CN110309949A - 一种区域电能替代潜力预测方法及系统 - Google Patents
一种区域电能替代潜力预测方法及系统 Download PDFInfo
- Publication number
- CN110309949A CN110309949A CN201910396710.3A CN201910396710A CN110309949A CN 110309949 A CN110309949 A CN 110309949A CN 201910396710 A CN201910396710 A CN 201910396710A CN 110309949 A CN110309949 A CN 110309949A
- Authority
- CN
- China
- Prior art keywords
- influence factor
- year
- data
- electric energy
- power consumption
- 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
Links
- 238000006467 substitution reaction Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000010276 construction Methods 0.000 claims abstract description 22
- 238000012271 agricultural production Methods 0.000 claims abstract description 17
- 230000005611 electricity Effects 0.000 claims description 23
- 238000005265 energy consumption Methods 0.000 claims description 23
- 238000012360 testing method Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 3
- 239000000047 product Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 239000013589 supplement Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 244000144980 herd Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 108010014173 Factor X Proteins 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- PHEDXBVPIONUQT-RGYGYFBISA-N phorbol 13-acetate 12-myristate Chemical compound C([C@]1(O)C(=O)C(C)=C[C@H]1[C@@]1(O)[C@H](C)[C@H]2OC(=O)CCCCCCCCCCCCC)C(CO)=C[C@H]1[C@H]1[C@]2(OC(C)=O)C1(C)C PHEDXBVPIONUQT-RGYGYFBISA-N 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 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
-
- 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)
Abstract
一种区域电能替代潜力预测方法及系统,包括:基于预先确定的影响因素获取基准年对应的数据;基于所述基准年对应的数据计算基准年到预测年的电能替代量;所述影响因素由被测区域人口数量、经济状况数据、农业生产数据和电网建设数据值与被测区域终端电能消耗量的线性关系确定。根据被测区域的实际情况确定线性关系,泛化性能较好,具备实际意义,为预测区域的电源、电网规划,尤其是光伏电源的建设规划提供参考。
Description
技术领域
本发明涉及能替代潜力预测技术,具体涉及一种区域电能替代潜力预测方法 及系统。
背景技术
以电能替代化石能源,以电煤替代散烧煤,提高可再生能源占电力消费比重, 减少二氧化碳、二氧化硫和氮氧化物等大气污染物排放是电能替代的主要目标, 是解决我国能源短缺和环境治理的重要途径之一。电力能源在目前的技术发展水 平下,难以大规模存储,因而电力能源的发展与电能的消费需要保持平衡。在电 能替代工作中需要使可再生电源的建设与电能替代消耗量相符合。以从事农业生 产为主的农业人口居住区域(农村)中各区域经济社会发展不平衡,电能替代潜 力存在较大差异,在光伏电源建设和清洁能源的规划中需考虑区域的电能替代潜 力以保证网源荷的均衡发展,提高运行效率,减少弃风弃光现象。
现有的电能替代潜力的预测方法,建立预测模型时考虑的影响因素固定,未 能考虑不同区域经济社会不同所造成的影响因素的差异,所建模型的泛化性能较 差,难以直接应用在各区域。
发明内容
为了解决现有技术中所存在的上述缺陷,本发明提供一种区域电能替代潜力 预测方法及系统。
本发明提供的技术方案是:
一种区域电能替代潜力预测方法,所述方法包括:
基于预先确定的影响因素获取基准年对应的数据;
基于所述基准年对应的数据计算基准年到预测年的电能替代量;
所述影响因素由被测区域人口数量、经济状况数据、农业生产数据和电网建 设数据值与被测区域终端电能消耗量的线性关系确定。
优选的,所述影响因素的确定,包括:
获取被测区域规模、经济状况数据、农业生产数据和电网建设数据值;
基于Granger因果检验确定第一影响因素;
基于被测区域终端电能消耗量与影响因素的线性关系从所述第一影响因素 中确定第二影响因素。
优选的,所述获取被测区域规模、经济状况数据、农业生产数据和电网建设 数据值,还包括:
基于所述获取的数据筛选出缺失数据和异常数据;
基于所述缺失数据和异常数据采用插值法进行补充;
基于补充后的数据作为预测区域影响因素数据。
优选的,所述基于Granger因果检验确定第一影响因素,包括:
建立所述预测区域的电能消费量自回归模型;
基于所述被测区域规模、经济状况数据、农业生产数据和电网建设数据进行 分析,得到被测区域人口数量,家庭平均每人纯收入,家庭平均每人纯收入指数, 消费水平,人均电力消费量,人均住房面积,人均电力生活消费量,生活消费电 力总量,农业生产的有效浇灌面积,水电燃料类消费价格指数,农、林、牧、渔、 水利业电力消费总量,被测区域发电量,发电设备容量,水电站个数,水电站装 机容量,水电、核电、风电生产总量影响因素;
基于得到的所述影响因素分别与电能消费量建立联合回归模型;
计算每个所述联合回归模型的统计量值;
基于所述统计量值和Granger因果检验得到各类影响因素的概率;
基于所述概率选择多个影响因素作为第一影响因素。
优选的,所述基于被测区域终端电能消耗量与影响因素的线性关系从所述第 一影响因素中确定第二影响因素,包括:
以所述第一影响因素中的各个影响因素为自变量,被测区域终端电能消耗量 为因变量,分别建立每个影响因素的一元线性回归关系式;
计算所述每个影响因素的一元线性回归关系式的检验统计量;
基于所述检验统计量从所述第一影响因素中进一步确定第二影响因素。
优选的,所述基于被测区域终端电能消耗量与影响因素的线性关系,如下:
W=b0+b1X1+…+biXi+…+bMXM+u
式中,W为被测区域终端电能消费量,Xi为第一影响因素,bi为终端电能 消费量线性关系的偏回归系数,u为随机误差项,M为第一影响因素个数。
优选的,所述基于所述基准年对应的影响因素数据计算基准年到预测年的电 能替代量,包括:
基于所述确定的影响因素确定基准年年份;
获取所述基准年年份的终端电能消耗量;
基于所述基准年对应的影响因素数据计算预测年的终端电能消耗量;
基于所述基准年年份的终端电能消耗量和预测年的终端电能消耗量得到基 准年到预测年的电能替代量。
优选的,所述基于所述基准年对应的影响因素数据计算基准年到预测年的电 能替代量,还包括:
若存在当地政府导向性政策,则基于所述基准年年份的终端电能消耗量和预 测年的终端电能消耗量,加入电能替代消耗量。
优选的,所述若存在当地政府导向性政策,则基于所述基准年年份的终端电 能消耗量和预测年的终端电能消耗量,加入电能替代消耗量的计算式如下:
Dt=WEt-WEB+AMD
式中,Dt为基准年到第t年的电能替代潜力,WEt为第t年的被测区域终端 电能消耗量,WEB为基准年TB的终端电能消耗量,AMD为电能替代修正量。
优选的,所述导向性政策引起的电能替代修正量的计算式如下:
式中,Warc_B为基准年的各行业电能消耗量,λ为行业替代百分比,其中所 述各行业包括:农、林、牧、副、渔。
一种区域电能替代潜力预测系统,所述系统包括:
获取模块:用于基于预先确定的影响因素获取基准年对应的数据;
计算模块:用于基于所述基准年对应的数据计算基准年到预测年的电能替代 量;
所述影响因素由被测区域人口数量、经济状况数据、农业生产数据和电网建 设数据值与被测区域终端电能消耗量的线性关系确定。
优选的,所述计算模块,包括:确定单元、获取单元、计算单元和获得单元;
所述确定单元,用于基于所述确定的影响因素确定基准年年份;
所述获取单元,用于获取所述基准年年份的终端电能消耗量;
所述计算单元,用于基于所述基准年对应的影响因素数据计算预测年的终端 电能消耗量;
所述获得单元,用于基于所述基准年年份的终端电能消耗量和预测年的终端 电能消耗量得到基准年到预测年的电能替代量。
与现有技术相比,本发明的有益效果为:
1、本发明提供的技术方案,包括:基于预先确定的影响因素获取基准年对 应的数据;基于所述基准年对应的数据计算基准年到预测年的电能替代量;所述 影响因素由被测区域人口数量、经济状况数据、农业生产数据和电网建设数据值 与被测区域终端电能消耗量的线性关系确定。根据被测区域的实际情况确定线性 关系,泛化性能较好,具备实际意义,为预测区域的电源、电网规划,尤其是光 伏电源的建设规划提供参考。
2、本发明提供的技术方案,本发明采用ganger因果性判断的原理,对大量 相关的影响因素进行统计分析检验,选择出在时序顺序上影响电能消耗的主要因 素,建立农村终端电能消耗与各影响因素的多元线性模型,采用逐步回归的方法 消除模型参数中不符合机理关系的影响因素,最终建立的预测模型参数具备实际 的意义。
附图说明
图1为本发明的区域电能替代潜力预测方法流程图;
图2为本发明的终端电能消耗量预测模型构建方法流程图。
具体实施方式
为了更好地理解本发明,下面结合说明书附图和实例对本发明的内容做进一 步的说明。
本发明的目的在于克服上述技术存在的缺陷,提供一种科学、全面、准确的 预测农村区域电能替代潜力的方法。该方法以客观统计数据为基础,兼顾政策的 影响,实用性较强,为农村地区的电源、电网建设,如图1所示,具体步骤如下:
步骤一:基于预先确定的影响因素获取基准年对应的数据;
步骤二:基于所述基准年对应的数据计算基准年到预测年的电能替代量。
所述影响因素由被测区域人口数量、经济状况数据、农业生产数据和电网建 设数据值与被测区域终端电能消耗量的线性关系确定。
本发明涉及电能替代潜力预测技术,具体包括统计数据的收集和处理、电能 替代潜力的影响因素分析选择、电能替代潜力的预测建模;本发明通过使用 granger因果原理的统计检验方法,判断选择出农村电能替代潜力的主要因素, 通过逐步回归的方法消除多元线性模型中不符合机理关系的次要影响因素,建立 的预测模型参数具有实际的意义。该预测技术能根据不同的经济、技术、人口等 实际情况,建立符合区域实际情况的区域电能替代潜力预测模型,为该区域的电 源、电网规划。
统计数据具体包括:区域农村电能消费量数据W,区域的规模数据A,包括 农村人口或农村户数等,用A1,A2,……表示;区域经济状况数据B,包括农 村居民家庭平均每人纯收入、农村居民家庭平均每人纯收入指数、农村居民消费 水平、人均电力消费量、农村居民人均住房面积、人均电力生活消费量、生活消 费电力总量等,用B1,B2,B3,……表示;区域的农业生产数据C,包括有效 灌溉面积、水电燃料类居民消费价格指数、农、林、牧、渔、水利业电力消费总 量等,用C1,C2,C3,……表示;农村电网建设数据D,包括农村发电量、农 村发电设备容量、乡村办水电站个数、乡村办水电站装机容量、水电、核电、风 电生产总量等,用D1,D2,D3……表示。统计数据要求时间跨度和数据的时间 间隔相同,即同时期同频率的数据。当统计数据中存在某个数据缺失,设缺失数 据为xi,其在时间上相邻的两个数据分别为xi-1,xi+1,则缺失的数据用插值法 计算为当某统计数据值与该项统计数据均值的偏差超过3倍标准 差,该数据为异常数据,剔除后用插值法补充。
建立农村电能消费量W的自回归模型和农村电能消费量W与其他 影响因素的联合回归模型,分别见式(1)和式(2):
式中,Wr表示自回归模型的电能消费量预测,Wu表示联合回归模型的电能消费 量预测,X表示影响因素A1,A2,……或B1,B2,B3,……或C1,C2,C3,…… 或D1,D2,D3……中的某一种,α0、β0为常数项,αi、βi为回归模型中的系 数,p为变量W的最大滞后期数,q为变量X的最大滞后期数。εr、εu为白噪声。
计算自回归模型的残差平方和RSSr,联合回归模型的残差平方和RSSu,构 造F统计量,
式中n为参与统计的Wr和Wu数据个数;
检验假设H0:β1=β2=…=βq=0,若F1≤Fα1(q,n-p-q-1),则 β1、β2…βq显著不为0,拒绝假设,即接受X是引起W(农村电能消费)变化的 原因。反之,不能拒绝假设,即接受“X不是引起W(农村电能消费)变化的原 因”。其中,检验假设中α1的取值为0.1,F1统计量的概率值越小,说明X影响 农村电能消费量W的概率越大;
将(1)(2)式中的W与X的交换,按同样的方法检验假设H0,若 F2≤Fα2(q,n-p-q-1),则β1、β2…βq显著不为0,拒绝假设,即接受W(农村 电能消费)是引起X变化的原因。反之,不能拒绝假设,即接受“W(农村电能 消费)不是引起X变化的原因”。检验假设中α2的取值为0.1,F2统计量的概率 值越大,说明农村电能消费量W不是X的影响因素的概率越大。第一次检验F1统 计量的概率值小于0.1,同时F2的概率值大于0.5时,认为统计量X是影响W的 原因,同时W不是影响X的原因。从满足条件的X中按照F1从小至大的顺序选 择不超过6个影响因素,设为X1,…,Xi,…,XM(M≤6)。
如图2所示,终端电能消费量的建立如下:
1)建立农村终端电能消费量W与影响因素Xi的线性关系
W=b0+b1X1+…+biXi+…+bMXM+u (6)
式中,bi是模型的偏回归系数,bi的意义为当其他解释变量保持不变的条件 下,解释变量Xi改变一个单位时因变量W的平均改变量。u是随机误差项, 代表了W中不能由解释变量解释的部分。
2)由最小二乘法估计多元线性回归模型(6)的参数,其值为 为多元回归模型的估计,若说明各 影响因素Xi与W的变化趋势相同,符合实际理论分析;当存在其含义 为相应的Xi增加时,W会减少,与理论分析和实际矛盾,说明影响因素间存在 多重共线性,需要消除多重共线性。
3)逐步回归法消除多重共线性,具体包括以下(a)至(c)步骤。
(a)分别建立W与各自变量因素Xi的一元线性回归模型,计算每一个自变 量因素Xi的回归系数的F检验统计量值,在0.1的显著性指标下F检验统计量 的最大值为F(1) max,对应的自变量记为X(1) max,添加进自变量子集 Ω={X(1) max};
(b)取自变量子集Ω中的变量和剩余自变量中的一个作为模型的自变量,建 立W的多元线性回归模型W(i),当模型中的自变量系数为正时,计算自变量回 归系数的F检验统计量值,在0.1的显著性指标下F检验统计量最大值为F(i) max, 当F(i) max≤F(i-1) max时,模型为由自变量子集Ω建立的多元回归模型W(i);当 F(i) max>F(i-1) max,F(i) max对应的自变量X(i) max加入自变量子集Ω;
(c)判断,当F(i) max>F(i-1) max且i<5,F(i) max对应的自变量X(i) max加入自 变量子集Ω,i++,返回步骤(b);
当i≥5或F(i) max≤F(i-1) max时,模型为由自变量子集Ω建立的多元回归模型 W(i);
区域农村电能替代潜力计算为
Dt=WEt-WEB+AMD (7)
式中,Dt为基准年到第t年的电能替代潜力,WEt为由步骤(3)的预测模型计 算得到的第t年的农村终端电能消耗量,WEB为基准年TB的终端电能消耗量,AMD 为电能替代量修正。
在农、林、牧、副、渔行业的电能替代措施对电能消耗量的影响按下式考虑
式中,Warc_B是基准年的农、林、牧、副、渔行业电能消耗量,λ是行业替 代百分比,取值根据政策力度和广度取2%—5%。
基于同一构思发明,本申请还提供一种区域电能替代潜力预测系统,所述系 统包括:
获取模块:用于基于预先确定的影响因素获取基准年对应的数据;
计算模块:用于基于所述基准年对应的数据计算基准年到预测年的电能替代 量;
所述影响因素由被测区域人口数量、经济状况数据、农业生产数据和电网建 设数据值与被测区域终端电能消耗量的线性关系确定。
优选的,所述计算模块,包括:确定单元、获取单元、计算单元和获得单元;
所述确定单元,用于基于所述确定的影响因素确定基准年年份;
所述获取单元,用于获取所述基准年年份的终端电能消耗量;
所述计算单元,用于基于所述基准年对应的影响因素数据计算预测年的终端 电能消耗量;
所述获得单元,用于基于所述基准年年份的终端电能消耗量和预测年的终端 电能消耗量得到基准年到预测年的电能替代量。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算 机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软 件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计 算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、 光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品 的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或 方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框 的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机 或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可 编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指 令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和 /或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得 在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从 而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或 多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和 原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的 权利要求范围之内。
Claims (12)
1.一种区域电能替代潜力预测方法,其特征在于,所述方法包括:
基于预先确定的影响因素获取基准年对应的数据;
基于所述基准年对应的数据计算基准年到预测年的电能替代量;
所述影响因素由被测区域人口数量、经济状况数据、农业生产数据和电网建设数据值与被测区域终端电能消耗量的线性关系确定。
2.如权利要求1所述方法,其特征在于,所述影响因素的确定,包括:
获取被测区域规模、经济状况数据、农业生产数据和电网建设数据值;
基于Granger因果检验确定第一影响因素;
基于被测区域终端电能消耗量与影响因素的线性关系从所述第一影响因素中确定第二影响因素。
3.如权利要求2所述方法,其特征在于,所述获取被测区域规模、经济状况数据、农业生产数据和电网建设数据值,还包括:
基于所述获取的数据筛选出缺失数据和异常数据;
基于所述缺失数据和异常数据采用插值法进行补充;
基于补充后的数据作为预测区域影响因素数据。
4.如权利要求2所述方法,其特征在于,所述基于Granger因果检验确定第一影响因素,包括:
建立所述预测区域的电能消费量自回归模型;
基于所述被测区域规模、经济状况数据、农业生产数据和电网建设数据进行分析,得到被测区域人口数量,家庭平均每人纯收入,家庭平均每人纯收入指数,消费水平,人均电力消费量,人均住房面积,人均电力生活消费量,生活消费电力总量,农业生产的有效浇灌面积,水电燃料类消费价格指数,农、林、牧、渔、水利业电力消费总量,被测区域发电量,发电设备容量,水电站个数,水电站装机容量,水电、核电、风电生产总量影响因素;
基于得到的所述影响因素分别与电能消费量建立联合回归模型;
计算每个所述联合回归模型的统计量值;
基于所述统计量值和Granger因果检验得到各类影响因素的概率;
基于所述概率选择多个影响因素作为第一影响因素。
5.如权利要求4所述方法,其特征在于,所述基于被测区域终端电能消耗量与影响因素的线性关系从所述第一影响因素中确定第二影响因素,包括:
以所述第一影响因素中的各个影响因素为自变量,被测区域终端电能消耗量为因变量,分别建立每个影响因素的一元线性回归关系式;
计算所述每个影响因素的一元线性回归关系式的检验统计量;
基于所述检验统计量从所述第一影响因素中进一步确定第二影响因素。
6.如权利要求5所述方法,其特征在于,所述基于被测区域终端电能消耗量与影响因素的线性关系,如下:
W=b0+b1X1+…+biXi+…+bMXM+u
式中,W为被测区域终端电能消费量,Xi为第一影响因素,bi为终端电能消费量线性关系的偏回归系数,u为随机误差项,M为第一影响因素个数。
7.如权利要求1所述方法,其特征在于,所述基于所述基准年对应的影响因素数据计算基准年到预测年的电能替代量,包括:
基于所述确定的影响因素确定基准年年份;
获取所述基准年年份的终端电能消耗量;
基于所述基准年对应的影响因素数据计算预测年的终端电能消耗量;
基于所述基准年年份的终端电能消耗量和预测年的终端电能消耗量得到基准年到预测年的电能替代量。
8.如权利要求7所述方法,其特征在于,所述基于所述基准年对应的影响因素数据计算基准年到预测年的电能替代量,还包括:
若存在当地政府导向性政策,则基于所述基准年年份的终端电能消耗量和预测年的终端电能消耗量,加入电能替代消耗量。
9.如权利要求8所述方法,其特征在于,所述若存在当地政府导向性政策,则基于所述基准年年份的终端电能消耗量和预测年的终端电能消耗量,加入电能替代消耗量的计算式如下:
Dt=WEt-WEB+AMD
式中,Dt为基准年到第t年的电能替代潜力,WEt为第t年的被测区域终端电能消耗量,WEB为基准年TB的终端电能消耗量,AMD为电能替代修正量。
10.如权利要求9所述方法,其特征在于,所述导向性政策引起的电能替代修正量的计算式如下:
式中,Warc_B为基准年的各行业电能消耗量,λ为行业替代百分比,其中所述各行业包括:农、林、牧、副、渔。
11.一种区域电能替代潜力预测系统,其特征在于,所述系统包括:
获取模块:用于基于预先确定的影响因素获取基准年对应的数据;
计算模块:用于基于所述基准年对应的数据计算基准年到预测年的电能替代量;
所述影响因素由被测区域人口数量、经济状况数据、农业生产数据和电网建设数据值与被测区域终端电能消耗量的线性关系确定。
12.如权利要求11所述系统,其特征在于,所述计算模块,包括:确定单元、获取单元、计算单元和获得单元;
所述确定单元,用于基于所述确定的影响因素确定基准年年份;
所述获取单元,用于获取所述基准年年份的终端电能消耗量;
所述计算单元,用于基于所述基准年对应的影响因素数据计算预测年的终端电能消耗量;
所述获得单元,用于基于所述基准年年份的终端电能消耗量和预测年的终端电能消耗量得到基准年到预测年的电能替代量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910396710.3A CN110309949A (zh) | 2019-05-14 | 2019-05-14 | 一种区域电能替代潜力预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910396710.3A CN110309949A (zh) | 2019-05-14 | 2019-05-14 | 一种区域电能替代潜力预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110309949A true CN110309949A (zh) | 2019-10-08 |
Family
ID=68075437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910396710.3A Pending CN110309949A (zh) | 2019-05-14 | 2019-05-14 | 一种区域电能替代潜力预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110309949A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523807A (zh) * | 2020-04-24 | 2020-08-11 | 广西电网有限责任公司崇左供电局 | 一种基于时间序列和神经网络的电能替代潜力分析方法 |
CN112380489A (zh) * | 2020-11-03 | 2021-02-19 | 武汉光庭信息技术股份有限公司 | 数据处理时间计算方法、数据处理平台评价方法及系统 |
CN113131523A (zh) * | 2019-12-31 | 2021-07-16 | 国网能源研究院有限公司 | 一种分品种电力供应预测方法及系统 |
CN113313326A (zh) * | 2021-06-23 | 2021-08-27 | 云南电网有限责任公司电力科学研究院 | 一种电能替代潜力预测方法及系统 |
CN113505847A (zh) * | 2021-07-26 | 2021-10-15 | 云南电网有限责任公司电力科学研究院 | 一种基于迁移学习的节能量在线量测系统及方法 |
CN113627489A (zh) * | 2021-07-14 | 2021-11-09 | 青岛海尔能源动力有限公司 | 一种基于需求的电力消耗预测方法、装置、设备及存储介质 |
-
2019
- 2019-05-14 CN CN201910396710.3A patent/CN110309949A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113131523A (zh) * | 2019-12-31 | 2021-07-16 | 国网能源研究院有限公司 | 一种分品种电力供应预测方法及系统 |
CN111523807A (zh) * | 2020-04-24 | 2020-08-11 | 广西电网有限责任公司崇左供电局 | 一种基于时间序列和神经网络的电能替代潜力分析方法 |
CN111523807B (zh) * | 2020-04-24 | 2023-04-28 | 广西电网有限责任公司崇左供电局 | 一种基于时间序列和神经网络的电能替代潜力分析方法 |
CN112380489A (zh) * | 2020-11-03 | 2021-02-19 | 武汉光庭信息技术股份有限公司 | 数据处理时间计算方法、数据处理平台评价方法及系统 |
CN112380489B (zh) * | 2020-11-03 | 2024-04-16 | 武汉光庭信息技术股份有限公司 | 数据处理时间计算方法、数据处理平台评价方法及系统 |
CN113313326A (zh) * | 2021-06-23 | 2021-08-27 | 云南电网有限责任公司电力科学研究院 | 一种电能替代潜力预测方法及系统 |
CN113313326B (zh) * | 2021-06-23 | 2023-01-20 | 云南电网有限责任公司电力科学研究院 | 一种电能替代潜力预测方法及系统 |
CN113627489A (zh) * | 2021-07-14 | 2021-11-09 | 青岛海尔能源动力有限公司 | 一种基于需求的电力消耗预测方法、装置、设备及存储介质 |
CN113505847A (zh) * | 2021-07-26 | 2021-10-15 | 云南电网有限责任公司电力科学研究院 | 一种基于迁移学习的节能量在线量测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110309949A (zh) | 一种区域电能替代潜力预测方法及系统 | |
Kaytez | A hybrid approach based on autoregressive integrated moving average and least-square support vector machine for long-term forecasting of net electricity consumption | |
Akpan et al. | Electricity consumption, carbon emissions and economic growth in Nigeria | |
Zhang et al. | Evaluating clean energy alternatives for Jiangsu, China: An improved multi-criteria decision making method | |
CN107123982B (zh) | 一种基于设备异动的配电网可靠性经济效益分析方法 | |
CN110428168A (zh) | 一种计及储能的多能源配电系统协调调度综合评价方法 | |
Idroes et al. | Unveiling the Carbon Footprint: Biomass vs. Geothermal Energy in Indonesia | |
CN108416691A (zh) | 一种能源替代环保潜力计算方法 | |
CN105488592A (zh) | 一种光伏电站发电量预测的方法 | |
Jakobsen et al. | A standardized Approach to Multi-criteria Assessment of CCS Chains | |
CN109358608A (zh) | 一种基于集成学习的变压器状态风险评估方法及装置 | |
Xiyun et al. | Wind power probability interval prediction based on bootstrap quantile regression method | |
Wu et al. | Model for sustainable development based on system dynamics and energy–economy–environment coordination: A case study of Beijing, China | |
Mamo et al. | Urban water demand forecasting using the stochastic nature of short term historical water demand and supply pattern | |
Cho et al. | Three-stage robust unit commitment considering decreasing uncertainty in wind power forecasting | |
Chen et al. | Long-term impacts of carbon tax and feed-in tariff policies on China's generating portfolio and carbon emissions: a multi-agent-based analysis | |
Dong et al. | Evaluation of TPGU using entropy-improved TOPSIS-GRA method in China | |
Wang et al. | Distributionally robust transmission expansion planning considering uncertainty of contingency probability | |
CN112508231A (zh) | 一种基于系统动力学的中长期电力负荷预测方法及系统 | |
Parreno | Analysis and forecasting of electricity demand in Davao del Sur, Philippines | |
CN107194529B (zh) | 基于挖掘技术的配电网可靠性经济效益分析方法及装置 | |
Ibadullaev et al. | Empirical analysis of renewable and non-renewable energy resources consumption impact on economic development in Uzbekistan | |
Tena-García et al. | Implementing data reduction strategies for the optimal design of renewable energy systems | |
CN115879976A (zh) | 一种碳中和仿真方法及终端 | |
CN115796385A (zh) | 一种多维度碳核算方法、系统、设备和存储介质 |
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 |