[发明专利]一种基于大数据的售电量预测方法

说明书

本发明公开了一种基于大数据的售电量预测方法，其步骤包括：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。本发明具有原理简单、易实现、智能化程度高、预测效果好等优点。

技术领域

本发明主要涉及到电网智能控制技术领域，特指一种基于大数据的售电量预测方法。

背景技术

售电量增长影响因素众多、且互相影响，如经济形势变化、天气变化、节假日效应影响等，电力客户业扩报装也对售电量增长趋势有重要的影响，而这些影响因素有些是即时性因素，如天气、假日等因素；有些则是前导性指标，如业扩报装，由于客户业扩完成后存在一定时期的运营调整期，则导致了该类电力客户电量增长存在一定生长变化规律。而传统的弹性系数法或者专家经验法都难以支撑分析的需要，目前仍缺乏内外部影响因素对售电量的影响分析手段。

在售电结构转变的新形势下，电力公司售电量强劲增长的基础并不稳固，购电成本、直属水电厂发电量“靠天吃饭”特征明显，售电市场拓展和购电结构优化需求强烈。而大数据、人工智能等新兴技术蓬勃发展，甚至在某些领域的能力已经超过人类极限。在复杂多变的经营形势下，传统售电量分析及预测方法已无法满足电力市场开拓的要求，迫切需要大数据技术赋能售电量分析及预测业务，深刻剖析电力公司售电量增长变化规律，挖掘行业电量增长与内外部因素变化关联关系显得尤为重要。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种原理简单、易实现、智能化程度高、预测效果好的基于大数据的售电量预测方法。

为解决上述技术问题，本发明采用以下技术方案：

一种基于大数据的售电量预测方法，其步骤包括：

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。

作为本发明方法的进一步改进：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：