[发明专利]一种用户用电量预测方法在审
申请号: | 201910469792.X | 申请日: | 2019-05-31 |
公开(公告)号: | CN110288130A | 公开(公告)日: | 2019-09-27 |
发明(设计)人: | 苏运;吴力波;周阳;马戎;施政昱;陈伟;郭乃网;田英杰;瞿海妮;张琪祁;时志雄;宋岩;庞天宇;沈泉江 | 申请(专利权)人: | 国网上海市电力公司;复旦大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q50/06;G06K9/62 |
代理公司: | 上海科盛知识产权代理有限公司 31225 | 代理人: | 叶敏华 |
地址: | 200002 上海市浦东新区*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用户用电量 预测 混合模型 区域用户 用户用电 总用电量 变化趋势 辅助区域 外界条件 相对误差 需求概率 用电数据 用电需求 用户属性 有效地 电量 检测 | ||
1.一种用户用电量预测方法,其特征在于,该方法包括下列步骤:
1)结合用户属性、外界条件等因素对用电需求的影响,建立设有伴随变量的有限混合模型;
2)根据步骤1)建立的有限混合模型,对某区域用户的用电数据进行解构;
3)对某区域用户的总用电量进行解构,获取用电期望值,完成用户用电量预测;
4)利用相对误差检测步骤3)中总用电量解构的正确性和稳定性。
2.根据权利要求1所述的一种用户用电量预测方法,其特征在于,步骤1)中,建立的有限混合模型的表达式为:
式中,z为伴随变量,即各不同用电需求分布的概率将随着z的变化而变化,λi(z)为第i个高斯分布在z条件下的概率,λi(z)为负荷多变量logit过程,K为分布的数量,θi为每一类用户用电回归的参数,y为被解释变量,x为解释变量,f(yi|x,θi)为成分高斯分布函数。
3.根据权利要求2所述的一种用户用电量预测方法,其特征在于,步骤1)中,λi(z)的表达式为:
4.根据权利要求2所述的一种用户用电量预测方法,其特征在于,步骤1)中,对某区域用户的用电数据进行解构的表达式为:
f(yijt|xt,θij)=θji0+θji1TEMPERATUREt+θji2RAINt+θji3HUMIDt+θji4WINDt+εji
式中,λij(zt)包括WEATHER代表的温度、气候条件,DATE、TIME分别代表不同用电日期及时刻,PEOPLE代表人员流量移动数据以及当期的总用电量Y,f(yijt|xt,θij)包括温度TEMPERATUREt、雨量RAINt、湿度HUMIDt、风速WINDt的影响因子,vji为第j项电器在i状态下的期望值,εji为第j项电器在i状态下的残差,符合正态分布。
5.根据权利要求4所述的一种用户用电量预测方法,其特征在于,步骤1)中,步骤3)的具体内容为:
根据当前总用电量Y以及当期的气象、日期、时刻信息对于各用电器进行预测,将分项用电量yjt表示为:
上式的主要输入变量为当期的总用电量Yt、天气与时间变量;
根据上式分别计算第j项电器的不同状态的概率,结合不同状态的概率计算出当前Y总用电量下的第j项电器的用电期望值,进而完成对当期用电总量的分解。
6.根据权利要求5所述的一种用户用电量预测方法,其特征在于,步骤4)中,相对误差的表达式为:
式中,N为用电器总数,T为数据量长度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网上海市电力公司;复旦大学,未经国网上海市电力公司;复旦大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910469792.X/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理