基于日累计发行电量的短期售电量预测方法及系统技术方案

本申请公开了一种基于日累计发行电量的短期售电量预测方法，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，预测月份的日累计发行电量作为应变量，去年同期日累计发行电量为自变量；步骤S2：将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线性函数关系，计算模型参数；步骤S3：将模型参数代入线性函数关系，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短期售电量线性模型中，得到预测月售电量。日累计发行电量数据准确反映当月天气、经济等波动情况，随预测日越接近月末日，建模时利用的日累计发行电量数据越多，准确度越高。

Short selling quantity forecasting method and system based on daily cumulative issued quantity of electricity

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发行电量和去年相同月份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2015年10月21日日累计发行电量为x20151021，令K2为二者的比值利用该比值K2，可以预测2016年10月的月度售电量为K2*P201510，其中，P201510为2015年10月月度售电量。该方法的缺点是：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，预测误差也较大。现有的基于日累计发行电量的短期售电量预测方法，存在的问题如下：1、在数据预处理方面，并没有做异常值剔除、缺失值处理等操作，影响了预测结果的稳定性；2、在预测方法方面，由于仅利用一天的日累计电量数据，同比预测法与环比预测法预测误差较大并且预测结果的波动也较大；3、预测结果的修正方面，目前方法并没有考虑对预测结果进行误差修正。因此，如何提高基于日累计发行电量的预测短期售电量的准确率是本领域技术人员急需要解决的技术问题。
技术实现思路
为解决上述技术问题，本专利技术提供一种基于日累计发行电量的短期售电量预测方法，提高基于日累计发行电量的预测短期售电量的准确率。为实现上述目的，本专利技术提供如下技术方案：一种基于日累计发行电量的短期售电量预测方法，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。优选的，在上述方法中，所述步骤S2中，采用最小二乘法算法计算所述模型参数。优选的，在上述方法中，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。优选的，在上述方法中，所述步骤S2之前，还包括：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进行异常值识别以及缺失值填补。优选的，在上述方法中，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。优选的，在上述方法中，所述步骤S4之后，还包括：利用马尔科夫链对所述预测月售电量进行误差修正。本专利技术提供了一种基于日累计发行电量的短期售电量预测系统，包括：函数关系建立模块，用于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；计算模块：用于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；模型建立模块：用于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；预测模块，用于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。优选的，在上述系统中，还包括：更新模块，用于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。优选的，在上述系统中，还包括：数据处理模块，用于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进行异常值识别以及缺失值填补。优选的，在上述系统中，还包括：误差修正模块，用于利用马尔科夫链对所述预测月售电量进行误差修正。从上述技术方案可以看出，本专利技术所提供的一种基于日累计发行电量的短期售电量预测方法，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。利用从每月首日开始至预测日的所有日累计发行电量数据和去年同期月份的日累计发行电量数据进行回归分析，得到短期售电量线性模型，避免了由于一天的电量数据波动较大导致预测结果波动也大的问题，使得每天加入最新日期累计发行电量数据后的预测结果保持稳定。由于日累计电量曲线与去年同期月份的日累计电量曲线相关性较强，有明显的规律，因此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，能够对电力公司的短期售电量进行准确预测。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例提供的一种基于日累计发行电量的短期售电量预测方法示意图；图2为本专利技术实施例提供的2016年10月日累计售电量发展规律示意图；图3为本专利技术实施例提供的一种基于日累计发行电量的短期售电量预测系统的结构框图。本文档来自技高网...

【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