[发明专利]一种基于大数据的售电量预测方法

权利要求书

1.一种基于大数据的售电量预测方法，其特征在于，步骤包括：

步骤S1：售电量曲线分解；利用曲线分解算法针对原始序列Y_t进行线性滤波得到趋势项T_t；将原始序列与趋势项T_t相减得到SI_t，针对SI_t进行移动平均获取季节项S_t；将原始序列与趋势项T_t、季节项S_t相减得到随机项I_t；

步骤S2：对售电量与因素进行相关性分析；

步骤S3：基于DTW的前导分析模型，输出因素与售电量数据的超前滞后期数；

步骤S4：构建售电量预测模型，对居民售电量进行分段建模对售电量进行调整来优化最终的预测结果；

步骤S5：预测重构；

步骤S6：预测曲线择优。

2.根据权利要求1所述的基于大数据的售电量预测方法，其特征在于，所述步骤S1中，利用曲线分解算法针对原始序列Y_t进行线性滤波得到趋势项T_t：

将原始序列与趋势项T_t相减得到SI_t，针对SI_t进行移动平均获取季节项S_t：

将原始序列与趋势项T_t、季节项S_t相减得到随机项I_t；

将售电量序列分解为趋势项、季节项和随机项三个子序列，关系表达为：

Y_t＝SUM(T_t，S_t，I_t)

其中Y_t表示预处理后的历史售电量数据，T_t为售电量趋势项，S_t为售电量季节项，I_t为售电量随机项。

3.根据权利要求1所述的基于大数据的售电量预测方法，其特征在于，所述步骤S2中通过皮尔森相关系数、折线图等定性分析，通过函数拟合和折线图等开展定量分析，相关性分析的结果作为最终各用电类别售电量预测的特征筛选依据。

4.根据权利要求1所述的基于大数据的售电量预测方法，其特征在于，所述步骤S3中包括：

步骤S301：分别取多个时间段内的净增容量趋势项、售电量趋势项，两者分别记为{N_i|i∈1，2，...，45}和{Q_i|i∈1，2，...，45}；

步骤S302：利用动态时间规整计算售电量趋势项与净增容量趋势项之间的最短规整路径D(N，Q)；

步骤S303：分别记N_iQ_i，N_iQ_i+1，…，N_iQ_i+m为前导0个月、前导1月，…，前导m个月，其在最短规整路径中出现的次数分别记为C₀，C₁，...，C_m；取最大的前导月份为12，那么该产业的净增容量的前导月份L＝max{C_i|i＝0，1，...，12}。