The invention discloses a daily cumulative consumption issue short-term forecasting method based on S1, including: step: to establish a linear relationship between the predictions in the daily consumption with the same period last year, issued a total cumulative release capacity, forecast months, issued a total power as the dependent variable, the same period last year, issued a total power as independent variables; step S2: on the first day of the month to forecast the daily forecast issued a total electricity data over the same period last year, and issued a total quantity of data into the linear function, the parameters of model; step S3: the model parameters into linear function, get the short-term electricity sales model; step S4: the last day of the month over the same period last year Japan issued a total electricity data into short-term electricity sales in the linear model, forecast the monthly electricity consumption. The cumulative daily release of electricity data accurately reflects the weather, economy and other fluctuations in the month, with the forecast day closer to the end of the month, the use of modeling daily cumulative electricity quantity data, the higher the accuracy.
【技术实现步骤摘要】
基于日累计发行电量的短期售电量预测方法及系统
本专利技术涉及电力数据
,更具体地说,涉及一种基于日累计发行电量的短期售电量预测方法,还涉及一种基于日累计发行电量的短期售电量预测系统。
技术介绍
月度售电量预测是电力需求侧管理重要的市场预测技术手段,精准的售电量预测有利于公司制定有效的经营计划,能否准确的预测售电量,对电力公司全年经营管理及全年经济效益有着较大影响。短期售电量由于受天气、经济等外部因素的波动影响较大,在目前外部因素波动难以预测的情况下,短期售电量预测准确性不高,特别是出现外部因素异常时,预测准确度无法满足电力公司的要求,预测不准确容易对决策者造成误导,导致公司效益受损。目前,对于短期售电量预测,主要有环比预测法与同比预测法两种方法:第一,环比预测法,环比预测法是通过分析两个相邻月份(当月及前一个月)的日累计发行电量数据的比例关系,预测当月售电量的方法。例如,今日为2016年10月22日,公司已获取10月21日的发行电量数据,若要预测2016年10月的月度售电量,记2016年10月21日日累计发行电量为x20161021与2016年9月21日日累计发行电量为x20160921,令K1为二者的比值利用该比值K1,可以预测2016年10月的月度售电量为K1*P201609,其中P201609为2016年9月的月度售电量。该方法的缺点是:1、受天气和节假日天数变化影响较大;2、受各月天数不同影响较大;3、由于预测结果完全依赖于一天的累计电量数据,每天的预测结果波动较大,该方法的预测结果误差也较大。第二,同比预测法,同比预测法是通过分析当月日累计 ...
【技术保护点】
一种基于日累计发行电量的短期售电量预测方法,其特征在于,包括:步骤S1:建立关于预测月份的日累计发行电量与去年同期日累计发行电量的线性函数关系,其中所述预测月份的日累计发行电量作为应变量,所述去年同期日累计发行电量为自变量;步骤S2:将所述预测月份的首日至预测日的日累计发行电量数据以及去年同期日累计发行电量数据代入所述线性函数关系,计算模型参数;步骤S3:将所述模型参数代入所述线性函数关系,得到短期售电量线性模型;步骤S4:将去年同期月份最后一天的日累计发行电量数据代入所述短期售电量线性模型中,得到预测月售电量。
【技术特征摘要】
1.一种基于日累计发行电量的短期售电量预测方法,其特征在于,包括:步骤S1:建立关于预测月份的日累计发行电量与去年同期日累计发行电量的线性函数关系,其中所述预测月份的日累计发行电量作为应变量,所述去年同期日累计发行电量为自变量;步骤S2:将所述预测月份的首日至预测日的日累计发行电量数据以及去年同期日累计发行电量数据代入所述线性函数关系,计算模型参数;步骤S3:将所述模型参数代入所述线性函数关系,得到短期售电量线性模型;步骤S4:将去年同期月份最后一天的日累计发行电量数据代入所述短期售电量线性模型中,得到预测月售电量。2.如权利要求1所述的方法,其特征在于,所述步骤S2中,采用最小二乘法算法计算所述模型参数。3.如权利要求2所述的方法,其特征在于,所述步骤S4之后,还包括:若所述预测日发生了变化,则相应的对建模数据进行更新,得到更新后的短期售电量线性模型。4.如权利要求3所述的方法,其特征在于,所述步骤S2之前,还包括:对所述预测月份的首日至预测日的日累计发行电量数据以及去年同期日累计发行电量数据进行异常值识别以及缺失值填补。5.如权利要求4所述的方法,其特征在于,利用箱线图法对所述预测月份的首日至预测日的日累计发行电量数据以及去年同期日累计发行电量数据进行异常值识别。6....
【专利技术属性】
技术研发人员:刘建,赵加奎,陈雨泽,方学民,欧阳红,袁葆,朱平飞,王树龙,刘玉玺,卢耀宗,
申请(专利权)人:北京中电普华信息技术有限公司,国网信息通信产业集团有限公司,国家电网公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。