[发明专利]基于人体气象舒适度指数的居民用电预测方法

说明书

本发明公开了基于人体气象舒适度指数的居民用电预测方法，包括如下步骤S1：对影响居民用电影响因数的数据进行挖掘、筛选和总结；S2：基于相关系数算法或者灰色关联度算法分析居民用户负荷与各种影响因素的相关度；S3：分析气象因子对人体舒适度指数的影响；S4：根据居民用电的影响因素并结合灰色预测值，基于RBF神经网络预测模型对灰色预测值进行修整，得到最终最优的预测结果。本发明克服了在简单串联型灰色神经网络预测中由于变量数据单一而缺少的其他变量对居民生活用电的缺陷，能更好的体现出模型中主要变量对居民生活用电需求的非线性作用，预测精度高。

技术领域

本发明涉及居民用电预测技术领域，尤其涉及一种基于人体气象舒适度指数的居民用电预测方法。

背景技术

人体气象舒适度指数是人群对外界气象环境感受到舒适程度，其不仅受到自然环境的影响，也可以是人为因素带来的影响，如：在家中打开空调风扇等等电器设备，如此使人群感觉到更加舒适。通过人为因素提高居民人体气象舒适度指数，相应的则需要消耗相应的电量。居民的用电是受到诸多因素的影响，具有很强的不确定性，深入研究居民用电的影响因素，同时科学预测居民用电负荷，对城乡电力规划及需求侧管理具有重要的意义。

发明内容

为了解决现有技术中存在的缺点，本发明提出一种基于人体气象舒适度指数的居民用电预测方法，弥补了在简单串联型灰色神经网络预测中由于变量数据单一而缺少的其他变量对居民生活用电的影响，能够更好的体现出模型中主要的变量对居民生活用电需求的非线性作用，预测精度高。

为了实现上述目的，本发明采用了如下技术方案：

基于人体气象舒适度指数的居民用电预测方法，包括如下步骤：

S1：对影响居民用电影响因数的数据进行挖掘、筛选和总结；

S2：基于相关系数算法或者灰色关联度算法分析居民用户负荷与各种影响因素的相关度；

S3：分析气象因子对人体舒适度指数的影响；

S4：根据居民用电的影响因素并结合灰色预测值，基于RBF神经网络预测模型对灰色预测值进行修整，得到最终最优的预测结果。

优选地，所述的居民用电影响因数包括人口迁徙、气象因子、用电习惯、城市文化水平和节假日。

优选地，所述的气象因子包括气温、湿度、风速和日照时间。

优选地，所述的灰色关联度算法分析的确定步骤为：确定分析数列、变量无量纲化、计算关联系数和计算关联度。

本发明与现有技术相比，其有益效果为：

1.本发明基于人体气象舒适度指数的居民用电预测方法对影响居民用电影响因数的数据进行挖掘、筛选和总结，分析居民用户负荷与各种影响因素的相关度，分析气象因子对人体舒适度指数的影响，根据居民用电的影响因素并结合灰色预测值，基于RBF神经网络预测模型对灰色预测值进行修整，得到最终最优的预测结果，在普通的串联型灰色神经网络的缺点上进行优化，弥补了在简单串联型灰色神经网络预测中由于变量数据单一而缺少的其他变量对居民生活用电的影响，能更好的体现出模型中主要变量对居民生活用电需求的非线性作用，预测精度高。

附图说明

图1为本发明基于人体气象舒适度指数的居民用电预测方法框图；

图2为日负荷与人体气象舒适度指数的变化趋势图；

图3为日负荷与日最高温度、日负荷与日最低温度以及日负荷与日均温度的变化趋势图；

图4为总负荷与风速的变化趋势图；

图5为总负荷与湿度的变化趋势图。

具体实施方式