CN112001551A - 一种基于大用户电量信息的地市电网售电量预测方法 - Google Patents

一种基于大用户电量信息的地市电网售电量预测方法 Download PDF

Info

Publication number
CN112001551A
CN112001551A CN202010865591.4A CN202010865591A CN112001551A CN 112001551 A CN112001551 A CN 112001551A CN 202010865591 A CN202010865591 A CN 202010865591A CN 112001551 A CN112001551 A CN 112001551A
Authority
CN
China
Prior art keywords
electricity
city
power
power grid
information
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.)
Granted
Application number
CN202010865591.4A
Other languages
English (en)
Other versions
CN112001551B (zh
Inventor
刘俊
赵宏炎
刘嘉诚
刘晓明
张睿哲
池宇琪
彭鑫
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202010865591.4A priority Critical patent/CN112001551B/zh
Publication of CN112001551A publication Critical patent/CN112001551A/zh
Application granted granted Critical
Publication of CN112001551B publication Critical patent/CN112001551B/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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于大用户电量信息的地市电网售电量预测方法：调研统计地市内月用电量300万千瓦时及以上大用户的电量信息和未来用电计划；对获取的大用户电量信息进行预处理，以保证数据的完整性、唯一性与结构一致性；基于皮尔逊积矩相关系数计算，分析地市大用户电量信息累加与地市电网大工业售电量及地市电网总售电量之间的关联关系；通过对地市电网各类售电量占总售电量比例的计算，分析地市电网售电量的结构；建立以地市内大用户电量信息累加为输入、地市电网售电量为输出的线性回归模型，结合所掌握的大用户未来电量使用计划，对地市电网年度售电量进行预测，以解决大工业占比较高的地市电网售电量预测精度不足的问题。

Description

一种基于大用户电量信息的地市电网售电量预测方法
技术领域
本发明涉及电力系统电量预测技术领域，具体地，涉及一种基于大用户电量信息的地市电网售电量预测方法。
背景技术
电量预测是指在满足一定精度的前提下，根据电力系统内部的电量历史数据与外部的政策、经济、技术、气象等相关因素，对未来电力消耗进行预测的行为。准确的电量预测可以指导电网公司开展电气设备检修、投资能力测算和电力市场开拓等工作，为电力系统的规划、营销和生产经营计划管理等工作提供决策支持。
按照预测环节来讲，电量预测可以分为用电量预测以及售电量预测。用电量是第一、二、三产等所有产业的电能消耗总量，包含客户实际使用、线损消耗与电厂自用等电量；而售电量则指的是电网与用户最终产生电费结算所对应的电量，它是电费结算的基础。由于涉及各类用户，售电量的统计时间与自然月有区别，而经济、气象等因素的月度值通常是按自然月进行统计的，如果直接引入与电量相关的外部因素，模型预测效果可能不会有所改善；而如果仅根据售电量历史数据进行预测，在经济变动、气象异常等情况下模型预测精度往往较低。为此，必须搜集与售电量具有相同统计时间的相关因素，以提取有助于售电量预测的关键信息，提高模型预测精度。
相较于省级电网，某些大工业占比较高的地市电网一般有若干个电量消耗相对较大的大用户，其用电行为表征了地市的经济结构特点、产业结构优势及未来发展趋势，极大地影响地市售电量。在城市发展过程中，地市电网售电量的增长主要来源于大负荷用户的增长。大用户在建设之前，需要向供电局申请供电并上报负荷容量；投运之后，地市供电公司亦可对大用户的未来生产计划进行较为精准的调研。因此，基于所掌握的大用户未来电量使用计划的增长等信息，有利于对大工业占比较高的地市电网售电量进行精确预测。
发明内容
本发明的目的在于，针对上述问题，提出一种基于大用户电量信息的地市电网售电量预测方法，以实现提高大工业占比较高地市电网售电量预测精度，克服现有技术精度较低的缺陷。
为实现上述目的，本发明采用的技术方案是：
基于大用户电量信息的地市电网售电量预测方法，包括以下步骤：
步骤1：对地市内月用电量300万千瓦时及以上大用户的电量信息和未来用电计划进行统计与调研；
步骤2：利用数据清洗方法，对获取的大用户电量信息进行预处理，以保证数据的完整性、唯一性与结构一致性；
步骤3：基于大用户电量信息的地市累加结果，分析地市内大用户电量的变化规律；
步骤4：挖掘地市大用户电量信息累加与地市电网大工业售电量及地市电网总售电量之间的关联关系；
步骤5：分析地市电网售电量结构，计算地市电网各类售电量占总售电量的比例；
步骤6：建立以地市内大用户电量信息累加为输入、地市电网售电量为输出的线性回归模型，对地市电网未来的年度售电量进行预测。
步骤1中，搜集地市内月用电量300万千瓦时及以上大用户的月度电量历史信息，以及各自未来生产计划和年度用电预测值，表征地市经济结构特点、产业结构优势及未来发展趋势，提供有利于地市电网售电量预测的信息。
步骤2中，利用数据清理方法实现大用户电量信息的预处理；由于统计的大用户电量信息数据时间跨度较长，部分数据存储与管理的形式发生了变化，前后数据结构不一致，利用数据清洗方法，对大用户电量信息数据格式进行统一；此外，由于地市电网仅统计月用电量300万千瓦时及以上大用户的电量信息，不超过300万千瓦时的用户不进行记录，部分用户某些小于300万千瓦时的月份电量信息出现数据缺失的现象，利用数据清洗方法，实现缺失数据的补充。
步骤4中，利用皮尔逊积矩相关系数，分析地市大用户电量信息累加与地市电网大工业售电量及地市电网总售电量之间的关联关系；皮尔逊积矩相关系数计算公式为：
Figure BDA0002649634700000031
式中：y是基准指标；x是备选相关性指标(地市大用户电量信息累加)；rx,y是x和y之间的相关系数，其值在-1到1之间；
Figure BDA0002649634700000032
为x的平均值；
Figure BDA0002649634700000033
为y的平均值；n为样本大小；i为样本序号；σx为x的方差；σy为y的方差；cov(x,y)为x和y的协方差；yi是第i个样本的地市电网大工业售电量或地市电网总售电量；第i个样本的地市大用户电量信息累加xi计算方法为：
Figure BDA0002649634700000041
式中：m表示月用电量300万千瓦时的大用户序号；M表示月用电量300万千瓦时的大用户数目。
步骤6中，所述的以地市内大用户电量信息累加为输入、地市电网售电量为输出的线性回归模型为：
e＝ax+b (3)
其中：a和b分别表示线性回归模型的斜率和偏置；e表示地市电网售电量。
和现有技术相比较，本发明具备如下优点：
本发明提出的地市电网售电量预测方法，可以充分利用大用户未来电生产计划等信息，对大工业占比较高地市电网的售电量进行准确预测。在地市电网售电量预测中，由于经济、气象等因素与售电量统计时间不一致，直接引入电力系统外部因素通常难以提高模型预测精度，甚至可能产生负面影响；而如果不考虑任何电量相关因素，仅基于售电量历史数据进行预测，模型难以捕捉电量复杂的变化规律，预测精度有限。本发明利用大用户未来电量使用计划对地市电网未来售电量进行预测，可以提取出有助于售电量预测的关键信息，显著提高大工业占比较高地市电网售电量的预测精度。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例所述的一种基于大用户电量信息的地市电网售电量预测方法流程图。
图2为本发明实施例所述的某地市电网大用户电量信息累加与售电量月度对比。
图3为本发明实施例所述的某地市电网大用户电量信息累加与售电量年度对比。
图4为本发明实施例所述的某地市电网2017年各类售电量占比图。
图5为本发明实施例所述的某地市电网大工业售电量与总售电量对比。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1所示，本发明实施例的基于大用户电量信息的地市电网售电量预测方法，主要包括：统计地市内月用电量300万千瓦时及以上大用户的电量信息，并对其未来的生产计划和预计电量消耗进行调研；利用数据清洗方法，对获取的大用户电量信息进行预处理，以保证数据的完整性、唯一性与结构一致性；基于皮尔逊积矩相关系数计算，分析地市大用户电量信息累加与地市电网大工业售电量及地市电网总售电量之间的关联关系；通过对地市电网各类售电量占总售电量比例的计算，分析地市电网售电量的结构；最后，建立以地市内大用户电量信息累加为输入、地市电网售电量为输出的线性回归模型，结合所掌握的大用户未来电量使用计划，对地市电网年度售电量进行预测，以解决大工业占比较高的地市电网售电量预测精度不足的问题。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
具体实施例
本实施例一种基于大用户电量信息的地市电网售电量预测方法，包括以下步骤：
步骤一：地市大用户电量信息累加与地市电网售电量对比。
利用皮尔逊积矩相关系数，分析地市大用户电量信息累加与地市电网大工业售电量及地市电网总售电量之间的关联关系，计算方法如式(1)所示。
为简单和不失一般性，本发明选取某地市电网进行研究。首先，选取某地市电网2014年1月至2018年12月大工业售电量、总售电量以及营销口径300MW大用户电量信息进行分析，将营销口径300MW大用户售电量信息进行累加，并与大工业售电量以及总售电量进行对比分析，结果如图2和图3所示。
从图2和图3中可以看出，该地市电网的大用户电量消耗规律对大工业售电量和总售电量的发展方向有着较大的影响，三者具有相同的变化方向。在2015年，由于政策调控，该地市部分大用户生产活动减少，电量消耗降低，大工业售电量也出现明显的下降，由于该地市电网大工业售电量占比较高，2015年该地市电网总售电量也出现了负增长；2016年-2017年，生产活动逐渐恢复，电量消耗逐渐增加，大工业售电量与总售电量逐渐增长；2018年，大用户电量消耗有所降低，大工业售电量与总售电量也随之减少。
该地市电网大用户电量信息累加与大工业售电量以及总售电量的皮尔逊积矩相关系数分别为0.9900和0.9910，说明大用户电量信息累加与后两者均具有较强的线性相关性，大用户信息累加的变化对于地市电网大工业售电量和总售电量的发展方向有着较大的影响。因此，可以考虑利用大用户电量信息，对未来该地市电网总售电量进行预测。
步骤二：地市电网各类售电量占总售电量比例计算。
分析地市电网售电量结构，计算地市电网各类售电量占总售电量的比例。计算公式为：
Figure BDA0002649634700000071
式中：下标c为地市售电量类别标号，取值为1、2、3、4、5、6、7及8，分别指大工业售电量、非普工业售电量、农业售电量、商业售电量、居民售电量、非居民照明售电量、其他售电量以及趸售电量；e表示地市总售电量；ec表示类别为c的地市售电量；pc表示类别为c的地市售电量占地市总售电量比例。
计算选取地市电网的各类售电量占总售电量比例，各分类售电量的占比如图4和表1所示。由图4和表1可知，该地市电网大工业售电量占总售电量的比例最高，为82％，二者2010年至2017年趋势变化的对比如图5所示，可以看出，大工业售电量对该地市电网总售电量预测具有较大的影响，例如2015年该地市电网大工业售电量突然下降，导致了总售电量规律性出现变化，难以进行预判；其余分类售电量的占比均小于等于9％。
表1某地市电网2017年各类售电量占总售电量比例
Figure BDA0002649634700000072
Figure BDA0002649634700000081
步骤三：地市电网售电量线性回归预测模型。
该地市电网大用户信息累加与总售电量之间的皮尔逊积矩相关系数大于0.99，二者之间具有较强的线性相关性；此外，该地市电网大工业售电量占总售电量比例较高，为82％，地市电网总售电量变化受到大工业售电量与大用户信息累加影响极大。因此，利用大用户信息，建立回归模型直接对地市电网售电量进行预测；最后，与仅基于地市电网售电量的线性回归模型进行对比，验证方法的有效性。
本发明以相对误差(PE)对模型精度进行衡量：
Figure BDA0002649634700000082
式中：Q为地市电网总售电量实际值；Q′为地市电网总售电量预测值。
考虑到该地市电网大用户信息累加与大工业售电量之间强大的线性相关性，建立线性回归模型，输入选取为地市电网大用户信息累加，输出选取为地市电网售电量，对未来该地市电网售电量进行预测。由于该地市电网仅统计了2014年及其以后的大用户电量信息，训练集选取2014年和2015年的地市电网年度大用户信息和售电量，测试集则选取2016年和2017年地市电网年度大用户信息和总售电量，预测结果如表2所示。
表2某地市电网2016-2017年总售电量直接预测结果
Figure BDA0002649634700000091
由表2可以看出，建立的基于大用户电量信息地市电网售电量预测模型预测误差较低，2016年和2017年预测的相对误差分别为1.30％和0.26％，适用于对大工业占比较高的地市电网未来售电量进行准确的预测。
对比模型具体结果：仅使用地市电网总售电量历史数据，以待预测年标号作为输入，对应时间地市电网售电量作为输出，建立线性回归模型，对未来年度售电量进行预测，预测结果如表3所示。
表3某地市电网总售电量对比模型预测结果
Figure BDA0002649634700000092
通过对比本发明提出的模型以及对比模型，大用户电量信息的利用使得年度售电量2016年预测的PE从-42.09％下降1.30％，2017年预测的PE从-68.06％下降到0.26％。模型预测精度提高，误差显著减小。
最后应说明的是：以上所述仅为本发明的一个实施例，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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 (5)

1.一种基于大用户电量信息的地市电网售电量预测方法，其特征在于：包括以下步骤：
步骤1：对地市内月用电量300万千瓦时及以上大用户的电量信息和未来用电计划进行统计与调研；
步骤2：利用数据清洗方法，对获取的大用户电量信息进行预处理，以保证数据的完整性、唯一性与结构一致性；
步骤3：基于大用户电量信息的地市累加结果，分析地市内大用户电量的变化规律；
步骤4：挖掘地市大用户电量信息累加与地市电网大工业售电量及地市电网总售电量之间的关联关系；
步骤5：分析地市电网售电量结构，计算地市电网各类售电量占总售电量的比例；
步骤6：建立以地市内大用户电量信息累加为输入、地市电网售电量为输出的线性回归模型，对地市电网未来的年度售电量进行预测。
2.根据权利要求1所述的基于大用户电量信息的地市电网售电量预测方法，其特征在于，步骤1中，搜集地市内月用电量300万千瓦时及以上大用户的月度电量历史信息，以及各自未来生产计划和年度用电预测值，表征地市经济结构特点、产业结构优势及未来发展趋势，提供有利于地市电网售电量预测的信息。
3.根据权利要求1所述的基于大用户电量信息的地市电网售电量预测方法，其特征在于，步骤2中，利用数据清理方法实现大用户电量信息的预处理；由于统计的大用户电量信息数据时间跨度较长，部分数据存储与管理的形式发生了变化，前后数据结构不一致，利用数据清洗方法，对大用户电量信息数据格式进行统一；此外，由于地市电网仅统计月用电量300万千瓦时及以上大用户的电量信息，不超过300万千瓦时的用户不进行记录，部分用户某些小于300万千瓦时的月份电量信息出现数据缺失的现象，利用数据清洗方法，实现缺失数据的补充。
4.根据权利要求1所述的基于大用户电量信息的地市电网售电量预测方法，其特征在于，步骤4中，利用皮尔逊积矩相关系数，分析地市大用户电量信息累加与地市电网大工业售电量及地市电网总售电量之间的关联关系；皮尔逊积矩相关系数计算公式为：
Figure FDA0002649634690000021
式中：y是基准指标；x是备选相关性指标即地市大用户电量信息累加；rx,y是x和y之间的相关系数，其值在-1到1之间；
Figure FDA0002649634690000022
为x的平均值；
Figure FDA0002649634690000023
为y的平均值；n为样本大小；i为样本序号；σx为x的方差；σy为y的方差；cov(x,y)为x和y的协方差；yi是第i个样本的地市电网大工业售电量或地市电网总售电量；第i个样本的地市大用户电量信息累加xi计算方法为：
Figure FDA0002649634690000024
式中：m表示月用电量300万千瓦时的大用户序号；M表示月用电量300万千瓦时的大用户数目。
5.根据权利要求1所述的基于大用户电量信息的地市电网售电量预测方法，其特征在于，步骤6中，所述的以地市内大用户电量信息累加为输入、地市电网售电量为输出的线性回归模型为：
e＝ax+b (3)
式中：a和b分别表示线性回归模型的斜率和偏置；e表示地市电网售电量。
CN202010865591.4A 2020-08-25 2020-08-25 一种基于大用户电量信息的地市电网售电量预测方法 Active CN112001551B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010865591.4A CN112001551B (zh) 2020-08-25 2020-08-25 一种基于大用户电量信息的地市电网售电量预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010865591.4A CN112001551B (zh) 2020-08-25 2020-08-25 一种基于大用户电量信息的地市电网售电量预测方法

Publications (2)

Publication Number Publication Date
CN112001551A true CN112001551A (zh) 2020-11-27
CN112001551B CN112001551B (zh) 2023-08-04

Family

ID=73470426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010865591.4A Active CN112001551B (zh) 2020-08-25 2020-08-25 一种基于大用户电量信息的地市电网售电量预测方法

Country Status (1)

Country Link
CN (1) CN112001551B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705874A (zh) * 2021-08-19 2021-11-26 国家电网有限公司 新能源电网演化预测方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110055036A1 (en) * 2009-09-03 2011-03-03 Meishar Immediate Community Methods and systems for managing electricity delivery and commerce
CN104951840A (zh) * 2014-03-24 2015-09-30 国网上海市电力公司 一种电力市场用电总体趋势的分析方法
CN104951988A (zh) * 2014-03-24 2015-09-30 国网上海市电力公司 一种电力潜在市场的预测方法
CN109816145A (zh) * 2018-12-21 2019-05-28 国网上海市电力公司 一种供电负荷管理用数据平台
CN111160656A (zh) * 2019-12-31 2020-05-15 国网北京市电力公司 一种基于模块化的用电负荷预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110055036A1 (en) * 2009-09-03 2011-03-03 Meishar Immediate Community Methods and systems for managing electricity delivery and commerce
CN104951840A (zh) * 2014-03-24 2015-09-30 国网上海市电力公司 一种电力市场用电总体趋势的分析方法
CN104951988A (zh) * 2014-03-24 2015-09-30 国网上海市电力公司 一种电力潜在市场的预测方法
CN109816145A (zh) * 2018-12-21 2019-05-28 国网上海市电力公司 一种供电负荷管理用数据平台
CN111160656A (zh) * 2019-12-31 2020-05-15 国网北京市电力公司 一种基于模块化的用电负荷预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HAIYANG CHEN 等: "\"A Novel combined forecasting method for short-term distributed electric heating power load\"", 《IEEE》 *
丁业豪;麦琪;: "电力市场用电量需求分析预测模型研究", 电测与仪表, no. 14 *
麦琪;: "基于电量分析的配网用户用电需求量预测研究", 新型工业化, no. 06 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705874A (zh) * 2021-08-19 2021-11-26 国家电网有限公司 新能源电网演化预测方法、装置、计算机设备和存储介质
CN113705874B (zh) * 2021-08-19 2024-03-15 国家电网有限公司 新能源电网演化预测方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN112001551B (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
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
CN110097220B (zh) 一种风力发电月度电量预测方法
CN114140176B (zh) 一种负荷聚集平台的可调容量预测方法及装置
CN110378510B (zh) 一种基于时间序列和层次聚合的配网物资需求预测方法
Yan et al. A dynamic network analysis of spot electricity prices in the Australian national electricity market
CN107330540A (zh) 一种考虑电压质量的配电网台区缺供电量预测方法
CN111191966A (zh) 一种基于时空特性的配电网电压不合格时段识别方法
CN115905319B (zh) 一种海量用户电费异常的自动识别方法及系统
CN114372360A (zh) 用于电力负荷预测的方法、终端及存储介质
CN111612019A (zh) 一种基于大数据模型对智能电表故障异常辨识分析的方法
CN111553568A (zh) 一种基于数据挖掘技术的线损管理方法
CN115600934A (zh) 一种配电网工程的投资效率效益评估方法、装置
CN116362584A (zh) 一种基于用户侧储能容量配置的经济性分析方法
CN111160993A (zh) 基于用户负荷报装的用户实用及阶段释放系数的分析方法
Hodge et al. Examining information entropy approaches as wind power forecasting performance metrics
CN111105218A (zh) 一种基于全息影像技术的配电网运行监视方法
CN112734274B (zh) 一种低碳电网运营主导影响因素挖掘及综合评估方法
CN112001551A (zh) 一种基于大用户电量信息的地市电网售电量预测方法
CN112288496A (zh) 电力行业负荷分类计算方法及其跟踪分析方法
CN111127186A (zh) 一种基于大数据技术的客户信用等级评价体系的使用方法
Domínguez et al. Analysis of electric power consumption using Self-Organizing Maps.
CN115796341A (zh) 一种基于碳效码的企业低碳经济表现的协同测度方法
CN114611272A (zh) 一种基于最小间隔动态分布的用电负荷曲线数据拟合方法
Grigoras et al. Knowlegde extraction from Smart Meters for consumer classification
CN112446519A (zh) 一种增量配电园区的用电需求预测方法及系统

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