[發明專利]一種短期售電量預測方法及系統

在審

• 申請號: 201611260341.8
• 申請日: 2016-12-30
• 公開（公告）號: CN106651055A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 劉建;陳雨澤;趙加奎;方學民;歐陽紅;袁葆;朱平飛;王樹龍;劉玉璽;盧耀宗
• 申請（專利權）人: 北京中電普華信息技術有限公司;國網信息通信產業集團有限公司;國家電網公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 羅滿

技術領域

本發明涉及電力系統技術領域，更具體地說，涉及一種短期售電量預測方法，還涉及一種短期售電量預測系統。

背景技術

隨著電力體制改革和智能電網建設的不斷深入，售電量己成為考核電力企業的一個重要指標，反映了企業售電能力和綜合管理水平，研究售電量數據并使其發揮應有的價值是電力公司十分關注的問題，特別是對未來售電量進行精準預測一直是電力公司的關注重點，月度售電量預測準確率也是電力公司同業對標考核的一項關鍵指標。準確地預測出地區的售電量，對于決策者合理地確定銷售電量總定額、分解售電量銷售指標、搞好電力企業的經營有著重要實際意義，另外售電量預測是電力市場中的一項基本工作，正確預測出地區銷售電量的水平，為供電企業提供營銷決策支持，對于指導發電廠、輸配電網的合理運行，推動電力市場的發展和建設都具有十分重要的意義。

傳統的售電量預測一般是基于回歸分析法、時間序列預測法、灰色預測法、對比分析法、聚類回歸法等算法，考慮經濟、天氣等外部因素來構建預測模型。這些方法主要是針對月度、季度或年度售電量進行預測，其在一定程度上能夠對售電量進行預測，但預測精度并不理想，主要原因是這些方法預測周期較長，對未來一個月或者若干個月進行預測，預測精度會因為影響因素(如溫度)無法精準預測而受到影響。另外，以上預測方法數據粒度較粗，對電量異常變化不敏感，導致預測精度下降。

因此，如何提高預測精度是本領域技術人員急需要解決的技術問題。

發明內容

為解決上述技術問題，本發明提供一種短期售電量預測方法，有效提高預測精度。

為實現上述目的，本發明提供如下技術方案：

一種短期售電量預測方法，包括：

步驟S1：獲取電力公司在預測月已發行用電量的低壓用戶的發行電量以及已發行用電量的高壓用戶的發行電量；

步驟S2：獲取電力公司在所述預測月未發行完用電量的高壓用戶的未發行時間段，并根據所述未發行完用電量的高壓用戶的歷史日預售電量預測所述未發行完用電量的高壓用戶在所述未發行時間段內的電量，得到高壓用戶未發行時間段的電量；

步驟S3：將所述低壓用戶已發行用電量、所述高壓用戶已發行用電量以及所述高壓用戶未發行時間段的電量進行求和，得到電力公司在所述預測月的售電量預測值。

優選的，在上述短期售電量預測方法中，所述步驟S2中，所述獲取電力公司在所述預測月未發行完用電量的高壓用戶的未發行時間段具體包括：

根據所述未發行完用電量的高壓用戶的抄表例日信息獲取抄表頻率；

若所述抄表頻率為每月一次，同時所述預測月未進行電量發行，則所述未發行時間段為上月抄表日與所述預測月抄表日之間的時間段；

若所述抄表頻率為每月多次，同時所述預測月未進行電量發行，則所述未發行時間段為上月最后一次抄表日與所述預測月最后一次抄表日之間的時間段；若所述預測月已進行電量發行，但發行次數小于所述抄表頻率，則所述未發行時間段為預測月最后一次已發行電量的抄表日期與所述預測月最后一次抄表日之間的時間段。

優選的，在上述短期售電量預測方法中，所述步驟S2中，所述根據所述未發行完用電量的高壓用戶的歷史日預售電量預測所述未發行完用電量的高壓用戶在所述未發行時間段內的電量，得到高壓用戶未發行時間段的電量包括：

在所述未發行時間段內，獲取所述未發行完用電量的高壓用戶已有日預售電量的時間段，剩余沒有預售電量的時間段為需預測電量時間段；

根據所述未發行完用電量的高壓用戶的歷史日預售電量預測所述需預測電量時間段內所述未發行完用電量的高壓用戶的電量；

統計所述高壓用戶在所述未發行時間段內的日預售電量，并將其與所述高壓用戶預測電量進行求和，得到所述高壓用戶未發行時間段的電量。

優選的，在上述短期售電量預測方法中，所述根據所述未發行完用電量的高壓用戶的歷史日預售電量預測所述需預測電量時間段內所述未發行完用電量的高壓用戶的電量，包括：

在近一個月內已有預售電量的日期范圍內，根據溫度利用DTW動態時間歸整算法尋找相似日期，所述相似日期的溫度與所述需預測電量時間段內的預測日期的溫度相似；

在所述歷史日預售電量中提取所述相似日期的日預售電量均值，將其作為預測日期對應的高壓用戶預測電量。

優選的，在上述短期售電量預測方法中，所述在近一個月內已有預售電量的日期范圍內，根據溫度利用DTW動態時間規整算法尋找相似日期包括：