基于峰谷电量预测的居民用户分布式上网最优选择方法技术

本发明专利技术公开了基于峰谷电量预测的居民用户分布式上网最优选择方法，解决了电力需求预测精度不高的技术问题，本发明专利技术的居民用户分布式上网最优选择方法，包括：S1获取目标用户过去n年中各个季度的峰电量和谷电量，其中n≥4，n为整数；S2根据步骤S1获取的各个季度的峰电量和谷电量预测该目标用户预测期内第m年四个季度的峰电量和谷电量,其中m≥1，m为整数；S3根据步骤S2预测的第m年四个季度峰谷电量确定该目标用户预测期内第m年的全年总电费和全年总电量，得出该目标用户预测期内第m年的年平均电价；S4将目标用户第m年的年平均电价与当前上网电价进行比较，如果年平均电价大于当前上网电价，选择余量上网，如果年平均电价小于当前上网电价，则选择全部上网。

Optimal selection method of distributed network for resident users based on peak valley power forecasting

The present invention discloses residential users distributed predictive peak energy optimal selection method based on the Internet, to solve the technical problems of electric power demand forecasting accuracy is not high, the invention of the Internet users residents distributed optimal selection method, including: power and peak power of S1 target users over the past n years in the quarter, which is more than 4 n n is an integer, S2 and peak power consumption; according to the electricity consumption and the peak of every quarter of the forecast steps S1 to obtain the target user forecast period in the M year in the four quarter, which is more than 1 m, M is an integer; S3 according to the M step S2 forecast four quarter peak energy in determining the target users of the forecast period in the M year total electricity and total power, the forecast period m years the average price of the target users; S4 years average price target users in the M year and the current price of In comparison, if the average annual electricity price is greater than the current electricity price, the allowance should be added to the Internet. If the average annual electricity price is less than the current electricity price, the whole network should be selected.

【技术实现步骤摘要】
基于峰谷电量预测的居民用户分布式上网最优选择方法
本专利技术涉及一种基于峰谷电量预测的居民用户分布式上网最优选择方法。
技术介绍
分布式上网最优选择基于对用电量的预测，世界各地的电力部门都十分重视电力需求预测工作，设置专门的机构，由经济分析、需电量预测、负荷预测等方面的专业人员来从事电力需求预测工作，常用的定量预测方法有回归分析预测、时间序列预测、趋势外推预测等。回归分析预测是通过对影响因子和用电量的资料数据进行统计，确定用电量和影响因子之间的关系，从而实现电力预测，但用电因子的多样性和某些因子的不可测性，使得回归分析在某种情况下受到限制；时间序列预测的主要内容是依据系统有限长度的观测数据，建立能够比较精确反映时间序列中所包含动态依存关系的数学模型，但时间序列预测模型无法引入影响因素，单纯使用时间序列模型进行复核预测精度难以提高；趋势外推是使用某条曲线来拟合获得的数据值，如果数据出现较大波动，那么预测将出现角度大误差。
技术实现思路
本专利技术所要解决的技术问题在于克服现有技术的不足而提供一种基于峰谷电量预测的居民用户分布式上网最优选择方法，能够提高预测精度，优化上网选择方法。为解决上述技术问题，本专利技术采用如下技术方案：基于峰谷电量预测的居民用户分布式上网最优选择方法，包括如下步骤：S1获取目标用户过去n年中各个季度的峰电量和谷电量，其中n≥4，n为整数；S2根据步骤S1获取的各个季度的峰电量和谷电量预测该目标用户预测期内第m年四个季度的峰电量和谷电量,其中m≥1，m为整数；S3根据步骤S2预测的第m年四个季度峰谷电量确定该目标用户预测期内第m年的全年总电费和全年总电量，得出该目标用户预测期内第m年的年平均电价；S4将目标用户第m年的年平均电价与当前上网电价进行比较，如果年平均电价大于当前上网电价，选择余量上网，如果年平均电价小于当前上网电价，则选择全部上网。进一步的，所述步骤S2中，通过灰色预测GM(1,1)模型和季节指数调整模型对该目标用户预测期内第m年四个季度的峰谷电量进行预测，所述灰色预测GM(1,1)模型的公式为其中k>4n时，x(0)(k+1)为预测值，x(1)为过去n年中第一年第1季度的峰电量或谷电量，a为模型的发展系数，u称为模型的协调系数；所述季节指数调整模型的公式为x(0)(j)为第j季度的预测值，j＝1,2,3,4，为季节指数，根据季节指数调整模型得到调整后的目标用户预测期内第m年第j季度的预测峰电量yf(j)和预测谷电量yg(j)。更进一步的，所述步骤S3中，根据步骤S2预测的第m年四个季度峰谷电量确定该目标用户预测期内第m年的全年总电费和全年总电量，得出该目标用户预测期内第m年的年平均电价，包括：确定电度电费Fd，确定预测的第m年四个季度的峰电量和谷电量之和yt，根据预测的第m年的峰电量和谷电量之和yt，确定阶梯电费Fj，根据电度电费Fd和阶梯电费Fj确定预测期内第m年的全年总电费Ft，Ft＝Fd+Fj；根据预测期内第m年的全年总电费Ft和预测的第m年的峰电量和谷电量之和yt确定预测期内第m年的年平均电价pa，pa＝Ft/yt；其中，pf为峰时电价，pg为谷时电价。本专利技术的有益效果：本专利技术的技术方案是在计算用户购电费用时从用户执行峰谷电价角度进行分析，峰谷分时电价的实行对充分调动电力用户避峰就谷、合理用电积极性和保障电网和发电机组稳定运行具有积极意义，通过灰色预测模型及季节调整指数准确预测下一年各季度用电量，为用户上网方式选择提供有力支持。本专利技术的这些特点和优点将会在下面的具体实施方式、附图中详细的揭露。【附图说明】下面结合附图对本专利技术做进一步的说明：图1为本专利技术的流程图；图2是本专利技术谷段实际电量与预测电量对比图；图3是本专利技术峰段实际电量与预测电量对比图。【具体实施方式】下面结合本专利技术实施例的附图对本专利技术实施例的技术方案进行解释和说明，但下述实施例仅仅为本专利技术的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其它实施例，都属于本专利技术的保护范围。如图1所示，本专利技术公开了一种基于峰谷电量预测的居民用户分布式上网最优选择方法，包括如下步骤：S1获取目标用户过去n年中各个季度的峰电量和谷电量，其中n≥4，n为整数；S2根据步骤S1获取的各个季度的峰电量和谷电量预测该目标用户预测期内第m年四个季度的峰电量和谷电量,其中m≥1，m为整数；S3根据步骤S2预测的第m年四个季度峰谷电量确定该目标用户预测期内第m年的全年总电费和全年总电量，得出该目标用户预测期内第m年的年平均电价；S4将目标用户第m年的年平均电价与当前上网电价进行比较，如果年平均电价大于当前上网电价，选择余量上网，如果年平均电价小于当前上网电价，则选择全部上网。所述步骤S2中，通过灰色预测GM(1,1)模型和季节指数调整模型对该目标用户预测期内第m年四个季度的峰谷电量进行预测，所述灰色预测GM(1,1)模型的公式为其中k>4n时，x(0)(k+1)为预测值，x(1)为过去n年中第一年第1季度的峰电量或谷电量，a为模型的发展系数，u称为模型的协调系数；所述季节指数调整模型的公式为x(0)(j)为第j季度的预测值，j＝1,2,3,4，为季节指数，根据季节指数调整模型得到调整后的目标用户预测期内第m年第j季度的预测峰电量yf(j)和预测谷电量yg(j)。其中在步骤S2中，先将步骤S1中获取的目标用户过去n年中各个季度的峰电量或谷电量设为原始数据序列x(1),x(2),...,x(4n)，x(1)为时间最早一年，即第一年第一季度的峰电量或谷电量，x(2)为第一年第二季度的峰电量或谷电量，x(3)为第一年第三季度的峰电量或谷电量，x(4)为第一年第四季度的峰电量或谷电量，x(5)为第二年第一季度的峰电量或谷电量，如此按照时间由早及近，季度由小到大的顺序依次采集。然后，作一次累加生成，(记为1-AGO)，得到x1(1),x1(2),...,x1(4n)，其中一般地，对非负数列，累加生成次数越多，数列的随机性就弱化得越多，当累加生成次数足够大时，时间序列便由随机转化为非随机了，在GM模型中，一般只对数列作1-AGO。随后，构造一阶线性微分方程：其中，a称为模型的发展系数，它反映原始数列x的增长速度，u称为模型的协调系数，反映了数据间的变化关系。通过求解微分方程得利用最小二乘法求解参数a、u，得式中，将a、u代回微分方程(*)，得：x(1)(k+1)是累加后数据的拟合值。最后，根据灰色预测GM(1,1)模型的公式确定x(0)(k+1)，x(1)为过去n年中第一年第1季度的峰电量或谷电量，当k>4n时，则x(0)(k+1)为预测第m年某个季度的峰电量或谷电量的预测值，也就是，若原始数据序列是获取的目标用户过去n年中各个季度的峰电量时，则x(0)(k+1)为自现在开始的预测期内第m年某一季度的峰电量的预测值，若原始数据序列是获取的目标用户过去n年中各个季度的谷电量时，则x(0)(k+1)为自现在开始的预测期内第m年某一季度的谷电量的预测值。为了提高预测精度，本专利技术还通过季节指数修正各季度的预测值，首先定义I(j)为季节表动指数，j＝1,2,3,4，考虑长期趋势条件下式中本文档来自技高网...

【技术保护点】
基于峰谷电量预测的居民用户分布式上网最优选择方法，其特征在于，包括如下步骤：S1获取目标用户过去n年中各个季度的峰电量和谷电量，其中n≥4，n为整数；S2根据步骤S1获取的各个季度的峰电量和谷电量预测该目标用户预测期内第m年四个季度的峰电量和谷电量,其中m≥1，m为整数；S3根据步骤S2预测的第m年四个季度峰谷电量确定该目标用户预测期内第m年的全年总电费和全年总电量，得出该目标用户预测期内第m年的年平均电价；S4将目标用户第m年的年平均电价与当前上网电价进行比较，如果年平均电价大于当前上网电价，选择余量上网，如果年平均电价小于当前上网电价，则选择全部上网。

【技术特征摘要】
1.基于峰谷电量预测的居民用户分布式上网最优选择方法，其特征在于，包括如下步骤：S1获取目标用户过去n年中各个季度的峰电量和谷电量，其中n≥4，n为整数；S2根据步骤S1获取的各个季度的峰电量和谷电量预测该目标用户预测期内第m年四个季度的峰电量和谷电量,其中m≥1，m为整数；S3根据步骤S2预测的第m年四个季度峰谷电量确定该目标用户预测期内第m年的全年总电费和全年总电量，得出该目标用户预测期内第m年的年平均电价；S4将目标用户第m年的年平均电价与当前上网电价进行比较，如果年平均电价大于当前上网电价，选择余量上网，如果年平均电价小于当前上网电价，则选择全部上网。2.如权利要求1所述基于峰谷电量预测的居民用户分布式上网最优选择方法，其特征在于，所述步骤S2中，通过灰色预测GM(1,1)模型和季节指数调整模型对该目标用户预测期内第m年四个季度的峰谷电量进行预测，所述灰色预测GM(1,1)模型的公式为其中k>4n时，x(0)(k+1)为预测值，x(1)为过去n年中第一年第1季度的峰电量或谷电量，a为模型的发展系数，u称为模型的协调系数；所述季节指数调整模型...

【专利技术属性】
技术研发人员：施永益，牛东晓，袁雪枫，王亿，姚多朵，赵永良，王龙，王锋华，张文军，王海潮，陆晓芬，齐冷艳，周子誉，仲立军，高燕铭，怀月容，黄一秀，
申请(专利权)人：国网浙江省电力公司，国家电网公司，华北电力大学，浙江华云信息科技有限公司，
类型：发明
国别省市：浙江,33