一种农村地区电能替代潜力预测方法技术

本发明专利技术属于农村地区电能替代潜力评估技术领域，具体涉及一种农村地区电能替代潜力预测方；包括以下步骤：步骤1、进行电能替代量的计算；步骤2、确定电能替代电量的影响因素；步骤3、采用多元非线性回归曲线对电能替代量进行预测建模；步骤4、建立神经网络预测模型；本发明专利技术的一种农村地区电能替代潜力预测方法，该方法提出了基于多元非线性回归和神经网络的智能预测混合模型，对农村地区的电能替代潜力进行预测和量化分析；本发明专利技术将非线性拟合值与实际值的残差通过小波神经网络训练，并对结果进行修正，进一步提升了拟合精度，获得的电能替代量预测值最准确。替代量预测值最准确。替代量预测值最准确。

【技术实现步骤摘要】
一种农村地区电能替代潜力预测方法


[0001]本专利技术属于农村地区电能替代潜力评估
，具体涉及一种农村地区电能替代潜力预测方法。

技术介绍

[0002]各行业持续开展能源转型，以推进我国绿色低碳发展；农村电网作为连接农村能源供需两侧的枢纽，是构建低碳乡村、助力农村地区碳减排的排头兵；2019年联合国政府气候变化专门委员会对农业二氧化碳排放量进行了统计，我国农村地区温室气体排放量约达全国排放总量的15％，其中农村能源活动占农村地区总排放的60％；长期以来，我国农村环保意识和减排能力弱，能源供给依赖燃煤、秸秆等为主的化石能源，温室气体排放严重；长期以来，农业农村没有明确的碳减排要求和约束性指标，且对农村地区电能替代潜力评估的研究较少，亟需对农村地区电能替代潜力开展定量深入研究，以发挥碳减排作用。

技术实现思路

[0003]本专利技术的目的是为了克服现有技术的不足，而提供一种农村地区电能替代潜力预测方法，该方法提出了基于多元非线性回归和神经网络的智能预测混合模型，对农村地区的电能替代潜力进行预测和量化分析。
[0004]本专利技术的目的是这样实现的：一种农村地区电能替代潜力预测方法，它包括以下步骤：
[0005]步骤1、进行电能替代量的计算；
[0006]步骤2、确定电能替代电量的影响因素；
[0007]步骤3、采用多元非线性回归曲线对电能替代量进行预测建模；
[0008]步骤4、建立神经网络预测模型。
[0009]所述步骤1进行电能替代量的计算具体包括：
[0010]以第t年为基准年，基准年的实际电能消费为E(t)、总能源消费为D
sum
(t)，终端用能格局维持基准年水平时，电能所占终端能源比重与基准年相同，第t+1年电能消耗相比t年电能消耗增加量定义为t+1年的电能替代量D
sub
(t+1)，按下式计算为：
[0011][0012]式中，D
sub
(t+1)为电能替代量；E(t)为第t年的实际电能消费量；D
sum
(t)为第t年能源消耗总量。
[0013]所述步骤2确定电能替代电量的影响因素具体包括：
[0014]选取了影响电能替代的5个关键因素：农村生产总值、农村人口增长率、农村能源消费总量、农村电能消费占比和农村新建电力投资比例，量化其对电能替代进程的影响；
[0015]A.选取农村地区生产总值反应农村地区经济对电能替代的影响：
[0016]G
M,t
＝k1·
G
sum,t
·
h (2)
[0017]式中，k1表示农村经济发展的弹性系数；G
M,t
表示我国第t年农村地区生产总值；G
sum,t
为我国第t年国内生产总值；h为我国农村地区生产贡献率；
[0018]B.选取农村人口增长率反应农村地区人口增长对电能替代的影响：
[0019][0020]式中，k2表示农村人口增长的弹性系数；G
R,t
表示农村地区第t年人口增长率；R
0,t
为第t年年初人口数；R
1,t
为第t年年末人口数；为第t年年均人口数；
[0021]C.农村能源消费类型以煤炭和生物质能为主，电力占比总体偏低，终端能源消费的饱和增长特征描述为：
[0022]G
sum,t
＝k3·
E
sum,t (4)
[0023]式中，k3表示农村能源消费总量的弹性系数；E
sum,t
为农村地区第t年能源消费总量；
[0024]D.农村电能使用量占农村能源消费总量的比例是影响电能替代量的一个重要因素，如下所示：
[0025][0026]式中，k4表示农村电能消费占比的弹性系数；G
E,t
表示我国农村地区第t年电能消费占比；E
e,t
为农村地区第t年电能消耗量；E
sum,t
为农村地区第t年能源消费总量；
[0027]E.从宏观角度基于新建电力固定资产投资与新建能源固定资产(电力、煤炭、石油和天然气)投资的比值来量化政府对电能替代发展的投入：
[0028][0029]式中，k5表示农村新建电力投资比例的弹性系数；G
Z,t
表示第t年政策对电能替代的影响；F
e,t
表示第t年电力新建固定资产投资；F
coal,t
表示第t年煤炭新建固定资产投资；F
oil,t
表示第t年石油新建固定资产投资；F
gas,t
表示第t年天然气新建固定资产投资。
[0030]所述步骤3采用多元非线性回归曲线对电能替代量进行预测建模具体包括：
[0031]设农村生产总值为x1，农村人口为x2，农村能源消费总量为x3，农村电能消费占比为x4，农村新建电力投资比例为x5，通过历史数据关联性分析，可知农村生产总值、农村人口、农村能源消费总量与电能替代量近似线性关系，农村电能消费占比、农村新建电力投资比例与电能替代量近似二次关系，故建立多项式拟合模型如下：
[0032][0033]式中，a、b、c、d、e、f、g、h为模型参数。
[0034]所述步骤4建立神经网络预测模型具体包括：
[0035]采用神经网络对农村生产总值、农村人口增长率、农村能源消费总量、农村电能消费占比和农村新建电力投资比例这5个自变量进行预测，然后带入式(7)从而得到电能替代量的拟合预测值；将BP神经网络的训练步长设为5000，误差截止目标设为0.001，学习速率设置为0.1，隐含层和输出层激励函数均采用sigmoid型函数，用自变量数值序列反复训练
网络，直到训练满足误差截止目标；
[0036]第t年电能替代量实际值D
sub,t
与拟合得到的替代量D'
sub,t
之差为第t年残差r
ε,t
：
[0037]r
ε,t
＝D
sub,t
‑
D'
sub,t
(8)
[0038]将小波神经网络输入侧节点数设定为10，隐含层节点数为16，输出层为1，将残差序列中前10个数据作为网络输入，第11个数据作为期望反复训练网络，直到输出误差训练满足误差截止目标，得到小波神经网络修正后的残差将拟合预测替代量D'
sub,t
和残差序列修正结果相结合，即可得到更加精确的电能替代量预测值
[0039][0040]本专利技术的有益效果：本专利技术的一种农村地区电能替代潜力预测方法，通过步骤1进行电能替代量的计算；步骤2确定电能替代电量的影响因素；步骤3采用多元非线性回归曲线对电能替代量进行预测建模；步骤4建立神经网络预测模型；提出了基于多元非线性回归和神经网络的智能预测混合模型，可对农村地区的电能替代潜力本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农村地区电能替代潜力预测方法，其特征在于,它包括以下步骤：步骤1、进行电能替代量的计算；步骤2、确定电能替代电量的影响因素；步骤3、采用多元非线性回归曲线对电能替代量进行预测建模；步骤4、建立神经网络预测模型。2.如权利要求1所述的一种农村地区电能替代潜力预测方法，其特征在于，所述步骤1进行电能替代量的计算具体包括：以第t年为基准年，基准年的实际电能消费为E(t)、总能源消费为D
sum
(t)，终端用能格局维持基准年水平时，电能所占终端能源比重与基准年相同，第t+1年电能消耗相比t年电能消耗增加量定义为t+1年的电能替代量D
sub
(t+1)，按下式计算为：式中，D
sub
(t+1)为电能替代量；E(t)为第t年的实际电能消费量；D
sum
(t)为第t年能源消耗总量。3.如权利要求1所述的一种农村地区电能替代潜力预测方法，其特征在于，所述步骤2确定电能替代电量的影响因素具体包括：选取了影响电能替代的5个关键因素：农村生产总值、农村人口增长率、农村能源消费总量、农村电能消费占比和农村新建电力投资比例，量化其对电能替代进程的影响；A.选取农村地区生产总值反应农村地区经济对电能替代的影响：G
M,t
＝k1·
G
sum,t
·
h (2)式中，k1表示农村经济发展的弹性系数；G
M,t
表示我国第t年农村地区生产总值；G
sum,t
为我国第t年国内生产总值；h为我国农村地区生产贡献率；B.选取农村人口增长率反应农村地区人口增长对电能替代的影响：式中，k2表示农村人口增长的弹性系数；G
R,t
表示农村地区第t年人口增长率；R
0,t
为第t年年初人口数；R
1,t
为第t年年末人口数；为第t年年均人口数；C.农村能源消费类型以煤炭和生物质能为主，电力占比总体偏低，终端能源消费的饱和增长特征描述为：G
sum,t
＝k3·
E
sum,t (4)式中，k3表示农村能源消费总量的弹性系数；E
sum,t
为农村地区第t年能源消费总量；D.农村电能使用量占农村能源消费总量的比例是影响电能替代量的一个重要因素，如下所示：式中，k4表示农村电能消费占比的弹性系数；G
E,t
表示我国农村地区第t年电能消费占比；E
e,t
为农村地区第t年电能消耗量；...

【专利技术属性】
技术研发人员：郑永乐，李鹏，田春筝，杨萌，夏世威，李慧璇，张艺涵，张泓楷，杨钦臣，祖文静，蔡留洋，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：