[发明专利]一种结合短期负荷预测的大工业行业用电优化方法

权利要求书

1.一种结合短期负荷预测的大工业行业用电优化方法，其特征在于，包括以下步骤：

S1、基于随机森林短期负荷预测选择基本电费计费方式，优化基本电费；

S2、基于横纵对比分析的尖峰谷时段生产，对负荷进行调整；

S3、基于行业对比分析，对功率因素进行调整；该步骤在大数据平台形成，对比分析行业最优功率因数标准电费和实际功率因数电费，给出功率因数调整建议；

步骤S1包括：

S11、获取大工业行业企业按月频度的负荷数据和关联影响因素指标，得到短期负荷及因素指标的宽表；

S12、数据探索、筛选关键影响因素指标；

S13、建立随机森林负荷预测模型，预测企业短期负荷需求；

S14、根据企业短期负荷需求的预测结果，选择企业基本电费计费方式；

步骤S13包括：首先，将上一步骤中筛选出的关键影响因素指标放入随机森林模型中，进行模型测试；然后不断地对关键影响因素指标进行变换、剔除方式以优化模型；最后保留使随机森林模型预测准确性最高的指标体系，预测企业短期负荷需求；

步骤S14包括：根据企业短期负荷需求预测结果，结合企业变压器合同容量信息，计算企业短期负载率情况，若负载率40％，推荐该企业办理减容或暂停；若负载率＝75％，推荐该企业采用容量计收基本电费；若负载率＝100％，推荐该企业办理增容；若负载率介于40％与75％之间，且该企业近3个月的负荷预测准确性达到95％及以上，推荐该企业按合同最大需量计收基本电费；若负载率介于40％与75％之间，且该企业近3个月的负荷预测准确性小于95％，推荐该企业按实际最大需量计收基本电费；

步骤S12包括：指标数据一致性检查、异常识别和缺失填补，并筛选出影响负荷变化的关键影响因素指标；

所述一致性检查为：对负荷数据发生时间进行一致性检查，以系统时间为临界值，识别出发生时间超过系统时间的记录异常负荷数据，视为脏数据，直接剔除处理，保留负荷发生时间记录正常的数据；

所述异常识别为：采用空间法的箱式图对历史负荷的异常值进行识别，识别出负荷的异常值，并将识别为异常值的负荷数据，用历史同期平均值填充；

所述缺失填补为：对关联影响因素指标的缺失值进行填充；其中，季节性的分类型指标，其缺失值采用最近一个周期内的同期值填补；季节性的数值型指标，其缺失值以历史同期平均值填补；非季节性的分类型指标，其缺失值采用指标值众数填补；非季节性的数值型指标，以缺失值发生月往前12期的平均负荷进行替代；

所述关键影响因素指标的筛选过程为：对数据型指标，通过计算变量间相关系数矩阵，进行关键影响因素数值型指标筛选；对分类型指标，首先将负荷指标离散化，再采用卡方检验，计算离散化后负荷指标与分类型指标间的相关性，进行关键影响因素分类型指标筛选。

2.根据权利要求1所述的大工业行业用电优化方法，其特征在于，所述变量间相关系数矩阵的公式为：

卡方检验的公式为：

式中，E[XY]、E[X]、E[Y]、Var[x]、Var[Y]分别代表任意两变量XY乘积的期望、变量X的期望、变量Y的期望、变量X的方差、变量Y的方差；A为离散化后负荷指标与分类型指标交叉列联表中的实际观测数值，T为结合交叉列联表，通过假设检验推断出来的理论数值。

3.根据权利要求1所述的大工业行业用电优化方法，其特征在于，步骤S2包括：

S21、横向对比分析同行业尖峰谷用电；对比同时期同行业电度平均电价、尖峰谷电量占比，根据企业近几个月电度平均电价与行业最优结果对比，给出尖峰谷比电量优化建议，若近几期用电尖峰、高峰、比例均低于本地区同行业的尖峰、高峰比例，建议调整生产时段，提高谷段负荷，错峰填谷；

S22、纵向对比企业自身历史尖高谷平均负荷；纵向对比企业历史几期尖峰时段、高峰时段与谷时段平均生产负荷情况，给出尖峰谷比电量优化建议，若近几期企业尖峰平均负荷、高峰平均负荷均大于谷时段平均负荷，建议调整生产时段，提高谷段负荷，错峰填谷。