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

本发明专利技术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，包括获取用户历史电费账单数据后对账单数据进行折算，将账单电量转换为月电量；根据合同号及月电量的数据完整程度划分数据集，区分出有效用户和无效用户；对有效用户数据集缺失值和异常值进行处理；计算各个数据样本的季节指数，利用季节指数对原始数据进行修正；构建支持向量SVM时间序列特征矩阵；建立SVM进行预测分析和修正，得到预测值。实施本发明专利技术，获取工商业大用户的月用电量预测，即有助于用户了解自己的电力消耗情况，实现节源开流，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。

A Monthly Electricity Consumption Forecasting Method Based on Seasonal Support Vector Regression Model

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用电量预测方法，包括获取用户历史电费账单数据后对账单数据进行折算，将账单电量转换为月电量；根据合同号及月电量的数据完整程度划分数据集，区分出有效用户和无效用户；对有效用户数据集缺失值和异常值进行处理；计算各个数据样本的季节指数，利用季节指数对原始数据进行修正；构建支持向量回归模型(SVM)时间序列特征矩阵；建立SVM进行预测分析和修正，得到预测值。实施本专利技术，获取工商业大用户的月用电量预测，即有助于用户了解自己的电力消耗情况，实现节源开流，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。优选地，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。优选地，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)。优选地，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。优选地，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的所有样本，采用K近邻方法填充缺失值。优选地，所述的步骤S4包括以下步骤：S4.1：根据数据集的历史数据求出月电量的四分位点，其中q[1]为1/4分位点，q[3]为3/4分位点，分位差IQR＝q[3]-q[1]；S4.2：异常标记，以q[3]+1.5*IQR为上限，以max(q[1]-1.5*IQR,10)为下限，将超出上、下限的点标记为异常点；S4.3：异常值修复，对大于q[3]+1.5*IQR的异常点，用q[3]+1.5*IQR替代；对下限为q[1]-1.5*IQR的异常点，用q[1]-1.5*IQR代替；对下限为10的异常点，将其标记为空(NA)；然后采用K近邻方法填充缺失值。优选地，所述的步骤S5包括以下步骤：S5.1：计算历年各月的同期平均数Mi；S5.2：将各期平均数相加除以项数得到总平均数SM；S5.3：将各期平均数与总平均数相除得到季节指数Ki＝Mi/SM。S5.4：原始数据进行修正；将各月的原始数据除以相对应的季节指数，得到第i个样本的修正时间序列为其中为基于季节指数修正后的第i个样本的电量值。优选地，步骤S6的状态空间矩阵的构建过程为：假设第j期的数据与前面第j-1到j-p期有关，p∈(1,j)；针对单个样本，有n期数据，预测期数为m，从前往后构建p维数据集，其构建的状态空间矩阵为：优选地，步骤S7包括以下步骤：S7.1：根据S6所得状态空间矩阵中1到(n-m)的(p+1)维状态空间矩阵构建SVM模型；S7.2：对第i个样本后面m期数据进行预测，得到的预测值为其中j∈1,2,…,m；S7.3：对预测值为进行修正，即进行季节性指数还原，得到修正后的预测值为：其中，Season_indexij表示对第i个样本的第j期的预测结果进行季节指数还原。与现有技术相比，本专利技术技术方案的有益效果是：在本专利技术为工商业大用户提供月用电量预测的增值性服务，有助于用户了解自己的电力消耗情况，实现节源开流外，还有利于电力部门优化资源配置，利于电力市场营销部门的市场开拓，提升客户满意度和忠诚度，从而适应新电改形势下的市场竞争要求。附图说明图1为本实施例季节性的支持向量回归模型的月用电量预测方法的流程图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本专利技术的技术方案做进一步的说明。本实施例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，如图1所示，该方法包括以下步骤S1：进行账单数据月电量折算；用户账单数据包括各自的合同号、缴费起止时间、用电量、电费、用户类型等信息。由于用户账单电量的起止时间和抄表周期(计费时段)会出现不统一的情况，如单个供电合同可能一个月有两张或两张以上的用电账单，故需要对用户账单数据进行预处理，预处理的过程主要将可能存在的用户双月账单数据处理成“自然月”账单数据，使之满足数据模型的建立与效果评估要求。具体折算方法如下：(1)将账单电量折算成每一天电量，折算公式为：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；(2)根据当前月天数进行月电量计算，即第i月的月电量为：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；(3)若一个月出现两张或多张账单时，首先采用(1)计算账单期内的每天用电量，然后通过计算当月的月用电量，其中表本文档来自技高网...

【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