日电量预测方法、装置、计算机设备和介质制造方法及图纸

本发明专利技术涉及一种日电量预测方法，包括：采集用户的历史用电负荷数据；基于霍尔特‑温特方法解析用电负荷数据并建立预测模型；基于预测模型生成电力调度方案。根据解析用户的历史用电负荷数据，深入历史用电负荷数据中隐藏的用户用电规律，利用预测模型生成电力调度方案，进而能够对不同的客户提供多样化、差异化的服务，具有较强的针对性。

【技术实现步骤摘要】
日电量预测方法、装置、计算机设备和介质
本专利技术涉及配电领域，特别是涉及一种日电量预测方法、装置、计算机设备和介质。
技术介绍
在电力体质改革的背景下，配售电服务将逐步放开，实现市场化，客户资源将成为配售电市场争夺的对象；对供电公司而言，提升客户服务质量是争夺客户资源的有力手段。随着电力客户服务需求越来越多样化，传统“被动式”客户服务模式已经不能适应客户不断变化的服务要求，电力客户越来越需要电网企业提供多样化、差异化的服务，因此，对供电服务的期望值越来越高，对电网企业提供服务的要求也越来越多。但目前电网企业对于客户的针对性仍然比较弱，难以进行多样化、差异化的服务。
技术实现思路
基于此，有必要针对上述技术问题，提供一种日电量预测方法、装置、计算机设备和介质，其具有能够深入分析用户的用电需求的效果。一种日电量预测方法，包括：采集用户的历史用电负荷数据；基于霍尔特-温特方法解析所述用电负荷数据并建立预测模型；基于所述预测模型生成电力调度方案。在其中一个实施例中，基于霍尔特-温特方法解析所述用电负荷数据并建立所述预测模型具体包括：分解所述历史用电负荷数据以获得趋势因子U、趋势增量因子b及季节变动因子F；基于所述趋势因子U、所述趋势增量因子b、所述季节变动因子F与指数平滑法形成预测公式以建立预测模型。在其中一个实施例中，t时刻的所述趋势因子U计算公式如下所示：其中，t为时间；α为平滑系数；L为季节长度或时间周期；dt为t时刻的所述电负荷数据实际值d；Ft-L为t-L时刻的所述季节变动因子F；Ut-l为t-l时刻的所述趋势因子U；bt-1为t-l时刻的所述趋势增量因子b。在其中一个实施例中，t时刻的所述趋势增量因子b计算公式如下所示：bt＝β(Ut-Ut-1)+(1-β)bt-1其中，t为时间；β为平滑系数；Ut为t时刻的所述趋势因子U，Ut-l为t-l时刻的所述趋势因子U；bt-1为t-l时刻的所述趋势增量因子b。在其中一个实施例中，t时刻的所述季节变动因子F计算公式如下所示：其中，t为时间；γ为平滑系数；dt为t时刻的所述电负荷数据实际值d；Ut为t时刻的所述趋势因子U；Ft-L为t-L时刻的所述季节变动因子F。在其中一个实施例中，所述预测公式如下：Ft+m＝(Ut+mbt)Ft-L+m其中，m为要预测的时刻距离现在时刻的时刻间隔数；Ft为t时刻的所述季节变动因子F，Ft-L为t-L时刻的所述季节变动因子F；Ut为t时刻的所述趋势因子U；bt为t时刻的所述趋势增量因子b。本专利技术提供一种日电量预测装置，所述装置包括：数据采集模块，用于采集用户的历史用电负荷数据；数据处理模块，用于基于霍尔特-温特方法解析所述用电负荷数据并建立预测模型；方案生成模块，用于基于所述预测模型生成电力调度方案。在其中一个实施例中，所述数据处理模块包括：数据分解模块，用于分解所述历史用电负荷数据以获得趋势因子U、趋势增量因子b及季节变动因子F；模型建立模块，用于基于所述趋势因子U、所述趋势增量因子b、所述季节变动因子F与指数平滑法形成预测公式以建立预测模型。本专利技术提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。本专利技术具有以下有益效果：根据解析用户的历史用电负荷数据，深入历史用电负荷数据中隐藏的用户用电规律，利用预测模型生成电力调度方案，进而能够对不同的客户提供多样化、差异化的服务，具有较强的针对性。附图说明图1为一个实施例中日电量预测方法的流程示意图；图2为一个实施例中日电量预测装置的结构框图；图3为另一个实施例中日电量预测装置的结构框图；图4为一个实施例中计算机设备的内部结构图。附图标记：10、数据采集模块；20、数据处理模块；21、数据分解模块；22、模型建立模块；30、方案生成模块。具体实施方式为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。附图中给出了本专利技术的首选实施例。但是，本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本专利技术的公开内容更加透彻全面。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。在本专利技术的描述中，需要理解的是，术语“上”、“下”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方法或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。在电力体质改革的背景下，配售电服务将逐步放开，实现市场化，客户资源将成为配售电市场争夺的对象；对供电公司而言，提升客户服务质量是争夺客户资源的有力手段。随着电力客户服务需求越来越多样化，传统“被动式”客户服务模式已经不能适应客户不断变化的服务要求，电力客户越来越需要电网企业提供多样化、差异化的服务，因此，对供电服务的期望值越来越高，对电网企业提供服务的要求也越来越多。但目前电网企业对于客户的针对性仍然比较弱，难以进行多样化、差异化的服务。基于此，本专利技术针对上述问题提供了一种日电量预测方法，如图1所示，具体包括以下步骤：步骤S10：采集用户的历史用电负荷数据。步骤S20：基于霍尔特-温特方法解析用电负荷数据并建立预测模型。步骤S30：基于预测模型生成电力调度方案。在一个可选的实施例中，对于步骤S10，具体的，对用户的历史用电负荷数据进行采集，可以包括，以自然月为单位，统计近一年内日用电量的趋势变化；或以星期为单位统计日用电量周规律特征。采集到的历史用电负荷数据生成的统计图表支持按图片/数据表的方式导出。在一个可选的实施例中，对于步骤S20，具体包括以下步骤：步骤S201：分解历史用电负荷数据以获得趋势因子U、趋势增量因子b及季节变动因子F。步骤S202：基于趋势因子U、趋势增量因子b、季节变动因子F与指数平滑法形成预测公式以建立预测模型。具体的，霍尔特-温特方法的基本思想是把具体线性趋势、季节变动和随机变动的时间序列进行分解研究，并与指数平滑法相结合，分本文档来自技高网...

【技术保护点】
1.一种日电量预测方法，其特征在于，包括：/n采集用户的历史用电负荷数据；/n基于霍尔特-温特方法解析所述用电负荷数据并建立预测模型；/n基于所述预测模型生成电力调度方案。/n

【技术特征摘要】
1.一种日电量预测方法，其特征在于，包括：
采集用户的历史用电负荷数据；
基于霍尔特-温特方法解析所述用电负荷数据并建立预测模型；
基于所述预测模型生成电力调度方案。


2.根据权利要求1所述的日电量预测方法，其特征在于，基于霍尔特-温特方法解析所述用电负荷数据并建立所述预测模型具体包括：
分解所述历史用电负荷数据以获得趋势因子U、趋势增量因子b及季节变动因子F；
基于所述趋势因子U、所述趋势增量因子b、所述季节变动因子F与指数平滑法形成预测公式以建立预测模型。


3.根据权利要求2所述的日电量预测方法，其特征在于，t时刻的所述趋势因子U计算公式如下所示：



其中，t为时间；
α为平滑系数；
L为季节长度或时间周期；
dt为t时刻的所述电负荷数据实际值d；
Ft-L为t-L时刻的所述季节变动因子F；
Ut-l为t-l时刻的所述趋势因子U；
bt-1为t-l时刻的所述趋势增量因子b。


4.根据权利要求2所述的日电量预测方法，其特征在于，t时刻的所述趋势增量因子b计算公式如下所示：
bt＝β(Ut-Ut-1)+(1-β)bt-1
其中，t为时间；
β为平滑系数；
Ut为t时刻的所述趋势因子U，Ut-l为t-l时刻的所述趋势因子U；
bt-1为t-l时刻的所述趋势增量因子b。


5.根据权利要求2所述的日电量预测方法，其特征在于，t时刻的所述季节变动因子F计算公式如下所示：



其中，t为时间；
γ...

【专利技术属性】
技术研发人员：原野，耿贞伟，李辉，高宇豆，张莉娜，
申请(专利权)人：云南电网有限责任公司信息中心，
类型：发明
国别省市：云南;53