一种基于气象因素的电力客户诉求预测方法技术

本发明专利技术公开了一种基于气象因素的电力客户诉求预测方法，包括如下步骤：采用灰色关联分析法，对电力客户诉求量和气象因素进行关联度分析，建立电力客户诉求量与气象因素之间关联度的计算模型，定量分析客户诉求量与气象因素的关联关系，明确各气象因素对客户诉求量的影响程度，找出对客户诉求量影响较大的气象因素；本发明专利技术可提升电网在极端恶劣天气条件下的服务整体水平，为研究客户诉求量变化

【技术实现步骤摘要】
一种基于气象因素的电力客户诉求预测方法


[0001]本专利技术属于电力客户服务质量提升
，具体涉及一种基于气象因素的电力客户诉求预测方法
。

技术介绍

[0002]近年来，随着我国经济科技水平的迅猛发展，人民生活生产对电力的需求持续快速增长，电力用户的用电行为和用电诉求也在不断迭代升级，电网面临着更高的服务要求
。
[0003]目前，针对电力客户诉求和服务质量提高，电力企业的服务还基本上依靠
95588
人工服务，依靠人工经验积累进行应对，无法快速
、
有效应对各种不同的气象因素而提供不同的服务需求，且没有与客户诉求量建立对应关系；为解决上述问题，开发一种基于气象因素的电力客户诉求预测方法很有必要
。

技术实现思路

[0004]本专利技术的目的是为了克服现有技术的不足，而提供一种基于气象因素的电力客户诉求预测方法，可实现不同类型恶劣气象条件下配网精细化故障预警，同时建立计及气象因素的客户诉求预测模型，实现客户诉求的精细化预测
。
[0005]本专利技术的目的是这样实现的：一种基于气象因素的电力客户诉求预测方法，包括如下步骤：采用灰色关联分析法，对电力客户诉求量和气象因素进行关联度分析，建立电力客户诉求量与气象因素之间关联度的计算模型，定量分析客户诉求量与气象因素的关联关系，明确各气象因素对客户诉求量的影响程度，找出对客户诉求量影响较大的气象因素
。
[0006]优选的，获取数据，获取不同时期下客户诉求量数据，获取对应的同一时期下各气象因素数据，其中各气象因素为日照时数
、
平均气温
、
平均风速
、
平均气压
、
相对湿度
、
降水量
、
最高低气温与
PM2.5
中的多种
。
[0007]优选的，构建数据序列矩阵，对不同时期的客户诉求量进行正态分布分析，剔除掉数据中客户诉求量过大与过小的时期的数据，将剩余时期的数据作为参考序列，记为：
[0008]Y
＝
[y1，
y2，
...
，
y
m
]；
[0009]相应地剔除掉对应的同一时期下的各气象因素数据，将剩余的同一时期下的各气象因素作为比较序列，记为：
[0010][0011]其中
m
为气象因素的个数，
n
为不同时期的个数，将参考序列
Y
和比较序列
Xnm
组成数据序列矩阵
Z
，记为：
[0012][0013]优选的，对数据序列矩阵进行无量纲化处理，经无量纲化处理后的数据序列矩阵为：
[0014]其中无量纲化处理为均值化
、
归一化
、
极小差化
、
极大化与极小化中的一种
。
[0015]优选的，计算灰色关联系数，计算比较序列中各个指标与参考序列的关联系数，计算公式为：
[0016][0017]其中，
[0018][0019]a
和
b
为两极最小差和最大差，
y
i
(k)
为
k
时期下的参考序列，
x
i
(k)
为
k
时期下的比较序列，
ξ
i
为
k
时期下参考序列和比较序列间的关联度，
ρ
为分辨系数，一般取
0.5。
[0020]优选的，计算加权关联度，计算公式为：
[0021][0022]其中，
r
i
为第
i
个比较序列因素对参考序列因素的关联度，
w
i
(k)
为比较序列因素第
k
个时刻对应权重；
[0023]然后在此基础上，构建关联度矩阵，记为：
[0024][0025]比较
r
m
各个关联度的大小，即可确定比较序列因素影响程度的排序，
r
m
越大则该气象因素对电力客户诉求量影响越大
。
[0026]由于采用了上述技术方案，本专利技术的有益效果是：通过本专利技术预测方法的实施，可提升电网在极端恶劣天气条件下的服务整体水平，为研究客户诉求量变化
、
客服应急响应效率
、
客服体系优化等工作提供支撑，从而辅助管理者对极端天气条件下电网设备设施隐患处理和电网配电调度的及时决策，能够积极推动智能配电网的发展，促进国家电网公司数字化电网的建设
。
具体实施方式
[0027]下面通过实施例，对本专利技术的技术方案做进一步具体的说明
。
[0028]本专利技术提供了一种基于气象因素的电力客户诉求预测方法，包括如下步骤：采用灰色关联分析法，对电力客户诉求量和气象因素进行关联度分析，建立电力客户诉求量与气象因素之间关联度的计算模型，定量分析客户诉求量与气象因素的关联关系，明确各气象因素对客户诉求量的影响程度，找出对客户诉求量影响较大的气象因素
。
[0029]其中，灰色关联分析法用于针对客户诉求量与气象因素两个系统之间的因素，在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高，匹配影响程度较高的气象因素；反之，则较低，匹配影响程度较低的气象因素，为衡量因素间关联程度提供了量化的度量
。
[0030]本专利技术具体包括以下五个步骤
。
[0031]第一步，获取数据，获取不同时期下客户诉求量数据，获取对应的同一时期下各气象因素数据，其中各气象因素为日照时数
、
平均气温
、
平均风速
、
平均气压
、
相对湿度
、
降水量
、
最高低气温与
PM2.5
中的多种；具体实施时，可根据地区气象特征进行选择气象因素，也可根据历史经验选择，一般来说选择日照时数
、
平均气温
、
相对湿度
、
降水量和平均风速这五个气象因素的较多
。
[0032]第二步，构建数据序列矩阵，对不同时期的客户诉求量进行正态分布分析，剔除掉数据中客户诉求量过大与过小的时期的数据，即去除异常数据集，保证后续分析的有效性，将剩余时期的数据作为参考序列，记为：
[0033]Y
＝
[y1，
y2，
...
，
y
m
]；
[0034]相应地剔除掉对应的同一时期下的各气象因素数据，将剩余的同一时期下的各气象因素作为比较序列，记为：
[0035][0036]其中<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于气象因素的电力客户诉求预测方法，其特征在于，包括如下步骤：采用灰色关联分析法，对电力客户诉求量和气象因素进行关联度分析，建立电力客户诉求量与气象因素之间关联度的计算模型，定量分析客户诉求量与气象因素的关联关系，明确各气象因素对客户诉求量的影响程度，找出对客户诉求量影响较大的气象因素
。2.
根据权利要求1所述的基于气象因素的电力客户诉求预测方法，其特征在于，获取数据，获取不同时期下客户诉求量数据，获取对应的同一时期下各气象因素数据，其中各气象因素为日照时数
、
平均气温
、
平均风速
、
平均气压
、
相对湿度
、
降水量
、
最高低气温与
PM2.5
中的多种
。3.
根据权利要求2所述的基于气象因素的电力客户诉求预测方法，其特征在于，构建数据序列矩阵，对不同时期的客户诉求量进行正态分布分析，剔除掉数据中客户诉求量过大与过小的时期的数据，将剩余时期的数据作为参考序列，记为：
Y
＝
[y1，
y2，
...
，
y
m
]
；相应地剔除掉对应的同一时期下的各气象因素数据，将剩余的同一时期下的各气象因素作为比较序列，记为：其中
m
为气象因素的个数，
n
为不同时期的个数，将参考序列
Y
和比较序列
Xnm
组成数据序列矩阵
Z
，记为：
4.
根据权利要求3所述的...

【专利技术属性】
技术研发人员：田珂，孙合法，张峰，王津宇，卢兴国，
申请(专利权)人：国网河南省电力公司许昌供电公司，
类型：发明
国别省市：