数据处理方法和装置制造方法及图纸

本发明专利技术公开了一种数据处理方法和装置。其中，该方法包括：确定预设区域内的多个用电用户类型中每个用电用户类型的历史用电量和历史影响因素数据；根据每个用电用户类型的历史用电量和历史影响因素数据建立对应的用电用户类型的用电量预测模型，其中，用电量预测模型用于根据对应的用电用户类型的影响因素预测预设时间段内对应的用电用户类型的用电量；根据每个用电用户类型的用电量预测模型和对应用电用户类型的影响因素数据确定对应的用电用户类型的预测用电量以确定预设区域内的总预测用电量。本发明专利技术解决了相关技术中预测用电量的准确率较低的技术问题。

Data processing method and device

The invention discloses a data processing method and device. Among them, the method includes determining a plurality of preset for each user type electric electricity user types in the region with historical data and historical influence factors of electricity; electricity users according to each type of historical consumption and influencing factors of historical data to establish the electricity user type corresponding to the electricity demand forecasting model, the electricity demand forecasting model is used according to the corresponding factors that influence the prediction of the type of electrical user preset time period corresponding to the electricity user type electricity; electricity according to each type of user consumption prediction model and the impact on the application type of user data to determine the factors to determine the total electricity consumption in the region with default prediction power by predicting the electrical user types corresponding to the. The invention solves the technical problem that the accuracy of the electricity consumption prediction is low in the relative technology.

【技术实现步骤摘要】
数据处理方法和装置
本专利技术涉及数据处理领域，具体而言，涉及一种数据处理方法和装置。
技术介绍
传统的电量预测方法有电耗法、弹性系数法、回归法、接电容量法等。采用电耗法对电量预测的精度取决于电耗的预测精度，不同产业甚至不同产品间电耗差异巨大，实际中很难对国民生产总值对应的电耗做出准确估计，导致预测精度较低。电力弹性系数是电力年平均增长率与国民生产总值之间的比值，采用电力弹性系数法同样需要对电力弹性系数趋势进行准确判断，但是当经济发展到一定程度，电力弹性系数的发展受多种因素影响，往往呈现出跳跃性或不确定性发展趋势，因此采用弹性系数法预测同样精度较低。回归法是通过建立电量与经济指标之间的相关关系，以回归预测技术来实现电量发展规律的捕捉，在一定程度上克服了电耗法和弹性系数法的缺陷，是目前最为广泛应用的电量预测方法。但是回归法仅仅考虑了经济指标对电量的影响，当系统负荷中降温负荷/采暖负荷占比较高，受天气因素影响较大，或预测期内出现大的政策调整时，回归法对电量预测的精度难以保障。上述传统的电量预测方法在预测用电量时建模考虑因素较单一，无法根据实际情况准确的预测某个区域内的用电量。针对相关技术中预测用电量的准确率较低的技术问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种数据处理方法和装置，以至少解决相关技术中预测用电量的准确率较低的技术问题。根据本专利技术实施例的一个方面，提供了一种数据处理方法，该方法包括：确定预设区域内的多个用电用户类型中每个用电用户类型的历史用电量和历史影响因素数据；根据每个用电用户类型的历史用电量和历史影响因素数据建立对应的用电用户类型的用电量预测模型，其中，用电量预测模型用于根据对应的用电用户类型的影响因素预测预设时间段内对应的用电用户类型的用电量；根据每个用电用户类型的用电量预测模型和对应用电用户类型的影响因素数据确定对应的用电用户类型的预测用电量以确定预设区域内的总预测用电量。进一步地，多个用电用户类型分为多个产业类型和居民类型，其中，多个产业类型中每个产业类型的用电用户的影响因素为经济数据，居民类型的影响因素为人口数据。进一步地，确定预设区域内的总预测用电量包括：根据每个产业类型的历史经济数据确定对应产业类型的平均经济数据；确定每个产业类型在待预测的预设时间段内的经济数据偏差；根据每个产业类型的经济数据偏差修正对应的产业类型的平均经济数据，得到对应的产业类型在预设时间段内的预期经济数据；根据每个产业类型的预期经济数据和用电量预测模型确定对应的产业类型的预测用电量。进一步地，确定预设区域内的总预测用电量包括：根据预设区域内的历史人口数据确定预设区域内的平均人口数据；确定预设区域内在待预测的预设时间段内的人口数据偏差；根据人口数据偏差修正预设区域内的平均人口数据，得到预设区域内在预设时间段内的预期人口数据；根据预期人口数据和居民类型的用电用户的用电量预测模型确定居民类型的用电用户在预设时间段内的预测用电量。根据本专利技术实施例的另一方面，还提供了一种数据处理装置，该装置包括：第一确定单元，用于确定预设区域内的多个用电用户类型中每个用电用户类型的历史用电量和历史影响因素数据；建模单元，用于根据每个用电用户类型的历史用电量和历史影响因素数据建立对应的用电用户类型的用电量预测模型，其中，用电量预测模型用于根据对应的用电用户类型的影响因素预测预设时间段内对应的用电用户类型的用电量；第二确定单元，用于根据每个用电用户类型的用电量预测模型和对应用电用户类型的影响因素数据确定对应的用电用户类型的预测用电量以确定预设区域内的总预测用电量。进一步地，多个用电用户类型分为多个产业类型和居民类型，其中，多个产业类型中每个产业类型的用电用户的影响因素为经济数据，居民类型的影响因素为人口数据。进一步地，第二确定单元包括：第一确定模块，用于根据每个产业类型的历史经济数据确定对应产业类型的平均经济数据；第二确定模块，用于确定每个产业类型在待预测的预设时间段内的经济数据偏差；第一修正模块，用于根据每个产业类型的经济数据偏差修正对应的产业类型的平均经济数据，得到对应的产业类型在预设时间段内的预期经济数据；第三确定模块，用于根据每个产业类型的预期经济数据和用电量预测模型确定对应的产业类型的预测用电量。进一步地，第二确定单元包括：第四确定模块，用于根据预设区域内的历史人口数据确定预设区域内的平均人口数据；第五确定模块，用于确定预设区域内在待预测的预设时间段内的人口数据偏差；第二修正模块，用于根据人口数据偏差修正预设区域内的平均人口数据，得到预设区域内在预设时间段内的预期人口数据；第六确定模块，用于根据预期人口数据和居民类型的用电用户的用电量预测模型确定居民类型的用电用户在预设时间段内的预测用电量。根据本专利技术实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行本专利技术的数据处理方法。根据本专利技术实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行本专利技术的数据处理方法。在本专利技术实施例中，通过确定预设区域内的多个用电用户类型中每个用电用户类型的历史用电量和历史影响因素数据；根据每个用电用户类型的历史用电量和历史影响因素数据建立对应的用电用户类型的用电量预测模型，其中，用电量预测模型用于根据对应的用电用户类型的影响因素预测预设时间段内对应的用电用户类型的用电量；根据每个用电用户类型的用电量预测模型和对应用电用户类型的影响因素数据确定对应的用电用户类型的预测用电量以确定预设区域内的总预测用电量，解决了相关技术中预测用电量的准确率较低的技术问题，进而实现了能够更准确地预测预设区域内的用电量的技术效果。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种可选的数据处理方法的流程图；图2是根据本专利技术实施例的另一种可选的数据处理方法的流程图；图3是根据本专利技术实施例的一种可选的数据处理装置的示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请提供了一种数据处理方法的实施例。图1是根据本专利技术实施例的一种可选的数据处理方法的流程图，如图1所示本文档来自技高网...

【技术保护点】
一种数据处理方法，其特征在于，包括：确定预设区域内的多个用电用户类型中每个用电用户类型的历史用电量和历史影响因素数据；根据所述每个用电用户类型的历史用电量和历史影响因素数据建立对应的用电用户类型的用电量预测模型，其中，所述用电量预测模型用于根据对应的用电用户类型的影响因素预测预设时间段内所述对应的用电用户类型的用电量；根据每个用电用户类型的用电量预测模型和对应用电用户类型的影响因素数据确定对应的用电用户类型的预测用电量以确定所述预设区域内的总预测用电量。

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：确定预设区域内的多个用电用户类型中每个用电用户类型的历史用电量和历史影响因素数据；根据所述每个用电用户类型的历史用电量和历史影响因素数据建立对应的用电用户类型的用电量预测模型，其中，所述用电量预测模型用于根据对应的用电用户类型的影响因素预测预设时间段内所述对应的用电用户类型的用电量；根据每个用电用户类型的用电量预测模型和对应用电用户类型的影响因素数据确定对应的用电用户类型的预测用电量以确定所述预设区域内的总预测用电量。2.根据权利要求1所述的方法，其特征在于，所述多个用电用户类型分为多个产业类型和居民类型，其中，所述多个产业类型中每个产业类型的用电用户的影响因素为经济数据，所述居民类型的影响因素为人口数据。3.根据权利要求2所述的方法，其特征在于，确定所述预设区域内的总预测用电量包括：根据每个产业类型的历史经济数据确定对应产业类型的平均经济数据；确定每个产业类型在待预测的预设时间段内的经济数据偏差；根据每个产业类型的所述经济数据偏差修正对应的产业类型的所述平均经济数据，得到对应的产业类型在所述预设时间段内的预期经济数据；根据每个产业类型的所述预期经济数据和所述用电量预测模型确定对应的产业类型的预测用电量。4.根据权利要求2所述的方法，其特征在于，确定所述预设区域内的总预测用电量包括：根据所述预设区域内的历史人口数据确定所述预设区域内的平均人口数据；确定所述预设区域内在待预测的预设时间段内的人口数据偏差；根据所述人口数据偏差修正所述预设区域内的所述平均人口数据，得到所述预设区域内在所述预设时间段内的预期人口数据；根据所述预期人口数据和所述居民类型的用电用户的用电量预测模型确定所述居民类型的用电用户在所述预设时间段内的预测用电量。5.一种数据处理装置，其特征在于，包括：第一确定单元，用于确定预设区域内的多个用电用户类型中每个用电用户类型的历史用电量和历史影响因素数据；建模单元，用于根据所述每个用电用户类型的历史用电量和历史影响因素数据建立对应...

【专利技术属性】
技术研发人员：余潇潇，郭思琪，李捷，秦帅，纪斌，张凯，李伟，王立永，王伟勇，佘妍，张璞，李翔宇，鞠力，
申请(专利权)人：国网北京市电力公司，国家电网公司，北京电力经济技术研究院，
类型：发明
国别省市：北京,11