一种电网售电量的预测系统及其方法技术方案

本发明专利技术涉及一种电网售电量的预测系统，其包括：时间选择单元，用于接收外部的选择信息，相应挑选售电数据的时间范围；粒度选择单元，用于接收外部的选择信息，相应的粒度选择器包括用电类别、电压等级、地区和行业类别，各粒度选择器可单选或复选；算法选择单元，用于接收外部的选择信息，相应选择对应的预测算法；预测期数配置单元，用于接收外部的配置信息，对预测的期数进行配置；自动预测单元，用于根据选择的时间、粒度类别、算法和预测期数，自动产生预测值；趋势图生成单元，用于根据自动预测单元的预测结果，自动生成趋势图。同时，本发明专利技术还提供了一种应用上述预测系统的预测方法。

【技术实现步骤摘要】

本专利技术涉及一种预测系统，特别是一种电网售电量的预测系统；本专利技术还提供了一种电网售电量的预测方法。
技术介绍
销售量的预测是电网公司全面预算编制的起点，长期以来售电量的预测均是电网公司依据历史经验及GDP增长等指标人为预测，这种方式取决于预测人的经验和对未来趋势的把握，有一定的应用价值，然而不是十分严谨，也缺乏合理的科学评价指标，随着国网公司精细化管理工作的深入推进，售电量的预测也不能这么粗糙，尤其是面对电改的严峻形势，直接影响电网公司的投融资规划。因此，需要提供一种科学合理的预测工具是售电量预测精度的重要保证。现有的技术中，大部分使用一些通用分析工具，比如SAS，可以做时间序列预测。但是需要用户每次都将数据汇总成一定的格式，再用此类工具预测，如此便捷性不高，影响了处理的效率。
技术实现思路
本专利技术在于克服现有技术的缺点与不足，提供一种便捷快速的电网售电量的预测系统及其方法。本专利技术是通过以下的技术方案实现的：一种电网售电量的预测系统，其包括：时间选择单元，用于接收外部的选择信息，相应挑选售电数据的时间范围；粒度选择单元，用于接收外部的选择信息，相应的粒度选择器包括用电类别、电压等级、地区和行业类别，各粒度选择器可进行单选或复选；算法选择单元，用于接收外部的选择信息，相应选择对应的预测算法；预测期数配置单元，用于接收外部的配置信息，对预测的期数进行配置；自动预测单元，用于根据选择的时间、粒度类别、算法和预测期数，自动产生预测值；趋势图生成单元，用于根据自动预测单元的预测结果，自动生成趋势图。相比于现有技术，本专利技术通过提供一个完整的电网售电量的预测系统，更加系统，方便于用户的操作使用。而且，本专利技术提供不同算法的对比，使决策者更加容易抉择。同时，本专利技术仅需要提供电量数据，由用户自行选择时间范围和类别，大大的提高了使用的便捷性。作为本专利技术的进一步改进，所述时间选择单元在未接受到外部选择信息时，默认值为系统数据可选范围最近的连续5个期间。作为本专利技术的进一步改进，所述算法选择单元中可供选择的算法包括：平滑预测法和自相关法；所述平滑预测法包括：一次移动平均法、一次指数平滑法、线性二次移动平均法、二次指标平滑法、霍尔特双参数线性指数平滑法、布朗二次多项式指数平滑法、温特线性和季节性指数平滑法；所述自相关法包括：平均移动模型、自回归模型和自回归滑动平均模型。作为本专利技术的进一步改进，所述算法选择单元包括自动选择模块，用于自动根据所选售电数据信息选择推荐算法。作为本专利技术的进一步改进，所述自动选择模块根据预测类型、数据的周期性和平稳性，以及样本观察数量值相应产生对应的算法。一种电网售电量的预测方法，其特征在于：包括以下步骤：步骤1：对需要进行预测的电网售电量的数据进行选择；步骤2：选择相应的算法，并自动生成预测方案；步骤3：对预测方案进行对比分析。作为本专利技术的进一步改进，所述步骤1中，包括以下步骤：步骤11：选择需要进行预测的电网售电量的时间范围；步骤12：选择用电类别、电压等级、地区和行业类型，可进行单选或复选。进一步，所述步骤2中，包括以下步骤：步骤21：判断是否使用推荐算法；若是使用推荐算法，并执行下一步；若否，则选择相应算法后执行下一步；步骤22：配置预测期数；步骤23：根据选择的数据、算法和配置的预测期数，自动产生售电量的预测值，并通过趋势图的方式展现给用户；步骤24：对预测方案进行保存。进一步，所述步骤21中，在产生推荐算法时，通过依次对预测类型、数据周期性和平稳性，以及样本的观察值数量进行判断，再产生相应的算法。进一步，所述步骤3中，通过对不同算法的方案的预测值趋势拟合图、预测误差率、误差正太分布检测图和方差齐性检测图进行比对分析。为了更好地理解和实施，下面结合附图详细说明本专利技术。附图说明图1是本专利技术的电网售电量的预测系统的连接框图。图2是本专利技术的电网售电量的预测方法的流程图。图3是本专利技术的推荐算法的产生步骤流程图。具体实施方式请参阅图1，其为本专利技术的电网售电量的预测系统的连接框图。本专利技术提供了一种电网售电量的预测系统，其包括：时间选择单元1、粒度选择单元2、算法选择单元3、自动预测单元4和趋势生成单元5。所述时间选择单元1，用于接收外部的选择信息，相应挑选售电数据的时间范围，并发送至自动预测单元。具体的，所述时间选择单元在未接受到外部选择信息时，默认值为系统数据可选范围最近的连续5个期间，因为少于5个期间，缺乏足够的样本，会使统计误差大大增加。所述粒度选择单元2，用于接收外部的选择信息，相应的粒度选择器包括用电类别、电压等级、地区和行业类别，各粒度选择器可单选或复选，并发送至自动预测单元。具体的，粒度之间可以交叉选择，比如A地区钢铁行业；在选择完后，用户能够看到数据的实际趋势图。所述算法选择单元3，用于接收外部的选择信息，相应选择对应的预测算法，并发送至自动预测单元。具体的，所述算法选择单元中可供选择的算法包括：平滑预测法和自相关法；所述平滑预测法包括：一次移动平均法、一次指数平滑法、线性二次移动平均法、二次指标平滑法、霍尔特双参数线性指数平滑法、布朗二次多项式指数平滑法、温特线性和季节性指数平滑法；所述自相关法包括：平均移动模型、自回归模型和自回归滑动平均模型。进一步，由于时间序列方面的算法有很多，对于不懂算法的用户会比较难以选择，为了解决此问题。所述算法选择单元包括一自动选择模块，用于自动根据所选售电数据信息自动选择一推荐算法。具体的，本专利技术的电网售电量预测系统会依据所选数据的趋势情况，比如是否有明显的季节周期性、是否有强自相关性等，自动选择合适的算法，推荐给用户，相关的算法参数也会有默认值。所述预测期数配置单元4，用于接收外部的配置信息，对预测的期数进行配置，并发送至自动预测单元；所述自动预测单元5，用于根据选择的时间、粒度类别、算法和预测期数，自动产生预测值；具体的，所述自动选择模块根据预测类型、数据的周期性和平稳性，以及样本观察数量值相应产生对应的算法。所述趋势图生成单元6，用于根据自动预测单元的预测结果，自动生成趋势图。相应地，本专利技术还提供了一种应用于上述电网售电量的预测系统的预测方法，其包括以下步骤：步骤S1：对需要进行预测的电网售电量的数据进行选择；具体的，所述步骤S1中，包括以下步骤：步骤S11：选择需要进行预测的电网售电量的时间范围；步骤S12：选择用电类别、电压等级、地区和行业类型，可进行单选或复选。步骤S2：选择相应的算法，并自动生成预测方案；具体的，所述步骤S2中，包括以下步骤：步骤S21：判断是否使用推荐算法；若是使用推荐算法，并执行下一步；若否，则选择相应算法后执行下一步；步骤S22：配置预测期数；步骤S23：根据选择的数据、算法和配置的预测期数，自动产生售电量的预测值，并通过趋势图的方式展现给客户；步骤S24：对预测方案进行保存。进一步，所述步骤S21中，在产生推荐算法时，通过依次对预测类型、数据周期性和平稳性，以及样本的观察值数量进行判断，再产生相应的算法，其具体包括以下步骤：步骤S211：判断预测类型，由所选数据情况判断，日、周、旬、月为短期预测，季、半年、年为长期预测；当进行短期预测时，筛选的算法为：一次移动平均法、一次指数平滑法本文档来自技高网...

【技术保护点】
一种电网售电量的预测系统，其特征在于：包括：时间选择单元，用于接收外部的选择信息，相应挑选售电数据的时间范围；粒度选择单元，用于接收外部的选择信息，相应的粒度选择器包括用电类别、电压等级、地区和行业类别，各粒度选择器可单选或复选；算法选择单元，用于接收外部的选择信息，相应选择对应的预测算法；预测期数配置单元，用于接收外部的配置信息，对预测的期数进行配置；自动预测单元，用于根据选择的时间、粒度类别、算法和预测期数，自动产生预测值；趋势图生成单元，用于根据自动预测单元的预测结果，自动生成趋势图。

【技术特征摘要】
1.一种电网售电量的预测系统，其特征在于：包括：时间选择单元，用于接收外部的选择信息，相应挑选售电数据的时间范围；粒度选择单元，用于接收外部的选择信息，相应的粒度选择器包括用电类别、电压等级、地区和行业类别，各粒度选择器可单选或复选；算法选择单元，用于接收外部的选择信息，相应选择对应的预测算法；预测期数配置单元，用于接收外部的配置信息，对预测的期数进行配置；自动预测单元，用于根据选择的时间、粒度类别、算法和预测期数，自动产生预测值；趋势图生成单元，用于根据自动预测单元的预测结果，自动生成趋势图。2.根据权利要求1所述电网售电量的预测系统，其特征在于：所述时间选择单元在未接受到外部选择信息时，默认值为系统数据可选范围最近的连续5个期间。3.根据权利要求1所述电网售电量的预测系统，其特征在于：所述算法选择单元中可供选择的算法包括：平滑预测法和自相关法；所述平滑预测法包括：一次移动平均法、一次指数平滑法、线性二次移动平均法、二次指标平滑法、霍尔特双参数线性指数平滑法、布朗二次多项式指数平滑法、温特线性和季节性指数平滑法；所述自相关法包括：平均移动模型、自回归模型和自回归滑动平均模型。4.根据权利要求3所述电网售电量的预测系统，其特征在于：所述算法选择单元包括一自动选择模块，用于自动根据所选售电数据信息选择推荐算法。5.根据权利要求4所述电网售电量的预测系统，其...

【专利技术属性】
技术研发人员：丁世龙，高明杰，张华军，甘萍，田健，葛葆华，李可荣，丁德智，
申请(专利权)人：国网冀北电力有限公司，远光软件股份有限公司，
类型：发明
国别省市：北京;11