基于终端用电信息的任意区域用电量短时预测方法及系统技术方案

本发明专利技术提供一种基于终端用电信息的任意区域用电量短时预测方法及系统，包括：采集终端用电信息：采集终端用户的个人信息和用电相关信息；采集辅助天气信息：采集和用户用电信息相关的天气信息，包括日平均温度信息和分时段温度信息；将采集到的终端用电信息和辅助天气信息进行预处理，并构建预测模型，对该用户选定未来日期用电量进行预测；将每个用户用电量信息与步骤一所采集的用户的位置信息相关联；短时预测任意选取区域用电量：在地图中随机选定某些地图区域，实现选定区域的短时用电量预测。本发明专利技术通过对所有用电用户单独建立用电量预测模型，同时将每个用户的位置信息与地图关联，实现了在地图上任意划定区域资源的精准调度。准调度。准调度。

【技术实现步骤摘要】
基于终端用电信息的任意区域用电量短时预测方法及系统


[0001]本专利技术涉及用电量预测方法的研究，具体是一种基于终端用电信息的任意区域用电量短时预测方法及系统。

技术介绍

[0002]用电量预测在电力保障、电力营销方面至关重要，准确的用电量预测能够为电力资源的合理调度、电力客户的区域营销提供重要的数据支撑。传统的用电量预测模型及系统，通常针对固定区域，所支撑的数据为区域用电信息、用电行为、天气信息等，如省级、市级、县级等行政区域的供电量预测。
[0003]另一方面，在诸多场合中，需要对任意的地理区域实现用电量预测。传统的固定区域预测模型由于是以片区用户的用电量信息，未针对每个独立用户单独建模，因此无法做到地理位置上的任意区域用电量预测，制约了用电量预测模型应用的广度与深度。

技术实现思路

[0004]本专利技术主要是解决现有技术所存在的上述技术问题，提供了一种基于终端用电信息的任意区域用电量短时预测方法及系统。该方法通过对所有用电用户单独建立用电量预测模型，同时将每个用户的位置信息(经纬度坐标)与地图关联，最终实现了在地图上任意划定区域资源的精准调度，提供更加全面、准确的数据支撑。
[0005]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：
[0006]一种基于终端用电信息的任意区域用电量短时预测方法，包括如下步骤：
[0007]步骤一、采集终端用电信息：采集终端用户的个人信息和用电相关信息，包括用户类别、个人用户年龄、用电时段、每日用电量、用户的位置信息；
[0008]步骤二、采集辅助天气信息：采集和用户用电信息相关的天气信息，包括日平均温度信息和分时段温度信息；
[0009]步骤三、短时预测单用户用电量：将步骤一和步骤二采集到的终端用电信息和辅助天气信息进行预处理，并构建预测模型，对该用户选定未来日期用电量进行预测；
[0010]步骤四、关联用户用电量与地图：将每个用户用电量信息与步骤一所采集的用户的位置信息相关联；
[0011]步骤五、短时预测任意选取区域用电量：在地图中随机选定某些地图区域，实现选定区域的短时用电量预测。
[0012]进一步的，步骤一具体包括：
[0013]步骤1.1、采集用户的类别信息，类别信息分为2类：个人用户和企业用户，并将数据记录；
[0014]步骤1.2、采集个人用户的年龄、用电时段和日用电量信息，并加以记录；
[0015]步骤1.3、采集用户的位置信息，位置信息采用相对位置作为记录，实现方法为：
[0016]a)将用户所在地级市全部区域以网格化处理，对每个网格用阿拉伯数字依次编
号；
[0017]b)对于网格大小划分，采用动态划分方式：为人口密度较大的城镇区域，以100米长、100米宽划分网格；人口密度较小的郊外区域以1000米长、1000米宽划分网格；
[0018]c)将用户所在网格的数字编号与该网格区域的用户绑定。
[0019]进一步的，步骤二具体包括：
[0020]步骤2.1、采集近2年所需预测区域的日平均温度信息；
[0021]步骤2.2、采集近2年所需预测区域工作日18:00
‑
次日8:00分时段温度信息；
[0022]步骤2.3、采集近2年所需预测区域采非工作日全天分时段温度信息。
[0023]进一步的，步骤三具体包括：
[0024]步骤3.1、将步骤一中的部分数据进行预处理，预处理方法为：
[0025]a)用户类别采用布尔类型记录，0代表企业用户，1代表个人用户；
[0026]b)个人用户年龄信息以年龄段形式记录，共分为3个年龄段：20岁以下、20
‑
60岁、60岁以上；
[0027]c)日用电量信息直接以日用电量度数来记录；
[0028]d)用电时段信息直接以数字记录一天24小时中共有多少个小时有用电行为；
[0029]步骤3.2、将步骤二中的数据进行预处理，预处理方法为：
[0030]a)记录近两年的该用户所在区域的日平均气温信息，直接以温度数值记录；
[0031]b)记录近两年该用户所在区域工作日18:00
‑
次日8:00分时段温度信息，只记录温度高于30度和低于10度的时段数，如只有18:00
‑
19:00和19:00
‑
20:00共2个时段温度大于30度，则记录2；
[0032]c)记录近两年该用户所在区域非工作日全天分时段温度信息，只记录温度高于30度和低于10度的时段数；
[0033]步骤3.3、采用循环神经网络框架，实现每个用户未来日的用电量预测，训练样本为某一个用户的的各项量化行为和与行为相对应时段的天气信息，样本标签为该用户在行为发生日的用电量度数；
[0034]步骤3.4、针对所有电力用户，都单独训练一个短时用电量预测模型，实现对该用户选定未来日期用电量的预测。
[0035]进一步的，步骤四具体包括：
[0036]步骤4.1、对于每个网格，通过用户的位置信息计算网格内的用户；
[0037]步骤4.2、将网格与该网格类所有用户的用电量预测模型相关联，关联方法为记录对应用户的预测模型；
[0038]步骤4.3、对于每个网格，将该网格所关联的所有预测模型的预测结果线性叠加，即为该网格某日用电量的预测结果，记录为网格预测用电量。
[0039]进一步的，步骤五具体包括：
[0040]步骤5.1、当在地图中画定规则或不规则区域时，计算该闭合区域内完全包含的网格，即网格的全部部分都在闭合区域内；
[0041]步骤5.2、考察选定区域边界网格，求解所有边界网格，每个网格中有多少面积比例在选定区域内；
[0042]步骤5.4、将步骤5.1中计算所得完全包含网格的网格预测用电量做线性叠加求
和，得到Sum1；
[0043]步骤5.5、将步骤5.2所述边界网格预测用电量，乘以步骤5.2求得的所对应网格的百分比，并将所有边界网格数据相加，得到Sum2；
[0044]步骤5.6、求得Sum＝Sum1+Sum2即为任意选定区域的用电量短时预测结果。
[0045]一种基于终端用电信息的任意区域用电量短时预测系统，包括：
[0046]终端用电信息采集模块，用于采集集终端用电信息，包括用户类别、个人用户年龄、用电时段、每日用电量、用户的位置信息；
[0047]辅助天气信息采集模块，用于采集辅助天气信息，包括日平均温度信息和分时段温度信息；
[0048]单用户用电量短时预测模块，将终端用电信息采集模块和辅助天气信息采集模块采集到的终端用电信息和辅助天气信息进行预处理，并构建预测模型，对该用户选定未来日期用电量进行预测；
[0049]用户用电量与地图关联模块，用于将每个用户用电量信息与步骤一所采集的用户的位置信息相关联；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于终端用电信息的任意区域用电量短时预测方法，其特征在于：包括如下步骤：步骤一、采集终端用电信息：采集终端用户的个人信息和用电相关信息，包括用户类别、个人用户年龄、用电时段、每日用电量、用户的位置信息；步骤二、采集辅助天气信息：采集和用户用电信息相关的天气信息，包括日平均温度信息和分时段温度信息；步骤三、短时预测单用户用电量：将步骤一和步骤二采集到的终端用电信息和辅助天气信息进行预处理，并构建预测模型，对该用户选定未来日期用电量进行预测；步骤四、关联用户用电量与地图：将每个用户用电量信息与步骤一所采集的用户的位置信息相关联；步骤五、短时预测任意选取区域用电量：在地图中随机选定某些地图区域，实现选定区域的短时用电量预测。2.如权利要求1所述的基于终端用电信息的任意区域用电量短时预测方法，其特征在于：步骤一具体包括：步骤1.1、采集用户的类别信息，类别信息分为2类：个人用户和企业用户，并将数据记录；步骤1.2、采集个人用户的年龄、用电时段和日用电量信息，并加以记录；步骤1.3、采集用户的位置信息，位置信息采用相对位置作为记录，实现方法为：a)将用户所在地级市全部区域以网格化处理，对每个网格用阿拉伯数字依次编号；b)对于网格大小划分，采用动态划分方式：为人口密度较大的城镇区域，以100米长、100米宽划分网格；人口密度较小的郊外区域以1000米长、1000米宽划分网格；c)将用户所在网格的数字编号与该网格区域的用户绑定。3.如权利要求1所述的基于终端用电信息的任意区域用电量短时预测方法，其特征在于：步骤二具体包括：步骤2.1、采集近2年所需预测区域的日平均温度信息；步骤2.2、采集近2年所需预测区域工作日18:00
‑
次日8:00分时段温度信息；步骤2.3、采集近2年所需预测区域采非工作日全天分时段温度信息。4.如权利要求1所述的基于终端用电信息的任意区域用电量短时预测方法，其特征在于：步骤三具体包括：步骤3.1、将步骤一中的部分数据进行预处理，预处理方法为：a)用户类别采用布尔类型记录，0代表企业用户，1代表个人用户；b)个人用户年龄信息以年龄段形式记录，共分为3个年龄段：20岁以下、20
‑
60岁、60岁以上；c)日用电量信息直接以日用电量度数来记录；d)用电时段信息直接以数字记录一天24小时中共有多少个小时有用电行为；步骤3.2、将步骤二中的数据进行预处理，预处理方法为：a)记录近两年的该用户所在区域的日平均气温信息，直接以温度数值记录；b)记录近两年该用户所在区域工作日18:00
‑
次日8:00分时段温度信息，只记录温度高于30度和低于10度的时段数，如只有18:00
‑
19:00和19:00
‑
20:00共2个时段温度大于30度，
则记录2；c)记录近两年该用户所在区域非工作日全天分时段温度信息，只记录温度高于30度和低于10度的时段数；步骤3.3、采用循环神经网络框架，实现每个用户未来日的用电量预测，训练样本为某一个用户的的各项量化行为和与行为相对应时段的天气信息，样本标签为该用户在行为发生日的用电量度数；步骤3.4、针对所有电力用户，都单独训练一个短时用电量预测模型，实现对该用户选定未来日期用电量的预测。5.如权利要求1所述的基于终端用电信息的任意区域用电量短时预测方法，其特征在于：步骤四具体包括：步骤4.1、对于每个网格，通过用户的位置信息计算网格内的用户；步骤4.2、将网格与该网格类所有用户的用电量预测模型相关联，关联方法为记录对应用户的预测模型；步骤4.3、对于每个网格，将该网格所关联的所有预测模型的预测结果线性叠加，即为该网格某日用电量的预测结果，记录为网格预测用电量。6.如权利要求1所述的基于终端用电信息的任意区域用电量短时预测方法，其特征在于：步骤五具体包括：步骤5.1、当在地图中画定规则或不规则区域时，计算该闭合区域内完全包含的网格，即网格的全部部分都在闭合区域内；步骤5.2、...

【专利技术属性】
技术研发人员：黄文杰，李凡，温兵兵，李松，廖玉坤，刘奕，
申请(专利权)人：国网湖北省电力有限公司，
类型：发明
国别省市：