CN113269361A - 一种基于电力用户关联性分析的用电量增长预测方法 - Google Patents

Abstract

本发明提出一种基于电力用户关联性分析的用电量增长预测方法，包括以下步骤：首先计算第t年和第t‑1年对应月份的电量差值ΔQ和对应月份用户新装增容户数差值Δn之间的皮尔逊相关系数ρ_xy和斯皮尔曼相关系数r_s；接着根据皮尔逊相关系数ρ_xy、斯皮尔曼相关系数r_s判断电量差值ΔQ与对应月份用户新装增容户数差值Δn之间是否存在相关关系；当电量差值ΔQ与对应月份用户新装增容户数差值Δn之间存在线性关系时，利用线性回归拟合ΔQ与Δn之间的线性表达式ΔQ＝WΔn+b；当电量差值ΔQ与对应月份用户新装增容户数差值Δn之间不存在线性关系时，利用多项式拟合ΔQ与Δn之间的表达式

m是多项式阶数；最后通过ΔQ与Δn之间的表达式预测因地区新装、增容户数的增长而增长的电量。

Description

一种基于电力用户关联性分析的用电量增长预测方法

技术领域

本发明涉及电力技术领域，尤其涉及一种基于电力用户关联性分析的用电量增长预测方法。

背景技术

经济的快速发展，电力需求不断提高，现有容量已经不能满足实际情况。随着客户申请新装、增容的数量不断增加，客户新装、增容也成为电力负荷预测不可忽略的一部分。电力负荷预测是电力系统规划建设的依据。负荷预测的准确性将直接影响到电力企业投资、电力系统网络布局及运行的合理性。另外，根据准确的电力负荷预测结果可以经济合理地安排电网内部发电机组的启停,保持电网运行的安全稳定性,减少不必要的旋转储备容量,合理安排机组检修计划,保障社会的正常生产和生活,有效地降低发电成本,提高经济效益和社会效益。

因此，本领域技术人员亟需提供一种基于电力用户关联性分析的用电量增长预测方法，能够实现分析客户新装、增容户数增量与用电量增量之间的关联关系。

发明内容

本发明的目的是提供一种基于电力用户关联性分析的用电量增长预测方法，能够实现分析客户新装、增容户数增量与用电量增量之间的关联关系。

为了实现上述目的，本发明提供了一种基于电力用户关联性分析的用电量增长预测方法，包括以下步骤：

步骤S01、计算第t年和第t-1年对应月份的电量差值ΔQ和对应月份用户新装增容户数差值Δn之间的皮尔逊相关系数ρxy和斯皮尔曼相关系数r_s；

步骤S02、根据皮尔逊相关系数ρ_xy、斯皮尔曼相关系数r_s判断电量差值ΔQ与对应月份用户新装增容户数差值Δn之间是否存在相关关系；若皮尔逊相关系数ρ_xy＞0.5且斯皮尔曼相关系数r_s>0.5,则判定电量差值ΔQ与对应月份用户新装增容户数差值Δn之间存在相关关系；

步骤S03、若电量差值ΔQ与对应月份用户新装增容户数差值Δn之间存在相关关系，根据皮尔逊相关系数ρ_xy、斯皮尔曼相关系数r_s的相对大小判断两变量之间是否存在线性关系；当ρ_xy≈r_s时，即|ρ_xy-r_s|＜ε，ε是为正数，变量ΔQ与Δn之间存在线性关系；

步骤S04、当电量差值ΔQ与对应月份用户新装增容户数差值Δn之间存在线性关系时，利用线性回归拟合ΔQ与Δn之间的线性表达式ΔQ＝WΔn+b；当电量差值ΔQ与对应月份用户新装增容户数差值Δn之间不存在线性关系时，利用多项式拟合ΔQ与Δn之间的表达式

m是多项式阶数；

步骤S05、通过ΔQ与Δn之间的表达式预测因地区新装、增容户数的增长而增长的电量。

优选的，所述步骤S01中，计算第t年和第t-1年对应月份的电量差值ΔQ和对应月份用户新装增容户数差值Δn之间的皮尔逊相关系数ρ_xy和斯皮尔曼相关系数r_s：

(1)皮尔逊相关系数ρ_xy

皮尔逊相关系数ρ_xy用来度量两个变量之间的线性关系；

变量x、y之间的ρ_xy定义为：

式中，cov(x,y)是x、y的协方差，σ_x是x的标准差，σ_y是y的标准差；

ρ_xy的取值范围为[-1，1]。当ρ_xy＝0时，变量x、y没有关联；当ρ_xy＝1时，变量x、y为正相关；当ρ_xy＝-1时，变量x、y为负相关；|ρ_xy|越大，变量之间的线性相关性越强。

优选的，所述步骤S01中，斯皮尔曼相关系数r_s反映变量之间的变化趋势的方向和程度；

假设变量x、y中各包含N个元素，变量x、y之间的r_s定义为：

式中，d_i ²是二列成对变量的等级差数；

式中，R(x_i)、R(y_i)分别是变量x、y中对应元素x_i、y_i在各自集合中的排名；

r_s的取值范围为[-1,1]；当r_s＝0时，变量x、y没有关联；当r_s＝1时，变量x、y为正相关；当r_s＝-1时，变量x、y为负相关。

优选的，所述步骤S02中，根据ρ_xy、r_s判断ΔQ与Δn之间是否存在相关关系；若ρ_xy＞0.5且r_s>0.5,则判定ΔQ与Δn之间存在相关关系；若ΔQ与Δn之间不存在相关关系，则地区客户新装、增容户数不会引起用电量变化。

优选的，所述步骤S03中，根据ρ_xy、r_s的相对大小判断两变量之间是否存在线性关系；当ρ_xy≈r_s时，即|ρ_xy-r_s|＜ε，ε是一个很小的正数，变量ΔQ与Δn之间存在线性关系。

优选的，所述步骤S04中，利用回归拟合变量ΔQ与Δn之间的表达式，具体如下：

(1)当ΔQ与Δn之间存在线性关系时，利用线性回归拟合ΔQ与Δn之间的线性表达式ΔQ＝WΔn+b；

(2)当ΔQ与Δn之间不存在线性关系时，利用多项式拟合ΔQ与Δn之间的表达式

m是多项式阶数。

与现有技术相比，本发明的优势之处在于：本发明能够实现分析客户新装、增容户数增量与用电量增量之间的关联关系。并在客户新装、增容户数增量与用电量增量之间存在关联关系时得到两者之间定量的表达式，能够准确预测出因地区新装、增容户数的增长而增长的电量。

附图说明

图1为本发明提供的基于电力用户关联性分析的用电量增长预测方法流程图；

图2为本发明中ΔQ与Δn存在线性关系时的线性回归拟合曲线；

图3为本发明中ΔQ与Δn存在关联关系(非线性关系)时的多项式回归拟合曲线。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。

请参看图1-图3，图1为本发明提供的基于电力用户关联性分析的用电量增长预测方法流程图；图2为本发明中ΔQ与Δn存在线性关系时的线性回归拟合曲线；图3为本发明中ΔQ与Δn存在关联关系(非线性关系)时的多项式回归拟合曲线。

本发明提供一种基于电力用户关联性分析的用电量增长预测方法，包括以下步骤：

步骤S01、计算第t年和第t-1年对应月份的电量差值ΔQ和对应月份用户新装增容户数差值Δn之间的皮尔逊相关系数ρ_xy和斯皮尔曼相关系数r_s；

步骤S02、根据皮尔逊相关系数ρ_xy、斯皮尔曼相关系数r_s判断电量差值ΔQ与对应月份用户新装增容户数差值Δn之间是否存在相关关系；若皮尔逊相关系数ρ_xy＞0.5且斯皮尔曼相关系数r_s>0.5,则判定电量差值ΔQ与对应月份用户新装增容户数差值Δn之间存在相关关系；

步骤S03、若电量差值ΔQ与对应月份用户新装增容户数差值Δn之间存在相关关系，根据皮尔逊相关系数ρ_xy、斯皮尔曼相关系数r_s的相对大小判断两变量之间是否存在线性关系；当ρ_xy≈r_s时，即|ρ_xy-r_s|＜ε，ε是为正数，变量ΔQ与Δn之间存在线性关系；

步骤S04、当电量差值ΔQ与对应月份用户新装增容户数差值Δn之间存在线性关系时，利用线性回归拟合ΔQ与Δn之间的线性表达式ΔQ＝WΔn+b；当电量差值ΔQ与对应月份用户新装增容户数差值Δn之间不存在线性关系时，利用多项式拟合ΔQ与Δn之间的表达式

m是多项式阶数；

步骤S05、通过ΔQ与Δn之间的表达式预测因地区新装、增容户数的增长而增长的电量。

其中，步骤S01中，计算第t年和第t-1年对应月份的电量差值ΔQ和对应月份用户新装增容户数差值Δn之间的皮尔逊相关系数ρ_xy和斯皮尔曼相关系数r_s：

(1)皮尔逊相关系数ρ_xy

皮尔逊相关系数ρ_xy用来度量两个变量之间的线性关系；

变量x、y之间的ρ_xy定义为：

式中，cov(x,y)是x、y的协方差，σ_x是x的标准差，σ_y是y的标准差；

ρ_xy的取值范围为[-1，1]。当ρ_xy＝0时，变量x、y没有关联；当ρ_xy＝1时，变量x、y为正相关；当ρ_xy＝-1时，变量x、y为负相关；|ρ_xy|越大，变量之间的线性相关性越强。

优选的，所述步骤S01中，斯皮尔曼相关系数r_s反映变量之间的变化趋势的方向和程度；

假设变量x、y中各包含N个元素，变量x、y之间的r_s定义为：

式中，d_i ²是二列成对变量的等级差数；

式中，R(x_i)、R(y_i)分别是变量x、y中对应元素x_i、y_i在各自集合中的排名；

r_s的取值范围为[-1,1]；当r_s＝0时，变量x、y没有关联；当r_s＝1时，变量x、y为正相关；当r_s＝-1时，变量x、y为负相关。

其中，步骤S02中，根据ρ_xy、r_s判断ΔQ与Δn之间是否存在相关关系；若ρ_xy＞0.5且r_s>0.5,则判定ΔQ与Δn之间存在相关关系；若ΔQ与Δn之间不存在相关关系，则地区客户新装、增容户数不会引起用电量变化。

步骤S03中，根据ρ_xy、r_s的相对大小判断两变量之间是否存在线性关系；当ρ_xy≈r_s时，即|ρ_xy-r_s|＜ε，ε是一个很小的正数，变量ΔQ与Δn之间存在线性关系。

步骤S04中，利用回归拟合变量ΔQ与Δn之间的表达式，具体如下：

(1)当ΔQ与Δn之间存在线性关系时，利用线性回归拟合ΔQ与Δn之间的线性表达式ΔQ＝WΔn+b；

(2)当ΔQ与Δn之间不存在线性关系时，利用多项式拟合ΔQ与Δn之间的表达式

m是多项式阶数。

实施例一

步骤1:本实施范例结合三个典型地区电量数据，时间范围为2017年1月到2019年12月，共36个数据点，包括月份用电量和当月用户新装、增容户数。计算第2017年与第2018年、第2018年与第2019年对应月份的电量差值ΔQ(共24个数据点)，和对应月份用户新装增容户数差值Δn(共24个数据点)之间的皮尔逊相关系数ρ_xy和斯皮尔曼相关系数r_s，如表1所示。

(1)皮尔逊相关系数ρ_xy

皮尔逊相关系数ρ_xy用来度量两个变量之间的线性关系。

变量x、y之间的ρ_xy定义为：

式中，cov(x,y)是x、y的协方差，σ_x是x的标准差，σ_y是y的标准差。

ρ_xy的取值范围为[-1，1]。当ρ_xy＝0时，变量x、y没有关联；当ρ_xy＝1时，变量x、y为正相关；当ρ_xy＝-1时，变量x、y为负相关；|ρ_xy|越大，变量之间的线性相关性越强。

(2)斯皮尔曼相关系数r_s

斯皮尔曼相关系数r_s反映变量之间的变化趋势的方向和程度。

假设变量x、y中各包含N个元素。变量x、y之间的r_s定义为：

式中，d_i ²是二列成对变量的等级差数。

式中，R(x_i)、R(y_i)分别是变量x、y中对应元素x_i、y_i在各自集合中的排名。

r_s的取值范围为[-1,1]。当r_s＝0时，变量x、y没有关联；当r_s＝1时，变量x、y为正相关；当r_s＝-1时，变量x、y为负相关。

表1ΔQ与Δn的相关系数

步骤2：判断ΔQ与Δn之间是否存在相关关系，即若ρ_xy＞0.5且r_s>0.5,则判定ΔQ与Δn之间存在相关关系。基于表1判断，地区1的ΔQ与Δn之间不存在相关关系，所以客户新装、增容户数不影响当地电量增长。地区2、3的ΔQ与Δn之间存在相关关系。

步骤3：根据ρ_xy、r_s的相对大小判断两变量之间是否存在线性关系。基于表1判断，地区2的ρ_xy≈r_s，所以地区2的ΔQ与Δn之间存在线性相关关系。地区3的ΔQ与Δn之间不存在线性相关关系。

步骤4：在步骤(4)中，利用回归拟合变量ΔQ与Δn之间的表达式，具体如下：

(1)当ΔQ与Δn之间存在线性关系时，利用线性回归拟合ΔQ与Δn之间的线性表达式ΔQ＝WΔn+b。

(2)当ΔQ与Δn之间不存在线性关系时，利用多项式拟合ΔQ与Δn之间的表达式

m是多项式阶数。

对地区2的ΔQ与Δn进行线性拟合，线性表达式为：

ΔQ＝0.000395Δn+0.000716

此时的均方误差MSE＝1.741×10^-6，拟合优度R²＝0.902，可以准确的根据地区2的Δn预测出ΔQ。

对地区3的ΔQ与Δn进行多项式拟合，表达式为：

ΔQ＝7.293×10^-6Δn³-0.000504Δn²+0.01154Δn-0.0857

此时的均方误差MSE＝0.001，拟合优度R²＝0.996，可以准确的根据地区3的Δn预测出ΔQ。

在应用阶段，利用步骤4中所拟合的表达式，可以准确的预测出因地区新装、增容户数的增长而增长的电量。

以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。

Claims (6)

1.一种基于电力用户关联性分析的用电量增长预测方法，其特征在于，包括以下步骤：

步骤S01、计算第t年和第t-1年对应月份的电量差值ΔQ和对应月份用户新装增容户数差值Δn之间的皮尔逊相关系数ρ_xy和斯皮尔曼相关系数r_s；

步骤S02、根据皮尔逊相关系数ρ_xy、斯皮尔曼相关系数r_s判断电量差值ΔQ与对应月份用户新装增容户数差值Δn之间是否存在相关关系；若皮尔逊相关系数ρ_xy＞0.5且斯皮尔曼相关系数r_s>0.5,则判定电量差值ΔQ与对应月份用户新装增容户数差值Δn之间存在相关关系；

步骤S03、若电量差值ΔQ与对应月份用户新装增容户数差值Δn之间存在相关关系，根据皮尔逊相关系数ρ_xy、斯皮尔曼相关系数r_s的相对大小判断两变量之间是否存在线性关系；当ρ_xy≈r_s时，即|ρ_xy-r_s|＜ε，ε是为正数，变量ΔQ与Δn之间存在线性关系；

步骤S04、当电量差值ΔQ与对应月份用户新装增容户数差值Δn之间存在线性关系时，利用线性回归拟合ΔQ与Δn之间的线性表达式ΔQ＝WΔn+b；当电量差值ΔQ与对应月份用户新装增容户数差值Δn之间不存在线性关系时，利用多项式拟合ΔQ与Δn之间的表达式

m是多项式阶数；

步骤S05、通过ΔQ与Δn之间的表达式预测因地区新装、增容户数的增长而增长的电量。

2.根据权利要求1所述的基于电力用户关联性分析的用电量增长预测方法，其特征在于，所述步骤S01中，计算第t年和第t-1年对应月份的电量差值ΔQ和对应月份用户新装增容户数差值Δn之间的皮尔逊相关系数ρ_xy和斯皮尔曼相关系数r_s：

(1)皮尔逊相关系数ρ_xy

皮尔逊相关系数ρ_xy用来度量两个变量之间的线性关系；

变量x、y之间的ρ_xy定义为：

式中，cov(x,y)是x、y的协方差，σ_x是x的标准差，σ_y是y的标准差；

ρ_xy的取值范围为[-1，1]。当ρ_xy＝0时，变量x、y没有关联；当ρ_xy＝1时，变量x、y为正相关；当ρ_xy＝-1时，变量x、y为负相关；|ρ_xy|越大，变量之间的线性相关性越强。

3.根据权利要求1所述的基于电力用户关联性分析的用电量增长预测方法，其特征在于，所述步骤S01中，斯皮尔曼相关系数r_s反映变量之间的变化趋势的方向和程度；

假设变量x、y中各包含N个元素，变量x、y之间的r_s定义为：

式中，

是二列成对变量的等级差数；

式中，R(x_i)、R(y_i)分别是变量x、y中对应元素x_i、y_i在各自集合中的排名；

r_s的取值范围为[-1,1]；当r_s＝0时，变量x、y没有关联；当r_s＝1时，变量x、y为正相关；当r_s＝-1时，变量x、y为负相关。

4.根据权利要求1所述的基于电力用户关联性分析的用电量增长预测方法，其特征在于，所述步骤S02中，根据ρ_xy、r_s判断ΔQ与Δn之间是否存在相关关系；若ρ_xy＞0.5且r_s>0.5,则判定ΔQ与Δn之间存在相关关系；若ΔQ与Δn之间不存在相关关系，则地区客户新装、增容户数不会引起用电量变化。

5.根据权利要求1所述的基于电力用户关联性分析的用电量增长预测方法，其特征在于，所述步骤S03中，根据ρ_xy、r_s的相对大小判断两变量之间是否存在线性关系；当ρ_xy≈r_s时，即|ρ_xy-r_s|＜ε，ε是一个很小的正数，变量ΔQ与Δn之间存在线性关系。

6.根据权利要求1所述的基于电力用户关联性分析的用电量增长预测方法，其特征在于，所述步骤S04中，利用回归拟合变量ΔQ与Δn之间的表达式，具体如下：

(1)当ΔQ与Δn之间存在线性关系时，利用线性回归拟合ΔQ与Δn之间的线性表达式ΔQ＝WΔn+b；

(2)当ΔQ与Δn之间不存在线性关系时，利用多项式拟合ΔQ与Δn之间的表达式

m是多项式阶数。

Images