发明内容
基于此,有必要针对预测某区域、行业用电误差较大的技术问题,提供一种行业用电需求预测方法和***,能够准确地预测一个区域内不同行业的用电量需求。
一种行业用电需求预测方法,包括如下步骤:
获取待测区域中在设定时间段内各个行业的用电量统计数据;
根据所述用电量统计数据筛选出待测区域中的关键用电行业,包括:根据所述用电量统计数据,运用聚类算法对用电行业进行分类,得到用电行业的分类结果;根据所述用电量统计数据和所述用电行业的分类结果,按聚类结果的评价指标来检验聚类的效果,若效果不符合预定的检验标准,则需重新对用电行业进行分类;若效果符合预定的检验标准,则进行下一步;根据所述用电量统计数据和所述用电行业的分类结果,得到各行业类别对总体用电波动的影响值;根据所述行业用电量占比以及所述各行业类别对总体用电波动的影响值,依据相应筛选标准筛选出关键用电行业;
根据所述用电量统计数据以及所述关键用电行业建立分类别的行业用电量需求预测模型和分类别的地区用电量需求预测模型;
其中,建立分类别的行业用电量需求预测模型包括:根据所述用电量统计数据,对用电量统计数据进行整理,包括有效性检查、错误数据剔除与修改;根据所述用电量统计数据以及所述关键用电行业,按不同的时间尺度,分别拟合各关键用电行业的用电量需求真实值;根据所述用电量统计数据以及所述关键用电行业,按不同的时间尺度和不同的预测模型,分别拟合各关键用电行业的用电量需求预测值;比较各模型的用电量预测值与用电量需求真实值的误差大小,建立相应的不同时间尺度下的行业用电量需求预测模型;
建立分类别的地区用电量需求预测模型包括:根据所述用电量统计数据,对用电量统计数据进行整理,包括有效性检查、错误数据剔除与修改;根据所述用电量统计数据,按不同的时间尺度,分别拟合待测区域的用电量需求真实值;根据所述用电量统计数据,按不同的时间尺度和不同的预测模型,分别拟合待测区域的用电量需求预测值;比较各模型的用电量预测值与用电量需求真实值的误差大小,建立相应的不同时间尺度下的地区用电量需求预测模型;
根据所述分类别的行业用电量需求预测模型、分类别的地区用电量需求预测模型以及用电量与预设经济变量之间的关系,构建改进的用电量需求预测模型,包括:根据地区的用电量和预设的经济变量数据,采用时差相关分析方法,计算所述经济变量和用电量之间的变化时间关系,选取变化时间领先于用电量的经济变量;根据所述分类别的行业用电量需求预测模型、分类别的地区用电量需求预测模型以及所述选取的经济变量,把所述选取的经济变量加入相应的用电量需求预测模型进行改进;
根据所述用电量统计数据以及所述改进的用电量需求预测模型预测各行业类别的用电量需求和待测区域的用电量需求。
一种行业用电需求预测***,包括:
获取单元,用于获取待测区域中在设定时间段内各个行业的用电量统计数据;
选择单元,用于根据所述用电量统计数据筛选出待测区域中的关键用电行业,包括:根据所述用电量统计数据,运用聚类算法对用电行业进行分类,得到用电行业的分类结果;根据所述用电量统计数据和所述用电行业的分类结果,按聚类结果的评价指标来检验聚类的效果,若效果不符合预定的检验标准,则需重新对用电行业进行分类;若效果符合预定的检验标准,则进行下一步;根据所述用电量统计数据和所述用电行业的分类结果,得到各行业类别对总体用电波动的影响值;根据所述行业用电量占比以及所述各行业类别对总体用电波动的影响值,依据相应筛选标准筛选出关键用电行业;
建模单元,用于根据所述用电量统计数据以及所述关键用电行业建立分类别的行业用电量需求预测模型和分类别的地区用电量需求预测模型;
其中,建立分类别的行业用电量需求预测模型包括:根据所述用电量统计数据,对用电量统计数据进行整理,包括有效性检查、错误数据剔除与修改;根据所述用电量统计数据以及所述关键用电行业,按不同的时间尺度,分别拟合各关键用电行业的用电量需求真实值;根据所述用电量统计数据以及所述关键用电行业,按不同的时间尺度和不同的预测模型,分别拟合各关键用电行业的用电量需求预测值;比较各模型的用电量预测值与用电量需求真实值的误差大小,建立相应的不同时间尺度下的行业用电量需求预测模型;
建立分类别的地区用电量需求预测模型包括:根据所述用电量统计数据,对用电量统计数据进行整理,包括有效性检查、错误数据剔除与修改;根据所述用电量统计数据,按不同的时间尺度,分别拟合待测区域的用电量需求真实值;根据所述用电量统计数据,按不同的时间尺度和不同的预测模型,分别拟合待测区域的用电量需求预测值;比较各模型的用电量预测值与用电量需求真实值的误差大小,建立相应的不同时间尺度下的地区用电量需求预测模型;
改进模块,用于根据所述分类别的行业用电量需求预测模型、分类别的地区用电量需求预测模型以及用电量与预设经济变量之间的关系,构建改进的用电量需求预测模型,包括:根据地区的用电量和预设的经济变量数据,采用时差相关分析方法,计算所述经济变量和用电量之间的变化时间关系,选取变化时间领先于用电量的经济变量;根据所述分类别的行业用电量需求预测模型、分类别的地区用电量需求预测模型以及所述选取的经济变量,把所述选取的经济变量加入相应的用电量需求预测模型进行改进;
预测单元,用于根据所述用电量统计数据以及所述改进的用电量需求预测模型预测各行业类别的用电量需求和待测区域的用电量需求。
上述行业用电需求预测方法和***通过获取待测区域中在设定时间段内各个行业的用电量统计数据,根据所述用电量统计数据筛选出待测区域中的关键用电行业,再根据所述用电量统计数据以及所述关键用电行业建立分类别的行业用电量需求预测模型和分类别的地区用电量需求预测模型,根据所述分类别的行业用电量需求预测模型、分类别的地区用电量需求预测模型以及用电量与预设经济变量之间的关系,构建改进的用电量需求预测模型,最后根据所述用电量统计数据以及所述改进的用电量需求预测模型预测各行业类别的用电量需求和待测区域的用电量需求。此方案中,首先筛选出了待测区域的关键用电行业,然后依据主要预测方法在不同时间尺度下建立误差较小的用电量需求预测模型,并进一步根据用电量与预设经济变量之间的关系进行改进,最后根据改进的用电量需求预测模型预测相应的类别情形,从而实现精度高的用电量需求预测。
具体实施方式
下面结合附图对本发明的行业用电需求预测方法和***的具体实施方式作详细描述。
参考图1,图1所示为一个实施例的行业用电需求预测方法流程图,包括如下步骤:
S10,获取待测区域中在设定时间段内各个行业的用电量统计数据;
上述步骤S10中,上述用电行业大致包括三个层次:第一层次可以包括第一产业,第二产业,第三产业,城乡居民生活用电量合计等;第二层次可以包括工业,商业住宿和餐饮业,公共事业及管理组织,金融、房地产、商务及居民服务业,建筑业,信息传输、计算机服务和软件业,交通运输、仓储和邮政业,农、林、牧、渔业等;第三层次可以包括交通运输电气电子设备制造业,橡胶和塑料制品业,金属制品业,服装鞋帽皮草羽绒及其制品业,批发和零售业,木材加工及制品和家具制造业等。上述用电行业还可以包括除上述以外的其他对象。基于行业全覆盖与避免重复的考虑,可以对用电行业作适当的合并整理。
上述设定时间段的单位可以包括月,季度,年等。
上述用电量统计数据可以包括总用电量,平均用电量,中位数用电量,标准差,行业用电量占比等。
S20,根据所述用电量统计数据筛选出待测区域中的关键用电行业;
在一个实施例中,上述步骤S20可以包括:
根据所述用电量统计数据,运用聚类算法对用电行业进行分类,得到用电行业的分类结果;
根据所述用电量统计数据和所述用电行业的分类结果,按聚类结果的评价指标来检验聚类的效果,若效果不符合预定的检验标准,则需重新对用电行业进行分类;若效果符合预定的检验标准,则进行下一步;
根据所述用电量统计数据和所述用电行业的分类结果,得到各行业类别对总体用电波动的影响值;
根据所述行业用电量占比以及所述各行业类别对总体用电波动的影响值,依据相应筛选标准筛选出关键用电行业。
通过上述方式筛选出的关键用电行业具有准确度高的优点。
S30,根据所述用电量统计数据以及所述关键用电行业建立分类别的行业用电量需求预测模型和分类别的地区用电量需求预测模型;
在一个实施例中,上述步骤S30可以包括:
根据所述用电量统计数据,对用电量统计数据进行整理,包括有效性检查、错误数据剔除与修改;
根据所述用电量统计数据以及所述关键用电行业,按不同的时间尺度,分别拟合各关键用电行业的用电量需求真实值;
根据所述用电量统计数据以及所述关键用电行业,按不同的时间尺度和不同的预测模型,分别拟合各关键用电行业的用电量需求预测值;
比较各模型的用电量预测值与用电量需求真实值的误差大小,建立相应的不同时间尺度下的行业用电量需求预测模型。
通过上述方式可以建立不同时间尺度对应的行业用电量需求预测模型,准确反应不同时间的行业用电量需求,更加准确。
在一个实施例中,上述步骤S30还可以包括:
根据所述用电量统计数据,对用电量统计数据进行整理,包括有效性检查、错误数据剔除与修改;
根据所述用电量统计数据,按不同的时间尺度,分别拟合待测区域的用电量需求真实值;
根据所述用电量统计数据,按不同的时间尺度和不同的预测模型,分别拟合待测区域的用电量需求预测值;
比较各模型的用电量预测值与用电量需求真实值的误差大小,建立相应的不同时间尺度下的地区用电量需求预测模型。
通过上述方式可以建立不同时间尺度对应的地区用电量需求预测模型,准确反应不同时间的地区用电量需求,更加准确。
上述实施例根据在不同时间尺度下各预测模型的误差大小,选择与不同时间尺度相应的用电量需求预测模型,可以提高用电量需求预测的准确性。
S40,根据所述分类别的行业用电量需求预测模型、分类别的地区用电量需求预测模型以及用电量与预设经济变量之间的关系,构建改进的用电量需求预测模型。
在一个实施例中,构建改进的用电量需求预测模型包括如下步骤:
根据地区的用电量和预设的经济变量数据,采用时差相关分析方法,计算所述经济变量和用电量之间的变化时间关系,选取变化时间领先于用电量的经济变量;
根据所述分类别的行业用电量需求预测模型、分类别的地区用电量需求预测模型以及所述选取的经济变量,把所述选取的经济变量加入相应的用电量需求预测模型进行改进。
即,根据所述经济变量指标和所述时差相关分析方法,计算出经济变量和用电量的领先滞后关系,选取出时差领先用电量的经济变量;根据所述建立的用电量需求预测模型以及所述选取出的经济变量,把选取出的经济变量加入相应的用电量需求预测模型进行相应改进。
通过上述方式,将通过经济变量和用电量之间的变化时间关系,选取的经济变量加入相应的用电量需求预测模型进行改进,可以提高相应的用电量需求预测模型的准确性。
在一个实施例中,计算所述经济变量和用电量之间的变化时间关系的步骤包括:
计算在一定滞后阶数下所述经济变量指标和用电量的相关系数如下:
其中rjk为所述相关系数,j、k为滞后或领先的期数,和分别是用电量和经济指标的平均值;当rjk大于预设阈值时,则用电量在滞后或领先j期和经济变量指标滞后或领先k期是相关的。
当rjk显著时说明用电量在滞后或领先j期和经济变量指标滞后或领先k期是相关的。
通过计算所述经济变量指标和用电量的相关系数,可以准确获得所述经济变量和用电量之间的变化时间关系,使构建的改进的用电量需求预测模型更加准确。
在一个实施例中,所述经济变量包括预设规模以上的工业增加值、社会消费品零售总额、地方财政一般预算收入、地方财政一般预算支出、进出口总额、出口总额、实际利用外资金额、总售电量和居民消费价格总指数。
在本实施例中,上述行业用电需求预测方法可用来分析用电量与经济变量之间的关系和构建改进的用电量需求预测模型。
上述用电量与经济变量之间的关系分析可以包括两种方案:
方案一:基于上述构造的用电量需求预测结果,提取预测误差作为用电量的波动项作为被解释变量;同时,提取工业增加值等经济变量的波动项作为解释变量,分析增加值波动项与用电量波动项的相关关系。
方案二:被解释变量的选取与方案一完全一致,在选取解释变量上,不区分经济变量的稳定项与波动项,比如,直接采用工业增加值等经济变量作为解释变量。
当影响用电量波动的因素,与影响经济变量波动的因素具有较强相关性的时候,方案一能够表现出较好的结果;相反,方案二会由于具有噪音,拟合误差较大。事实上,由于大部分影响经济变量波动的因素,在不同时间点具有较大差异,因此,方案二会由于信息量较为丰富,具有比方案一更好的表现效果。
S50,根据所述用电量统计数据以及所述改进的用电量需求预测模型预测各行业类别的用电量需求和待测区域的用电量需求。
本实施例通过筛选出了待测区域的关键用电行业,然后依据主要预测方法在不同时间尺度下建立误差较小的用电量需求预测模型,获取待测区域中在设定时间段内各个行业的用电量统计数据,根据所述用电量统计数据筛选出待测区域中的关键用电行业,再根据所述用电量统计数据以及所述关键用电行业建立分类别的行业用电量需求预测模型和分类别的地区用电量需求预测模型,并进一步根据用电量与预设经济变量之间的关系进行改进,最后根据改进的用电量需求预测模型预测相应的类别情形,从而实现精度高的用电量需求预测。
为了验证预测模型改进的有效性,本发明以东莞地区为对象进行考察研究。应当理解,此处所描述的考察研究仅仅只是本发明的一个具体应用验证,并不限定本发明的保护范围。
用时差相关公式计算东莞地区用电量和经济变量的关系结果如下表所示:
经济指标和地区用电领先滞后关系
选取经济变量规模以上工业增加值和实际利用外资金额,考察经济变量与ARIMA东莞地区用电量预测的残差序列的相关性,用时差相关分析得到的结果如下图所示:
ARIMA残差与规上工业增加值相关性分析
ARIMA残差与实际利用外资金额相关性分析
对于时差领先于用电量数据的经济变量才有值得考虑的意义,根据上图的分析结果,滞后1阶规上工业增加值和实际利用外资金额两经济变量都与ARIMA用电量预测的残差序列有显著的相关性(置信水平为95%),所以,可以尝试添加两经济变量参与用电量预测。
由于滞后1阶的规上工业增加值和实际利用外资金额两经济变量,与用电量预测的残差序列有显著的相关性,因此,考虑设计以下两种方案,对残差也及用电波动的受影响因素进行深入分析。
第一种方案:只引入规上工业增加值作为用电波动序列的解释变量。
第二种方案:在第一种方案基础上,补充实际利用外资金额作为用电序列的解释变量。
加入经济变量后的改进预测模型如图2所示。
通过多元线性回归模型拟合ARIMA预测残差序列与各经济变量,得出:
(1)只加入规上工业增加值的改进预测模型:
(R2=0.8571)
(2)加入以上两个经济变量后的预测模型:
(R2=0.8667)
其中为ARIMA模型预测结果,GDP为工业增加值(单位:亿元),WZ为实际利用外资金额(单位:亿元)。
两种方案的拟合优度相差不大,为此,再次进行东莞地区用电的月度预测,并比较与原来ARIMA模型的预测误差结果如下表所示:
ARIMA模型与改进模型拟合精度对比
模型 |
拟合误差 |
ARIMA |
4.7% |
只添加规上工业增加值 |
4.0% |
添规上工业增加值与实际利用外资金额 |
2.5% |
从上表中的分析结果,可以看出,加入相关经济变量后,模型的预测精度要显著高于原来ARIMA模型。只加入规上工业增加值的模型拟合误差为4.0%,比原来降低了0.7%;加入规上工业增加值和实际利用外资金额两个经济变量后的拟合误差为2.5%,比原来降低了2.2%,可以看出随着与用电相关的经济变量的逐渐加入,预测精度可以得到显著提高。
参考图3,图3所示为一个实施例的行业用电需求预测***结构示意图,包括:
获取单元10,用于获取待测区域中在设定时间段内各个行业的用电量统计数据;
选择单元20,用于根据所述用电量统计数据筛选出待测区域中的关键用电行业;
建模单元30,用于根据所述用电量统计数据以及所述关键用电行业建立分类别的行业用电量需求预测模型和分类别的地区用电量需求预测模型;
改进模块40,用于根据所述分类别的行业用电量需求预测模型、分类别的地区用电量需求预测模型以及用电量与预设经济变量之间的关系,构建改进的用电量需求预测模型;
预测单元50,用于根据所述用电量统计数据以及所述改进的用电量需求预测模型预测各行业类别的用电量需求和待测区域的用电量需求。
本发明的行业用电需求预测***与本发明的行业用电需求预测方法一一对应,在上述行业用电需求预测方法的实施例阐述的技术特征及其有益效果均适用于行业用电需求预测***的实施例中,特此声明。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。