【技术实现步骤摘要】
本专利技术涉及能耗预测，具体而言，涉及一种农村综合能源消费预测方法和系统。
技术介绍
1、。综合能源是通过多种能源形式的综合利用，以满足特定用户或地区的能源消费需求，包括冷、热、电、气等多种能源形式。发展综合能源可实现多种能源的协同作用，提高能源利用效率以实现能源多元化、高效利用与生产，降低能源消费成本，促进能源消费转型升级，减少环境压力等。预测农村地区的综合能源消费，将有助于推动乡村能源可持续发展战略的制定。
2、当前关于综合能源消费预测的研究主要围绕以下几方面开展。一是基于人工智能模型进行综合能源预测，通过预处理和相关性计算对原始综合能源消费数据进行分类，构建基于机器学习的综合能源预测模型，对分类数据进行训练、验证和测试，不断提升预测精度，最终输出预测结果；二是基于时间序列开展综合能源预测，收集综合能源消费时间序列数据并进行预处理，分析数据趋势性、周期性、季节性等，开展数据平稳性检验及差分处理，确定最佳模型参数，形成函数表达形式，最终输出预测结果；三是基于多元回归模型的综合能源预测，收集包含多种影响因素与综合能源消费量的样本数据，对数据进行预处理，使用多元回归模型进行拟合、最小二乘法等寻求最优模型参数，最终对综合能源消费进行预测并验证模型准确性。
3、综合考虑农村生产生活绿色、便捷、高质量发展等需求，亟需在新能源规模化发展的前提下，构建相关模型挖掘影响农村综合能源消费的主要影响因素，识别各个影响因素对用能总量的作用程度，构建适应农村能源未来消费特性的预测方法，提升农村综合能源消费的精准度，保障农村能源
4、当前，综合能源消费预测模型高度依赖时间序列历史数据的演变趋势，与农村综合能源消费以城镇化、低碳化政策导向发展不适应，虽然存在若干预测模型综合考虑了相关因素的发展对综合能源消费的影响，但仅依赖相关系数识别影响因素，结果存在偶然性。同时，现有成果对综合能源预测多集中于能源消费总量，忽略了生产生活部门分类能源品种的预测。
5、而且，综合能源消费预测多基于时间序列数据，将人工智能、多元回归等方法应用于预测模型的构建上，预测结果与历史数据的发展趋势具有强关联性，与农村综合能源消费以城镇化、低碳化政策导向发展不适应。
技术实现思路
1、本专利技术的目的包括提供了一种农村综合能源消费预测方法和系统，其能够实现分部门、分类别对农村综合能源消费进行预测，提高在政策导向下综合能源消费预测精准度。
2、本专利技术的实施例可以这样实现：
3、第一方面，本专利技术提供一种农村综合能源消费预测方法，方法包括：
4、s1：收集影响综合能源消费的多年数据，形成矩阵，数据包括多个影响综合能源消费的指标；
5、s2：收集多年的综合能源消费数据，形成数据列；
6、s3：基于影响因素识别模型，输入矩阵和数据列，输出农村各个部门的主要指标集；
7、s4：基于综合能源消费预测模型，输入农村各个部门的主要指标集，输出各个部门的终端能源消费量。
8、在可选的实施方式中，s1包括：
9、收集影响综合能源消费的多年数据，形成包含n年数据、每年包含m个指标的矩阵xn×m：
10、
11、式中，xnm表示第n年的第m个指标的值。
12、在可选的实施方式中，s2包括：
13、收集n年综合能源消费数据，形成数据列y：
14、y＝(y1，y2，...，yi，...，yn)t
15、式中，yn表示第n年的综合能源消费数据。
16、在可选的实施方式中，s3包括：
17、s31：求各个指标和综合能源消费数据的年增长量，形成指标增量矩阵和数据增量列；
18、s32：求各个指标的年增长量与综合能源消费数据的年增长量的比值，作为计算各指标的权重的原始数据，形成比值矩阵；
19、s33：对比值矩阵中的数据进行标准化处理，得到统一量纲的标准样本；
20、s34：基于标准样本，计算各个指标的标准样本所占比重；
21、s35：基于各个指标的标准样本所占比重，计算各个指标的标准样本的熵值；
22、s36：基于各个指标的标准样本的熵值，计算各个指标的差异系数；
23、s37：基于各个指标的差异系数，计算各个指标的权重；；
24、s38：根据各个指标的权重，从各个指标中选出主要指标；
25、s39：基于选出的主要指标，形成农村各个部门的主要指标集。
26、在可选的实施方式中，在s31中，指标增量矩阵x’n-1×m：
27、
28、式中，△xn-1m表示第n-1年的第m个指标的年增长量；
29、数据增量列y’：
30、y′＝(δy1，δy2，...，δyi-1，...，δyn-1)t
31、式中，△yn-1表示第n-1年的综合能源消费数据的年增长量。
32、在可选的实施方式中，在s32中，比值矩阵zn-1×m：
33、
34、式中，zn-1m表示第n-1年的第m个指标的年增长量与综合能源消费数据的年增长量的比值。
35、在可选的实施方式中，在s34中，第i年的第j个指标的年增长量与综合能源消费数据的年增长量的比值的标准样本z’ij所占比重pij：
36、
37、在s35中，第i年的第j个指标的年增长量与综合能源消费数据的年增长量的比值的标准样本z’ij的熵值ej：
38、
39、式中，k为年份系数；
40、在s36中，第i年的第j个指标的差异系数gj：
41、gj＝1-ej
42、在s37中，第i年的第j个指标的权重wj：
43、
44、在可选的实施方式中，s38包括：
45、将各个指标按照权重从大到小的顺序排列，选出前70％的指标作为主要指标。
46、在可选的实施方式中，在s4中，农村工业部门的综合能源消费量edi：
47、
48、式中，gdpi，u表示部门的工业增加值；eigdp，u表示部门的单位产值能耗水平；
49、农村交通部门的综合能源消费量edt：
50、
51、式中，w代表交通工具类型，eil,u,w代表w类交通工具单公里能耗，lw代表w类交通工具里程。
52、农村建筑部门的综合能源消费量edb：
53、
54、式中，eis,u代表部门的单位面积u类能源消费量，s表示部门的建筑总面积；
55、农村农业部门的综合能源消费量eda：
56、
57、式中，eio,u表示部门的单位产品产量u类能源消费量，o表示部门的农业产品总产量。
58、第二方面，本专利技术提本文档来自技高网...
【技术保护点】
1.一种农村综合能源消费预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的农村综合能源消费预测方法，其特征在于，S1包括：
3.根据权利要求2所述的农村综合能源消费预测方法，其特征在于，S2包括：
4.根据权利要求3所述的农村综合能源消费预测方法，其特征在于，S3包括：
5.根据权利要求4所述的农村综合能源消费预测方法，其特征在于，在S31中，指标增量矩阵X’n-1×m：
6.根据权利要求5所述的农村综合能源消费预测方法，其特征在于，在S32中，比值矩阵Zn-1×m：
7.根据权利要求6所述的农村综合能源消费预测方法，其特征在于，在S34中，第i年的第j个指标的年增长量与综合能源消费数据的年增长量的比值的标准样本z’ij所占比重Pij：
8.根据权利要求7所述的农村综合能源消费预测方法，其特征在于，S38包括：
9.根据权利要求7所述的农村综合能源消费预测方法，其特征在于，在S4中，农村工业部门的综合能源消费量EDI：
10.一种农村综合能源消费预测系统，其特征
...【技术特征摘要】
1.一种农村综合能源消费预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的农村综合能源消费预测方法，其特征在于，s1包括：
3.根据权利要求2所述的农村综合能源消费预测方法，其特征在于，s2包括：
4.根据权利要求3所述的农村综合能源消费预测方法，其特征在于，s3包括：
5.根据权利要求4所述的农村综合能源消费预测方法，其特征在于，在s31中，指标增量矩阵x’n-1×m：
6.根据权利要求5所述的农村综合能源消费预测方法，其特征在于...
【专利技术属性】
技术研发人员：李鹏，屈丹蕾，黄碧斌，孙昕，李慧璇，田春筝，王基，闫湖，么德飞，岳显雨，张艺涵，祖文静，张泓楷，李乃洵，郑永乐，杨钦臣，付亚楠，孙占龙，胡静，李娜娜，孟子涵，
申请(专利权)人：国网河南省电力公司经济技术研究院，
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。