System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于多维分量分解的电力需求中期预测方法及系统技术方案_技高网

一种基于多维分量分解的电力需求中期预测方法及系统技术方案

技术编号:40513783 阅读:9 留言:0更新日期:2024-03-01 13:30
本发明专利技术公开了一种基于多维分量分解的电力需求中期预测方法及系统,方法包括:对电力需求数据分解,得到增长趋势分量、季节性变化分量和随机波动分量;基于VaR模型的电力需求增长趋势分量预测,并对电力需求季节性变化分量和电力需求随机波动分量预测;根据预测结果对电力需求预测值进行计算;通过添加白噪声和统计极值点等操作,将电力需求分解为增长趋势分量、季节性变化分量与随机波动分量,能够充分考虑季节性因素、随机因素对电力需求中期预测的影响,使预测结果更加精准,与传统方法相比,基于历史电力需求时间序列数据预测出的中期预测结果能充分反映电力需求数据不同性质分量在未来一段时间的变化趋势,进而更具准确性。

【技术实现步骤摘要】

本专利技术属于电力需求预测,尤其涉及一种基于多维分量分解的电力需求中期预测方法及系统


技术介绍

1、电力需求预测是指对某地区、某行业或某个企业在未来一段时间的用电需求进行预测,而对于电力需求中期预测,往往指对未来几个月甚至1年的用电需求进行预测。

2、目前,已有大量的对电力需求中期预测方法进行了研究,大多数为采用var模型、arima模型、回归分析等,基于历史电力需求数据对未来一段时间内的电力需求进行预测。上述预测方法已相对成熟,但却忽略了电力需求数据中不同性质分量的影响。通常来讲,电力需求会受到积极季节性因素产生周期性的变化,甚至还具有一定的随机特性。而现有技术方案往往忽略了这一点,进而影响了电力需求中期预测的准确性。


技术实现思路

1、本专利技术提供一种基于多维分量分解的电力需求中期预测方法及系统,用于解决忽略了积极季节性因素产生周期性的变化以及一定的随机特性影响电力需求中期预测准确性的技术问题。

2、第一方面,本专利技术提供一种基于多维分量分解的电力需求中期预测方法,包括:

3、对获取的电力需求时间序列数据进行添加次白噪声,得到第一目标电力需求数据,其中,为第一个电力需求数据向量,为第二个电力需求数据向量,为添加第一个白噪声,为添加第二个白噪声,为第个电力需求数据向量,为添加第个白噪声;

4、对所述第一目标电力需求数据中的第个第一目标电力需求数据向量,以时间段数为预设周期进行平均化处理,得到周期平均后的第二目标电力需求数据;</p>

5、对所述第二目标电力需求数据进行差分处理,得到与所述第二目标电力需求数据对应的标准变化率,并获取所述标准变化率的曲线与轴相交的极值点个数;

6、判断所述极值点个数是否等于第一预设阈值或第二预设阈值;

7、若所述极值点个数等于第一预设阈值或第二预设阈值,则所述时间段数的取值为电力需求数据的季节性变化周期数,并且所述第二目标电力需求数据为第个第一目标电力需求数据向量的增长趋势变化量;

8、获取各个第一目标电力需求数据向量的增长趋势变化量,对各个增长趋势变化量取均值,得到所述第一目标电力需求数据的增长量趋势分量;

9、根据所述第个第一目标电力需求数据向量的增长趋势变化量分别计算所述第一目标电力需求数据的季节性变化分量以及随机波动分量;

10、分别对未来一段时间内的增长趋势分量、季节性变化分量和随机波动分量进行预测,并根据预测结果计算出最终的电力需求预测值。

11、第二方面,本专利技术提供一种基于多维分量分解的电力需求中期预测系统,包括:

12、添加模块,配置为对获取的电力需求时间序列数据进行添加次白噪声,得到第一目标电力需求数据,其中,为第一个电力需求数据向量,为第二个电力需求数据向量,为添加第一个白噪声,为添加第二个白噪声,为第个电力需求数据向量,为添加第个白噪声;

13、第一处理模块,配置为对所述第一目标电力需求数据中的第个第一目标电力需求数据向量,以时间段数为预设周期进行平均化处理,得到周期平均后的第二目标电力需求数据;

14、第二处理模块,配置为对所述第二目标电力需求数据进行差分处理,得到与所述第二目标电力需求数据对应的标准变化率,并获取所述标准变化率的曲线与轴相交的极值点个数;

15、判断模块,配置为判断所述极值点个数是否等于第一预设阈值或第二预设阈值;

16、确定模块,配置为若所述极值点个数等于第一预设阈值或第二预设阈值,则所述时间段数的取值为电力需求数据的季节性变化周期数,并且所述第二目标电力需求数据为第个第一目标电力需求数据向量的增长趋势变化量;

17、获取模块,配置为获取各个第一目标电力需求数据向量的增长趋势变化量,对各个增长趋势变化量取均值,得到所述第一目标电力需求数据的增长量趋势分量;

18、计算模块,配置为根据所述第个第一目标电力需求数据向量的增长趋势变化量分别计算所述第一目标电力需求数据的季节性变化分量以及随机波动分量;

19、预测模块,配置为分别对未来一段时间内的增长趋势分量、季节性变化分量和随机波动分量进行预测,并根据预测结果计算出最终的电力需求预测值。

20、第三方面,提供一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例的基于多维分量分解的电力需求中期预测方法的步骤。

21、第四方面,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,所述程序指令被处理器执行时,使所述处理器执行本专利技术任一实施例的基于多维分量分解的电力需求中期预测方法的步骤。

22、本申请的基于多维分量分解的电力需求中期预测方法及系统,通过添加白噪声、统计极值点个数、滤波处理等操作,将电力需求分解为增长趋势分量、季节性变化分量与随机波动分量,能够充分考虑季节性因素、随机因素对电力需求中期预测的影响,使预测结果更加精准,与传统方法相比,基于历史电力需求时间序列数据预测出的中期预测结果能充分反映电力需求数据不同性质分量在未来一段时间的变化趋势,进而更具准确性。

本文档来自技高网...

【技术保护点】

1.一种基于多维分量分解的电力需求中期预测方法,其特征在于,包括:

2.根据权利要求1所述的一种基于多维分量分解的电力需求中期预测方法,其特征在于,所述根据所述第个第一目标电力需求数据向量的增长趋势变化量分别计算所述第一目标电力需求数据的季节性变化分量以及随机波动分量包括:

3.根据权利要求1所述的一种基于多维分量分解的电力需求中期预测方法,其特征在于,其中,对所述第一目标电力需求数据中的第个第一目标电力需求数据向量,以时间段数为预设周期进行平均化处理的表达式为:

4.根据权利要求1所述的一种基于多维分量分解的电力需求中期预测方法,其特征在于,其中,计算所述标准变化率的表达式为:

5.根据权利要求1所述的一种基于多维分量分解的电力需求中期预测方法,其特征在于,所述时间段数的取值为;

6.根据权利要求1所述的一种基于多维分量分解的电力需求中期预测方法,其特征在于,所述分别对未来一段时间内的增长趋势分量、季节性变化分量和随机波动分量进行预测,并根据预测结果计算出最终的电力需求预测值包括:

7.一种基于多维分量分解的电力需求中期预测系统,其特征在于,包括:

8.一种电子设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至6任一项所述的方法。

9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至6任一项所述的方法。

...

【技术特征摘要】

1.一种基于多维分量分解的电力需求中期预测方法,其特征在于,包括:

2.根据权利要求1所述的一种基于多维分量分解的电力需求中期预测方法,其特征在于,所述根据所述第个第一目标电力需求数据向量的增长趋势变化量分别计算所述第一目标电力需求数据的季节性变化分量以及随机波动分量包括:

3.根据权利要求1所述的一种基于多维分量分解的电力需求中期预测方法,其特征在于,其中,对所述第一目标电力需求数据中的第个第一目标电力需求数据向量,以时间段数为预设周期进行平均化处理的表达式为:

4.根据权利要求1所述的一种基于多维分量分解的电力需求中期预测方法,其特征在于,其中,计算所述标准变化率的表达式为:

5.根据权利要求1所述的一种基于多维分量分解的电力需求中期预测方法,其特征在于,...

【专利技术属性】
技术研发人员:张雪婷李映雪王伟吴浩高璐戴奇奇王敏宫嘉炜陈日欢熊艳王灵林嘉李涛
申请(专利权)人:国网江西省电力有限公司经济技术研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1