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()
【技术实现步骤摘要】
本专利技术属于电力预测,尤其涉及一种电力使用长期预测方法、系统、设备及介质。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术。
2、电力使用长期预测是确保能源供应与需求平衡、优化电网建设和降低碳排放的关键。在以往的长期预测中,主要存在以下问题:1、多源异构数据融合:预测通常涉及多种数据源,例如历史电力使用数据、气象数据(图像)、经济数据、当地gdp、产业结构等。这些数据可能来自不同的系统,有不同的格式和粒度,如何完整地提取里面的有用信息是至关重要的;2、数据完整型:受限于各种物理环境和计算机信息化不足的因素,使得获取到的数据完整型不足、时效性差、断层性严重的问题;3、时间序列的特性:电力数据通常是时间序列数据,其具有季节性、趋势和周期性等特点。因此,如何利用电力相关数据对电力长期使用进行准确地预测,是目前需要解决的问题。
技术实现思路
1、为克服上述现有技术的不足,本专利技术提供了一种电力使用长期预测方法、系统、设备及介质,利用电力使用相关的多源数据,基于分类模型得到的分类结果,对sarimax模型进行优化调整,使后续sarimax模型的电力预测更为准确。
2、为实现上述目的,本专利技术的第一个方面提供一种电力使用长期预测方法,包括:
3、获取电力使用相关的历史多源数据;
4、根据所获取的历史多源数据,基于分类模型进行预测,得到用电能耗类型,并根据所预测得到的用电能耗类型确定电力预测使用量的有
5、根据所获取的历史多源数据的类型,分别基于所对应的sarimax模型进行预测,得到电力预测使用量的多个浮点值;
6、将所述电力预测使用量的有限空间范围与电力预测使用量的多个浮点值进行比较,若电力预测使用量的浮点值不在所述电力预测使用量的有限空间范围内,则对对应的sarimax模型进行优化调整,得到调整后的sarimax模型;
7、基于调整后的sarimax模型,对所获取的待预测的电力使用相关的多源数据进行预测,得到预测结果。
8、本专利技术的第二个方面提一种电力使用长期预测系统,包括:
9、获取模块:获取电力使用相关的历史多源数据;
10、分类模块:根据所获取的历史多源数据,基于分类模型进行预测,得到用电能耗类型,并根据所预测得到的用电能耗类型确定电力预测使用量的有限空间范围;
11、回归模块:根据所获取的历史多源数据的类型,分别基于所对应的sarimax模型进行预测,得到电力预测使用量的多个浮点值;
12、优化模块:将所述电力预测使用量的有限空间范围与电力预测使用量的多个浮点值进行比较,若电力预测使用量的浮点值不在所述电力预测使用量的有限空间范围内,则对对应的sarimax模型进行优化调整,得到调整后的sarimax模型;
13、预测模块:基于调整后的sarimax模型,对所获取的待预测的电力使用相关的多源数据进行预测,得到预测结果。
14、本专利技术的第三个方面提供一种计算机设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行一种电力使用长期预测方法。
15、本专利技术的第四个方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行一种电力使用长期预测方法。
16、以上一个或多个技术方案存在以下有益效果:
17、在本专利技术中,将具有外生变量的季节性自回归综合移动平均模型即sarimax模型对电力使用相关的多源数据分别进行预测,得到对应的电力预测量的浮点值,根据分类模型得到能耗类型,并基于能耗类型得到对应的电力预测使用量的有限空间范围,基于电力预测使用量的有限空间范围和sarimax模型得到的电力预测使用量浮点值的比较,对sarimax模型进行优化调整,基于优化调整后的模型进行电力预测,本专利技术的方案不仅充分利用了电力使用相关的多源数据,而且基于分类模型得到的分类结果对sarimax模型进行优化调整,使后续sarimax模型的电力预测更为准确。
18、本专利技术附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种电力使用长期预测方法,其特征在于,包括:
2.如权利要求1所述的一种电力使用长期预测方法,其特征在于,所述多源数据的类型包括:GDP、产业结构、人口、用户类型、上期使用电量、区域和气象。
3.如权利要求1所述的一种电力使用长期预测方法,其特征在于,根据所获取的历史多源数据的类型,分别基于所对应的SARIMAX模型进行预测,得到电力预测使用量的多个浮点值,具体为:
4.如权利要求1所述的一种电力使用长期预测方法,其特征在于,还包括:根据皮尔逊相关系数和随机森林集成模型将电力使用量相关的多源数据类型进行筛选,并对筛选出的电力使用量相关的多源数据进行标准化处理。
5.如权利要求1所述的一种电力使用长期预测方法,其特征在于,将根据分类模型所确定电力预测使用量的有限空间范围作为所述SARIMAX模型的3θ正态化边界,对所述SARIMAX模型得到的浮点值进行优化。
6.如权利要求1所述的一种电力使用长期预测方法,其特征在于,根据所获取的历史多源数据,基于分类模型进行预测,得到对应的耗能类型,每个耗能类型对应一个电力使用量的数
7.如权利要求1所述的一种电力使用长期预测方法,其特征在于,利用平均绝对百分比误差评价所述SARIMAX模型的准确率。
8.一种电力使用长期预测系统,其特征在于,包括:
9.一种计算机设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至7任一项所述的一种电力使用长期预测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一项所述的一种电力使用长期预测方法。
...【技术特征摘要】
1.一种电力使用长期预测方法,其特征在于,包括:
2.如权利要求1所述的一种电力使用长期预测方法,其特征在于,所述多源数据的类型包括:gdp、产业结构、人口、用户类型、上期使用电量、区域和气象。
3.如权利要求1所述的一种电力使用长期预测方法,其特征在于,根据所获取的历史多源数据的类型,分别基于所对应的sarimax模型进行预测,得到电力预测使用量的多个浮点值,具体为:
4.如权利要求1所述的一种电力使用长期预测方法,其特征在于,还包括:根据皮尔逊相关系数和随机森林集成模型将电力使用量相关的多源数据类型进行筛选,并对筛选出的电力使用量相关的多源数据进行标准化处理。
5.如权利要求1所述的一种电力使用长期预测方法,其特征在于,将根据分类模型所确定电力预测使用量的有限空间范围作为所述sarimax模型的3θ正态化边界,对所述sarimax模型得到的浮点值进行优化。
<...【专利技术属性】
技术研发人员:孙岗,梁云丹,黄怡,赵鹏,曲延盛,严莉,常英贤,王高洲,呼海林,杨坤,牛德玲,刘新,邵志敏,樊静雨,胡恒瑞,管荑,梁天,王中龙,朱尤祥,肖沈阳,张金国,王雨晨,刘保臣,胡斌浩,
申请(专利权)人:国网山东省电力公司信息通信公司,
类型:发明
国别省市:
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。