[發明專利]基于氣象大數據的電量預測方法

在審

• 申請號: 202211116793.4
• 申請日: 2022-09-14
• 公開（公告）號: CN115423196A
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 胡啟冬;陳夢;張瑜;王雪立;蘆新葉;張衛星
• 申請（專利權）人: 蘇州深藍萬維能源科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;H02J3/00
• 代理公司: 合肥市科深知識產權代理事務所(普通合伙) 34235
• 代理人: 賈新偉

1.基于氣象大數據的電量預測方法，其特征在于，包括以下步驟：

獲取近n個月受控區域的氣象數據和耗電量，所述氣象數據包括每月的溫度、濕度數據；

根據耗電量與氣象數據的比值，分別獲取溫轉比、濕轉比；

分別計算n個溫轉比、濕轉比的均值，獲得的均值分別結合溫轉比、濕轉比計算溫轉偏離值、濕轉偏離值：

結合耗電量及氣象數據、溫轉偏離值、濕轉偏離值之間的關系計算綜合轉比；

根據綜合轉比及實時氣象數據，預估耗電量。

2.根據權利要求1所述的基于氣象大數據的電量預測方法，其特征在于，還包括氣象數據的剔除冗余步驟：

從獲取的受控區域的氣象數據中調取第一個月的氣象數據；

將獲取的一個月的氣象數據標記為待分月數據；

在待分月數據內，獲取濕度、溫度的峰值，分別標記為Wf、Sf；

獲取高濕區和高溫區，高濕區對應的濕度為Sf-Sb，高溫區對應的溫度為Wf-Wb，其中，Sb、Wb分別為濕度跳動值、溫度跳動值；

獲取高濕持續天數和高溫持續天數：將待分月數據中，第一次出現Wf-Wb度至最后一次出現Wf-Wb度之間的天數標記為高溫持續天數、第一次出現Sf-Sb至最后一次出現Sf-Sb之間的天數標記為高濕持續天數；

計算高特天數：高特天數＝(高濕持續天數+高溫持續天數)/2；

當高特天數＞X1時，將溫度低于(Wf+Wd)*X2對應的氣象數據剔除；

當高特天數≤X1時，將濕度高于(Sf+Sd)*X3、低于Sd*X4對應的氣象數據剔除；

其中，X1～X4均為預設值，且X2、X3均小于1，1＜X4＜1.5，且X2≤X3＜X4。

3.根據權利要求2所述的基于氣象大數據的電量預測方法，其特征在于，所述濕度跳動值、溫度跳動值為預設值或計算值；

當為計算值時：

濕度跳動值其中，Sd為對應月內的最低濕度值，Sp為對應月內的濕度平均值；

溫度跳動值其中，Wd為對應月內的最低溫度值，Wp為對應月內的溫度平均值。

4.根據權利要求3所述的基于氣象大數據的電量預測方法，其特征在于，根據耗電量與氣象數據的比值，分別獲取溫轉比、濕轉比的方法為：

獲取月平均濕度、月平均溫度、月總耗電量；

溫轉比＝月總耗電量/月平均溫度，濕轉比＝月總耗電量/月平均濕度。

5.根據權利要求1所述的基于氣象大數據的電量預測方法，其特征在于，結合耗電量及氣象數據、溫轉偏離值、濕轉偏離值之間的關系計算綜合轉比的方法為：

根據W、S的數值大小，確定溫度、濕度與耗電總量的除值比例：

溫度的除值比例B1為：W/(W+S)；

濕度的除值比例B2為：S/(W+S)；

計算每個月的綜合轉比＝月耗電量/(B1*月平均溫度+B2*月平均濕度)；

計算n個月的綜合轉比的平均值，標記為擬態轉化值Y。

6.根據權利要求5所述的基于氣象大數據的電量預測方法，其特征在于，所述包括氣象數據的再刪除步驟：

計算n個月的綜合轉比的偏離值E：

若E＞E1，則依次刪除最大的綜合轉比對應的氣象數據，直至剩余的氣象數據對應的綜合轉比的偏離值E≤E1；

其中，E1為預設值。

7.根據權利要求5所述的基于氣象大數據的電量預測方法，其特征在于，所述擬態轉化值Y用于預估耗電量，預估方法為：

獲取擬態轉化值Y，及對應的溫度的除值比例B1、濕度的除值比例B2；

根據氣象數據，獲取未來一個月的平均溫度Lw、平均濕度Ls；

預估月耗電量＝(B1*Lw+B2*Ls)*Y*β；

其中，β≥1，β為預設值因子。

8.根據權利要求7所述的基于氣象大數據的電量預測方法，其特征在于，所述預設值因子β的取值為：

當|Lw-LSw|≥L1時，

否則，β＝1.05；

其中，L1為預設值，LSw為過去兩年內、對應月份的剔除冗余數據后的月耗電量均值；LNw為過去兩年內剔除冗余數據后的年耗電量均值。