[发明专利]一种用户用电量预测方法在审

专利信息
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
【权利要求书】:

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|xtij)=θji0ji1TEMPERATUREtji2RAINtji3HUMIDtji4WINDtji

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|xtij)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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top