CN114358381A - 台区用电负荷预测方法、装置、终端及存储介质 - Google Patents
台区用电负荷预测方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN114358381A CN114358381A CN202111470096.4A CN202111470096A CN114358381A CN 114358381 A CN114358381 A CN 114358381A CN 202111470096 A CN202111470096 A CN 202111470096A CN 114358381 A CN114358381 A CN 114358381A
- Authority
- CN
- China
- Prior art keywords
- time period
- preset time
- user
- load
- power load
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000002159 abnormal effect Effects 0.000 claims abstract description 106
- 238000004590 computer program Methods 0.000 claims description 20
- 230000005611 electricity Effects 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 238000013277 forecasting method Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种台区用电负荷预测方法、装置、终端及存储介质。该方法包括:获取台区内各个用户在预设时间段的历史用电负荷;根据各个用户在预设时间段的历史用电负荷,将台区内用户划分为异常用户和正常用户;对异常用户在预设时间段的历史用电负荷进行修正,得到修正后的异常用户在预设时间段的历史用电负荷;根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,预测得到台区在本年度的预设时间段的用电负荷。本发明能够识别异常用户,并对异常用户的历史用电负荷进行修正,基于修正后的历史用电负荷进行预测,能够提高台区用电负荷预测的准确性。
Description
技术领域
本发明涉及负荷预测技术领域,尤其涉及一种台区用电负荷预测方法、装置、终端及存储介质。
背景技术
随着用电规模的不断扩大,通常需要对台区用电负荷进行预测,从而可以根据预测得到的台区用电负荷提前制定供电策略,保证可靠供电。
目前,通常是仅根据台区的历史用电负荷进行台区的用电负荷预测,然而,在台区的历史用电负荷中,可能包含用电异常的用户的用电负荷,导致台区的历史用电负荷不准确,进而导致台区用电负荷预测不准确。
发明内容
本发明实施例提供了一种台区用电负荷预测方法、装置、终端及存储介质,以解决台区用电负荷预测不准确的问题。
第一方面,本发明实施例提供了一种台区用电负荷预测方法,包括:
获取台区内各个用户在预设时间段的历史用电负荷;
根据各个用户在预设时间段的历史用电负荷,将台区内用户划分为异常用户和正常用户;
对异常用户在预设时间段的历史用电负荷进行修正,得到修正后的异常用户在预设时间段的历史用电负荷;
根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,预测得到台区在本年度的预设时间段的用电负荷。
在一种可能的实现方式中,各个用户在预设时间段的历史用电负荷包括各个用户在过去连续N年的预设时间段的用电负荷;过去连续N年包括去年;N≥3;
根据各个用户在预设时间段的历史用电负荷,将台区内用户划分为异常用户和正常用户,包括:
对各个用户在去年的预设时间段的用电负荷进行聚类分析,得到多个聚类中心;
针对台区内的每个用户,根据该用户在过去连续N年的预设时间段的用电负荷,判断该用户在去年的预设时间段的用电负荷是否异常;若该用户在去年的预设时间段的用电负荷异常,则计算该用户在去年的预设时间段的用电负荷与各个聚类中心的距离,获取该用户在去年的预设时间段的用电负荷与各个聚类中心的距离中的最小值,若最小值大于预设阈值,则确定该用户为异常用户;若该用户在去年的预设时间段的用电负荷正常或最小值不大于预设阈值,则确定该用户为正常用户。
在一种可能的实现方式中,对异常用户在预设时间段的历史用电负荷进行修正,得到修正后的异常用户在预设时间段的历史用电负荷,包括:
针对每个异常用户,将该异常用户在去年的预设时间段的用电负荷修正为与该用电负荷距离最近的聚类中心的用电负荷,得到修正后的该异常用户在预设时间段的历史用电负荷。
在一种可能的实现方式中,根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,预测得到台区在本年度的预设时间段的用电负荷,包括:
获取台区在预设时间段的历史温度数据,并根据台区在预设时间段的历史温度数据,确定台区在预设时间段的环境增长系数;
根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,确定台区在预设时间段的用电负荷增长系数;
根据修正后的异常用户在预设时间段的历史用电负荷、正常用户在预设时间段的历史用电负荷、台区在预设时间段的环境增长系数和台区在预设时间段的用电负荷增长系数,得到台区在本年度的预设时间段的用电负荷。
在一种可能的实现方式中,根据修正后的异常用户在预设时间段的历史用电负荷、正常用户在预设时间段的历史用电负荷、台区在预设时间段的环境增长系数和台区在预设时间段的用电负荷增长系数,得到台区在本年度的预设时间段的用电负荷,包括:
根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,得到台区在去年的预设时间段的用电负荷;
根据台区在去年的预设时间段的用电负荷、台区在预设时间段的环境增长系数和台区在预设时间段的用电负荷增长系数,得到台区在本年度的预设时间段的用电负荷。
在一种可能的实现方式中,根据台区在去年的预设时间段的用电负荷、台区在预设时间段的环境增长系数和台区在预设时间段的用电负荷增长系数,得到台区在本年度的预设时间段的用电负荷,包括:
根据F=D(1+a)(1+b),得到台区在本年度的预设时间段的用电负荷F;
其中,D为台区在去年的预设时间段的用电负荷;a为台区在预设时间段的环境增长系数;b为台区在预设时间段的用电负荷增长系数。
在一种可能的实现方式中,获取台区内各个用户在预设时间段的历史用电负荷,包括:
基于用电信息采集系统,获取台区内各个用户在预设时间段的历史用电负荷;其中,用电采集系统采用5G技术与各个用电采集终端通信连接,用于实时获取各个用电采集终端采集的用电负荷。
第二方面,本发明实施例提供了一种台区用电负荷预测装置,包括:
获取模块,用于获取台区内各个用户在预设时间段的历史用电负荷;
用户划分模块,用于根据各个用户在预设时间段的历史用电负荷,将台区内用户划分为异常用户和正常用户;
修正模块,用于对异常用户在预设时间段的历史用电负荷进行修正,得到修正后的异常用户在预设时间段的历史用电负荷;
预测模块,用于根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,预测得到台区在本年度的预设时间段的用电负荷。
第三方面,本发明实施例提供了一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述的台区用电负荷预测方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述的台区用电负荷预测方法的步骤。
本发明实施例提供一种台区用电负荷预测方法、装置、终端及存储介质,通过获取台区内各个用户在预设时间段的历史用电负荷;根据各个用户在预设时间段的历史用电负荷,将台区内用户划分为异常用户和正常用户;对异常用户在预设时间段的历史用电负荷进行修正,得到修正后的异常用户在预设时间段的历史用电负荷;根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,预测得到台区在本年度的预设时间段的用电负荷,能够识别异常用户,并对异常用户的历史用电负荷进行修正,基于修正后的历史用电负荷进行预测,能够提高台区用电负荷预测的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的台区用电负荷预测方法的实现流程图;
图2是本发明实施例提供的台区用电负荷预测装置的结构示意图;
图3是本发明实施例提供的终端的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
参见图1,其示出了本发明实施例提供的台区用电负荷预测方法的实现流程图,其中,台区用电负荷预测方法的执行主体可以是终端。
参见图1,台区用电负荷预测方法详述如下:
在S101中,获取台区内各个用户在预设时间段的历史用电负荷。
在本实施例中,可以采用现有方法,获取台区内各个用户在预设时间段的历史用电负荷。用户在预设时间段的历史用电负荷为用户在本年度之前的多个年度的预设时间段的用电负荷。预设时间段可以根据实际需求设置,例如,可以为某个月,也可以是某个季度,等等。
在一些实施例中,上述S101可以包括:
基于用电信息采集系统,获取台区内各个用户在预设时间段的历史用电负荷;其中,用电采集系统采用5G技术与各个用电采集终端通信连接,用于实时获取各个用电采集终端采集的用电负荷。
用电信息采集系统是用于采集用户用电信息的系统,可以通过各个用电采集终端采集各个用户的用电负荷。该系统可以通过5G技术与各个用电采集终端通信连接,实现海量负荷数据的汇聚。
其中,每个用户可以对应一个用电采集终端。
在S102中,根据各个用户在预设时间段的历史用电负荷,将台区内用户划分为异常用户和正常用户。
本实施例可以根据用户在预设时间段的历史用电负荷,判断该用户为异常用户还是正常用户。异常用户是指该用户的用电负荷发生突变,不符合一定的规律。
在一些实施例中,各个用户在预设时间段的历史用电负荷包括各个用户在过去连续N年的预设时间段的用电负荷;过去连续N年包括去年;N≥3;
上述S102可以包括:
对各个用户在去年的预设时间段的用电负荷进行聚类分析,得到多个聚类中心;
针对台区内的每个用户,根据该用户在过去连续N年的预设时间段的用电负荷,判断该用户在去年的预设时间段的用电负荷是否异常;若该用户在去年的预设时间段的用电负荷异常,则计算该用户在去年的预设时间段的用电负荷与各个聚类中心的距离,获取该用户在去年的预设时间段的用电负荷与各个聚类中心的距离中的最小值,若最小值大于预设阈值,则确定该用户为异常用户;若该用户在去年的预设时间段的用电负荷正常或最小值不大于预设阈值,则确定该用户为正常用户。
在本实施例中,用户在预设时间段的历史用电负荷可以包括该用户从去年开始往前连续N年的预设时间段的用电负荷。
上述根据该用户在过去连续N年的预设时间段的用电负荷,判断该用户在去年的预设时间段的用电负荷是否异常,可以包括:
根据该用户在过去连续N年的预设时间段的用电负荷计算该用户在过去连续N年中,每年在预设时间段的用电负荷增长率(连续N年中的最早一年可忽略,不计算用电负荷增长率);其中,该用户在X年的预设时间段的用电负荷增长率=(该用户在X年的预设时间段的用电负荷-该用户在X-1年的预设时间段的用电负荷)/该用户在X-1年的预设时间段的用电负荷;
求取该用户除去年外的每年在预设时间段的用电负荷增长率的平均值;
若该平均值与该用户在去年的预设时间段的用电负荷增长率的差值的绝对值大于预设差值阈值,则确定该用户在去年的预设时间段的用电负荷异常;否则,确定该用户在去年的预设时间段的用电负荷正常。其中,预设差值阈值可根据实际需求设置,在此不做具体限制。
若该用户在去年的预设时间段的用电负荷正常,则确定该用户为正常用户。
若该用户在去年的预设时间段的用电负荷异常,则基于聚类分析得到的多个聚类中心,计算该用户在去年的预设时间段的用电负荷与各个聚类中心的距离,并选取与各个聚类中心的距离中的最小值,若最小值大于预设阈值,则确定该用户为异常用户,否则,确定该用户为正常用户。
其中,预设阈值可以根据实际需求设置,在此不做具体限制。
本实施例可以采用现有聚类方法,例如,K-Means聚类算法等,对各个用户在去年的预设时间段的用电负荷进行聚类分析,得到多个聚类中心。
在S103中,对异常用户在预设时间段的历史用电负荷进行修正,得到修正后的异常用户在预设时间段的历史用电负荷。
在一些实施例中,上述S103可以包括:
针对每个异常用户,将该异常用户在去年的预设时间段的用电负荷修正为与该用电负荷距离最近的聚类中心的用电负荷,得到修正后的该异常用户在预设时间段的历史用电负荷。
在本实施例中,通过将异常用户在去年的预设时间段的用电负荷修正为与该异常用户在去年的预设时间段的用电负荷距离最近的聚类中心所表示的用电负荷,达到对该异常用户在预设时间段的历史用电负荷进行修正的目的。
由于对本年度的预设时间段的用电负荷的基础是各个用户在去年的预设时间段的用电负荷,因此,本申请仅对异常用户在去年的预设时间段的用电负荷进行修正即可。
在S104中,根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,预测得到台区在本年度的预设时间段的用电负荷。
在一些实施例中,上述S104可以包括:
获取台区在预设时间段的历史温度数据,并根据台区在预设时间段的历史温度数据,确定台区在预设时间段的环境增长系数;
根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,确定台区在预设时间段的用电负荷增长系数;
根据修正后的异常用户在预设时间段的历史用电负荷、正常用户在预设时间段的历史用电负荷、台区在预设时间段的环境增长系数和台区在预设时间段的用电负荷增长系数,得到台区在本年度的预设时间段的用电负荷。
其中,台区在预设时间段的历史温度数据可以包括台区在过去连续N年的预设时间段的温度数据,该温度数据可以是平均温度,过去连续N年包括去年。
由于温度对于台区用电负荷存在影响,所以本申请在预测台区用电负荷时考虑温度数据。
根据台区在预设时间段的历史温度数据,计算在过去连续N年中,台区在每年的预设时间段的温度增长率(连续N年中的最早一年可忽略,不计算温度增长率),其中,台区在X年的预设时间段的温度增长率=(台区在X年的预设时间段的温度数据-台区在X-1年的预设时间段的温度数据)/台区在X-1年的预设时间段的温度数据;将台区在每年的预设时间段的温度增长率的平均值作为台区在预设时间段的环境增长系数。
基于同样的原理,根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,计算在过去连续N年中,台区在每年的预设时间段的用电负荷增长率(连续N年中的最早一年可忽略,不计算用电负荷增长率),其中,台区在X年的预设时间段的用电负荷增长率=(台区在X年的预设时间段的用电负荷-台区在X-1年的预设时间段的用电负荷)/台区在X-1年的预设时间段的用电负荷,台区在X年的预设时间段的用电负荷可以是台区各个用户在X年的预设时间段的用电负荷之和;将台区在每年的预设时间段的用电负荷增长率的平均值作为台区在预设时间段的用电负荷增长系数。
在一些实施例中,上述根据修正后的异常用户在预设时间段的历史用电负荷、正常用户在预设时间段的历史用电负荷、台区在预设时间段的环境增长系数和台区在预设时间段的用电负荷增长系数,得到台区在本年度的预设时间段的用电负荷,包括:
根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,得到台区在去年的预设时间段的用电负荷;
根据台区在去年的预设时间段的用电负荷、台区在预设时间段的环境增长系数和台区在预设时间段的用电负荷增长系数,得到台区在本年度的预设时间段的用电负荷。
其中,台区在去年的预设时间段的用电负荷为修正后的各个异常用户在去年的预设时间段的用电负荷和各个正常用户在去年的预设时间段的用电负荷之和。
在一些实施例中,上述根据台区在去年的预设时间段的用电负荷、台区在预设时间段的环境增长系数和台区在预设时间段的用电负荷增长系数,得到台区在本年度的预设时间段的用电负荷,包括:
根据F=D(1+a)(1+b),得到台区在本年度的预设时间段的用电负荷F;
其中,D为台区在去年的预设时间段的用电负荷;a为台区在预设时间段的环境增长系数;b为台区在预设时间段的用电负荷增长系数。
在一种可能的实现方式中,上述S104可以包括:
根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,确定台区在预设时间段的用电负荷增长系数;
根据修正后的异常用户在预设时间段的历史用电负荷、正常用户在预设时间段的历史用电负荷和台区在预设时间段的用电负荷增长系数,得到台区在本年度的预设时间段的用电负荷。
其中,上述根据修正后的异常用户在预设时间段的历史用电负荷、正常用户在预设时间段的历史用电负荷和台区在预设时间段的用电负荷增长系数,得到台区在本年度的预设时间段的用电负荷,包括:
根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,得到台区在去年的预设时间段的用电负荷;
根据F=D(1+b),得到台区在本年度的预设时间段的用电负荷F;其中,D为台区在去年的预设时间段的用电负荷;b为台区在预设时间段的用电负荷增长系数。
其中,部分步骤的具体实现过程可参见前述说明,在此不再赘述。
本实施例通过获取台区内各个用户在预设时间段的历史用电负荷;根据各个用户在预设时间段的历史用电负荷,将台区内用户划分为异常用户和正常用户;对异常用户在预设时间段的历史用电负荷进行修正,得到修正后的异常用户在预设时间段的历史用电负荷;根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,预测得到台区在本年度的预设时间段的用电负荷,能够识别异常用户,并对异常用户的历史用电负荷进行修正,基于修正后的历史用电负荷进行预测,能够提高台区用电负荷预测的准确性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图2示出了本发明实施例提供的台区用电负荷预测装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图2所示,台区用电负荷预测装置30包括:获取模块31、用户划分模块32、修正模块33和预测模块34。
获取模块31,用于获取台区内各个用户在预设时间段的历史用电负荷;
用户划分模块32,用于根据各个用户在预设时间段的历史用电负荷,将台区内用户划分为异常用户和正常用户;
修正模块33,用于对异常用户在预设时间段的历史用电负荷进行修正,得到修正后的异常用户在预设时间段的历史用电负荷;
预测模块34,用于根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,预测得到台区在本年度的预设时间段的用电负荷。
在一种可能的实现方式中,各个用户在预设时间段的历史用电负荷包括各个用户在过去连续N年的预设时间段的用电负荷;过去连续N年包括去年;N≥3;
用户划分模块32具体用于:
对各个用户在去年的预设时间段的用电负荷进行聚类分析,得到多个聚类中心;
针对台区内的每个用户,根据该用户在过去连续N年的预设时间段的用电负荷,判断该用户在去年的预设时间段的用电负荷是否异常;若该用户在去年的预设时间段的用电负荷异常,则计算该用户在去年的预设时间段的用电负荷与各个聚类中心的距离,获取该用户在去年的预设时间段的用电负荷与各个聚类中心的距离中的最小值,若最小值大于预设阈值,则确定该用户为异常用户;若该用户在去年的预设时间段的用电负荷正常或最小值不大于预设阈值,则确定该用户为正常用户。
在一种可能的实现方式中,修正模块33具体用于:
针对每个异常用户,将该异常用户在去年的预设时间段的用电负荷修正为与该用电负荷距离最近的聚类中心的用电负荷,得到修正后的该异常用户在预设时间段的历史用电负荷。
在一种可能的实现方式中,预测模块34具体用于:
获取台区在预设时间段的历史温度数据,并根据台区在预设时间段的历史温度数据,确定台区在预设时间段的环境增长系数;
根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,确定台区在预设时间段的用电负荷增长系数;
根据修正后的异常用户在预设时间段的历史用电负荷、正常用户在预设时间段的历史用电负荷、台区在预设时间段的环境增长系数和台区在预设时间段的用电负荷增长系数,得到台区在本年度的预设时间段的用电负荷。
在一种可能的实现方式中,预测模块34具体用于:
根据修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,得到台区在去年的预设时间段的用电负荷;
根据台区在去年的预设时间段的用电负荷、台区在预设时间段的环境增长系数和台区在预设时间段的用电负荷增长系数,得到台区在本年度的预设时间段的用电负荷。
在一种可能的实现方式中,预测模块34具体用于:
根据F=D(1+a)(1+b),得到台区在本年度的预设时间段的用电负荷F;
其中,D为台区在去年的预设时间段的用电负荷;a为台区在预设时间段的环境增长系数;b为台区在预设时间段的用电负荷增长系数。
在一种可能的实现方式中,获取模块31具体用于:
基于用电信息采集系统,获取台区内各个用户在预设时间段的历史用电负荷;其中,用电采集系统采用5G技术与各个用电采集终端通信连接,用于实时获取各个用电采集终端采集的用电负荷。
图3是本发明实施例提供的终端的示意图。如图3所示,该实施例的终端4包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个台区用电负荷预测方法实施例中的步骤,例如图1所示的S101至S104。或者,所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能,例如图2所示模块/单元31至34的功能。
示例性的,所述计算机程序42可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器41中,并由所述处理器40执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序42在所述终端4中的执行过程。例如,所述计算机程序42可以被分割成图2所示的模块/单元31至34。
所述终端4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端4可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图3仅仅是终端4的示例,并不构成对终端4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端4的内部存储单元,例如终端4的硬盘或内存。所述存储器41也可以是所述终端4的外部存储设备,例如所述终端4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述终端4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、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单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个台区用电负荷预测方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种台区用电负荷预测方法,其特征在于,包括:
获取台区内各个用户在预设时间段的历史用电负荷;
根据各个用户在预设时间段的历史用电负荷,将台区内用户划分为异常用户和正常用户;
对异常用户在预设时间段的历史用电负荷进行修正,得到修正后的异常用户在预设时间段的历史用电负荷;
根据所述修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,预测得到所述台区在本年度的所述预设时间段的用电负荷。
2.根据权利要求1所述的台区用电负荷预测方法,其特征在于,各个用户在预设时间段的历史用电负荷包括各个用户在过去连续N年的预设时间段的用电负荷;所述过去连续N年包括去年;N≥3;
所述根据各个用户在预设时间段的历史用电负荷,将台区内用户划分为异常用户和正常用户,包括:
对各个用户在去年的预设时间段的用电负荷进行聚类分析,得到多个聚类中心;
针对台区内的每个用户,根据该用户在过去连续N年的预设时间段的用电负荷,判断该用户在去年的预设时间段的用电负荷是否异常;若该用户在去年的预设时间段的用电负荷异常,则计算该用户在去年的预设时间段的用电负荷与各个所述聚类中心的距离,获取该用户在去年的预设时间段的用电负荷与各个所述聚类中心的距离中的最小值,若所述最小值大于预设阈值,则确定该用户为异常用户;若该用户在去年的预设时间段的用电负荷正常或所述最小值不大于所述预设阈值,则确定该用户为正常用户。
3.根据权利要求2所述的台区用电负荷预测方法,其特征在于,所述对异常用户在预设时间段的历史用电负荷进行修正,得到修正后的异常用户在预设时间段的历史用电负荷,包括:
针对每个异常用户,将该异常用户在去年的预设时间段的用电负荷修正为与该用电负荷距离最近的聚类中心的用电负荷,得到修正后的该异常用户在预设时间段的历史用电负荷。
4.根据权利要求1所述的台区用电负荷预测方法,其特征在于,所述根据所述修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,预测得到所述台区在本年度的所述预设时间段的用电负荷,包括:
获取所述台区在所述预设时间段的历史温度数据,并根据所述台区在所述预设时间段的历史温度数据,确定所述台区在所述预设时间段的环境增长系数;
根据所述修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,确定所述台区在所述预设时间段的用电负荷增长系数;
根据所述修正后的异常用户在预设时间段的历史用电负荷、所述正常用户在预设时间段的历史用电负荷、所述台区在所述预设时间段的环境增长系数和所述台区在所述预设时间段的用电负荷增长系数,得到所述台区在本年度的所述预设时间段的用电负荷。
5.根据权利要求4所述的台区用电负荷预测方法,其特征在于,所述根据所述修正后的异常用户在预设时间段的历史用电负荷、所述正常用户在预设时间段的历史用电负荷、所述台区在所述预设时间段的环境增长系数和所述台区在所述预设时间段的用电负荷增长系数,得到所述台区在本年度的所述预设时间段的用电负荷,包括:
根据所述修正后的异常用户在预设时间段的历史用电负荷和所述正常用户在预设时间段的历史用电负荷,得到所述台区在去年的预设时间段的用电负荷;
根据所述台区在去年的预设时间段的用电负荷、所述台区在所述预设时间段的环境增长系数和所述台区在所述预设时间段的用电负荷增长系数,得到所述台区在本年度的所述预设时间段的用电负荷。
6.根据权利要求5所述的台区用电负荷预测方法,其特征在于,所述根据所述台区在去年的预设时间段的用电负荷、所述台区在所述预设时间段的环境增长系数和所述台区在所述预设时间段的用电负荷增长系数,得到所述台区在本年度的所述预设时间段的用电负荷,包括:
根据F=D(1+a)(1+b),得到所述台区在本年度的所述预设时间段的用电负荷F;
其中,D为所述台区在去年的预设时间段的用电负荷;a为所述台区在所述预设时间段的环境增长系数;b为所述台区在所述预设时间段的用电负荷增长系数。
7.根据权利要求1至6任一项所述的台区用电负荷预测方法,其特征在于,所述获取台区内各个用户在预设时间段的历史用电负荷,包括:
基于用电信息采集系统,获取台区内各个用户在预设时间段的历史用电负荷;其中,所述用电采集系统采用5G技术与各个用电采集终端通信连接,用于实时获取各个用电采集终端采集的用电负荷。
8.一种台区用电负荷预测装置,其特征在于,包括:
获取模块,用于获取台区内各个用户在预设时间段的历史用电负荷;
用户划分模块,用于根据各个用户在预设时间段的历史用电负荷,将台区内用户划分为异常用户和正常用户;
修正模块,用于对异常用户在预设时间段的历史用电负荷进行修正,得到修正后的异常用户在预设时间段的历史用电负荷;
预测模块,用于根据所述修正后的异常用户在预设时间段的历史用电负荷和正常用户在预设时间段的历史用电负荷,预测得到所述台区在本年度的所述预设时间段的用电负荷。
9.一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述台区用电负荷预测方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述台区用电负荷预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111470096.4A CN114358381A (zh) | 2021-12-03 | 2021-12-03 | 台区用电负荷预测方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111470096.4A CN114358381A (zh) | 2021-12-03 | 2021-12-03 | 台区用电负荷预测方法、装置、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114358381A true CN114358381A (zh) | 2022-04-15 |
Family
ID=81098169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111470096.4A Pending CN114358381A (zh) | 2021-12-03 | 2021-12-03 | 台区用电负荷预测方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114358381A (zh) |
-
2021
- 2021-12-03 CN CN202111470096.4A patent/CN114358381A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109495318B (zh) | 一种移动通信网络流量预测方法、装置及可读存储介质 | |
CN112651563B (zh) | 负荷预测方法、装置、计算机可读存储介质及电子设备 | |
CN112086203A (zh) | 一种疫情预测方法、装置及终端设备 | |
CN113705929B (zh) | 一种基于负荷特征曲线及典型特征值融合的春节假期负荷预测方法 | |
CN111680841A (zh) | 基于主成分分析的短期负荷预测方法、系统及终端设备 | |
CN113516275A (zh) | 一种配电网超短期负荷预测方法、装置及终端设备 | |
CN111881243A (zh) | 一种出租车轨迹热点区域分析方法及系统 | |
CN114912720A (zh) | 基于记忆网络电力负荷预测方法、装置、终端及存储介质 | |
CN113591900A (zh) | 一种高需求响应潜力用户的识别方法、装置及终端设备 | |
CN112347154A (zh) | 一种渣皮脱落指数计算方法、终端设备及存储介质 | |
CN112488297A (zh) | 一种神经网络剪枝方法、模型生成方法及装置 | |
CN111160614B (zh) | 资源转移预测模型的训练方法、装置及计算设备 | |
CN113592192A (zh) | 短期电力负荷预测方法、装置及终端设备 | |
CN111144634A (zh) | 一种电力价格预测的方法以及装置 | |
CN111127114A (zh) | 一种电力负荷申报数据的确定方法以及装置 | |
CN111523083A (zh) | 一种电力负荷申报数据的确定方法以及装置 | |
CN116701887A (zh) | 用电量预测方法、装置、电子设备及存储介质 | |
CN112541841A (zh) | 用于模拟过去未来数据的方法、装置及终端设备 | |
CN108830663B (zh) | 电力客户价值评价方法、系统及终端设备 | |
CN114358381A (zh) | 台区用电负荷预测方法、装置、终端及存储介质 | |
CN111162792A (zh) | 一种电力负荷数据的压缩方法及装置 | |
CN113190429B (zh) | 服务器性能预测方法、装置及终端设备 | |
CN111813719B (zh) | 数据轮询方法、装置及终端设备 | |
CN111585789B (zh) | 数据预测方法及装置 | |
CN114519267A (zh) | 地下电缆模型的数据更新方法 |
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 |