[發明專利]一種基于前導分析和因素補償的售電量預測方法及裝置

在審

• 申請號: 201710378514.4
• 申請日: 2017-05-25
• 公開（公告）號: CN107220764A
• 公開（公告）日: 2017-09-29
• 發明（設計）人: 陳雨澤;趙加奎;劉建;方學民;歐陽紅;方紅旺;朱平飛;袁葆;劉玉璽;王樹龍;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: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 王寶筠

1.一種基于前導分析和因素補償的售電量預測方法，其特征在于，所述方法包括：

對歷史售電量數據進行預處理，得到預處理后的歷史售電量數據，并依據X13季節調整方法將所述預處理后的歷史售電量數據分解為趨勢項、季節項和隨機項三個序列；

獲取影響所述趨勢項的相關指標，并依據所述趨勢項、影響所述趨勢項的相關指標以及預設的多種第一機器學習算法建立多個趨勢項預測模型，并依據所述多個趨勢項預測模型計算待預測時間售電量的趨勢項預測值；所述趨勢項預測值為多個；所述影響所述趨勢項的相關指標包括：前導性指標和即時性指標；或者包括前導性指標；

基于所述季節項和預設的第二機器學習算法建立所述季節項預測模型，并依據所述季節項預測模型計算所述待預測時間售電量的季節項預測值；

依據所述隨機項、春節因素和預設的隨機項因素，采用預設的剝離和補償規則以及預設的第三機器學習算法建立隨機項的預測模型，并依據所述隨機項的預測模型計算待預測時間售電量的隨機項預測值；

將所述多個趨勢項預測值、季節項預測值和隨機項預測值進行加和重構，得到第一售電量預測值；

依據層次分析法AHP對所述第一售電量進行擇優處理，得到待預測時間的第二售電量預測值。

2.根據權利要求1所述的方法，其特征在于，

所述前導性指標包括以下指標中的一個或者多個；

前導性指標：業擴凈增容量、制造業PMI、非制造業PMI；

所述即時性指標包括以下即時性指標中的一個或者多個：

即時性指標：人均可支配收入、第二產業GDP增速、第三產業GDP增速和工業增加值增速。

3.根據權利要求2所述的方法，其特征在于，所述依據所述趨勢項、影響所述趨勢項的相關指標以及預設的多種第一機器學習算法建立多個趨勢項預測模型，并依據所述多個趨勢項預測模型計算待預測時間售電量的趨勢項預測值，包括：

若獲取到了多個影響所述趨勢項的相關指標，采用主成分分析法PCA計算所述多個影響所述趨勢項的相關指標的去相關結果；

依據所述趨勢項、所述去相關結果和預設的多個第一機器學習算法建立多個趨勢項預測模型，并依據所述多個趨勢項預測模型計算待預測時間售電量的趨勢項的預測值。

4.根據權利要求1所述的方法，其特征在于，所述基于所述季節項和預設的第二機器學習算法建立所述季節項預測模型，并依據所述季節項預測模型計算所述待預測時間售電量的季節項預測值，包括：

基于季節項和L_1/2稀疏迭代算法建立所述季節項預測模型，并依據所述季節項預測模型計算所述待預測時間售電量的季節項預測值。

5.根據權利要求1所述的方法，其特征在于，所述依據所述隨機項、春節因素和預設的隨機項因素，采用預設的剝離和補償規則以及預設的第三機器學習算法建立隨機項的預測模型，并依據所述隨機項的預測模型計算待預測時間售電量的隨機項預測值，包括：

采用移動假日剝離算法剝離所述隨機項中的春節因素，得到剝離春節因素的隨機項；

采用箱線圖法從所述剝離春節因素的隨機項中獲取異常月份；

依據邏輯回歸算法和所述異常月份的異常數據建立異常判斷模型；其中，所述異常數據包括：異常月份的溫度、節假日和異常售電量情況；

基于所述異常判斷模型和預設的隨機因素判斷所述待預測時間是否異常；

若所述待預測時間異常，依據所述異常判斷模型和L_1/2稀疏迭代算法以及所述剝離春節因素的隨機項建立第一隨機項預測模型，并依據所述第一隨機預測模型計算待預測時間售電量的隨機項第一預測值；

若所述待預測時間不異常，基于混合專家算法和所述剝離春節因素的隨機項建立第二隨機項預測模型，并依據所述第二隨機預測模型計算待預測時間售電量隨機項第二預測值。

6.根據權利要求1所述的方法，其特征在于，所述預設的隨機因素包括：

溫度因素和節假日因素。

7.根據權利要求5所述的方法，其特征在于，若所述待預測時間不異常，依據所述第二隨機預測模型計算待預測時間售電量的隨機項的第二預測值后，還包括：

對所述隨機項的第二預測值進行卡爾曼濾波，得到隨機項第三預測值。