[發(fā)明專利]一種用電量智能預測系統(tǒng)及方法

無效

• 申請?zhí)枺?/td>: 201210147746.6
• 申請日: 2012-05-14
• 公開（公告）號: CN102682349A
• 公開（公告）日: 2012-09-19
• 發(fā)明（設(shè)計）人: 張建偉;曹敏;畢志周;楊晴;張志生;高尚飛;陳霍興;楊亮;吳謂明;李光彪;傅聰聰
• 申請（專利權(quán)）人: 云南電力試驗研究院（集團）有限公司電力研究院;昆明能訊科技有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/02
• 代理公司: 昆明大百科專利事務(wù)所 53106
• 代理人: 何健

技術(shù)領(lǐng)域

本發(fā)明涉及一種為電力行業(yè)中電量供需平衡提供參考依據(jù)，為電力設(shè)施建設(shè)、大型用電企業(yè)和普通居民用戶提供合理用電建議的預測系統(tǒng)及方法技術(shù)領(lǐng)域。

背景技術(shù)

由于電能具有實時、不可存儲性，就需要發(fā)電量、用電量必須時刻保持平衡，否則會造成電力供應(yīng)不足或電力浪費。一方面，電力運營商需要根據(jù)用戶用電量情況，合理規(guī)劃電力設(shè)施的建設(shè)，另一方面，用戶需要根據(jù)歷史用電量情況合理安排用電方式，改善用電習慣，提高用電質(zhì)量，將電力資源合理應(yīng)用，既改善了固有電網(wǎng)的穩(wěn)定運行又節(jié)省了不必要的電費支出。為了解決這些問題，就引入了用電量的預測。全球各地都在研究合理的用電量預測方法，以期達到更好的預測效果，提供更科學更準確的預測值。

目前的用電量預測方法主要有：灰色模型法、線性回歸法、單耗法、趨勢分析模型法、彈性系數(shù)法、模糊數(shù)學模型法等。灰色模型僅對呈指數(shù)規(guī)律發(fā)展的系統(tǒng)進行預測時效果比較理想，預測進度不穩(wěn)定；線性回歸模型的數(shù)學模型相對簡單，只有在過去、現(xiàn)在和將來的發(fā)展模式一致的特殊情況下預測效果才會比較好，但在用電量的需求預測中，這種情況只是理想狀況，因此該方法適應(yīng)性不強，局限性較大；單耗法需要再預測前做大量繁瑣的統(tǒng)計工作，對高效率的預測工作不利，此外，單耗法對于中長期的電力預測具有不確定性，預測效果不理想；趨勢分析模型法是根據(jù)事物發(fā)展的連續(xù)性進行預測的，只在電量需求的中長期預測中效果較好，在短期預測中效果較差，并且它需要在大量歷史數(shù)據(jù)中找出規(guī)律，這是一件非常耗時耗力的工作，它的實現(xiàn)比較復雜和困難；電力彈性系數(shù)法由于沒有規(guī)律可循，很難實際應(yīng)用，并且由于它的快速變化使得預測值與真實值差距太大，可信度不高。

以上的這些預測方法從研究的角度、建模的出發(fā)點到數(shù)據(jù)的形式和適用條件都不同，在電力系統(tǒng)中實施預測用電量都存在或多或少的不足和缺陷，用電量預測值與真實值的偏差太大或是由于本身方法復雜實施推廣應(yīng)用起來比較困難。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決上述現(xiàn)有技術(shù)的不足，提供一種對用電量的預測更加準確和在電力系統(tǒng)中更易于應(yīng)用和實施的用電量智能預測系統(tǒng)及其預測方法。

本發(fā)明的目的通過如下技術(shù)方案實現(xiàn)。

一種用電量智能預測系統(tǒng)，該系統(tǒng)包括智能用電終端和分別與智能用電終端連接的管理實時數(shù)據(jù)采集的電能采集模塊、本地存儲管理模塊、預測點的預測值分析計算模塊、負責數(shù)據(jù)通信傳輸控制的GPRS通信控制模塊；預測值分析計算模塊核心預測處理算法采用BP神經(jīng)網(wǎng)絡(luò)。

一種用電量智能預測方法，方法如下，

①用電量預測點使用智能用電終端作為主控單元，負責實時數(shù)據(jù)的采集、預測點的預測值分析計算、預測值的查詢以及數(shù)據(jù)傳輸通信的控制；

②在用電量預測點的前端接入電能采集裝置，電流通過電能采集裝置再流入用電器，電能計量采集裝置的數(shù)據(jù)輸出與預測點智能用電終端（1）的電能采集模塊（2）相連，實施電能信息采集；

③用電量預測點的智能用電終端上接入GPRS通信控制模塊，實現(xiàn)多監(jiān)測預測點與電網(wǎng)公司電力數(shù)據(jù)主站的遠程通信；

④智能用電終端通過電能采集模塊及其內(nèi)部的軟件程序?qū)崟r采集用電器的即時功耗；

⑤智能用電終端內(nèi)部軟件建立一個含有N個節(jié)點輸入層，一個節(jié)點輸出層，2N個隱含層和隱含節(jié)點的BP神經(jīng)網(wǎng)絡(luò)模型；

⑥將采集到的電能耗數(shù)據(jù)作為樣本對預測值分析計算模塊（4）的BP神經(jīng)網(wǎng)絡(luò)模型進行訓練；

⑦根據(jù)預測的類型確定BP神經(jīng)網(wǎng)絡(luò)模型中的結(jié)點個數(shù)N值，如果是預測季度用電量，N值為3；如果選擇預測月度用電量，則N值為11；如果預測周用電量，則N值為6；

⑦BP神經(jīng)網(wǎng)絡(luò)模型預測算法需要的影響因素個數(shù)由終端通過GPRS無線傳輸模塊從電網(wǎng)公司電力數(shù)據(jù)主站獲取；

⑧電量預測值和采集計算出的真實用電量存入本地和遠程主站的歷史記錄文件中，作為下一次預測的樣本數(shù)據(jù)，降低預測的誤差；

⑨預測所需的配置參數(shù)以及預測結(jié)果通過本地存儲管理模塊存儲于智能用電終端的本地數(shù)據(jù)文件中，通過GPRS通信控制模塊存儲在遠程主站系統(tǒng)內(nèi)，確保重要數(shù)據(jù)的容災(zāi)性。

本發(fā)明使用電能采集模塊實時采集預測點的用電設(shè)備耗電量數(shù)據(jù)，這些耗電量數(shù)據(jù)可以通過智能用電終端的GPRS通信控制模塊與電力主站交互獲取，也可以存儲于本地數(shù)據(jù)文件，結(jié)合節(jié)假日、周末、季節(jié)、溫濕度等外部參考信息數(shù)據(jù)，訓練人工神經(jīng)網(wǎng)絡(luò)模型，采用BP神經(jīng)網(wǎng)絡(luò)算法分析計算預測未來的用電量，同時，預測數(shù)據(jù)記錄進歷史數(shù)據(jù)庫，為下一次的預測提供數(shù)據(jù)參考，用戶可以獲取到更加準確的用電量預測值。