[发明专利]一种区域售电量预测方法及装置

说明书

技术领域

本申请涉及电力数据处理技术领域，更具体地说，涉及一种区域售电量预测方法及装置。

背景技术

随着智能电网建设和电力体制改革的不断深入，月度售电量预测对于电网公司制定月度生产经营计划、指导发电厂和输配电网的合理运行、制定有序用电方案、推动电力市场的发展和建设都具有十分重要的意义。

本申请发明人通过对现有售电量预测方法进行研究，发现其存在以下缺陷：现有售电量预测方法一般是针对各个用电区域均使用同样的预测算法，其并未考虑到各地区用电量曲线的不同特性，只利用一种预测算法对多地区的售电量进行预测，导致预测精度不高。

发明内容

有鉴于此，本申请提供了一种区域售电量预测方法及装置，用于解决现有售电量预测方法针对不同用电区域均使用同一预测算法，导致预测精度不高的问题。

为了实现上述目的，现提出的方案如下：

一种区域售电量预测方法，包括：

获取各个待预测区域的历史售电量曲线；

确定各个待预测区域的历史售电量曲线在时域和频域下的特征；

根据各待预测区域的历史售电量曲线在时域和频域下的特征，对各待预测区域进行聚类，同一聚类组内，各个待预测区域的历史售电量曲线在时域和频域下的特征相同，且该特征作为聚类组的特征标签；

针对每一个聚类组，选用预置的与该聚类组的特征标签对应的预测算法对该聚类组内的各个待预测区域进行售电量预测。

优选地，在根据各待预测区域的历史售电量曲线在时域和频域下的特征，对各待预测区域进行聚类时，采用视觉聚类算法进行聚类。

优选地，所述确定各个待预测区域的历史售电量曲线在时域和频域下的特征，包括：

确定各个待预测区域的历史售电量曲线在时域下的时域同比量和时域环比量；

确定各个待预测区域的历史售电量曲线在频域下的频域极差点幅值和非氏指数；

利用时域同比量确定对应待预测区域的历史售电量曲线是否具备长期性；

利用时域环比量确定对应待预测区域的历史售电量曲线是否具备平稳性；

利用频域极差点幅值确定对应预测区域的历史售电量曲线是否具备扰动性；

利用非氏指数确定对应预测区域的历史售电量曲线是否具备周期性。

优选地，聚类形成的各个聚类组的特征标签包括：

第一特征标签：同时具备长期性、平稳性和周期性，不具备扰动性；

第二特征标签：同时具备长期性、周期性和扰动性，不具备平稳性；

第三特征标签：同时具备平稳性、周期性和扰动性，不具备长期性；

第四特征标签：同时具备长期性和扰动性，不具备平稳性和周期性；

第五特征标签：同时具备平稳性和周期性，不具备长期性和扰动性。

优选地，预置的与各特征标签对应的预测算法包括：

与所述第一特征标签对应的BP神经网络算法；

与所述第二特征标签对应的L_1/2稀疏性回归算法；

与所述第三特征标签对应的支持向量机SVM回归算法；

与所述第四特征标签对应的L_1/2稀疏性回归算法；

与所述第五特征标签对应的差分自回归移动平均模型ARIMA算法。

一种区域售电量预测装置，包括：

曲线获取单元，用于获取各个待预测区域的历史售电量曲线；

特征确定单元，用于确定各个待预测区域的历史售电量曲线在时域和频域下的特征；

聚类处理单元，用于根据各待预测区域的历史售电量曲线在时域和频域下的特征，对各待预测区域进行聚类，同一聚类组内，各个待预测区域的历史售电量曲线在时域和频域下的特征相同，且该特征作为聚类组的特征标签；

算法匹配单元，用于针对每一个聚类组，选用预置的与该聚类组的特征标签对应的预测算法对该聚类组内的各个待预测区域进行售电量预测。

优选地，所述聚类处理单元包括：

第一聚类处理子单元，用于采用视觉聚类算法，根据各待预测区域的历史售电量曲线在时域和频域下的特征，对各待预测区域进行聚类。

优选地，所述特征确定单元包括：

时域特征确定单元，用于确定各个待预测区域的历史售电量曲线在时域下的时域同比量和时域环比量；

频域特征确定单元，用于确定各个待预测区域的历史售电量曲线在频域下的频域极差点幅值和非氏指数；

长期性确定单元，用于利用时域同比量确定对应待预测区域的历史售电量曲线是否具备长期性；