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】
本申请属于用电模型预测,具体涉及一种售电量预测方法、系统及电费预测方法。
技术介绍
1、目前,供电公司需要预测用户的预售电量,预售电量的预测准确性直接关系到供电公司的经营效益。例如,若实际售电量偏离预售电量时,供电公司需要承担违约电量带来的惩罚;预测结果偏离程度越大,供电公司的经营效益越低。
2、在相关技术中,通常采用机器学习算法拟合建模,但是不同类型用户与外部环境因素、经济活动因素的相关性差异很大,单独构建区域历史售电量数据与外部环境因素、经济活动因素之间的模型会造成预测结果不稳定、误差大的问题。
技术实现思路
1、本专利技术的目的在于提供一种售电量预测方法及电费预测方法,以解决现有技术中预测售电量结果误差大的问题。
2、为实现上述目的,采用如下技术方案:
3、第一方面,本申请提供了一种售电量预测方法,所述售电量预测方法包括以下步骤:
4、获取影响因子库,所述影响因子库包括用于表征用户组的售电量相关的影响因子;
5、将所述影响因子进行分类,以获取与所述用户组的售电量强相关的第一子影响因子以及与所述用户组的售电量弱相关的第二子影响因子;
6、获取日特征向量集和日售电量,并根据所述日特征向量集和所述日售电量构建预测模型;其中,所述日特征向量集包括用于表征历史时段中每一天的第一子影响因子的日特征向量;
7、获取待预测日的日特征向量,将所述日特征向量输入至所述预测模型中,以获取待预测日的售电量。
< ...【技术保护点】
1.一种售电量预测方法,其特征在于,所述售电量预测方法包括以下步骤:
2.根据权利要求1所述的售电量预测方法,其特征在于,所述获取影响因子库,所述影响因子库包括用于表征所述用户的售电量相关的影响因子之前还包括:
3.根据权利要求2所述的售电量预测方法,其特征在于,所述将待预测目标区域的用户进行分类,形成多个类型的用户组包括:
4.根据权利要求2所述的售电量预测方法,其特征在于,所述将所述影响因子进行分类,以获取与所述用户组的售电量强相关的第一子影响因子以及与所述用户组的售电量弱相关的第二子影响因子包括:
5.根据权利要求1所述的售电量预测方法,其特征在于,所述影响因子包括用电容量、气象数据、节假日数据以及用水量数据中的一者或多者。
6.根据权利要求5所述的售电量预测方法,其特征在于,所述节假日数据包括工作日数据、周末数据以及国家特殊法定假日数据。
7.根据权利要求1所述的售电量预测方法,其特征在于,所述将所述影响因子进行分类,以获取与所述用户组的售电量强相关的第一子影响因子以及与所述用户组的售电量弱相关的第二
8.根据权利要求1所述的售电量预测方法,其特征在于,所述获取日特征向量集和日售电量,并根据所述日特征向量集和所述日售电量构建预测模型之后包括:
9.一种售电量预测系统,其特征在于,采用权利要求1至8任意一项所述的售电量预测方法对目标区域内用户的售电量进行预测。
10.一种电费预测方法,其特征在于,所述电费预测方法包括以下步骤:
...【技术特征摘要】
1.一种售电量预测方法,其特征在于,所述售电量预测方法包括以下步骤:
2.根据权利要求1所述的售电量预测方法,其特征在于,所述获取影响因子库,所述影响因子库包括用于表征所述用户的售电量相关的影响因子之前还包括:
3.根据权利要求2所述的售电量预测方法,其特征在于,所述将待预测目标区域的用户进行分类,形成多个类型的用户组包括:
4.根据权利要求2所述的售电量预测方法,其特征在于,所述将所述影响因子进行分类,以获取与所述用户组的售电量强相关的第一子影响因子以及与所述用户组的售电量弱相关的第二子影响因子包括:
5.根据权利要求1所述的售电量预测方法,其特征在于,所述影响因子包括用电容量、气象数据、节假日数据以及用水量数据中的一者或多者。<...
【专利技术属性】
技术研发人员:李镓辰,卢璐,秦丹阳,闫博宇,尹智,余谦,陈小雨,杨雷,刘鹏程,史江凌,苏彪,黎琦,王云飞,姜山,颜渊,盛伟光,张梓豪,洪沪生,肖海松,郭迎达,贺威,张建昊,王晶,林云浩,王振南,赵晨鸣,曹钥淇,
申请(专利权)人:国网北京市电力公司,
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。