CN113780660B - 一种居民用电量预测方法、***及存储介质 - Google Patents

一种居民用电量预测方法、***及存储介质 Download PDF

Info

Publication number
CN113780660B
CN113780660B CN202111068453.4A CN202111068453A CN113780660B CN 113780660 B CN113780660 B CN 113780660B CN 202111068453 A CN202111068453 A CN 202111068453A CN 113780660 B CN113780660 B CN 113780660B
Authority
CN
China
Prior art keywords
electricity consumption
month
power generation
photovoltaic power
preset area
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
CN202111068453.4A
Other languages
English (en)
Other versions
CN113780660A (zh
Inventor
汤新杰
刘洋海
张捷
雷小林
吴志敏
陈思龙
黄楚晴
丘文广
徐扬
王文颉
曾雅怡
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.)
Guangdong Power Grid Co Ltd
Shaoguan Power Supply Bureau Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Shaoguan Power Supply Bureau Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Shaoguan Power Supply Bureau Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202111068453.4A priority Critical patent/CN113780660B/zh
Publication of CN113780660A publication Critical patent/CN113780660A/zh
Application granted granted Critical
Publication of CN113780660B publication Critical patent/CN113780660B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明实施例公开了一种居民用电量预测方法、***及存储介质。该居民用电量预测方法，包括获取预设区域的月度历史用电量和光伏发电历史数据；根据月度历史用电量和光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型；根据用电量预测模型和光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量；根据预测的居民月度用电量和光伏发电量，计算预设区域的居民实际消耗的电量。本发明实施例提供的技术方案通过建立用电量预测模型和光伏发电预测模型，预测得到居民下一年的月度实际用电量，从而可有效预测一定地区范围内的电能负荷变化趋势，为地区电网规划建设提供一定的决策依据。

Description

一种居民用电量预测方法、***及存储介质
技术领域
本发明实施例涉及电网技术领域，尤其涉及一种居民用电量预测方法、***及存储介质。
背景技术
近年来，随着人民生活水平的不断提高，消费观念的不断转变，城市居民生活用电量迅速增长，光伏发电得到了人民的广泛关注。但光伏发电易受到大气环境的影响，具有随机性和间歇性，因此，无法提供稳定的电能，需要光伏发电与电网共同提供电能，以保障居民的正常生活。
现有的居民供电方式一般采用光伏发电与电网协同供电，但现有的供电方式无法预测到地区居民实际消耗的电能量，不利于城市电网的规划，影响节能减排的目标的实现。
发明内容
本发明实施例提供一种居民用电量预测方法、***及存储介质，以解决现有的供电方式无法预测地区电能负荷变化趋势，不利于地区电网供电规划建设的问题。
为实现上述技术问题，本发明采用以下技术方案：
第一方面，本发明实施例提供了一种居民用电量预测方法，包括：
获取预设区域的月度历史用电量和光伏发电历史数据；
根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型；
根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量；
根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
可选的，所述获取预设区域的月度历史用电量和光伏发电历史数据，包括：
获取预设区域内前N年的月度历史用电量；
获取预设区域内前N年的月度光伏发电历史数据、预设区域内前N年的历史温度数据和历史光照强度，以及预设区域内气象预测信息，其中N为大于或等于1的正整数。
可选的，所述根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型，包括：
根据所述月度历史用电量，采用时间序列预测方法，预测下一年度所述预设区域的居民的用电量预测模型；
根据所述光伏发电历史数据以及所述预设区域内气象预测信息，建立基于时间序列的光伏发电预测模型；
其中，所述预设区域内气象预测信息包括太阳能电池板的额定功率、太阳能电池板的倾斜角度以及温度系数。
可选的，所述根据所述月度历史用电量，采用时间序列预测方法，预测下一年度所述预设区域的居民的用电量预测模型，包括：
根据预设区域的月度历史用电量，计算历史前N年月度用电一次移动平均值序列；
将所述月度历史用电量与所述历史前N年月度用电一次移动平均值序列的比值，得到常数值序列；
根据所述常数值序列计算月度指数，并对所述月度指数进行修正，得到修正月度指数；
采用线性回归模型将所述月度历史用电量数据进行拟合，得到拟合值序列和预测值序列；
根据所述预测值序列和所述修正月度指数，预测下一年的月度用电量预测模型。
可选的，所述预设区域内前N年的月度历史用电量Y采用如下公式计算：
Y＝[y1,y2,…,y12N]
其中，N表示年份，即N为大于或等于1，且小于或等于12的正整数，y1表示前第1月的月度历史用电量，y12N表示前第12N月的月度历史用电量。
可选的，所述历史前N年月度用电一次移动平均值序列，采用如下公式表示：
其中，i表示每个月份，即i＝1,2,3,…,12N；
所述常数值序列，采用如下公式表示：
其中，i＝1,2,3,…,12N；
所述月度指数，采用如下公式表示：
其中，Ri表示每月度指数，j表示年份，1≤j≤N；
所述修正月度指数，采用如下公式表示：
其中，R′i表示月度修正指数；
所述拟合值序列，采用如下公式表示：
所述预测值序列，采用如下公式表示：
下一年的月度用电量预测模型采用如下公式表示：
可选的，所述光伏发电预测模型，采用如下公式表示：
PG＝k·PN·sinα·(1-ξ)
其中，PG为光伏发电预测电功率，k为校正系数，PN为所述太阳能电池板的额定功率，α为太阳光的入射角，其中sinα＝sin(180-β-ɡ)＝sin(β+ɡ)，β表示太阳高度，ɡ表示太阳能电池板的倾斜角度；
ξ为温度系数，采用如下公式表示：
其中，P303K表示太阳能电池板在303K时的功率损耗，Thigh表示太阳最高点的环境温度；
所述预测的光伏发电量，采用如下公式表示：
X(t)＝PG·F(t)＝k·PN·sinα·(1-ξ)·F(t)
其中，F(t)代表每个月的自然天数。
可选的，所述根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量，包括：
将预测的所述居民月度用电量与所述光伏发电量作差，得到预设区域的居民实际消耗的电量。
第二方面，本发明实施例提供了一种居民用电量预测***，包括历史数据获取模块，用于获取预设区域的月度历史用电量和光伏发电历史数据；
模型建立模块，用于根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型；
电量预测模块，用于根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量；
计算模块，用于根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
第三方面，本发明实施例提供了一种可读存储介质，当所述可读存储介质中的指令由居民用电量预测***的处理器执行时，使得居民用电量预测***能够执行第一方面任意所述居民用电量预测方法。
本发明实施例提供的居民用电量预测方法，在预设地区范围内，通过建立基于时间序列的居民用电量预测模型和光伏发电预测模型，根据该地区内的月度历史用电量、光伏发电历史数据以及气象预测信息，得到下一年居民的预测月度用电量和预测的光伏发电量，得到预测的居民实际消耗电量，从而可以有效地预测该地区的电能负荷变化趋势，对城市规划建设、了解城镇化进程、能源消费结构以及建设智能小区等具有重要的意义，同时为城市电网规划提供有力的依据，促进节能减排。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，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，还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本发明实施例提供的一种居民用电量预测方法的流程图；
图2是本发明实施例提供的又一种居民用电量预测方法的流程图；
图3是本发明实施例提供的又一种居民用电量预测方法的流程图；
图4是本发明实施例提供的又一种居民用电量预测方法的流程图；
图5是本发明实施例提供的又一种居民用电量预测方法的流程图；
图6是本发明实施例提供的一种居民用电量预测***的结构示意图；
图7是本发明实施例提供的又一种居民用电量预测***的结构示意图；
图8是本发明实施例提供的又一种居民用电量预测***的结构示意图；
图9是本发明实施例提供的又一种居民用电量预测***的结构示意图；
图10是本发明实施例提供的一种居民用电量预测装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
本发明实施例提供一种居民用电量预测方法。图1是本发明实施例提供的一种居民用电量预测方法的流程图。如图1所示，本发明实施例提供的居民用电量预测方法，包括：
S101、获取预设区域的月度历史用电量和光伏发电历史数据。
其中，预设区域是预先设定的具有一定范围的一个地区。具体地，预设区域可以包括但不限于一个城市里的一个居民小区、一个城市里的几个居民小区、一个城市和/或一个省里的几个城市，在此不作任何限定。月度历史用电量，即预设区域内当前时间所在年份之前的年份每个月的居民用电量。光伏发电历史数据包括预设区域内当前时间所在年份之前的年份每个月的光伏发电量。预设区域的月度历史用电量和光伏发电历史数据可以从计量自动化***中获取得到。
S102、根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型。
具体地，采用时间序列预测方法建立用电量预测模型，用于预测计算得到该预设区域在下一年度居民每个月的用电量。基于时间序列预测方法建立光伏发电预测模型，用于预测计算得到该预设区域在光伏发电量。
S103、根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量。
通过用电量预测模型和光伏发电预测模型，预测得到预设区域的居民月度用电量和光伏发电量，便于得知光伏发电量是否满足居民月度用电量的需求。
S104、根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
根据预测下一年的居民月度用电量和光伏发电量的大小关系，就可以计算得到预设区域居民实际消耗的电量。
本发明实施例提供的居民用电量预测方法通过获取预设区域的月度历史用电量和光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型，并依据建立的模型，预测预设区域的居民月度用电量和光伏发电量，从而计算得到预设区域的居民实际消耗电量，可以有效地预测该地区的电能负荷变化趋势，对城市规划建设、了解城镇化进程、能源消费结构以及建设智能小区等具有重要的意义，同时为城市电网规划提供有力的依据，促进节能减排。
可选的，图2是本发明实施例提供的又一种居民用电量预测方法的流程图。在上述实施例的基础上，参见图2，本发明实施例提供的居民用电量预测方法，包括：
S201、获取预设区域内前N年的月度历史用电量。
具体地，N表示年份，且N为大于或等于1的正整数，例如：N可以是1、2和/或3。示例性地，在本发明实施例中，以N等于2为例，则为获取预设区域内前2年的月度历史用电量。月度历史用电量可以从计量自动化***中获取。
S202、获取预设区域内前N年的月度光伏发电历史数据、预设区域内前N年的历史温度数据和历史光照强度，以及预设区域内气象预测信息，其中N为大于或等于1的正整数。
具体地，N表示年份，且N为大于或等于1的正整数，例如：N可以是1、2和/或3。示例性地，在本发明实施例中，为获取预设区域内前2年的月度光伏发电历史数据、预设区域内前2年的历史温度数据和历史光照强度，以及预设区域内气象预测信息。
历史温度数据和历史光照强度是预设区域内前N年每个月的温度数据和光照强度，可以从公开的气象信息中获取，气象预测信息包括但不限于温度数据和光照强度。同样地，在本发明实施例中，历史温度数据和历史光照强度是预设区域内前2年每个月的温度数据和光照强度。
S203、根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型。
S204、根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量。
S205、根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
可选的，图3是本发明实施例提供的又一种居民用电量预测方法的流程图。在上述实施例的基础上，参见图3，本发明实施例提供的居民用电量预测方法，包括：
S301、获取预设区域的月度历史用电量和光伏发电历史数据。
S302、根据所述月度历史用电量，采用时间序列预测方法，预测下一年度所述预设区域的居民的用电量预测模型。
其中，采用时间序列预测方法建立预测模型，根据每个月的不同情况建立不同的预测模型，可以更准确地预测预设区域的电能负荷变化趋势，进而准确预测居民实际用电量。
S303、根据所述光伏发电历史数据以及所述预设区域内气象预测信息，建立基于时间序列的光伏发电预测模型；其中，所述预设区域内气象预测信息包括太阳能电池板的额定功率、太阳能电池板的倾斜角度以及温度系数。
同样地，基于时间序列建立光伏发电预测模型，并将气象信息考虑在内，能够使预测的光伏发电量更接近实际光伏发电量，给供电部门的工作提供更为可信的决策依据。
S304、根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量。
S305、根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
可选的，图4是本发明实施例提供的又一种居民用电量预测方法的流程图。在上述实施例的基础上，参见图4，本发明实施例提供的居民用电量预测方法，包括：
S401、获取预设区域的月度历史用电量和光伏发电历史数据。
可选的，所述预设区域内前N年的月度历史用电量Y采用如下公式计算：
Y＝[y1,y2,…,y12N] (1)
其中，N表示年份，即N为大于或等于1，且小于或等于12的正整数，y1表示前N年第1月的月度历史用电量，y12N表示前N年第12N月的月度历史用电量，月度历史用电量Y是一个行矩阵。
具体地，在本发明实施例中，以N等于2为例，预设区域内前2年的月度历史用电量Y采用如下公式计算：
Y＝[y1，y2，…y23，y24]
其中，y1表示前2年第1月的月度历史用电量，y2表示前2年第2月的月度历史用电量，y24表示前2年第24月的月度历史用电量。
S402、根据预设区域的月度历史用电量，计算历史前N年月度用电一次移动平均值序列。
可选的，所述历史前N年月度用电一次移动平均值序列，采用如下公式表示：
其中，i表示每个月份，即i＝1,2,3,…,12N；Yi表示历史N年第i月的月度历史用电量，Ai表示历史N年第i月的月度用电一次移动平均值序列。
具体地，在本发明实施例中，历史2年月度用电一次移动平均值序列为：
其中，i表示每个月份，即i＝1,2,3,…,24。则，
S403、将所述月度历史用电量与所述历史前N年月度用电一次移动平均值序列的比值，得到常数值序列。
可选的，所述常数值序列，采用如下公式表示：
其中，i＝1,2,3,…,12N；Bi表示历史N年第i月的月度用电常数值序列，该常数值序列可以对月度历史用电量的平均值与月度历史用电量进行定量分析。
具体地，在本发明实施例中，通过将月度历史用电量与历史前2年月度用电一次移动平均值序列做商，得到比值即为常数值序列，历史2年第1月的月度用电常数值序列为历史2年第2月的月度用电常数值序列为/>历史2年第24月的月度用电常数值序列为/>该常数值序列可用于对月度历史用电量与月度历史用电量平均值进行定量分析。
S404、根据所述常数值序列计算月度指数，并对所述月度指数进行修正，得到修正月度指数。
可选的，所述月度指数，采用如下公式表示：
其中，Ri表示每月度指数，j表示年份，1≤j≤N，i＝1,2,3,…,12。该月度指数Ri的意义为前N年的每一年内相同月份的月度用电常数值序列的平均值。
具体地，在本发明实施例中，根据常数值序列计算得到前2年的月度指数，前2年的第1月的月度指数为前2年的第2月的月度指数为/>前2年的第12月的月度指数为/>
并且，为了提高月度用电量预测的准确性，对月度指数进行修正得到修正月度指数。
所述修正月度指数，采用如下公式表示：
其中，R′i表示月度修正指数，对月度指数Ri进行修正，可以提高月度用电量的预测准确性。
具体地，在本发明实施例中，第1月的月度修正指数为第2月的月度修正指数为/>第12月的月度修正指数为/>
S405、采用线性回归模型将所述月度历史用电量数据进行拟合，得到拟合值序列和预测值序列；
可选的，所述拟合值序列，采用如下公式表示：
具体地，在本发明实施例中，对历史前2年的月度历史用电量数据进行拟合，得到拟合值序列其中，/>表示前2年内第1月的月度历史用电量的拟合值，/>表示前2年内第2月的月度历史用电量的拟合值，该月度历史用电量的拟合值/>是依据月度历史用电量yi的各数据点之间的规律采用线性回归模型进行函数拟合得到的。
进一步地，根据拟合值与预测值所满足的数量关系，计算得到一个对应的预测值序列。所述预测值序列，采用如下公式表示：
其中，表示下一年第1月的第一预测月度用电量，/>表示下一年第2月的第一预测月度用电量，/>表示下一年第12月的第一预测月度用电量。
S406、根据所述预测值序列和所述修正月度指数，预测下一年的月度用电量预测模型。
可选的，下一年的月度用电量预测模型采用如下公式表示：
其中，表示下一年第i月的第一预测月度用电量，/>表示下一年第i月的第二预测月度用电量。
具体地，在本发明实施例中，下一年第1月的第二预测月度用电量为下一年第2月的第二预测月度用电量为/>下一年第12月的第二预测月度用电量为/>
S407、根据所述光伏发电历史数据以及所述预设区域内气象预测信息，建立基于时间序列的光伏发电预测模型；其中，所述预设区域内气象预测信息包括太阳能电池板的额定功率、太阳能电池板的倾斜角度以及温度系数。
可选的，所述光伏发电预测模型，采用如下公式表示：
PG＝k·PN·sinα·(1-ξ) (9)
其中，PG为光伏发电预测电功率，k为校正系数，PN为所述太阳能电池板的额定功率，α为太阳光的入射角，其中sinα＝sin(180-β-ɡ)＝sin(β+ɡ)，β表示太阳高度，ɡ表示太阳能电池板的倾斜角度；
ξ为温度系数，采用如下公式表示：
其中，P303K表示太阳能电池板在303K时的功率损耗，Thigh表示太阳最高点的环境温度。
具体地，在光伏发电预测电功率PG的计算公式中，太阳能电池板的额定功率PN可从所使用的太阳能电池板出厂时的产品信息中获知，太阳能电池板的倾斜角度ɡ可由太阳能电池板安装的角度测量得到，太阳高度β和太阳最高点的环境温度Thigh可由预设区域内的气象预测信息获取。
S408、根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量。
可选的，所述预测的光伏发电量，采用如下公式表示：
X(t)＝PG·F(t)＝k·PN·sinα·(1-ξ)·F(t) (11)
其中，F(t)代表每个月的自然天数。
具体地，在本发明实施例中，下一年第1月的自然天数为31天，则第1月的预测的光伏发电量为X(t)＝PG·31＝31·k·PN·sinα·(1-ξ)。并且下一年第1月的第二预测月度用电量为
S409、根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
可选的，图5是本发明实施例提供的又一种居民用电量预测方法的流程图。在上述实施例的基础上，参见图5，本发明实施例提供的居民用电量预测方法，包括：
S501、获取预设区域的月度历史用电量和光伏发电历史数据；
S502、根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型；
S503、根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量；
S504、将预测的所述居民月度用电量与所述光伏发电量作差，得到预设区域的居民实际消耗的电量。
具体地，由于光伏发电容易受到大气环境的影响，所以光伏发电量一般会小于预设区域居民的实际月度用电量，因此，需要供电部门配合提供光伏发电不足以提供的部分，即预设区域的居民实际消耗的电量W，所以，预设区域的居民实际消耗的电量W采用如下公式表示：
其中，X(t)为下一年第i月的实际自然天数。
具体地，在本发明实施例中，预设区域下一年第1月的居民实际消耗的电量则为经过预测下一年预设区域内居民的实际消耗电量，可以得到该区域更为准确的电能负荷变化趋势，对供电部门产能供能具有一定的参考意义，从而更好地实现节能减排。
可选的，图6是本发明实施例提供的一种居民用电量预测***的结构示意图。在上述实施例的基础上，参见图6，本发明实施例提供的居民用电量预测***包括：
历史数据获取模块10，用于获取预设区域的月度历史用电量和光伏发电历史数据；
模型建立模块20，用于根据月度历史用电量和光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型；
电量预测模块30，用于根据用电量预测模型和光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量；
计算模块40，用于根据预测的居民月度用电量和光伏发电量，计算预设区域的居民实际消耗的电量。
可选的，图7是本发明实施例提供的又一种居民用电量预测***的结构示意图。在上述实施例的基础上，参见图7，本发明实施例提供的居民用电量预测***，还包括：
历史用电量获取单元101，用于获取预设区域内前N年的月度历史用电量；
光伏发电历史数据获取单元102，用于获取预设区域内前N年的月度光伏发电历史数据、预设区域内前N年的历史温度数据和历史光照强度，以及预设区域内气象预测信息，其中N为大于或等于1的正整数。
可选的，图8是本发明实施例提供的又一种居民用电量预测***的结构示意图。在上述实施例的基础上，参见图8，本发明实施例提供的居民用电量预测***，还包括：
用电量预测单元201，用于根据月度历史用电量，采用时间序列预测方法，预测下一年度预设区域的居民的用电量预测模型；
光伏发电预测单元202，用于根据光伏发电历史数据以及预设区域内气象预测信息，建立基于时间序列的光伏发电预测模型；其中，预设区域内气象预测信息包括太阳能电池板的额定功率、太阳能电池板的倾斜角度以及温度系数。
可选的，图9是本发明实施例提供的又一种居民用电量预测***的结构示意图。在上述实施例的基础上，参见图9，本发明实施例提供的居民用电量预测***，还包括：
序列计算子单元2011，用于根据预设区域的月度历史用电量，计算历史前N年月度用电一次移动平均值序列；
序列作商子单元2012，用于将月度历史用电量与历史前N年月度用电一次移动平均值序列的比值，得到常数值序列；
指数修正子单元2013，用于根据常数值序列计算月度指数，并对月度指数进行修正，得到修正月度指数；
数据拟合子单元2014，用于采用线性回归模型将月度历史用电量数据进行拟合，得到拟合值序列和预测值序列；
模型建立子单元2015，用于根据预测值序列和修正月度指数，预测下一年的月度用电量预测模型。
可选的，图10是本发明实施例提供的一种居民用电量预测装置的结构示意图。在上述实施例的基础上，参见图10，本发明实施例提供一种可读存储介质51，其上存储有软件程序，当所述可读存储介质51中的指令由居民用电量预测装置中的处理器50执行时，使得居民用电量预测装置能够执行上述任意实施例所述居民用电量预测方法。该方法包括：获取预设区域的月度历史用电量和光伏发电历史数据；根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型；根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量；根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的居民用电量预测方法操作，还可以执行本发明任意实施例所提供的居民用电量预测方法中的相关操作，且具备相应的功能和有益效果。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品可以存储在可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的居民用电量预测方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (6)

1.一种居民用电量预测方法，其特征在于，包括：
获取预设区域的月度历史用电量和光伏发电历史数据；
根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型；
根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量；
根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量；
其中，所述根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型，包括：
根据所述月度历史用电量，采用时间序列预测方法，预测下一年度所述预设区域的居民的用电量预测模型；
根据所述光伏发电历史数据以及所述预设区域内气象预测信息，建立基于时间序列的光伏发电预测模型；
其中，所述预设区域内气象预测信息包括太阳能电池板的额定功率、太阳能电池板的倾斜角度以及温度系数；
所述根据所述月度历史用电量，采用时间序列预测方法，预测下一年度所述预设区域的居民的用电量预测模型，包括：
根据预设区域的月度历史用电量，计算历史前N年月度用电一次移动平均值序列；
将所述月度历史用电量与所述历史前N年月度用电一次移动平均值序列的比值，得到常数值序列；
根据所述常数值序列计算月度指数，并对所述月度指数进行修正，得到修正月度指数；
采用线性回归模型将所述月度历史用电量进行拟合，得到拟合值序列和预测值序列；
根据所述预测值序列和所述修正月度指数，预测下一年的月度用电量预测模型；
所述历史前N年月度用电一次移动平均值序列，采用如下公式表示：
；
其中，i表示每个月份，即；
所述常数值序列，采用如下公式表示：
；
其中，；
所述月度指数，采用如下公式表示：
，/>,...,/> ；
其中，R i表示每月度指数，j表示年份，；
所述修正月度指数，采用如下公式表示：
，/>；
其中，表示月度修正指数；
所述拟合值序列，采用如下公式表示：
=/>；
所述预测值序列，采用如下公式表示：
=/>；
下一年的月度用电量预测模型，采用如下公式表示：
，/>；
所述光伏发电预测模型，采用如下公式表示：
P G ＝k·P N ·sinα·(1-ξ)
其中，P G为光伏发电预测电功率，k为校正系数，P N为所述太阳能电池板的额定功率，α为太阳光的入射角，其中sinα=sin(180-β-ɡ)=sin(β+ɡ)，β表示太阳高度，ɡ表示太阳能电池板的倾斜角度；
ξ为温度系数，采用如下公式表示：
；
其中，P 303K表示太阳能电池板在303K时的功率损耗，T high表示太阳最高点的环境温度；
预测的所述光伏发电量，采用如下公式表示：
X(t)=P G·F(t)＝k·P N·sinα·(1-ξ)·F(t)
其中，F(t)代表每个月的自然天数。
2.根据权利要求1所述居民用电量预测方法，其特征在于，所述获取预设区域的月度历史用电量和光伏发电历史数据，包括：
获取预设区域内前N年的月度历史用电量；
获取预设区域内前N年的月度光伏发电历史数据、预设区域内前N年的历史温度数据和历史光照强度，以及预设区域内气象预测信息，其中N为大于或等于1的正整数。
3.根据权利要求2所述居民用电量预测方法，其特征在于，
所述预设区域内前N年的月度历史用电量Y采用如下公式计算：
；
其中，N表示年份，即N为大于或等于1，且小于或等于12的正整数，y1表示前第1月的月度历史用电量，y12N 表示前第12N月的月度历史用电量。
4.根据权利要求1所述居民用电量预测方法，其特征在于，所述根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量，包括：
将预测的所述居民月度用电量与所述光伏发电量作差，得到预设区域的居民实际消耗的电量。
5.一种居民用电量预测***，其特征在于，包括：
历史数据获取模块，用于获取预设区域的月度历史用电量和光伏发电历史数据；
模型建立模块，用于根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型；
电量预测模块，用于根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量；
计算模块，用于根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量；
其中，所述模型建立模块，包括：
用电量预测单元，用于根据所述月度历史用电量，采用时间序列预测方法，预测下一年度所述预设区域的居民的用电量预测模型；
光伏发电预测单元，用于根据所述光伏发电历史数据以及所述预设区域内气象预测信息，建立基于时间序列的光伏发电预测模型；其中，预设区域内气象预测信息包括太阳能电池板的额定功率、太阳能电池板的倾斜角度以及温度系数；
所述用电量预测单元，包括：
序列计算子单元，用于根据预设区域的月度历史用电量，计算历史前N年月度用电一次移动平均值序列；
序列作商子单元，用于将所述月度历史用电量与所述历史前N年月度用电一次移动平均值序列的比值，得到常数值序列；
指数修正子单元，用于根据所述常数值序列计算月度指数，并对所述月度指数进行修正，得到修正月度指数；
数据拟合子单元，用于采用线性回归模型将所述月度历史用电量进行拟合，得到拟合值序列和预测值序列；
模型建立子单元，用于根据所述预测值序列和所述修正月度指数，预测下一年的月度用电量预测模型；
所述历史前N年月度用电一次移动平均值序列，采用如下公式表示：
；
其中，i表示每个月份，即；
所述常数值序列，采用如下公式表示：
；
其中，；
所述月度指数，采用如下公式表示：
，/>,...,/> ；
其中，R i表示每月度指数，j表示年份，；
所述修正月度指数，采用如下公式表示：
，/>；
其中，表示月度修正指数；
所述拟合值序列，采用如下公式表示：
=/>；
所述预测值序列，采用如下公式表示：
=/>；
下一年的月度用电量预测模型，采用如下公式表示：
，/>；
所述光伏发电预测模型，采用如下公式表示：
P G ＝k·P N ·sinα·(1-ξ)
其中，P G为光伏发电预测电功率，k为校正系数，P N为所述太阳能电池板的额定功率，α为太阳光的入射角，其中sinα=sin(180-β-ɡ)=sin(β+ɡ)，β表示太阳高度，ɡ表示太阳能电池板的倾斜角度；
ξ为温度系数，采用如下公式表示：
；
其中，P 303K表示太阳能电池板在303K时的功率损耗，T high表示太阳最高点的环境温度；
预测的所述光伏发电量，采用如下公式表示：
X(t)=P G·F(t)＝k·P N·sinα·(1-ξ)·F(t)
其中，F(t)代表每个月的自然天数。
6.一种可读存储介质，其特征在于，当所述可读存储介质中的指令由居民用电量预测***的处理器执行时，使得居民用电量预测***能够执行权利要求1-4任一所述居民用电量预测方法。
CN202111068453.4A 2021-09-13 2021-09-13 一种居民用电量预测方法、***及存储介质 Active CN113780660B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111068453.4A CN113780660B (zh) 2021-09-13 2021-09-13 一种居民用电量预测方法、***及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111068453.4A CN113780660B (zh) 2021-09-13 2021-09-13 一种居民用电量预测方法、***及存储介质

Publications (2)

Publication Number Publication Date
CN113780660A CN113780660A (zh) 2021-12-10
CN113780660B true CN113780660B (zh) 2024-02-13

Family

ID=78843220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111068453.4A Active CN113780660B (zh) 2021-09-13 2021-09-13 一种居民用电量预测方法、***及存储介质

Country Status (1)

Country Link
CN (1) CN113780660B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115603321B (zh) * 2022-11-11 2023-06-16 浙江浙能能源服务有限公司 一种基于电力消费数据的电力负荷预测***及方法
CN115829134B (zh) * 2022-12-08 2023-10-10 国网山东省电力公司临沂供电公司 面向源网荷不确定性的供电调度方法及***
CN116632930B (zh) * 2023-02-24 2024-01-26 广东永光新能源设计咨询有限公司 可再生能源与市电的智能控制方法、***、介质及设备
CN117056848B (zh) * 2023-10-10 2023-12-29 湖北华中电力科技开发有限责任公司 一种用于提升电力***决策的监测数据质量分析方法
CN117892982B (zh) * 2024-03-14 2024-06-21 国家电投集团云南国际电力投资有限公司 光储直柔建筑的用电调度方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105844365A (zh) * 2016-04-08 2016-08-10 北方工业大学 一种家庭能量管理***的优化方法及装置
CN106845669A (zh) * 2016-12-12 2017-06-13 国网上海市电力公司 基于指数平滑法预测电网年持续负荷的方法
CN109767033A (zh) * 2018-12-25 2019-05-17 深圳供电局有限公司 光伏电的调度方法、装置、计算机设备和存储介质
CN112366708A (zh) * 2020-11-30 2021-02-12 深圳市汇拓新邦科技有限公司 一种充电管理方法、装置、设备及存储介质
CN112634077A (zh) * 2020-12-18 2021-04-09 四川大汇大数据服务有限公司 中长期电力供需形势分析方法
CN113159427A (zh) * 2021-04-25 2021-07-23 西安交通大学 一种地区电网负荷预测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103236718B (zh) * 2013-03-26 2014-12-31 东北大学 一种智能微网的源-网-荷自动控制***及控制方法
US20170262007A1 (en) * 2016-03-10 2017-09-14 Macau University Of Science And Technology Multi-agent oriented method for forecasting-based control with load priority of microgrid in island mode
US11105958B2 (en) * 2018-12-28 2021-08-31 Utopus Insights, Inc. Systems and methods for distributed-solar power forecasting using parameter regularization

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105844365A (zh) * 2016-04-08 2016-08-10 北方工业大学 一种家庭能量管理***的优化方法及装置
CN106845669A (zh) * 2016-12-12 2017-06-13 国网上海市电力公司 基于指数平滑法预测电网年持续负荷的方法
CN109767033A (zh) * 2018-12-25 2019-05-17 深圳供电局有限公司 光伏电的调度方法、装置、计算机设备和存储介质
CN112366708A (zh) * 2020-11-30 2021-02-12 深圳市汇拓新邦科技有限公司 一种充电管理方法、装置、设备及存储介质
CN112634077A (zh) * 2020-12-18 2021-04-09 四川大汇大数据服务有限公司 中长期电力供需形势分析方法
CN113159427A (zh) * 2021-04-25 2021-07-23 西安交通大学 一种地区电网负荷预测方法

Also Published As

Publication number Publication date
CN113780660A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN113780660B (zh) 一种居民用电量预测方法、***及存储介质
US8396694B2 (en) Method of forecasting the electrical production of a photovoltaic device
JP5940922B2 (ja) 自然エネルギー量予測装置
US9286646B1 (en) Method for managing centralized power generation with the aid of a digital computer
US20160092622A1 (en) Method for modeling medium and long term wind power output model of medium and long term optimal operationof power system
JP2006033908A (ja) 太陽光発電システムの発電量予測方法、装置、およびプログラム
CN112488362A (zh) 一种协调电动汽车参与辅助服务市场的储能优化配置方法
CN110309972A (zh) 一种基于室内人员行为的可再生能源***及其负荷预测方法
KR101249852B1 (ko) 기상예보를 이용한 태양전지의 발전량 예측방법
CN113742817B (zh) 一种建筑二氧化碳排放的预测方法及预测***
Kichou et al. Energy performance enhancement of a research centre based on solar potential analysis and energy management
CN114977330A (zh) 建筑分布式光伏-蓄电池***连续运行调度方法及平台
CN116187518A (zh) 一种光伏基站能耗预估方法和装置
CN110598335B (zh) 一种超短期光伏功率预测的辐照修正方法
CN115481918A (zh) 一种基于源网荷储的单元状态主动感知及预测分析***
CN115906408A (zh) 基于建筑负荷预测的能源调度***及方法
CN117575369B (zh) 一种乡村建筑群能耗预测方法及***
US20170205452A1 (en) Information processing apparatus, information processing method, and storage medium
CN111626645B (zh) 一种未来年储能配置容量测算方法及***
Ren et al. Prediction algorithm based on weather forecast for energy-harvesting wireless sensor networks
CN104657786A (zh) 一种基于Boosting算法的短期风功率混合预测方法
CN115713160A (zh) 新能源发电的电能调配方法、装置、电子设备及存储介质
Chang et al. The use of the peak-clipping method for energy management in households with energy storage equipment
CN116247644A (zh) 基于储能***的充放电方法及装置、存储介质、终端
KR20180023078A (ko) 기상정보를 이용한 태양광 발전량 예측방법

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