CN111598349A - 一种短期用电量预测方法、装置及可读存储介质 - Google Patents

一种短期用电量预测方法、装置及可读存储介质 Download PDF

Info

Publication number
CN111598349A
CN111598349A CN202010441620.4A CN202010441620A CN111598349A CN 111598349 A CN111598349 A CN 111598349A CN 202010441620 A CN202010441620 A CN 202010441620A CN 111598349 A CN111598349 A CN 111598349A
Authority
CN
China
Prior art keywords
electric quantity
historical data
daily
variable
meteorological
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
CN202010441620.4A
Other languages
English (en)
Inventor
王瑞妙
廖峥
赵小娟
樊晓伟
姚欣愚
廖玉祥
王灵龙
王光强
马兴
付昂
董光德
杨爽
方辉
张友强
朱小军
周敬森
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.)
Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd
State Grid Corp of China SGCC
State Grid Chongqing Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd
State Grid Corp of China SGCC
State Grid Chongqing Electric Power 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 Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd, State Grid Corp of China SGCC, State Grid Chongqing Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd
Priority to CN202010441620.4A priority Critical patent/CN111598349A/zh
Publication of CN111598349A publication Critical patent/CN111598349A/zh
Pending legal-status Critical Current

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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (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)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种短期用电量预测方法、装置及可读存储介质，本发明方法包括如下步骤：根据预先基于日用电量历史数据和气象指标历史数据构建的基本电量模型确定未来日的基本电量；根据预先基于日用电量历史数据和气象指标历史数据确定的可变电量模型基于未来日气象指标确定未来日的可变电量；基于所述未来日的基本电量和未来日的可变电量进行组合预测以完成短期用电量预测。相比传统方法，本发明方法能有效提高预测精准度，为电网管理侧电力系统运行与调度提供可靠依据。

Description

一种短期用电量预测方法、装置及可读存储介质
技术领域
本发明涉及电网电量预测技术领域，特别是一种短期用电量预测方法、装置及可读存储介质。
背景技术
随着社会经济发展与人民生活水平的提高，电网规模不断扩大、电力产业快速发展，对精确的用电量预测提出了更高的要求。与其他能源不同，电能无法存储，而电力产、供、销同时性特点决定了电量预测比其他行业的数据预测更加重要和紧迫。电力系统许多部门的正常运行都离不开精确的电量预测，精确的电量预测结果作为电网调度的参考依据，工作人员可以合理的采取调度措施，以保证电力系统能够稳定可靠的运行。同样，电网、电厂、配电系统的建设，装机容量的増减、机组的启停都是以精准的电力预测结果为决策依据。
目前最常用的用电量预测方法是相关法，即是把与系统用电量预测相关的各种社会影响因素联系起来。引入相关变量来构建数学模型，明显地表示用电量变化趋势与各因素的关系。但是，相关分析法的缺点也很明显：在对未来进行预测时，这些相关量本身也是一个预测值，这可能比用电量和负荷预测更困难。这些相关量的影响系数可能来自人口、就业、市区发展、电器使用水平、民用和商业建筑面积、国民经济生产总值、气象资料等。可见，相关分析并不是很容易采用的。
发明内容
有鉴于现有技术的上述缺陷，本发明的目的就是提供一种短期用电量预测方法、装置及可读存储介质，提高短期用电量预测的精准度，为电网管理侧电力系统运行与调度提供可靠依据。
本发明的目的之一是通过这样的技术方案实现的，一种短期用电量预测方法，包括如下步骤：
根据预先基于日用电量历史数据和气象指标历史数据构建的基本电量模型确定未来日的基本电量；
根据预先基于日用电量历史数据和气象指标历史数据确定的可变电量模型基于未来日气象指标确定未来日的可变电量；
基于所述未来日的基本电量和未来日的可变电量进行组合预测以完成短期用电量预测。
可选的，基于日用电量历史数据和气象指标历史数据构建基本电量模型，包括：
根据日用电量历史数据和气象指标历史数据确定日用电量与气象指标之间的相关系数；
提取日用电量历史数据中所述相关系数的大小低于预设阈值的日用电量历史数据以获得日用电基本电量集合；
根据所述日用电基本电量集合构建所述基本电量模型。
可选的，根据日用电量历史数据和气象指标历史数据确定日用电量与气象指标之间的相关系数之前，所述方法还包括：
根据日用电量历史数据和气象指标历史数据对应的日期进行编号。
可选的，提取日用电量历史数据中所述相关系数的大小低于预设阈值的日用电量历史数据以获得日用电基本电量集合，包括：
若日用电量历史数据与气象指标历史数据的相关系数小于零，则根据气象指标由高到低，提取气象指标历史数据中对应日期编号的日用电量历史数据；
若日用电量历史数据与气象指标历史数据的相关系数大于零，则根据气象指标由低到高，提取气象指标历史数据中对应日期编号的日用电量历史数据。
可选的，基于日用电量历史数据和气象指标历史数据确定可变电量模型，包括：
提取日用电量历史数据中所述相关系数的大小高于预设阈值的日用电量历史数据以获得日用电可变电量集合；
根据所述日用电可变电量集合确定对应日期的可变电量；
基于所述可变电量构建可变电量模型。
可选的，基于所述可变电量构建可变电量模型，包括：
基于所述可变电量构建不同的回归分析模型；
将多个回归分析模型与气象指标拟合以确定所述可变电量模型。
可选的，基于所述未来日的基本电量和未来日的可变电量进行组合预测以完成短期用电量预测，包括：
基于气象指标历史数据确定特征气象因素；
根据所述特征气象因素、基本电量模型以及可变电量模型建立预测模型；
对所述预测模型进行权值计算以获得组合预测模型；
通过所述组合预测模型进行短期用电量预测。
本发明的目的之二是通过这样的技术方案实现的，一种短期用电量预测装置，包括：
基本电量计算单元，用于根据预先基于日用电量历史数据和气象指标历史数据构建的基本电量模型确定未来日的基本电量；
可变电量计算单元，用于根据预先基于日用电量历史数据和气象指标历史数据确定的可变电量模型基于未来日气象指标确定未来日的可变电量；
预测单元，用于基于所述未来日的基本电量和未来日的可变电量进行组合预测以完成短期用电量预测。
本发明的目的之三是通过这样的技术方案实现的，一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如前述的短期用电量预测方法。
由于采用了上述技术方案，本发明具有如下的优点：本发明方法将电量预测分为基本电量与可变电量，通过基本电量与可变电量进行组合预测来完成对未来用电量的判断，相比传统方法，本发明方法能有效提高预测精准度，为电网管理侧电力系统运行与调度提供可靠依据。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。
附图说明
本发明的附图说明如下：
图1为本发明第一实施例流程图；
图2为本发明第二实施例预测效果对比图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实施例一
本发明第一实施例提出一种短期用电量预测方法，如图1所示，包括如下步骤：
根据预先基于日用电量历史数据和气象指标历史数据构建的基本电量模型确定未来日的基本电量；
根据预先基于日用电量历史数据和气象指标历史数据确定的可变电量模型基于未来日气象指标确定未来日的可变电量；
基于所述未来日的基本电量和未来日的可变电量进行组合预测以完成短期用电量预测。
本发明方法将电量预测分为基本电量与可变电量，通过基本电量与可变电量进行组合预测来完成对未来用电量的判断，相比传统方法，本发明方法能有效提高预测精准度，为电网管理侧电力系统运行与调度提供可靠依据。
可选的，基于日用电量历史数据和气象指标历史数据构建基本电量模型，包括：
根据日用电量历史数据和气象指标历史数据确定日用电量与气象指标之间的相关系数；
提取日用电量历史数据中所述相关系数的大小低于预设阈值的日用电量历史数据以获得日用电基本电量集合；
根据所述日用电基本电量集合构建基本电量模型。
可选的，根据日用电量历史数据和气象指标历史数据确定日用电量与气象指标之间的相关系数之前，所述方法还包括：
根据日用电量历史数据和气象指标历史数据对应的日期进行编号。
具体的说，在本实施例中，首先解耦日用电量，建立基本电量预测模型，对于一组连续日期的日用电量历史数据和气象指标历史数据，根据用电量与气象指标间的相关程度对日用电量进行分解，得到一组只含有基本电量的日用电量，包括：
I、根据日用电量历史数据和气象指标历史数据的时间先后顺序对日期进行编号。依次编号例如1、2、…、Nd，其中Nd为总天数。
II、计算日用电量与气象指标的相关系数r，满足：
Figure BDA0002504194720000041
式中：Et、wi,t分别为第t日的日用电量和气象指标i；E、wi分别为日用电量的均值和气象指标i的均值。
III、对于前述日用电量历史数据和气象指标历史数据，提取日用电量历史数据中相关系数的大小低于预设阈值zr的日用电量历史数据以获得日用电基本电量集合Ω1。
VI、由于日用电基本电量集合Ω1中的日用电量与气象指标相关程度较低，因此在本实施例中认为Ω1中的日用电量不含有可变电量，即日用电基本电量集合Ω1中的日用电量等于基本电量。
由上述步骤，可得到日集合Ω1，其日用电量只含有基本电量。Ω1取决于相关程度阈值zr的大小。进一步在本实施例中，以日集合Ω1的日用电量为历史数据，采用线性模型和指数模型，回归分析日用电量与时间的关系，满足：
Ed,t＝at+b
Ed,t＝aebt
由此根据上式，以未来日的时间变量为输入数据，可预测未来日的基本电量。
可选的，提取日用电量历史数据中所述相关系数的大小低于预设阈值的日用电量历史数据以获得日用电基本电量集合，包括：
若日用电量历史数据与气象指标历史数据的相关系数小于零，则根据气象指标由高到低，提取气象指标历史数据中对应日期编号的日用电量历史数据；
若日用电量历史数据与气象指标历史数据的相关系数大于零，则根据气象指标由低到高，提取气象指标历史数据中对应日期编号的日用电量历史数据。
具体的说，在前述实施例的基础上，本实施例中具体用于获得日用电基本电量集合，对于前述日用电量历史数据和气象指标历史数据，剔除部分日用电量与气象指标相关程度较高的日，直至相关系数r低于阈值zr。若r<0,则从气象指标最低的天开始剔除；否则，则从气象指标最高的天开始剔除，被保留的日组成日用电基本电量集合Ω1，被剔除的日组成日用电可变电量集合Ω2。
由于日集合Ω1中的日用电量与气象指标相关程度较低，因此Ω1中的日用电量不含有可变电量，即日用电量等于基本电量。
可选的，基于日用电量历史数据和气象指标历史数据确定可变电量模型，包括：
提取日用电量历史数据中所述相关系数的大小高于预设阈值的日用电量历史数据以获得日用电可变电量集合；
根据所述日用电可变电量集合确定对应日期的可变电量；
基于所述可变电量构建可变电量模型。
可选的，基于所述可变电量构建可变电量模型，包括：
基于所述可变电量构建不同的回归分析模型；
将多个回归分析模型与气象指标拟合以确定所述可变电量模型。
具体的说，在本实施例中，由基本电量回归模型计算日集合Ω2中的基本电量，可得Ω2中的可变电量：
Ew,t＝Et-Ed,t
式中：Ew,t为第t日的可变电量。
在本实施例中，进一步采用多种回归分析模型对可变电量的变化规律进行建模。
各回归分析模型为：
Figure BDA0002504194720000061
Figure BDA0002504194720000062
Figure BDA0002504194720000063
以上各式描述了可变电量与气象指标w的不同函数关系，在具体实施过程中可以选择拟合效果最佳的作为最终的可变电量回归模型。根据可变电量回归模型，以未来某日的气象指标为输入数据，便可预测该日的可变电量。
可选的，基于所述未来日的基本电量和未来日的可变电量进行组合预测以完成短期用电量预测，包括：
基于气象指标历史数据确定特征气象因素；
根据所述特征气象因素，基本电量模型以及可变电量模型建立预测模型；
对所述预测模型进行权值计算以获得组合预测模型；
通过所述组合预测模型进行短期用电量预测。
具体的说，在本发明一个可选的实施例中，描述气象状况的气象指标有很多，如：最高温度、最低温度、平均温度、湿度、降雨量、风速等。因此本实施例中为了更准确地预测可变电量，需要提取出对日用电量影响较大的特征气象因素。
气温对夏季日用电量的影响最为显著，主要原因是夏季的升温导致大量空调电量的产生，从而影响了日用电量。湿度与日用电量的相关程度不高。然而，湿度与气温产生的耦合效果会较强地作用于日用电量。温湿指数很好地反映了湿度与气温对日用电量的耦合效应，其定义为：
Figure BDA0002504194720000071
式中，TempC为摄氏温度，取值为日平均温度；Hmd为百分比湿度。
除耦合效应之外，需要考虑气象因素对日用电量的多日累积效应。例如，对于某日的用电量而言，连续三天高温与当日突然高温两种情况下，当日用电量可能有明显差别。为了更好地量化气象因素的累积效应，美国PJM市场采用了加权温湿指数指标。加权温湿指数WTHI由温湿指数THI加权得到，公式如下：
WTHIt＝(10THIt+4THIt-1+THIt-2)/15
式中，THIt、THIt-1、THIt-2分别为当天t、昨天t-1、前天t-2的温湿指数。
根据上述分析，可提取出五组特征气象因素。针对每组特征气象因素，结合基本电量回归模型与可变电量回归模型，可建立五组日用电量单一预测模型。各单一预测模型所用的气象指标如下：
模型1：当日的单气温指标，最低温度Tempmin,t、最高温度Tempmax,t和平均温度Tempmean,t中三者之一；
模型2：当日的多气温指标，包含Tempmin,t、Tempmax,t和Tempmean,t；
模型3：当日及前两日的多气温指标，包含Tempmin,t、Tempmax,t、Tempmean,t、Tempmin,t-1、Tempmax,t-1、Tempmean,t-1、Tempmin,t-2、Tempmax,t-2、Tempmean,t-2；
模型4：当日的温湿指数THIt；
模型5：当日的加权温湿指数WTHIt。
最后，通过采用方差-协方差组合预测的权值计算方法求取权值，形成短期用电量组合预测模型，满足：
fc＝w1f1+w2f2+..+wkfk
Figure BDA0002504194720000072
综上，本发明方法计及了多种气象指标的影响以及气象因素的耦合效应与累积效应。根据本方法计算得到的短期用电量相比于传统方法具有更高的精度，对电网管理侧电力系统运行与调度起着关键作用，有利于保证系统安全、稳定、经济运行。
实施例二
本发明第二实施例提出一种短期用电量预测方法的实施案例，以2018年7月19日至2018年8月15日共28天的重庆市日用电量值和日气象指标值为历史数据，预测未来一周(即2018年8月16日至2018年8月22日)的日用电量。日用电量实际值和日气象指标值见表1、表2。
表1 2018年7月19日至2018年8月22日的重庆市日用电量(亿kWh)
Figure BDA0002504194720000081
表2 2018年7月17日至2018年8月22日的重庆市气温(摄氏度)、相对湿度(％)
Figure BDA0002504194720000082
根据每日的平均气温和相对湿度，可计算出每日的温湿指数数值。各气温指标、温湿指数与日用电量的相关系数见表3。
表3各气温指标、温湿指数与日用电量的相关系数
Figure BDA0002504194720000083
Figure BDA0002504194720000091
以平均气温与日用电量的相关系数为指标，筛选只含基本电量的天，阈值zr取0.2。
模型1考虑多日的多气温指标，采用不同的可变电量回归模型，预测未来日用电量，预测结果和相对误差见表4。从表4可见，采用可变电量线性回归模型的模型1预测效果最好，平均相对误差达到了2.03％，这表明气温的累积效应对日用电量预测的影响显著。
表4单一模型1的预测结果(亿kWh)及相对误差(％)
Figure BDA0002504194720000092
模型2考虑多日的温湿指数，即温湿指数的累积效应，采用不同的可变电量回归模型，预测未来日用电量，预测结果和相对误差见表5。从表5可见，采用可变电量抛物线回归模型的模型2预测效果最好，平均相对误差达到了2.24％。
表5单一模型2的预测结果(亿kWh)及相对误差(％)
Figure BDA0002504194720000093
Figure BDA0002504194720000101
为了同时计及气象因素的耦合响应和累积效应，选择采用可变电量线性回归模型的模型1与采用可变电量抛物线回归模型的模型2，应用方差-协方差法进行组合预测，所得预测结果及相对误差见表6。由表6可见，组合预测的预测效果进一步提高，平均相对误差达到了1.51％，较普通预测方法误差更小，其预测效果对比图见附图2。
表6模型1和模型2的组合预测结果(亿kWh)及相对误差(％)
Figure BDA0002504194720000102
综上，本发明方法计及了多种气象指标的影响以及气象因素的耦合效应与累积效应。根据本方法计算得到的短期用电量相比于传统方法具有更高的精度，对电网管理侧电力系统运行与调度起着关键作用，有利于保证系统安全、稳定、经济运行。
实施例三
本发明第三实施例提出一种短期用电量预测装置，包括：
基本电量计算单元，用于根据预先基于日用电量历史数据和气象指标历史数据构建的基本电量模型确定未来日的基本电量；
可变电量计算单元，用于根据预先基于日用电量历史数据和气象指标历史数据确定的可变电量模型基于未来日气象指标确定未来日的可变电量；
预测单元，用于基于所述未来日的基本电量和未来日的可变电量进行组合预测以完成短期用电量预测。
本发明通过基本电量与可变电量进行组合预测来完成对未来用电量的判断，相比传统方法，本发明方法能有效提高预测精准度，为电网管理侧电力系统运行与调度提供可靠依据。
实施例四
本发明第四实施例提出一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如前述的短期用电量预测方法。
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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的保护范围之内。

Claims (9)

1.一种短期用电量预测方法，其特征在于，包括如下步骤：
根据预先基于日用电量历史数据和气象指标历史数据构建的基本电量模型确定未来日的基本电量；
根据预先基于日用电量历史数据和气象指标历史数据确定的可变电量模型基于未来日气象指标确定未来日的可变电量；
基于所述未来日的基本电量和未来日的可变电量进行组合预测以完成短期用电量预测。
2.如权利要求1所述的短期用电量预测方法，其特征在于，基于日用电量历史数据和气象指标历史数据构建基本电量模型，包括：
根据日用电量历史数据和气象指标历史数据确定日用电量与气象指标之间的相关系数；
提取日用电量历史数据中所述相关系数的大小低于预设阈值的日用电量历史数据以获得日用电基本电量集合；
根据所述日用电基本电量集合构建所述基本电量模型。
3.如权利要求2所述的短期用电量预测方法，其特征在于，根据日用电量历史数据和气象指标历史数据确定日用电量与气象指标之间的相关系数之前，所述方法还包括：
根据日用电量历史数据和气象指标历史数据对应的日期进行编号。
4.如权利要求3所述的短期用电量预测方法，其特征在于，提取日用电量历史数据中所述相关系数的大小低于预设阈值的日用电量历史数据以获得日用电基本电量集合，包括：
若日用电量历史数据与气象指标历史数据的相关系数小于零，则根据气象指标由高到低，提取气象指标历史数据中对应日期编号的日用电量历史数据；
若日用电量历史数据与气象指标历史数据的相关系数大于零，则根据气象指标由低到高，提取气象指标历史数据中对应日期编号的日用电量历史数据。
5.如权利要求2所述的短期用电量预测方法，其特征在于，基于日用电量历史数据和气象指标历史数据确定可变电量模型，包括：
提取日用电量历史数据中所述相关系数的大小高于预设阈值的日用电量历史数据以获得日用电可变电量集合；
根据所述日用电可变电量集合确定对应日期的可变电量；
基于所述可变电量构建可变电量模型。
6.如权利要求5所述的短期用电量预测方法，其特征在于，基于所述可变电量构建可变电量模型，包括：
基于所述可变电量构建不同的回归分析模型；
将多个回归分析模型与气象指标拟合以确定所述可变电量模型。
7.如权利要求1-6任一项所述的短期用电量预测方法，其特征在于，基于所述未来日的基本电量和未来日的可变电量进行组合预测以完成短期用电量预测，包括：
基于气象指标历史数据确定特征气象因素；
根据所述特征气象因素、基本电量模型以及可变电量模型建立预测模型；
对所述预测模型进行权值计算以获得组合预测模型；
通过所述组合预测模型进行短期用电量预测。
8.一种短期用电量预测装置，其特征在于，包括：
基本电量计算单元，用于根据预先基于日用电量历史数据和气象指标历史数据构建的基本电量模型确定未来日的基本电量；
可变电量计算单元，用于根据预先基于日用电量历史数据和气象指标历史数据确定的可变电量模型基于未来日气象指标确定未来日的可变电量；
预测单元，用于基于所述未来日的基本电量和未来日的可变电量进行组合预测以完成短期用电量预测。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至7中任一项所述的短期用电量预测方法。
CN202010441620.4A 2020-05-22 2020-05-22 一种短期用电量预测方法、装置及可读存储介质 Pending CN111598349A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010441620.4A CN111598349A (zh) 2020-05-22 2020-05-22 一种短期用电量预测方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010441620.4A CN111598349A (zh) 2020-05-22 2020-05-22 一种短期用电量预测方法、装置及可读存储介质

Publications (1)

Publication Number Publication Date
CN111598349A true CN111598349A (zh) 2020-08-28

Family

ID=72186339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010441620.4A Pending CN111598349A (zh) 2020-05-22 2020-05-22 一种短期用电量预测方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN111598349A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113052385A (zh) * 2021-03-29 2021-06-29 国网河北省电力有限公司经济技术研究院 钢铁行业用电量的预测方法、装置、设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156786A (zh) * 2014-08-18 2014-11-19 广西电网有限责任公司 一种考虑气象多因素影响的非工作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
CN108932557A (zh) * 2018-04-28 2018-12-04 云南电网有限责任公司临沧供电局 一种基于气温累积效应和灰色关联度的短期负荷预测模型
CN109299814A (zh) * 2018-08-30 2019-02-01 国网江苏电力设计咨询有限公司 一种气象影响电量分解预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156786A (zh) * 2014-08-18 2014-11-19 广西电网有限责任公司 一种考虑气象多因素影响的非工作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
CN108932557A (zh) * 2018-04-28 2018-12-04 云南电网有限责任公司临沧供电局 一种基于气温累积效应和灰色关联度的短期负荷预测模型
CN109299814A (zh) * 2018-08-30 2019-02-01 国网江苏电力设计咨询有限公司 一种气象影响电量分解预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王瑞妙 等: "基于气象映射函数的夏季日用电量组合预测方法", 《电工电能新技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113052385A (zh) * 2021-03-29 2021-06-29 国网河北省电力有限公司经济技术研究院 钢铁行业用电量的预测方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
CN112001439A (zh) 基于gbdt的商场建筑空调冷负荷预测方法、存储介质及设备
JP6079215B2 (ja) 電力需要予測装置、プログラム
CN102426674B (zh) 一种基于马尔科夫链的电力系统负荷预测方法
CN111680841B (zh) 基于主成分分析的短期负荷预测方法、系统及终端设备
WO2018164283A1 (ja) 省エネルギー診断システム、方法及びプログラム
CN115081902B (zh) 基于源网荷储协同的综合规划方法、装置、设备及介质
CN112365056A (zh) 一种电气负荷联合预测方法、装置、终端及存储介质
CN114372360A (zh) 用于电力负荷预测的方法、终端及存储介质
CN109784594A (zh) 一种售电商可调负荷决策方法及系统
Liu FDI and employment by industry: A co-integration study
CN110675087A (zh) 一种区域综合能源系统投资潜力评估方法
CN113159106A (zh) 一种基于形态趋势特征的负荷曲线聚类方法、介质及设备
CN107480810B (zh) 一种利用季节指数改进二次指数平滑的月用电量预测方法
CN114595861A (zh) 基于mstl和lstm模型的中长期电力负荷预测方法
CN106600029A (zh) 一种基于电力数据的宏观经济预测量化修正方法
CN104134102B (zh) 基于leap模型的电网中长期电力需求分布预测方法
CN115829235A (zh) 一种基于大数据分析的用电调度方法
CN111598349A (zh) 一种短期用电量预测方法、装置及可读存储介质
CN109741213A (zh) 一种零能耗建筑耗能控制方法及系统
CN113537578A (zh) 一种电力用户行为预测方法
CN113139698A (zh) 负荷预测方法、装置及设备
JP5957725B2 (ja) 予測装置、予測方法、および、予測プログラム
CN110795698A (zh) 一种夏季电量分析方法及可读存储介质
CN112241804A (zh) 一种能源电力数据的宏观经济先行指数构建方法和系统
CN111126716A (zh) 一种基于极端梯度提升算法预测电价的系统模型

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: 20200828

RJ01 Rejection of invention patent application after publication