The invention relates to a monthly electricity consumption forecasting method based on seasonal support vector regression model, which includes converting billing data after obtaining historical electricity billing data of users, converting billing electricity into monthly electricity consumption, dividing data sets according to contract number and data integrity of monthly electricity consumption, distinguishing valid users from invalid users, and identifying missing and abnormal values of valid user data sets. Processing; calculating the seasonal index of each data sample, using seasonal index to correct the original data; constructing the time series characteristic matrix of support vector SVM; establishing SVM for prediction analysis and correction, and obtaining the prediction value. Implementing the present invention to obtain the monthly power consumption forecast of large industrial and commercial users is helpful for users to understand their own power consumption situation and realize energy saving and opening up. It is also of great significance to the power sector, which is mainly manifested in the following aspects: firstly, it is helpful for the power sector to optimize the allocation of resources; secondly, it is conducive to the market development of the power marketing department.
【技术实现步骤摘要】
一种季节性的支持向量回归模型的月用电量预测方法
本专利技术涉及预测分析
,更具体地,涉及一种季节性的支持向量回归模型的月用电量预测方法。
技术介绍
电力在日常生活中必不可少,渗透日常生活的每一处,随着经济发展,社会各界对电力需求越来越大,电力供应和节能减排压力也随之加大;此外,随着电力体制改革后售电侧放开,剔除新增用户,售电业务初期争夺的对象主要集中在工商业客户尤其是大客户资源,而目前缺乏对于工商业客户的月用电量的预测方法。为工商业用户提供更多增值性的客户服务,提升工商业用户的满意度和忠诚度成为了售电企业适应新电改形势下市场竞争的必要措施。在此背景下,提出一种季节性的支持向量回归模型的工商业大用户月用电量预测方法,对工商业大用户进行月电量预测,除有助于用户了解自己的电力消耗情况,实现节源开流外,还对电力部门具有重要意义,主要表现在:一是有利于电力部门优化资源配置;二是有利于电力市场营销部门的市场开拓。
技术实现思路
为了获取工商业大用户的月用电量预测,来达到帮助用户了解未来的用电量规模的目的,本专利技术提供一种季节性的支持向量回归模型的月用电量预测方法。所述方法包括以下步骤:S1:对账单数据进行月电量折算;S2:对折算后的数据划分数据集,以区分有效用户和无效用户S3:对有效用户的月电量数据进行缺失值修复;S4:对有效用户的月电量数据进行异常值修复;S5:计算每个样本的季节指数,并进行季节性修正;S6:构建状态空间矩阵;S7:根据状态空间矩阵构建支持向量回归模型(SVM)进行预测得到预测值,对预测值进行修正。本专利技术提供的一种季节性的支持向量回归模型的月 ...
【技术保护点】
1.一种季节性的支持向量回归模型的月用电量预测方法,其特征在于,所述方法包括以下步骤:S1:对账单数据进行月电量折算;S2:对折算后的数据划分数据集,以区分有效用户和无效用户;S3:对有效用户的月电量数据进行缺失值修复;S4:对有效用户的月电量数据进行异常值修复;S5:计算每个样本的季节指数,并进行季节性修正;S6:构建状态空间矩阵;S7:根据状态空间矩阵构建支持向量回归模型进行预测得到预测值,对预测值进行修正。
【技术特征摘要】
1.一种季节性的支持向量回归模型的月用电量预测方法,其特征在于,所述方法包括以下步骤:S1:对账单数据进行月电量折算;S2:对折算后的数据划分数据集,以区分有效用户和无效用户;S3:对有效用户的月电量数据进行缺失值修复;S4:对有效用户的月电量数据进行异常值修复;S5:计算每个样本的季节指数,并进行季节性修正;S6:构建状态空间矩阵;S7:根据状态空间矩阵构建支持向量回归模型进行预测得到预测值,对预测值进行修正。2.根据权利要求1所述的季节性的支持向量回归模型的月用电量预测方法,其特征在于,所述的步骤S1包括以下步骤:S1.1:将账单电量折算成每一天电量,折算公式如下:其中,表示每天的电量值,x终表示当期账单最后一天电量值,x始表示当期账单第一天的初始电量值,D终-始表示当期的天数;S1.2:根据当月天数进行月电量计算。3.根据权利要求2所述的季节性的支持向量回归模型的月用电量预测方法,其特征在于,所述的步骤S1.2包括以下步骤:S1.2.1:对一个月出现的账单张数进行判断;S1.2.2:根据判断结果进行月电量计算;当一个月出现的账单数为一张时,当月的月用电量计算公式为:其中,为上个月用电量的均值,为当前月用电量的均值,dj为在上个月用电量区间内包含当前月的天数,di为当前月用电量区间内包含当前月的天数;当一个月出现的账单数为两张或者两张以上时,当月的月用电量计算公式为:其中表示第i月的第n张账单期内均值,din表示第i月的第n张账单包含的i月的天数,表示第i月的第n-1张账单期内均值,dim表示第i月的第m张账单包含的i月的天数,N表示账单的张数,M∈(1,N)。4.根据权利要求1所述的季节性的支持向量回归模型的月用电量预测方法,其特征在于,所述的步骤S2的具体过程为:根据合同号和月电量的数据完整程度划分数据集,按年月电量账单缺失30%以上则为无效用户,区分出有效用户和无效用户。5.根据权利要求1所述的季节性的支持向量回归模型的月用电量预测方法,其特征在于,所述的步骤S3具体过程为:根据过半数填充原则,选择每年缺失值个数都小于6的所有...
【专利技术属性】
技术研发人员:林浩,王永才,庞伟林,皇甫汉聪,曾梦妤,罗尉丹,
申请(专利权)人:广东电网有限责任公司,广东电网有限责任公司佛山供电局,
类型:发明
国别省市:广东,44
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。