[发明专利]一种基于大数据的大区域用电量预测方法及系统

说明书

本发明涉及一种基于大数据的大区域用电量预测方法及系统，包括预测服务器、接口设备和数据库；所述预测服务器中的处理器首先获得参数向量的集合，接着获得参数向量的最优先行时间向量，然后获得最优先行参数和用电量之间的关联向量，最后获得下一个时间周期内大区域的预测用电量。本发明实时性强，并且充分考虑到了大区域用电量相对稳定的特点，将用电量看成包括基本不变量和可变量两者，使用用电量变化率间接预测用电量，使得用电量变化率的误差类似于用电量的误差，基本避免了不变量造成的干扰。

技术领域

本发明涉及大数据分析和用电量预测领域，特别是一种基于大数 据的大区域用电量预测方法及系统。

背景技术

大区域(例如省级区域、包括多个省的大区区域以及全国)的用 电量预测一直是电力行业研究的热点，例如，徐丽娜的《中国用电量 需求模型的建立及需求预测》、张敏蔚的《市场条件下省级电力公司 月度供电量预测探讨》、石雪梅等的《基于K-L信息量法的安徽省工 业用电量预测》等多篇文章都涉及到大区域用电量预测。

这些预测方法大致可以分为两类：第一类为根据历史用电数据建 立用电模型，对未来的用电量进行预测；第二类为根据选取的一个或 多个用电量的先行参数，确定先行参数的先行周期，通过先行参数的 变化预测用电量的变化；例如《基于K-L信息量法的安徽省工业用电 量预测》文中，地方财政支出先行用电量9个月，因此可以根据地方 财政支出的变化预测9个月后的用电量变化。

上述预测方法存在以下几个技术问题：

第一、实时性不强，即先行周期是预先确定的静态周期而不是动 态更新的，在预测用电量时直接使用，导致一段时间之后，先行周期 可能会出现比较明显的误差，从而给用电量带来误差。例如当前地方 财政支出先行用电量9个月，可能几年后，地方财政支出已经变为先 行用电量7个月，这种情况下，仍然用9个月进行预测，将出现明显 的误差。

第二、直接预测用电量导致预测结果的误差较大，剔除季节影响， 用电量在每个时间周期(例如月)的变化不会很明显，例如《基于 K-L信息量法的安徽省工业用电量预测》一文的图4中，1月、3月、 4月的用电量几乎相同。而且，大区域的用电量基础本身很大，这种情况下，4％左右预测值的误差还不能够完全满足精度要求。

发明内容

有鉴于此，本发明的目的是提出一种基于大数据的大区域用电量 预测方法及系统，实时性强，并且充分考虑到了大区域用电量相对稳 定的特点，将用电量看成包括基本不变量和可变量两者，使用用电量 变化率间接预测用电量，使得用电量变化率的误差类似于用电量的误 差，基本避免了不变量造成的干扰。

本发明采用以下方案实现：一种基于大数据的大区域用电量预测 方法，包括以下步骤：

步骤S1：采集大区域用电量相关的N组先行数据向量的集合 X＝{X₁,X₂,...,X_N}，每个向量X_i＝(x_i(-ti),x_i(-ti+1),...,x_i(-1))，i的取值范围从1 到N；采集用电量向量E＝(e_-te,e_-te+1,...,e_-1)；所述向量X_i与E的统计周 期相同，所述向量X_i中的每个值为相应统计时间周期内的先行数据 值，所述向量E内的每个值为相应统计时间周期内的用电量；

步骤S2：根据集合X获得参数向量的集合P＝{P₁,P₂,...P_i,...,P_N}，每 个参数向量其中， m的取值范围为1到t_i-1；