CN117353300B - 一种基于大数据的农村用电需求量分析方法 - Google Patents

一种基于大数据的农村用电需求量分析方法 Download PDF

Info

Publication number
CN117353300B
CN117353300B CN202311639593.1A CN202311639593A CN117353300B CN 117353300 B CN117353300 B CN 117353300B CN 202311639593 A CN202311639593 A CN 202311639593A CN 117353300 B CN117353300 B CN 117353300B
Authority
CN
China
Prior art keywords
target
time period
rural area
period
rural
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.)
Active
Application number
CN202311639593.1A
Other languages
English (en)
Other versions
CN117353300A (zh
Inventor
周言
马成龙
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.)
Tuorui Technology Co ltd
Original Assignee
Tuorui Technology 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 Tuorui Technology Co ltd filed Critical Tuorui Technology Co ltd
Priority to CN202311639593.1A priority Critical patent/CN117353300B/zh
Publication of CN117353300A publication Critical patent/CN117353300A/zh
Application granted granted Critical
Publication of CN117353300B publication Critical patent/CN117353300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/10Pre-processing; Data cleansing
    • G06F18/15Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/27Regression, e.g. linear or logistic regression
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315Needs-based resource requirements planning or analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003Load forecast, e.g. methods or systems for forecasting future load demand
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及农村用电需求量分析领域,具体公开一种基于大数据的农村用电需求量分析方法,本发明通过农村地区的历史用电量信息,获取农村地区的参考用电需求量;并获取农村地区的用电影响因素信息,分析农村地区用电影响因素变化量与用电变化量之间关系,分析农村地区参考用电需求量的波动量,进一步得到农村地区的预估用电需求量,结合农村用电量随时间变化的趋势和影响农村用电量因素的变化,综合评估农村的预估用电需求量,进而提高农村用电需求量分析结果的可靠性,有助于了解农村用电的实际需求,为电力供应部门制定合理的发展规划和投资决策提供科学依据。

Description

一种基于大数据的农村用电需求量分析方法
技术领域
本发明涉及农村用电需求量分析领域,涉及到一种基于大数据的农村用电需求量分析方法。
背景技术
随着农村经济的快速发展和生活水平的提高,农村对电力的需求也在不断增加。对农村用电需求量进行分析是为了解农村用电的实际需求以及未来的发展趋势,为电力供应部门制定合理的发展规划和投资决策提供科学依据,进而促进农村电力供应的可持续发展,有利于推动农村经济发展和改善农民生活水平,具有重要意义。
现有的农村用电需求量分析方法,大都依据农村用电量随时间变化的趋势曲线,进而预测农村用电需求量,没有考虑到与农村用电量有关的各因素的变化对农村用电量的影响,如人口数量,农田面积和气象数据等,进而无法对预测的农村用电需求量进行补偿修正,从而使得现有方法分析农村用电需求量结果的可靠性不足,容易存在偏差。
发明内容
针对上述问题,本发明提出了一种基于大数据的农村用电需求量分析方法,具体技术方案如下:一种基于大数据的农村用电需求量分析方法,包括如下步骤:步骤一、历史用电量数据获取:获取目标农村地区需要进行用电需求量预测的时间段,将其记为预测时间段,根据预测时间段,设定监测周期,获取监测周期内各时间段目标农村地区的用电量和历史时期中各历史年份中历史预测时间段目标农村地区的用电量。
步骤二、参考用电需求量分析:根据监测周期内各时间段目标农村地区的用电量和历史时期中各历史年份中历史预测时间段目标农村地区的用电量,分析预测时间段目标农村地区的参考用电需求量。
步骤三、用电影响因素信息收集:获取分析周期内各时间段目标农村地区的用电影响因素信息,其中用电影响因素信息包括农村人口数据、农田面积数据和气象数据。
步骤四、用电影响因素信息预处理:对分析周期内各时间段目标农村地区的用电影响因素信息进行缺失值处理和异常值处理,得到预处理后的分析周期内各时间段目标农村地区的用电影响因素信息。
步骤五、用电影响因素信息解析:根据预处理后的分析周期内各时间段目标农村地区的用电影响因素信息,分析目标农村地区中各用电影响因素的变化量与用电量的变化量之间的关系函数,将其记为目标农村地区中各用电影响因素的特征函数。
步骤六、预估用电需求量获取:获取预测时间段目标农村地区中各用电影响因素的变化量,结合目标农村地区中各用电影响因素的特征函数,分析预测时间段目标农村地区参考用电需求量的波动量,进一步得到预测时间段目标农村地区的预估用电需求量,并进行反馈。
在上述实施例的基础上,所述步骤一的具体分析过程为:获取目标农村地区需要进行用电需求量预测的时间段,将其记为预测时间段,按照预设的原则设定监测周期的起始时间,并将预测时间段的开始时间作为监测周期的结束时间,进而得到监测周期。
按照与预测时间段等时长的原则对监测周期进行划分,得到监测周期内各时间段。
通过目标农村地区的能源管理部门获取监测周期内各时间段目标农村地区的用电量。
设定历史时期的时长,获取历史时期中各历史年份中历史预测时间段目标农村地区的用电量。
在上述实施例的基础上,所述步骤二的具体分析过程为:以监测周期内各时间段为自变量、以目标农村地区用电量为因变量建立坐标系,根据监测周期内各时间段目标农村地区的用电量,在坐标系中标出对应的数据点,利用数学模型的建立方法,获取监测周期内各时间段目标农村地区用电量对应的曲线,将其记为第一用电量趋势曲线,根据第一用电量趋势曲线,获取预测时间段对应的目标农村地区用电量,将其记为预测时间段目标农村地区第一参考用电量。
根据历史时期中各历史年份中历史预测时间段目标农村地区的用电量,获取历史时期中各历史年份中历史预测时间段目标农村地区用电量对应的曲线,进一步得到预测时间段目标农村地区第二参考用电量。
对预测时间段目标农村地区第一参考用电量和第二参考用电量进行平均值计算,得到预测时间段目标农村地区的参考用电需求量。
在上述实施例的基础上,所述步骤三的具体分析过程为:设定分析周期的时长,按照预设的等时长原则对分析周期进行划分,得到分析周期内各时间段。
获取分析周期内各时间段目标农村地区的农村人口数量和农田面积,并获取分析周期内各时间段目标农村地区的平均温度、累计降雨量和平均风力等级。
在上述实施例的基础上,所述步骤四中对分析周期内各时间段目标农村地区的用电影响因素信息进行缺失值处理,具体过程为:根据分析周期内各时间段目标农村地区的用电影响因素信息,获取目标农村地区各用电影响因素的各缺值时间段,获取目标农村地区各用电影响因素在其对应各缺值时间段的相邻上一时间段和相邻上一时间段的数值,并进行平均值计算,得到目标农村地区各用电影响因素在其对应各缺值时间段的替代值,进行代入,得到缺失值处理后的分析周期内各时间段目标农村地区的用电影响因素信息。
在上述实施例的基础上,所述步骤四中对分析周期内各时间段目标农村地区的用电影响因素信息进行异常值处理,具体过程包括:以分析周期内各时间段为自变量、以目标农村地区各用电影响因素为因变量建立坐标系,根据缺失值处理后的分析周期内各时间段目标农村地区的用电影响因素信息,在坐标系中标出对应的数据点,利用数学线性回归分析方法,获取目标农村地区各用电影响因素的一元线性回归直线。
根据目标农村地区各用电影响因素的一元线性回归直线,得到目标农村地区各用电影响因素在分析周期内各时间段的预测值,将目标农村地区各用电影响因素在分析周期内各时间段的数值与其对应的预测值进行比对,得到目标农村地区各用电影响因素在分析周期内各时间段的数值与其对应预测值之间差值的绝对值,将其记为目标农村地区各用电影响因素在分析周期内各时间段的相对数值偏差,并表示为,/>表示第/>个用电影响因素的编号,/>,/>表示分析周期内第/>个时间段的编号,/>
通过分析公式得到目标农村地区各用电影响因素在分析周期内各时间段的数值异常倾向系数/>,其中/>表示预设的数值异常倾向系数的修正因子,/>表示分析周期内时间段的数量。
在上述实施例的基础上,所述步骤四中对分析周期内各时间段目标农村地区的用电影响因素信息进行异常值处理,具体过程还包括:根据目标农村地区各用电影响因素在分析周期内各时间段的数值异常倾向系数,获取目标农村地区各用电影响因素的各异值时间段。
根据目标农村地区各用电影响因素的一元线性回归直线,得到目标农村地区各用电影响因素在其对应的各异值时间段的预测值。
将目标农村地区各用电影响因素在各异值时间段的数值替换为其异值时间段对应的预测值,得到异常值处理后的分析周期内各时间段目标农村地区的用电影响因素信息。
在上述实施例的基础上,所述步骤五的具体分析过程为:获取分析周期内各时间段目标农村地区的用电量变化量和各用电影响因素的变化量,绘制目标农村地区中各用电影响因素变化量与用电量变化量之间的关系曲线,进一步获取目标农村地区中各用电影响因素变化量与用电量变化量之间的关系函数,将其记为目标农村地区中各用电影响因素的特征函数。
在上述实施例的基础上,所述步骤六的具体分析过程包括:获取预测时间段和预测时间段相邻上一时间段的目标农村地区中各用电影响因素信息,并进行比对,得到预测时间段目标农村地区中各用电影响因素的变化量。
将预测时间段目标农村地区中各用电影响因素的变化量代入其用电影响因素的特征函数,得到预测时间段目标农村地区中各用电影响因素变化量对应的用电量变化量,将其记为
在上述实施例的基础上,所述步骤六的具体分析过程还包括:通过分析公式得到预测时间段目标农村地区参考用电需求量的波动量/>,其中表示预设的第/>个用电影响因素的权重因子,/>
将预测时间段目标农村地区的参考用电需求量与参考用电需求量的波动量进行累加,得到预测时间段目标农村地区的预估用电需求量,将其反馈至目标农村地区的能源管理部门。
相对于现有技术,本发明所述的一种基于大数据的农村用电需求量分析方法以下有益效果:本发明通过农村的历史用电量信息,获取农村的参考用电需求量;并获取农村的用电影响因素信息,分析农村用电影响因素变化量与用电量变化量之间关系,分析农村参考用电需求量的波动量,进一步得到农村的预估用电需求量,结合农村用电量随时间变化的趋势和影响农村用电量因素的变化,综合评估农村的预估用电需求量,进而提高农村用电需求量分析结果的可靠性,有助于了解农村用电的实际需求,为电力供应部门制定合理的发展规划和投资决策提供科学依据。
本发明通过对农村用电影响因素信息进行缺失值处理和异常值处理,得到预处理后的农村用电影响因素信息,使得基于农村用电影响因素信息的农村参考用电需求量的波动量的分析结果更加精准,进而有利于提高农村预估用电需求量评估结果的准确性和可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供的一种基于大数据的农村用电需求量分析方法,包括如下步骤:步骤一、历史用电量数据获取:获取目标农村地区需要进行用电需求量预测的时间段,将其记为预测时间段,根据预测时间段,设定监测周期,获取监测周期内各时间段目标农村地区的用电量和历史时期中各历史年份中历史预测时间段目标农村地区的用电量。
作为一种优选方案,所述步骤一的具体分析过程为:获取目标农村地区需要进行用电需求量预测的时间段,将其记为预测时间段,按照预设的原则设定监测周期的起始时间,并将预测时间段的开始时间作为监测周期的结束时间,进而得到监测周期。
按照与预测时间段等时长的原则对监测周期进行划分,得到监测周期内各时间段。
通过目标农村地区的能源管理部门获取监测周期内各时间段目标农村地区的用电量。
设定历史时期的时长,获取历史时期中各历史年份中历史预测时间段目标农村地区的用电量。
在一个具体实施例中,预测时间段为2023年的12月1号-12月31号,监测周期为2023年的1月1号-11月30号,监测周期的各时间段为2023年的1月1号-1月31号、2月1号-2月28号、3月1号-3月31号、4月1号-4月30号、5月1号-5月31号、6月1号-6月30号、7月1号-7月31号、8月1号-8月31号、9月1号-9月30号、10月1号-10月31号和11月1号-11月30号。
在一个具体实施例中,预测时间段为2023年的12月1号-12月31号,历史时期中各历史年份中历史预测时间段为2022年的12月1号-12月31号、2021年的12月1号-12月31号、2020年的12月1号-12月31号、2019年的12月1号-12月31号和2018年的12月1号-12月31号。
步骤二、参考用电需求量分析:根据监测周期内各时间段目标农村地区的用电量和历史时期中各历史年份中历史预测时间段目标农村地区的用电量,分析预测时间段目标农村地区的参考用电需求量。
作为一种优选方案,所述步骤二的具体分析过程为:以监测周期内各时间段为自变量、以目标农村地区用电量为因变量建立坐标系,根据监测周期内各时间段目标农村地区的用电量,在坐标系中标出对应的数据点,利用数学模型的建立方法,获取监测周期内各时间段目标农村地区用电量对应的曲线,将其记为第一用电量趋势曲线,根据第一用电量趋势曲线,获取预测时间段对应的目标农村地区用电量,将其记为预测时间段目标农村地区第一参考用电量。
根据历史时期中各历史年份中历史预测时间段目标农村地区的用电量,获取历史时期中各历史年份中历史预测时间段目标农村地区用电量对应的曲线,进一步得到预测时间段目标农村地区第二参考用电量。
需要说明的是,获取预测时间段目标农村地区第二参考用电量,具体方法为:以历史时期中各历史年份中历史预测时间段为自变量,以目标农村地区用电量为因变量建立坐标系,根据历史时期中各历史年份中历史预测时间段目标农村地区的用电量,在坐标系中标出对应的数据点,利用数学模型的建立方法,获取历史时期中各历史年份中历史预测时间段目标农村地区用电量对应的曲线,将其记为第二用电量趋势曲线,根据第二用电量趋势曲线,获取预测时间段对应的目标农村地区用电量,将其记为预测时间段目标农村地区第二参考用电量。
对预测时间段目标农村地区第一参考用电量和第二参考用电量进行平均值计算,得到预测时间段目标农村地区的参考用电需求量。
步骤三、用电影响因素信息收集:获取分析周期内各时间段目标农村地区的用电影响因素信息,其中用电影响因素信息包括农村人口数据、农田面积数据和气象数据。
作为一种优选方案,所述步骤三的具体分析过程为:设定分析周期的时长,按照预设的等时长原则对分析周期进行划分,得到分析周期内各时间段。
获取分析周期内各时间段目标农村地区的农村人口数量和农田面积,并获取分析周期内各时间段目标农村地区的平均温度、累计降雨量和平均风力等级。
需要说明的是,随着农村人口数量和农田面积的增加,目标农村地区的用电量也增加。
需要说明的是,温度的变化对农村地区的用电量有一定的影响,如在夏季,温度升高,农村地区可能使用空调、风扇等电器来降低室内温度,因此用电量会增加;在冬季,温度下降,农村地区可能使用暖气等电器来保暖,同样会导致用电量增加。
需要说明的是,降雨量的变化也会影响农村地区的用电量,如在干旱的季节,农民可能需要使用灌溉设备来给农作物浇水,因此用电量可能会增加,在雨季,农作物得到了充足的雨水灌溉,农村地区的用电量可能会减少。
需要说明的是,在多风的农村地区可以利用风力发电来满足部分用电需求。
需要说明的是,获取分析周期内各时间段目标农村地区的平均温度,具体方法为:获取分析周期内各时间段中各天目标农村地区的气温,对分析周期内各时间段中各天目标农村地区的气温进行平均值计算,得到分析周期内各时间段目标农村地区的平均温度。
需要说明的是,获取分析周期内各时间段目标农村地区的累计降雨量,具体方法为:获取分析周期内各时间段中各天目标农村地区的降雨量,并进行累加,得到分析周期内各时间段目标农村地区的累计降雨量。
需要说明的是,获取分析周期内各时间段目标农村地区的平均风力等级,具体方法为:获取分析周期内各时间段中各天目标农村地区的风力等级,对分析周期内各时间段中各天目标农村地区的风力等级进行平均值计算,得到分析周期内各时间段目标农村地区的平均风力等级。
步骤四、用电影响因素信息预处理:对分析周期内各时间段目标农村地区的用电影响因素信息进行缺失值处理和异常值处理,得到预处理后的分析周期内各时间段目标农村地区的用电影响因素信息。
作为一种优选方案,所述步骤四中对分析周期内各时间段目标农村地区的用电影响因素信息进行缺失值处理,具体过程为:根据分析周期内各时间段目标农村地区的用电影响因素信息,获取目标农村地区各用电影响因素的各缺值时间段,获取目标农村地区各用电影响因素在其对应各缺值时间段的相邻上一时间段和相邻上一时间段的数值,并进行平均值计算,得到目标农村地区各用电影响因素在其对应各缺值时间段的替代值,进行代入,得到缺失值处理后的分析周期内各时间段目标农村地区的用电影响因素信息。
需要说明的是,获取目标农村地区各用电影响因素的各缺值时间段,具体方法为:根据分析周期内各时间段目标农村地区的用电影响因素信息,判断分析周期内各时间段目标农村地区的用电影响因素信息是否存在缺失,若分析周期内某时间段目标农村地区某用电影响因素的数值缺失,则将分析周期内该时间段记为目标农村地区该用电影响因素的缺值时间段,统计得到目标农村地区各用电影响因素的各缺值时间段。
需要说明的是,若目标农村地区用电影响因素在分析周期内连续多个时间段均数值缺失,则将数值缺失的连续多个时间段进行拼接,得到组合缺值时间段,获取目标农村地区用电影响因素在组合缺值时间段的相邻上一时间段和相邻下一时间段的数值,并进行平均值计算,得到目标农村地区用电影响因素在组合缺值时间段的替代值,进一步得到目标农村地区用电影响因素在组合缺值时间段中各时间段的替代值,其中组合缺值时间段中各时间段的替代值相等。
作为一种优选方案,所述步骤四中对分析周期内各时间段目标农村地区的用电影响因素信息进行异常值处理,具体过程包括:以分析周期内各时间段为自变量、以目标农村地区各用电影响因素为因变量建立坐标系,根据缺失值处理后的分析周期内各时间段目标农村地区的用电影响因素信息,在坐标系中标出对应的数据点,利用数学线性回归分析方法,获取目标农村地区各用电影响因素的一元线性回归直线。
根据目标农村地区各用电影响因素的一元线性回归直线,得到目标农村地区各用电影响因素在分析周期内各时间段的预测值,将目标农村地区各用电影响因素在分析周期内各时间段的数值与其对应的预测值进行比对,得到目标农村地区各用电影响因素在分析周期内各时间段的数值与其对应预测值之间差值的绝对值,将其记为目标农村地区各用电影响因素在分析周期内各时间段的相对数值偏差,并表示为,/>表示第/>个用电影响因素的编号,/>,/>表示分析周期内第/>个时间段的编号,/>
通过分析公式得到目标农村地区各用电影响因素在分析周期内各时间段的数值异常倾向系数/>,其中/>表示预设的数值异常倾向系数的修正因子,/>表示分析周期内时间段的数量。
作为一种优选方案,所述步骤四中对分析周期内各时间段目标农村地区的用电影响因素信息进行异常值处理,具体过程还包括:根据目标农村地区各用电影响因素在分析周期内各时间段的数值异常倾向系数,获取目标农村地区各用电影响因素的各异值时间段。
需要说明的是,获取目标农村地区各用电影响因素的各异值时间段,具体方法为:将目标农村地区各用电影响因素在分析周期内各时间段的数值异常倾向系数与预设的数值异常倾向系数阈值进行比较,若目标农村地区某用电影响因素在分析周期内某时间段的数值异常倾向系数大于预设的数值异常倾向系数阈值,则目标农村地区该用电影响因素在分析周期内该时间段的数值存在异常,并将分析周期内该时间段记为目标农村地区该用电影响因素的异值时间段,统计得到目标农村地区各用电影响因素的各异值时间段。
根据目标农村地区各用电影响因素的一元线性回归直线,得到目标农村地区各用电影响因素在其对应的各异值时间段的预测值。
将目标农村地区各用电影响因素在各异值时间段的数值替换为其异值时间段对应的预测值,得到异常值处理后的分析周期内各时间段目标农村地区的用电影响因素信息。
在本实施例中,本发明通过对农村用电影响因素信息进行缺失值处理和异常值处理,得到预处理后的农村用电影响因素信息,使得基于农村用电影响因素信息的农村参考用电需求量的波动量的分析结果更加精准,进而有利于提高农村预估用电需求量评估结果的准确性和可靠性。
步骤五、用电影响因素信息解析:根据预处理后的分析周期内各时间段目标农村地区的用电影响因素信息,分析目标农村地区中各用电影响因素的变化量与用电量的变化量之间的关系函数,将其记为目标农村地区中各用电影响因素的特征函数。
作为一种优选方案,所述步骤五的具体分析过程为:获取分析周期内各时间段目标农村地区的用电量变化量和各用电影响因素的变化量,绘制目标农村地区中各用电影响因素变化量与用电量变化量之间的关系曲线,进一步获取目标农村地区中各用电影响因素变化量与用电量变化量之间的关系函数,将其记为目标农村地区中各用电影响因素的特征函数。
需要说明的是,获取分析周期内各时间段目标农村地区的用电量变化量和各用电影响因素的变化量,具体方法为:获取分析周期内各时间段目标农村地区的用电量,进一步获取分析周期内各时间段的目标农村地区用电量与其时间段相邻上一时间段的目标农村地区用电量之间差值的绝对值,将其记为分析周期内各时间段目标农村地区的用电量变化量。
根据预处理后的分析周期内各时间段目标农村地区的用电影响因素信息,获取分析周期内各时间段目标农村地区各用电影响因素的变化量。
需要说明的是,绘制目标农村地区中各用电影响因素变化量与用电量变化量之间的关系曲线,具体方法为:以目标农村地区各用电影响因素的变化量为自变量、以目标农村地区的用电量变化量为因变量建立坐标系,根据分析周期内各时间段目标农村地区各用电影响因素变化量和用电量变化量,在坐标系中标出对应的数据点,利用数学模型的建立方法,绘制目标农村地区中各用电影响因素变化量与用电量变化量之间的关系曲线。
需要说明的是,获取分析周期内第一个时间段目标农村地区的用电量变化量时,将分析周期内第一个时间段的目标农村地区用电量与设定时间段的目标农村地区用电量进行比较,得到分析周期内第一个时间段的目标农村地区用电量与设定时间段的目标农村地区用电量之间差值的绝对值,将其记为分析周期内第一个时间段目标农村地区的用电量变化量,其中设定时间段与分析周期内第一个时间段相邻且位于分析周期内第一个时间段之前。
需要说明的是,获取分析周期内各时间段目标农村地区各用电影响因素的变化量的方法与获取分析周期内各时间段目标农村地区的用电量变化量的方法,原理相同。
步骤六、预估用电需求量获取:获取预测时间段目标农村地区中各用电影响因素的变化量,结合目标农村地区中各用电影响因素的特征函数,分析预测时间段目标农村地区参考用电需求量的波动量,进一步得到预测时间段目标农村地区的预估用电需求量,并进行反馈。
作为一种优选方案,所述步骤六的具体分析过程包括:获取预测时间段和预测时间段相邻上一时间段的目标农村地区中各用电影响因素信息,并进行比对,得到预测时间段目标农村地区中各用电影响因素的变化量。
将预测时间段目标农村地区中各用电影响因素的变化量代入其用电影响因素的特征函数,得到预测时间段目标农村地区中各用电影响因素变化量对应的用电量变化量,将其记为
需要说明的是,获取预测时间段和预测时间段相邻上一时间段的目标农村地区中各用电影响因素信息,具体方法为:获取监测周期内各时间段目标农村地区中各用电影响因素信息,绘制监测周期内目标农村地区中各用电影响因素随时间变化的趋势曲线,进一步得到预测时间段和预测时间段相邻上一时间段的目标农村地区中各用电影响因素信息。
作为一种优选方案,所述步骤六的具体分析过程还包括:通过分析公式得到预测时间段目标农村地区参考用电需求量的波动量/>,其中表示预设的第/>个用电影响因素的权重因子,/>
将预测时间段目标农村地区的参考用电需求量与参考用电需求量的波动量进行累加,得到预测时间段目标农村地区的预估用电需求量,将其反馈至目标农村地区的能源管理部门。
在本实施例中,本发明通过农村的历史用电量信息,获取农村的参考用电需求量;并获取农村的用电影响因素信息,分析农村用电影响因素变化量与用电量变化量之间关系,分析农村参考用电需求量的波动量,进一步得到农村的预估用电需求量,结合农村用电量随时间变化的趋势和影响农村用电量因素的变化,综合评估农村的预估用电需求量,进而提高农村用电需求量分析结果的可靠性,有助于了解农村用电的实际需求,为电力供应部门制定合理的发展规划和投资决策提供科学依据。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。

Claims (7)

1.一种基于大数据的农村用电需求量分析方法,其特征在于,包括如下步骤:
步骤一、历史用电量数据获取:获取目标农村地区需要进行用电需求量预测的时间段,将其记为预测时间段,根据预测时间段,设定监测周期,获取监测周期内各时间段目标农村地区的用电量和历史时期中各历史年份中历史预测时间段目标农村地区的用电量;
步骤二、参考用电需求量分析:根据监测周期内各时间段目标农村地区的用电量和历史时期中各历史年份中历史预测时间段目标农村地区的用电量,分析预测时间段目标农村地区的参考用电需求量;
步骤三、用电影响因素信息收集:获取分析周期内各时间段目标农村地区的用电影响因素信息,其中用电影响因素信息包括农村人口数据、农田面积数据和气象数据;
步骤四、用电影响因素信息预处理:对分析周期内各时间段目标农村地区的用电影响因素信息进行缺失值处理和异常值处理,得到预处理后的分析周期内各时间段目标农村地区的用电影响因素信息;
步骤五、用电影响因素信息解析:根据预处理后的分析周期内各时间段目标农村地区的用电影响因素信息,分析目标农村地区中各用电影响因素的变化量与用电量的变化量之间的关系函数,将其记为目标农村地区中各用电影响因素的特征函数;
步骤六、预估用电需求量获取:获取预测时间段目标农村地区中各用电影响因素的变化量,结合目标农村地区中各用电影响因素的特征函数,分析预测时间段目标农村地区参考用电需求量的波动量,进一步得到预测时间段目标农村地区的预估用电需求量,并进行反馈;
所述步骤一的具体分析过程为:
获取目标农村地区需要进行用电需求量预测的时间段,将其记为预测时间段,按照预设的原则设定监测周期的起始时间,并将预测时间段的开始时间作为监测周期的结束时间,进而得到监测周期;
按照与预测时间段等时长的原则对监测周期进行划分,得到监测周期内各时间段;
通过目标农村地区的能源管理部门获取监测周期内各时间段目标农村地区的用电量;
设定历史时期的时长,获取历史时期中各历史年份中历史预测时间段目标农村地区的用电量;
所述步骤二的具体分析过程为:
以监测周期内各时间段为自变量、以目标农村地区用电量为因变量建立坐标系,根据监测周期内各时间段目标农村地区的用电量,在坐标系中标出对应的数据点,利用数学模型的建立方法,获取监测周期内各时间段目标农村地区用电量对应的曲线,将其记为第一用电量趋势曲线,根据第一用电量趋势曲线,获取预测时间段对应的目标农村地区用电量,将其记为预测时间段目标农村地区第一参考用电量;
根据历史时期中各历史年份中历史预测时间段目标农村地区的用电量,获取历史时期中各历史年份中历史预测时间段目标农村地区用电量对应的曲线,进一步得到预测时间段目标农村地区第二参考用电量;
对预测时间段目标农村地区第一参考用电量和第二参考用电量进行平均值计算,得到预测时间段目标农村地区的参考用电需求量;
所述步骤三的具体分析过程为:
设定分析周期的时长,按照预设的等时长原则对分析周期进行划分,得到分析周期内各时间段;
获取分析周期内各时间段目标农村地区的农村人口数量和农田面积,并获取分析周期内各时间段目标农村地区的平均温度、累计降雨量和平均风力等级。
2.根据权利要求1所述的一种基于大数据的农村用电需求量分析方法,其特征在于:所述步骤四中对分析周期内各时间段目标农村地区的用电影响因素信息进行缺失值处理,具体过程为:
根据分析周期内各时间段目标农村地区的用电影响因素信息,获取目标农村地区各用电影响因素的各缺值时间段,获取目标农村地区各用电影响因素在其对应各缺值时间段的相邻上一时间段和相邻上一时间段的数值,并进行平均值计算,得到目标农村地区各用电影响因素在其对应各缺值时间段的替代值,进行代入,得到缺失值处理后的分析周期内各时间段目标农村地区的用电影响因素信息。
3.根据权利要求2所述的一种基于大数据的农村用电需求量分析方法,其特征在于:所述步骤四中对分析周期内各时间段目标农村地区的用电影响因素信息进行异常值处理,具体过程包括:
以分析周期内各时间段为自变量、以目标农村地区各用电影响因素为因变量建立坐标系,根据缺失值处理后的分析周期内各时间段目标农村地区的用电影响因素信息,在坐标系中标出对应的数据点,利用数学线性回归分析方法,获取目标农村地区各用电影响因素的一元线性回归直线;
根据目标农村地区各用电影响因素的一元线性回归直线,得到目标农村地区各用电影响因素在分析周期内各时间段的预测值,将目标农村地区各用电影响因素在分析周期内各时间段的数值与其对应的预测值进行比对,得到目标农村地区各用电影响因素在分析周期内各时间段的数值与其对应预测值之间差值的绝对值,将其记为目标农村地区各用电影响因素在分析周期内各时间段的相对数值偏差,并表示为,/>表示第/>个用电影响因素的编号,/>,/>表示分析周期内第/>个时间段的编号,/>
通过分析公式得到目标农村地区各用电影响因素在分析周期内各时间段的数值异常倾向系数/>,其中/>表示预设的数值异常倾向系数的修正因子,/>表示分析周期内时间段的数量。
4.根据权利要求3所述的一种基于大数据的农村用电需求量分析方法,其特征在于:所述步骤四中对分析周期内各时间段目标农村地区的用电影响因素信息进行异常值处理,具体过程还包括:
根据目标农村地区各用电影响因素在分析周期内各时间段的数值异常倾向系数,获取目标农村地区各用电影响因素的各异值时间段;
根据目标农村地区各用电影响因素的一元线性回归直线,得到目标农村地区各用电影响因素在其对应的各异值时间段的预测值;
将目标农村地区各用电影响因素在各异值时间段的数值替换为其异值时间段对应的预测值,得到异常值处理后的分析周期内各时间段目标农村地区的用电影响因素信息。
5.根据权利要求1所述的一种基于大数据的农村用电需求量分析方法,其特征在于:所述步骤五的具体分析过程为:
获取分析周期内各时间段目标农村地区的用电量变化量和各用电影响因素的变化量,绘制目标农村地区中各用电影响因素变化量与用电量变化量之间的关系曲线,进一步获取目标农村地区中各用电影响因素变化量与用电量变化量之间的关系函数,将其记为目标农村地区中各用电影响因素的特征函数。
6.根据权利要求3所述的一种基于大数据的农村用电需求量分析方法,其特征在于:所述步骤六的具体分析过程包括:
获取预测时间段和预测时间段相邻上一时间段的目标农村地区中各用电影响因素信息,并进行比对,得到预测时间段目标农村地区中各用电影响因素的变化量;
将预测时间段目标农村地区中各用电影响因素的变化量代入其用电影响因素的特征函数,得到预测时间段目标农村地区中各用电影响因素变化量对应的用电量变化量,将其记为
7.根据权利要求6所述的一种基于大数据的农村用电需求量分析方法,其特征在于:所述步骤六的具体分析过程还包括:
通过分析公式得到预测时间段目标农村地区参考用电需求量的波动量/>,其中/>表示预设的第/>个用电影响因素的权重因子,/>
将预测时间段目标农村地区的参考用电需求量与参考用电需求量的波动量进行累加,得到预测时间段目标农村地区的预估用电需求量,将其反馈至目标农村地区的能源管理部门。
CN202311639593.1A 2023-12-04 2023-12-04 一种基于大数据的农村用电需求量分析方法 Active CN117353300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311639593.1A CN117353300B (zh) 2023-12-04 2023-12-04 一种基于大数据的农村用电需求量分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311639593.1A CN117353300B (zh) 2023-12-04 2023-12-04 一种基于大数据的农村用电需求量分析方法

Publications (2)

Publication Number Publication Date
CN117353300A CN117353300A (zh) 2024-01-05
CN117353300B true CN117353300B (zh) 2024-02-23

Family

ID=89356021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311639593.1A Active CN117353300B (zh) 2023-12-04 2023-12-04 一种基于大数据的农村用电需求量分析方法

Country Status (1)

Country Link
CN (1) CN117353300B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809264A (zh) * 2014-12-29 2016-07-27 西门子公司 电力负载预测方法和装置
CN106529747A (zh) * 2017-01-04 2017-03-22 成都四方伟业软件股份有限公司 一种基于大数据的电力负荷预测方法与系统
KR20190109773A (ko) * 2018-02-28 2019-09-27 동국대학교 산학협력단 지역별 특성에 기초한 전력 수요 예측 장치 및 방법
WO2022021727A1 (zh) * 2020-07-29 2022-02-03 国网甘肃省电力公司 城市综合体用电量预测方法、装置、电子设备及存储介质
CN115018119A (zh) * 2022-04-26 2022-09-06 河北大学 用电负荷预测方法及系统
CN115034519A (zh) * 2022-07-29 2022-09-09 广东电网有限责任公司 一种用电负荷的预测方法、装置、电子设备以及存储介质
CN115630983A (zh) * 2022-11-17 2023-01-20 浙江万胜智能科技股份有限公司 一种标签用户用电数据的远程费控方法及系统
CN116108953A (zh) * 2022-11-16 2023-05-12 国网河南省电力公司经济技术研究院 基于de-gwo-svr的农村电力需求预测
CN117056848A (zh) * 2023-10-10 2023-11-14 湖北华中电力科技开发有限责任公司 一种用于提升电力系统决策的监测数据质量分析方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809264A (zh) * 2014-12-29 2016-07-27 西门子公司 电力负载预测方法和装置
CN106529747A (zh) * 2017-01-04 2017-03-22 成都四方伟业软件股份有限公司 一种基于大数据的电力负荷预测方法与系统
KR20190109773A (ko) * 2018-02-28 2019-09-27 동국대학교 산학협력단 지역별 특성에 기초한 전력 수요 예측 장치 및 방법
WO2022021727A1 (zh) * 2020-07-29 2022-02-03 国网甘肃省电力公司 城市综合体用电量预测方法、装置、电子设备及存储介质
CN115018119A (zh) * 2022-04-26 2022-09-06 河北大学 用电负荷预测方法及系统
CN115034519A (zh) * 2022-07-29 2022-09-09 广东电网有限责任公司 一种用电负荷的预测方法、装置、电子设备以及存储介质
CN116108953A (zh) * 2022-11-16 2023-05-12 国网河南省电力公司经济技术研究院 基于de-gwo-svr的农村电力需求预测
CN115630983A (zh) * 2022-11-17 2023-01-20 浙江万胜智能科技股份有限公司 一种标签用户用电数据的远程费控方法及系统
CN117056848A (zh) * 2023-10-10 2023-11-14 湖北华中电力科技开发有限责任公司 一种用于提升电力系统决策的监测数据质量分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于一元线性回归模型的农村用电量预测;何川;蒋晓艳;;《西藏科技》;20131025(第10期);74-76 *

Also Published As

Publication number Publication date
CN117353300A (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
US9606168B2 (en) Irradiance mapping leveraging a distributed network of solar photovoltaic systems
CN109948824B (zh) 一种利用模式识别技术对热力站热负荷进行预测的方法
CN109681957A (zh) 一种换热站热负荷预测方法
CN108709287B (zh) 一种空调系统冷负荷预测方法及冷水机组群控的策略
CN111461909B (zh) 一种农田蒸散量短期预测方法
CN111932402A (zh) 一种基于相似日和lstm的短期电力负荷双向组合预测方法
US10746425B1 (en) Thermal modeling technology
CN109670670B (zh) 一种划分季节属性的电力负荷拆分方法
CN116128167B (zh) 一种基于云计算实时监测的分布式光伏发电分析方法
Louie Characterizing and modeling aggregate wind plant power output in large systems
KR20190109773A (ko) 지역별 특성에 기초한 전력 수요 예측 장치 및 방법
CN112493100B (zh) 基于土壤水势的棉花水分监测滴灌控制方法及系统
CN116993030B (zh) 变化条件下水库压咸补淡调度方法及系统
JP5658597B2 (ja) 省エネ行動評価システム
CN117353300B (zh) 一种基于大数据的农村用电需求量分析方法
CN113723791A (zh) 一种基于避咸蓄淡的城市供水分析方法及装置
CN116385210B (zh) 一种基于物联网的供电能耗监测系统
CN108596478A (zh) 一种基于物理网的建筑能源管理方法
KR100753141B1 (ko) 냉난방부하 추정을 위한 온도와 습도 예측방법
CN111030106B (zh) 一种基于波形相似性理论的风电波动品质评估方法
CN113269430A (zh) 基于运行测风塔实测数据的风电项目发电量后评估方法
CN115358495B (zh) 一种风电功率预测综合偏差率的计算方法
CN112001524A (zh) 一种融合微气象实时监测信息提升架空线路输送能力的方法
CN111598349A (zh) 一种短期用电量预测方法、装置及可读存储介质
Pai Analysis of weather parameters on electrical energy consumption of a residential building

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