一种基于电网投资规模预测的电量分配方法及装置制造方法及图纸

本发明专利技术公开了一种基于电网投资规模预测的电量分配方法及装置，所述方法包括:对获取到的供电公司数据进行标准化处理；所述供电公司数据包括多个供电变量；根据所述供电公司数据，对支持向量机的预测模型进行训练；选取边界条件；将待预测的变量值输入所述训练好的预测模型，得到所述供电公司的投资规模预测值；根据所述供电公司的投资规模预测值，建立电量分配的投资规模概率权重函数；根据所述投资规模概率权重函数，获取所述供电公司分配电量。采用本发明专利技术实施例，解决现有技术中线性预测方法对电网投资规模的预测不准确导致电量分配不准确的问题。

【技术实现步骤摘要】
一种基于电网投资规模预测的电量分配方法及装置
本专利技术涉及电力
，更具体的说，是涉及一种基于电网投资规模预测的电量分配方法及装置。
技术介绍
一般而言，影响电网的电量分配包括2个因素：一是传统技术中的电量供需平衡关系；二是电网投资规模对电量分配的影响，即投资规模概率权重函数；可以根据投资规模概率权重函数将电网投资规模与电量分配的影响关系进行量化(即依据电网投资规模指标历史数据和历年电量分配数据组成的样本数据进行参数估计)，来分配电网电量。因此，在电力电量分配的过程中，电网需要综合考虑电网企业的实际运营情况，进行合理的投资规划，准确把握自身投资规模、科学制定投资规划。现有技术主要基于对电网投资影响因素分析，通过调整准许收益率改善资产结构、运营维护费以及折旧率等途径进行优化投资规模和投资结构，但仍不够全面、客观。另外，电网企业的投资的因素影响通常是非线性的，现有技术的定量预测方法包括回归、灰色预测等方法均默认因素影响是线性的，会导致电网投资规模的预测结果不准确，易造成电力价格波动、电量分配不准确。
技术实现思路
本专利技术实施例提供一种基于电网投资规模预测的电量分配方法及装置，能有效解决现有技术中线性预测方法对电网投资规模的预测不准确导致电量分配不准确的问题。本专利技术一实施例提供一种基于电网投资规模预测的电量分配方法，包括：对获取到的供电公司数据进行标准化处理；所述供电公司数据包括多个供电变量；根据所述供电公司数据，对支持向量机的预测模型进行训练；选取边界条件；将待预测的变量值输入所述训练好的预测模型，得到所述供电公司的投资规模预测值；根据所述供电公司的投资规模预测值，建立电量分配的投资规模概率权重函数；根据所述投资规模概率权重函数，获取所述供电公司分配电量。作为上述方案的改进，所述对获取到的供电公司数据进行标准化处理，具体包括：对每个供电变量Xj，找出最大值Xjmax和最小值Xjmin，然后将t年的指标值Xjt同其进行比较运算，采用运算公式如下：其中，Zjt表示进行标准化处理后的供电变量。作为上述方案的改进，所述根据所述供电公司数据，对支持向量机的预测模型进行训练，具体包括：通过聚类分析方法，得到多种情况下所述供电公司数据对应的训练集以及预测集；模拟所述多种情况下的训练集以及预测集。作为上述方案的改进，所述边界条件是GDP增速或电量增速或净资产收益率或资产负债率。作为上述方案的改进，所述根据所述供电公司数据，对支持向量机的预测模型进行训练，之前还包括：用樽海鞘群优化算法对支持向量机的预测模型进行参数优化。本专利技术另一实施例对应提供了一种基于电网投资规模预测的电量分配装置，包括：标准化模块，用于：对获取到的供电公司数据进行标准化处理；所述供电公司数据包括多个供电变量；训练模块，用于：根据所述供电公司数据，对支持向量机的预测模型进行训练；边界选取模块，用于：选取边界条件；预测模块，用于：将待预测的变量值输入所述训练好的预测模型，得到所述供电公司的投资规模预测值；函数建立模块，用于：根据所述供电公司的投资规模预测值，建立电量分配的投资规模概率权重函数；分配模块，用于：根据所述投资规模概率权重函数，获取所述供电公司分配电量。本专利技术另一实施例提供了一种存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述专利技术实施例所述的基于电网投资规模预测的电量分配方法。相比于现有技术，本专利技术实施例提供的基于电网投资规模预测的电量分配方法及装置，采用支持向量机(SVM)模型通过结构风险最小化原则构造最优回归函数，依据标准化处理后的供电公司数据求解出准确的电网投资规模预测值，建立电量分配的投资规模概率权重函数，提高电网电量分配的准确性。支持向量机的预测方法更好地考虑了因素的非线性影响，使供电公司能较为客观地评价自身的投资规模，从而为供电公司有效制定电量分配策略提供信息支持。附图说明图1是本专利技术一实施例提供的一种基于电网投资规模预测的电量分配方法的流程示意图；图2是本专利技术一实施例提供的一种投资规模预测方法流程图；图3是本专利技术一实施例提供的一种基于电网投资规模预测的电量分配装置的结构示意图。具体实施方式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作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参见图1，是本专利技术一实施例提供的一种基于电网投资规模预测的电量分配方法，所述电量分配方法包括：S10、对获取到的供电公司数据进行标准化处理；所述供电公司数据包括多个供电变量。S11、根据所述供电公司数据，对支持向量机的预测模型进行训练。S12、选取边界条件。S13、将待预测的变量值输入所述训练好的预测模型，得到所述供电公司的投资规模预测值。S14、根据所述供电公司的投资规模预测值，建立电量分配的投资规模概率权重函数。S15、根据所述投资规模概率权重函数，获取所述供电公司分配电量。投资规模的影响因素有很多，而且各因素对投资规模的影响具有较强的非线性的特点，而支持向量机(SVM)模型通过结构风险最小化原则构造最优回归函数，然后将回归分析问题转化为凸二次规划问题，再对凸二次规划问题进行求解。另外，支持向量机模型运用核函数将非线性数据映射到高维空间中，使其在高维空间中可以通过线性学习机器处理。支持向量机中，给定一数据点集G＝{(xi,di)}ni＝1，其中xi是输入向量，di是期望值，n是样本总数。SVM采用下式来估计函数：y＝f(x)＝ωφ(x)+b(1)式中φ(x)是从输入空间到高维特征空间的非线性映射，通常由核函数确定，径向基核函数为：系数ω和b由最小化式(2)来估计：在式(3)给出的正则化风险中，第一部分是经验风险，它们由式(3)给出的Lε不敏感损失函数来度量。c是惩罚系数，它决定着经验风险与正则化部分之间的平衡。第二部分是正则化部分。此外，S14中，根据投资规模概率权重函数将电网投资规模与电量分配的影响关系进行量化(即依据电网投资规模指标历史数据和历年电量分配数据组成的样本数据进行参数估计)，来获取电网最优分配电量；其中，可以采用概率权重矩法、极大似然法等参数估计方法来实现上述量化过程。本专利技术实施例提供的基于电网投资规模预测的电量分配方法，采用支持向量机(SVM)模型通过结构风险最小化原则构造最优回归函数，依据标准化处理后的供电公司数据求解出准确的电网投资规模预测值，建立电量分配的投资规模概率权重函数，提高电网电量分配的准确性。支持向量机的预本文档来自技高网...

【技术保护点】
1.一种基于电网投资规模预测的电量分配方法，其特征在于，包括：/n对获取到的供电公司数据进行标准化处理；所述供电公司数据包括多个供电变量；/n根据所述供电公司数据，对支持向量机的预测模型进行训练；/n选取边界条件；/n将待预测的变量值输入所述训练好的预测模型，得到所述供电公司的投资规模预测值；/n根据所述供电公司的投资规模预测值，建立电量分配的投资规模概率权重函数；/n根据所述投资规模概率权重函数，获取所述供电公司分配电量。/n

【技术特征摘要】
1.一种基于电网投资规模预测的电量分配方法，其特征在于，包括：
对获取到的供电公司数据进行标准化处理；所述供电公司数据包括多个供电变量；
根据所述供电公司数据，对支持向量机的预测模型进行训练；
选取边界条件；
将待预测的变量值输入所述训练好的预测模型，得到所述供电公司的投资规模预测值；
根据所述供电公司的投资规模预测值，建立电量分配的投资规模概率权重函数；
根据所述投资规模概率权重函数，获取所述供电公司分配电量。


2.如权利要求1所述的基于电网投资规模预测的电量分配方法，其特征在于，所述对获取到的供电公司数据进行标准化处理，具体包括：
对每个供电变量Xj，找出最大值Xjmxx和最小值Xjmin，然后将t年的指标值Xjt同其进行比较运算，采用运算公式如下：



其中，Zjt表示进行标准化处理后的供电变量。


3.如权利要求1所述的对电网投资数据的评价方法，其特征在于，所述根据所述供电公司数据，对支持向量机的预测模型进行训练，具体包括：
通过聚类分析方法，得到多种情况下所述供电公司数据对应的训练集以及预测集；
模拟所述多种情况下的训练集以及预测集。


4.如权利要求1所述的基于电网投资规模...

【专利技术属性】
技术研发人员：王玲，吴鸿亮，才华，彭道鑫，刘本杰，江雪菲，陈洋，林蔚颖，谢骏骐，
申请(专利权)人：南方电网能源发展研究院有限责任公司，
类型：发明
国别省市：广东;44