 2016-01-20 国网冀北电力有限公司 基于修正业扩生长曲线与季节调整的月度电量预测方法
CN106845669A (zh) * 2016-12-12 2017-06-13 国网上海市电力公司 基于指数平滑法预测电网年持续负荷的方法
CN108304966A (zh) * 2018-01-18 2018-07-20 沈阳工程学院 一种短期月售电量预测方法
CN109034244A (zh) * 2018-07-27 2018-12-18 国家电网有限公司 基于电量曲线特征模型的线损异常诊断方法及装置

Also Published As

Publication number Publication date
CN109978278A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
CN111552923B (zh) 一种基于通用分布的负荷预测方法及负荷预测系统
Al-Hamadi et al. Short-term electric load forecasting based on Kalman filtering algorithm with moving window weather and load model
CN105447594A (zh) 一种基于指数平滑的电力系统灰色负荷预测方法
CN111815065B (zh) 基于长短时记忆神经网络的短期电力负荷预测方法
Sigauke Forecasting medium-term electricity demand in a South African electric power supply system
CN113139151B (zh) 一种城市化与生态环境近远程耦合协调水平的测度方法
WO2022021727A1 (zh) 城市综合体用电量预测方法、装置、电子设备及存储介质
Zhang et al. Interval prediction of ultra-short-term photovoltaic power based on a hybrid model
Xiao et al. Short-term power load interval forecasting based on nonparametric Bootstrap errors sampling
CN111600300A (zh) 考虑风电功率多元相关性椭球集合的鲁棒优化调度方法
CN112348287A (zh) 基于lstm分位数回归的电力系统短期负荷概率密度预测方法
Rusydiana et al. Energy efficiency in OIC countries: SDG 7 output
CN115829235A (zh) 一种基于大数据分析的用电调度方法
Yang et al. A comparison of the reproducibility of regional precipitation properties simulated respectively by weather generators and stochastic simulation methods
CN115954951A (zh) 一种新能源可靠出力水平的计算方法和装置
CN109978278B (zh) 基于稳定性分析的居民小区月度用电量预测方法及装置
CN109191329A (zh) 一种基于多层lmdi的电力消费量影响因素分解方法
CN106557867B (zh) 适用中长时间尺度电网分析的光伏发电概率模型建模方法
CN113779861B (zh) 光伏功率的预测方法及终端设备
CN112100711A (zh) 一种基于arima和pso-elm的混凝土坝变形组合预报模型构建方法
Pang et al. A photovoltaic power predicting model using the differential evolution algorithm and multi-task learning
CN111553571B (zh) 化石能源电厂年度基数电量分摊方法
CN115187134A (zh) 基于网格的配电网规划方法、装置及终端设备
CN114492923A (zh) 一种长时间尺度功率预测方法
Gupta et al. Single Step-Ahead Solar Irradiation Forecasting Based on Empirical Mode Decomposition with Back Propagation Neural Network

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