CN104504619B - 两种考虑温度和经济增长因素的月度统调用电量预测方法 - Google Patents
两种考虑温度和经济增长因素的月度统调用电量预测方法 Download PDFInfo
- Publication number
- CN104504619B CN104504619B CN201510001099.1A CN201510001099A CN104504619B CN 104504619 B CN104504619 B CN 104504619B CN 201510001099 A CN201510001099 A CN 201510001099A CN 104504619 B CN104504619 B CN 104504619B
- Authority
- CN
- China
- Prior art keywords
- monthly
- economic growth
- electricity
- predicted
- month
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000003102 growth factor Substances 0.000 title claims abstract description 21
- 230000005611 electricity Effects 0.000 claims abstract description 97
- 238000012417 linear regression Methods 0.000 claims abstract description 8
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 8
- 238000011160 research Methods 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 239000013307 optical fiber Substances 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 238000013439 planning Methods 0.000 abstract description 4
- 238000009472 formulation Methods 0.000 abstract description 2
- 239000000203 mixture Substances 0.000 abstract description 2
- 238000013213 extrapolation Methods 0.000 description 5
- 230000001932 seasonal effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000013277 forecasting method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 235000002918 Fraxinus excelsior Nutrition 0.000 description 1
- 239000002956 ash Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了两种考虑温度和经济增长因素的月度统调用电量预测方法，通过构建月度统调用电量与当月平均温度及经济增长指标之间的线性回归方法，预测月度统调用电量,包括获取历史期与预测月同月的统调用电量、月平均温度数据；赋予时间趋势项表示经济增长因素；建立加入时间趋势项的预测模型；获取历史期与预测月同月的规模以上工业增加值增速数据并得出经济增长指数；建立加入经济增长指数的预测模型；最终根据预测模型的两种方程算法计算预测月的统调用电量。本发明利用考虑温度和经济增长因素的月度统调用电量预测模型得到统调用电量的月度预测值，有助于进行电力规划，以及电网生产调度与电网月度生产计划的制定。
Description
技术领域
本发明涉及电网用电量需求预测分析方法技术领域，尤其涉及两种考虑温度和经济增长因素的月度统调用电量预测方法。
背景技术
用电量预测是电力***相关部门日常的重要工作，电力需求预测对电力部门及相关经济和能源部门的工作具有重要意义，统调用电量是电力需求预测的重要指标之一，准确预测用电量有助于安排电力生产计划，同时也可以为电网规划设计提供依据。
目前在电力行业内部，统调用电量常用的预测方法主要包括趋势外推法，总量回归法，ARIMA法，增速外推法、灰色预测法等，其中，灰色预测法是详细分析比较各种不同灰色***预测模型，总结出各种灰色***模型的优缺点及其适用范围，同时指出当年用电量增长率越低，灰色***模型的预测结果将越准确；总量回归法是通过建立时间趋势项与用电量之间的回归分析模型，对年度用电量进行预测；ARIMA法是通过对模型进行概述，并运用ARIMA模型预测一定年度用电量，结果显示短期预测效果较好，但随着年份越来越长预测误差也越来越大。
申请号为201210147746.6的中国专利公开了一种用电量智能预测***及方法，该***包括智能用电终端(1)和分别与智能用电终端(1)连接的管理实时数据采集的电能采集模块(2)、本地存储管理模块(3)、预测点的预测值分析计算模块(4)、负责数据通信传输控制的GPRS通信控制模块(5)；预测值分析计算模块(4)核心预测处理算法采用BP神经网络。本发明可以让用户提前知道用电情况，并结合用电优化算法，向用户提供有效的用电优化建议，改善用户用电***稳运行。
申请号为201310474089.0的中国专利提供一种基于季节指数法的用户月用电量预测方法,包括如下步骤：1)利用用电量历史数据获取单元从用电量历史数据库获取用电量历史数据，并且保存在用电量历史数据存储单元中；2)季节指数计算单元根据用电量历史数据求取季节指数；以及3)用电量预测模型构建单元利用季节指数构建用电量预测模型本发明还提供了一种基于季节指数法的用户月用电量预测***。
申请号为201410038164.3的中国专利公开了一种用电量预测方法、装置及处理器，该方法中，根据预设的预测模型，采用已知用电采集周期对应的历史直供用电量数据，或已知用电采集周期前预设时间段内的历史经营区用电量数据，和/或历史全国用电量数据进行预测，获取各已知用电采集周期的经营区用电量数据，和/或全国用电量数据的预测结果，并获取预测结果对应的平均相对误差；然后根据平均相对误差确定已知用电采集周期对应的标定预测模型；最后选取与待预测用电采集周期对应的标定预测模型，并通过标定预测模型，获取待预测用电采集周期对应的经营区用电量数据，和/或全社会用电量数据的预测值。通过该方法，能够在获取直供用电量后，就预测获取经营区用电量和全国用电量。
申请号为201310394964.4的中国专利提供一种基于经济传导的用电量预测方法，该方法包括以下步骤：(1)根据各类用电量的影响因子，读取历史数据，构建分类预测模型；(2)获取目标季度各解释变量值，对目标季度的各类用电量进行分类预测；(3)计算目标季度的全社会用电量。本发明通过对区域内的历史分产业用电量、重点行业用电量进行分析研究，筛分出影响区域用电量变化的主要经济信息，找出与用电量变化关联度较高的系列经济指标，研究其对用电量影响的超前滞后特性，在此基础上构建从经济到用电量的分类传导预测模型，有效解决了长期以来预测人员无法将历史及未来的经济活动量化到用电量预测的过程中的问题，提高了用电量预测的精度。
结合以上实际方案，我们在采用趋势外推法、线性回归法和灰色模型法分别预测一定年限用电量时，对三种预测方法进行对比分析，结果可以得出不同的预测方法其预测精度不同，这里灰色模型预测法精度相对较高，并且上述这些研究大多基于年度数据进行年度预测，其中，趋势外推法、ARIMA法、灰色预测法和增速外推法都是根据过去和现在的发展趋势推断未来的一类方法，只能反映月度统调用电量自身的变化趋势，无法反映和预测经济发展对其影响，其中的线性回归法也只考虑了年份变化对用电量的影响，因此都无法准确预测未来的月度统调用电量。
发明内容
本发明的目的在于解决上述技术问题，提供考虑温度和经济增长因素的月度统调用电量预测方法，综合考虑温度和经济增长因素对月统调用电量的影响，建立两种考虑温度和经济增长因素的预测模型，对月度统调用电量进行预测。
为实现上述目的，本发明采用的技术方案是：1.两种考虑温度和经济增长因素的月度统调用电量预测方法,其特征在于：包括如下步骤:
1)建立考虑温度和经济增长因素的预测模型,模型包括采样数据库单元、数据分析单元和统计报表生成单元，其中，采样数据库单元与电网信息数据库连接，采集电网信息数据；数据分析单元包括预测模型生成单元与计算单元，统计报表生成单元用来导出预测值并生成预测分析报表；
2)利用预测模型进行第一种方法预测，通过采样数据库单元调取电网信息数据库数据，包括历史期与预测月同月的统调用电量数据、月平均温度数据，并将数据按照年份先后顺序排列；所述电网信息数据库包括多层数据库，数据库后台连接电网GIS平台,并将电网信息数据构建为数据存储层，提供通用数据存储服务,并提供基于标准的通用数据交换,实现信息互联和信息访问；
3)按照年份顺序，对各组数据赋予时间趋势项；
4)在数据分析单元中，建立加入时间趋势项的预测模型：以月度统调用电量为因变量，时间趋势项和月平均温度为自变量，建立线性回归方程，即Ei＝A+Bi+CTi，其中，Ei为月统调用电量，i为时间趋势项，Ti为月平均温度，A为常数项，B为时间趋势项的系数，C为Ti的系数；
5)通过计算单元，求出预测月的平均温度预测值：将本期月平均温度的平均值作为预测月的平均温度预测值，并根据预测模型回归得到的常数项和系数值，将预测月的平均温度预测值、时间趋势项代入式中，可得到预测月统调用电量的预测值；
6)通过统计报表生成单元，将第一种方法预测的月统调用电量导出并生成第一种分析报表；
7)利用预测模型进行第二种方法预测，通过采样数据库单元调取历史期与预测月同月的规模以上工业增加值增速数据，并将其折算成以基期为100的经济增长指数：Ii＝(1+GYi)*Ii-1；I0＝100，其中，Ii为月度经济增长指数，GYi为当月的规模以上工业增加值增速，I0为基期的经济增长指数；
8)在数据分析单元中，建立加入经济增长指数的预测模型：以步骤2)中的月度统调用电量为因变量，月平均温度和月度经济增长指数为自变量，建立线性回归方程，即Ei＝A+BTi+CIi，其中，Ei为月统调用电量，Ti为月平均温度，A为常数项，B为Ti的系数，C为Ii的系数；
9)通过计算单元，求出预测月的平均温度预测值：取样本期平均温度的平均值作为预测月的平均温度预测值；求预测月的经济增长指数：根据相关经济研究部门给出的预测月规模以上工业增加值增速预测值，折算成预测月的经济增长指数；计算预测月的统调用电量：根据步骤8)经济增长指数的预测模型回归得到的常数项和系数，并将预测月的平均温度预测值、经济增长指数预测值代入回归方程中，可计算得到预测月统调用电量的预测值；
10)通过统计报表生成单元，将第二种方法预测的月统调用电量导出并生成第二种分析报表；
11)对比两种方法的分析报表，并根据实际情况进行择优选用。
所述采样数据库单元包括可以与所述电网信息数据库连接的多路通信通道，所述通信通道采用无线传输或有线光纤连接。
所述预测模型生成单元包括模型仿真软件，根据电网温度参数及经济增长参数构件参数模型，并生成过程文件；所述计算单元包括处理器芯片。
所述模型仿真软件为matlab仿真程序，所述处理器芯片为单片机或DSP芯片。
所述统计报表生成单元提供预测报表，可分为日报、月报、季报和年报，并提出月度统调用电量预测方案与分析方案。
在步骤3)中，按照年份顺序对各组数据赋予时间趋势项时，如数据样本从07-13年，则依次赋予时间趋势项1、2、3、4、5、6、7，预测期如为14年，赋予时间趋势项即8。
本发明考虑温度和经济增长对统调用电量的影响，对月度统调用电量进行预测时，建立考虑经济增长趋势因素的预测模型，经济增长趋势的量化方式可以是加入时间趋势项，也可以用由月度工业增加值增速转换得到的经济增长指数来表示。因为二产增加值增速与GDP增速走势高度一致，而规模以上工业增加值在二产增加值中占比很大，考虑到数据的可获得性，月度层面选用规模以上工业增加值增速表示月度经济增长趋势情况。
本发明方法的有益效果可主要体现在以下几个方面：
1、实用性。本方法根据针对性的电网数据汇集，以电网温度与经济增长因素指标进行分析与评论，是在大量的电网现有数据库设备基础上扩展出的分析模型，易于建立，方法均针对电网实际情况，因此具有很高的实用性。
2、指导性。本***具有指导性的体系结构，统计报表生成单元提供预测报表，可分为日报、月报、季报和年报，并提出月度统调用电量预测方案与分析方案，不仅满足了用户当前的需要，而且还适应行业的发展、管理模式的变化以及技术的更新等。
3、灵活性。***的预测模型根据两种方法的不同，可以生成并使用不同的线性方程，便于使用者根据实际情况灵活选用，为用户提供能够全面满足不同需求的分析方案，能满足电力规划、生产调度等的各种要求。
本发明通过分别构建月度统调用电量与平均温度、用时间趋势项或经济增长指数表示经济增长趋势的量化指标之间的线性回归方程，得到月度统调用电量预测值，以有助于月度电力规划，以及电网生产调度与电网月度生产计划的制定。
附图说明
图1是本发明的第一种方法预测步骤流程图。
图2是本发明的第二种方法预测步骤流程图。
图3是实施例中某省2007-2013年历年6月统调用电量与平均温度、时间趋势项走势图。
图4是实施例中某省2007-2013年历年6月统调用电量与平均温度、经济增长指数走势图。
具体实施方式
如图1、图2所示，为两种考虑温度和经济增长因素的月度统调用电量预测方法各自的预测步骤流程图，其实施基础在于预测模型的建立，模型包括采样数据库单元、数据分析单元和统计报表生成单元，其中，采样数据库单元与电网信息数据库连接，采集电网信息数据；数据分析单元包括预测模型生成单元与计算单元，统计报表生成单元用来导出预测值并生成预测分析报表；电网信息数据库包括多层数据库，数据库后台连接电网GIS平台,并将电网信息数据构建为数据存储层，提供通用数据存储服务,并提供基于标准的通用数据交换,实现信息互联和信息访问；采样数据库单元包括可以与电网信息数据库连接的多路通信通道，通信通道采用无线传输或有线光纤连接；预测模型生成单元包括模型仿真软件，根据电网温度参数及经济增长参数构件参数模型，并生成过程文件；计算单元包括处理器芯片；模型仿真软件为matlab仿真程序，处理器芯片为单片机或DSP芯片；统计报表生成单元提供预测报表，可分为日报、月报、季报和年报，并提出月度统调用电量预测方案与分析方案。
下面以某省14年6月统调用电量预测为例，由图3、图4走势图可知，6月份的统调用电量不仅受温度因素影响，还受经济增长因素的影响。本发明通过构建考虑温度和经济增长因素的月度统调用电量预测模型，预测统调用电量。
如图1所示，第一种考虑温度和经济增长的月度统调用电量预测方法，包括以下步骤2)至步骤6)所示：
本实施例中采用某省相关月度数据，数据来源于某省***和某省电力经济技术研究院，以2007-2013年6月作为样本期，将某省2007-2013年6月的数据来源于某省***和某省电力经济技术研究院，统调用电量、月平均温度数据按照年份先后顺序排列；
表1
赋予时间趋势项：数据样本期为2007-2013年6月，依次赋予其时间趋势项1、2、3、4、5、6、7。预测期为2014年6月，赋予时间趋势项8；具体数据见表1；建立加入时间趋势项的预测模型：Ei＝27.8609+8.5534i+0.7896Ti其中，其中，Ei为月统调用电量，i为时间趋势项，Ti为月平均温度。回归方程的系数全部通过T检验，R2＝0.987；
取2007-2013年6月平均温度的平均值25.536作为2014年6月平均温度预测值；将2014年6月的时间趋势项8、平均温度预测值25.536代入步骤S3的预测模型中，得到2014年6月统调用电量预测值约为116.45亿千瓦时。
如图2所示，第二种考虑温度和经济增长的月度统调用电量预测方法，包括以下步骤7)至步骤10)所示：
在本实施例中应用第二种方法时，需要获取2007-2013年6月的规模以上工业增加值增速数据，并将其折算成以2006年为100的经济增长指数：将2007-2013年6月统调用电量，以及月平均温度数据，与经济增长指数一起按照年份先后顺序排列，具体数据见表1；
建立加入经济增长指数的预测模型：Ei＝0.417+1.3043Ti+0.1964Ii其中，Ei为月统调用电量，Ti为月平均温度，Ii为月度经济增长指数。回归方程的系数全部通过T检验，R2＝0.997，模型对历史数据拟合得非常好，可以解释99.7％的历史数据；
取2007-2013年6月平均温度的平均值25.536作为2014年6月平均温度预测的值；因为目前某省***已公布14年6月规模以上工业增加值增速为11.5％，折算成预测月的经济增长指数为425.525(如未公布，则根据相关经济研究部门给出的预测月规模以上工业增加值增速预测值，折算成预测月的经济增长指数)；
将2014年6月的平均温度预测值、经济增长指数值代入“加入经济增长指数的预测模型”方程“Ei＝0.417+1.3043Ti+0.1964Ii”中，可得到14年6月统调用电量预测值为117.3亿千瓦时。
2014年6月某省统调用电量实际值为116.51亿千瓦时，上述两种方法的预测误差分别为-0.05％、0.68％，准确性较高。
以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。
Claims (5)
1.两种考虑温度和经济增长因素的月度统调用电量预测方法,其特征在于：包括如下步骤:
1）建立考虑温度和经济增长因素的预测模型,模型包括采样数据库单元、数据分析单元和统计报表生成单元，其中，采样数据库单元与电网信息数据库连接，采集电网信息数据；数据分析单元包括预测模型生成单元与计算单元，统计报表生成单元用来导出预测值并生成预测分析报表；
2）利用预测模型进行第一种方法预测，通过采样数据库单元调取电网信息数据库数据，包括历史期与预测月同月的统调用电量数据、月平均温度数据，并将数据按照年份先后顺序排列；所述电网信息数据库包括多层数据库，数据库后台连接电网GIS平台,并将电网信息数据构建为数据存储层，提供通用数据存储服务,并提供基于标准的通用数据交换,实现信息互联和信息访问；
3）按照年份顺序，对各组数据赋予时间趋势项；
4）在数据分析单元中，建立加入时间趋势项的预测模型：以月度统调用电量为因变量，时间趋势项和月平均温度为自变量，建立线性回归方程，即Ei=A+Bi+CTi，其中，Ei为月统调用电量，i为时间趋势项，Ti为月平均温度，A为常数项，B为时间趋势项的系数，C为Ti的系数；
5）通过计算单元，求出预测月的平均温度预测值：将本期月平均温度的平均值作为预测月的平均温度预测值，并根据预测模型回归得到的常数项和系数值，将预测月的平均温度预测值、时间趋势项代入式中，可得到预测月统调用电量的预测值；
6）通过统计报表生成单元，将第一种方法预测的月统调用电量导出并生成第一种分析报表；
7）利用预测模型进行第二种方法预测，通过采样数据库单元调取历史期与预测月同月的规模以上工业增加值增速数据，并将其折算成以基期为100的经济增长指数：Ii=(1+GYi)*Ii-1；I0=100，其中，Ii为月度经济增长指数，GYi为当月的规模以上工业增加值增速，I0为基期的经济增长指数；
8）在数据分析单元中，建立加入经济增长指数的预测模型：以步骤2）中的月度统调用电量为因变量，月平均温度和月度经济增长指数为自变量，建立线性回归方程，即Ei=A+BTi+CIi，其中，Ei为月统调用电量，Ti为月平均温度，A为常数项，B为Ti的系数，C为Ii的系数；
9）通过计算单元，求出预测月的平均温度预测值：取样本期平均温度的平均值作为预测月的平均温度预测值；求预测月的经济增长指数：根据相关经济研究部门给出的预测月规模以上工业增加值增速预测值，折算成预测月的经济增长指数；计算预测月的统调用电量：根据步骤8）经济增长指数的预测模型回归得到的常数项和系数，并将预测月的平均温度预测值、经济增长指数预测值代入回归方程中，可计算得到预测月统调用电量的预测值；
10）通过统计报表生成单元，将第二种方法预测的月统调用电量导出并生成第二种分析报表；
11）对比两种方法的分析报表，并根据实际情况进行择优选用。
2.如权利要求1所述的两种考虑温度和经济增长因素的月度统调用电量预测方法,其特征在于：所述采样数据库单元包括可以与所述电网信息数据库连接的多路通信通道，所述通信通道采用无线传输或有线光纤连接。
3.如权利要求1所述的两种考虑温度和经济增长因素的月度统调用电量预测方法,其特征在于：所述预测模型生成单元包括模型仿真软件，根据电网温度参数及经济增长参数构件参数模型，并生成过程文件；所述计算单元包括处理器芯片。
4.如权利要求3所述的两种考虑温度和经济增长因素的月度统调用电量预测方法,其特征在于：所述模型仿真软件为matlab仿真程序，所述处理器芯片为单片机或DSP芯片。
5.如权利要求1所述的两种考虑温度和经济增长因素的月度统调用电量预测方法,其特征在于：所述统计报表生成单元提供预测报表，可分为日报、月报、季报和年报，并提出月度统调用电量预测方案与分析方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510001099.1A CN104504619B (zh) | 2015-01-05 | 2015-01-05 | 两种考虑温度和经济增长因素的月度统调用电量预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510001099.1A CN104504619B (zh) | 2015-01-05 | 2015-01-05 | 两种考虑温度和经济增长因素的月度统调用电量预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104504619A CN104504619A (zh) | 2015-04-08 |
| CN104504619B true CN104504619B (zh) | 2018-08-10 |
Family
ID=52946013
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510001099.1A Active CN104504619B (zh) | 2015-01-05 | 2015-01-05 | 两种考虑温度和经济增长因素的月度统调用电量预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104504619B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107220763A (zh) * | 2017-05-24 | 2017-09-29 | 国网安徽省电力公司 | 一种分离工业用电量中温度电量和经济电量的方法 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106771429B (zh) * | 2016-12-28 | 2019-07-26 | 湖南大学 | 用电量模式学习方法、装置及智能电表 |
| 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*** |
| CN107394890A (zh) * | 2017-07-03 | 2017-11-24 | 三峡大学 | 一种电量调度方法及装置 |
| CN107292455A (zh) * | 2017-07-31 | 2017-10-24 | 华自科技股份有限公司 | 用电量预测方法、装置、可读存储介质和计算机设备 |
| CN109872252A (zh) * | 2019-03-07 | 2019-06-11 | 国网江苏省电力有限公司物资分公司 | 一种基于matlab算法的电力供应商综合评价方法 |
| CN113947273A (zh) * | 2021-05-21 | 2022-01-18 | 国网河北省电力有限公司衡水供电分公司 | 一种基于大数据的多途径配网成本核算*** |
| CN113469419A (zh) * | 2021-06-11 | 2021-10-01 | 国网上海市电力公司 | 一种商业楼宇用电量预测方法及*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413187A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 一种基于弹性系数的年度电量预测方法 |
| CN103413253A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 一种基于经济、气象因素的年最大负荷分类预测方法 |
| CN103617457A (zh) * | 2013-12-06 | 2014-03-05 | 国网山东省电力公司 | 电力***中与温度有关的天气敏感负荷的预测方法 |
| CN103971296A (zh) * | 2014-05-16 | 2014-08-06 | 国家电网公司 | 基于电负荷与气温的数学模型的购电方法 |
-
2015
- 2015-01-05 CN CN201510001099.1A patent/CN104504619B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413187A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 一种基于弹性系数的年度电量预测方法 |
| CN103413253A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 一种基于经济、气象因素的年最大负荷分类预测方法 |
| CN103617457A (zh) * | 2013-12-06 | 2014-03-05 | 国网山东省电力公司 | 电力***中与温度有关的天气敏感负荷的预测方法 |
| CN103971296A (zh) * | 2014-05-16 | 2014-08-06 | 国家电网公司 | 基于电负荷与气温的数学模型的购电方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107220763A (zh) * | 2017-05-24 | 2017-09-29 | 国网安徽省电力公司 | 一种分离工业用电量中温度电量和经济电量的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104504619A (zh) | 2015-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104504619B (zh) | 两种考虑温度和经济增长因素的月度统调用电量预测方法 | |
| CN108846517B (zh) | 一种分位数概率性短期电力负荷预测集成方法 | |
| CN109858758A (zh) | 一种配电网电能质量的组合赋权评估方法及*** | |
| WO2021077646A1 (zh) | 用于电功率预测模型的多精度指标综合评价方法及*** | |
| CN104657788B (zh) | 基于行业景气指数的重点行业用电量预测方法 | |
| CN102509173B (zh) | 一种基于马尔科夫链的电力***负荷准确预测方法 | |
| KR101800286B1 (ko) | 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법 및 이를 위한 에너지 관리 시스템 | |
| CN106503851A (zh) | 一种改进的基于小波分析的短期电力负荷预测方法 | |
| CN103226736A (zh) | 基于聚类分析与灰靶理论的中长期电力负荷预测方法 | |
| CN107292455A (zh) | 用电量预测方法、装置、可读存储介质和计算机设备 | |
| CN106410781A (zh) | 一种电力用户需求响应潜力确定方法 | |
| KR20180028583A (ko) | 지능형 전력사용 환경에서 수용가 맞춤형 전력량 스케쥴링 시스템 | |
| CN106980874B (zh) | 一种面向配网大数据的多时态维度数据融合方法 | |
| CN109272140A (zh) | 一种基于大数据分析的变电设备运行期成本预测方法 | |
| CN103679289B (zh) | 基于多元回归外推法的电力负荷预测方法 | |
| CN113256022A (zh) | 一种台区用电负荷预测方法及*** | |
| CN107015900A (zh) | 一种视频网站的服务性能预测方法 | |
| CN109543908A (zh) | 一种基于居民家用电器能耗核算的居民用电量的预测方法 | |
| CN109635996A (zh) | 房价走势前瞻模型构建方法、装置及存储介质 | |
| CN109615414A (zh) | 房产预估方法、装置及存储介质 | |
| CN108932562A (zh) | 综合能源***综合效益评价模型建立方法 | |
| CN114186713B (zh) | 一种考虑远景发展情景约束的中长期用电量预测方法 | |
| CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
| CN107679666A (zh) | 一种基于Shapley值及经济发展的用电预测方法 | |
| CN111832785A (zh) | 一种电能替代潜力的预测方法和*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |