[發明專利]用電量預測方法及裝置

在審

• 申請號: 201811621870.5
• 申請日: 2018-12-28
• 公開（公告）號: CN109685277A
• 公開（公告）日: 2019-04-26
• 發明（設計）人: 汲國強;皇甫成;劉娟;陳建華;李順昕;岳云力;李笑蓉;單體華;丁健民;牛東曉;朱全友;聶文海;史智萍;張欣巖;趙偉博;秦礪寒
• 申請（專利權）人: 國網冀北電力有限公司經濟技術研究院;國家電網有限公司;華北電力大學;國網冀北電力有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 王天堯;任默聞

1.一種用電量預測方法，其特征在于，所述方法包括：

獲取影響目標區域用電量的關鍵參數的參數值；

將關鍵參數的參數值輸入預測模型中，得到目標區域中用電量的預測值，其中，預測模型通過粒子群算法對支持向量機的參數進行優化后得到。

2.根據權利要求1所述的方法，其特征在于，在獲取影響目標區域用電量的關鍵參數的參數值之前，所述方法還包括：

獲取指定時間段中目標區域的影響參數的實際值；

根據影響參數的實際值，利用解釋結構模型從預設的影響參數中選擇決定參數；

如果決定參數包括子參數，則利用灰色關聯分析模型從預設的決定參數包括的子參數中篩選關鍵參數；如果決定參數不包括子參數，則將決定參數確定為關鍵參數。

3.根據權利要求2所述的方法，其特征在于，利用灰色關聯分析模型從預設的決定參數包括的子參數中篩選關鍵參數，包括：

利用縱向模糊加權法和橫向模糊加權法優化灰色關聯分析模型，利用優化后的灰色關聯分析模型從預設的決定參數包括的子參數中篩選關鍵參數。

4.根據權利要求2或3所述的方法，其特征在于，預設的影響參數包括：

國內生產總值GDP、電價、向用電設備供給的電能總量、用戶的電量電價彈性系數、電力系統可靠度、自然災害發生概率、人口遷移數量、城市化率、用戶年收入與支出金額、人口數量、人均用電量、需求側管理DSM節約用電量、氣溫、電能替代容量電量、熱點區域建設帶來的區域GDP增長值、產業結構比率。

5.根據權利要求4所述的方法，其特征在于，

GDP的子參數包括目標區域的總GDP、第一產業GDP占比、第二產業GDP占比、第三產業GDP占比和地區人口數量；

向用電設備供給的電能總量的子參數包括提供給用電終端設備電力總量、提供給用電終端設備電量總量；

電力系統可靠度的子參數包括電力系統可用率；

人口遷移數量的子參數包括人口遷入率、人口遷出率；

自然災害發生概率的子參數包括自然災害持續時間、自然災害影響范圍大小；

城市化率的子參數包括城市人口數量；

用戶年收入與支出金額的子參數包括用戶的年實際收入總額、年消費總額和恩格爾系數；

人均用電量的子參數包括人均生活用電量、發電用能占一次能源消費的比重、電能占終端能源消費的比重；

DSM節約用電量的子參數包括提高的電能利用效率、提高的供電可靠度；

電能替代容量電量的子參數包括電能替代容量、電能替代電量；

熱點區域建設帶來的區域GDP增長值的子參數包括熱點區域建設帶來的人口遷移數量、熱點區域建設帶來的用電量增長量；

產業結構比率的子參數包括農業、輕工業、重工業之間的比例，以及第一產業、第二產業、第三產業之間的比例。

6.根據權利要求1所述的方法，其特征在于，預測模型通過如下方法得到：

獲取指定時間段中目標區域的歷史用電數據，所述歷史用電數據包括指定時間段中關鍵參數的參數值和歷史用電量；

利用粒子群算法確定支持向量機的參數；

將關鍵參數作為輸入數據，歷史用電量作為輸出數據，并帶入支持向量機的參數訓練支持向量機，得到預測模型。

7.一種用電量預測裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取影響目標區域用電量的關鍵參數的參數值；

預測模塊，用于將獲取模塊獲取的關鍵參數的參數值輸入預測模型中，得到目標區域中用電量的預測值，其中，預測模型通過粒子群算法對支持向量機的參數進行優化后得到。

8.根據權利要求7所述的裝置，其特征在于，所述裝置還包括：

獲取模塊，還用于獲取指定時間段中目標區域的影響參數的實際值；

選擇模塊，用于根據獲取模塊獲取的影響參數的實際值，利用解釋結構模型從預設的影響參數中選擇決定參數；如果決定參數包括子參數，則利用灰色關聯分析模型從預設的決定參數包括的子參數中篩選關鍵參數；如果決定參數不包括子參數，則將決定參數確定為關鍵參數。