[发明专利]一种月度售电量组合预测方法、设备和介质

说明书

本发明公开了一种月度售电量组合预测方法、设备和介质，该方法包括：S1、采集目标区域内的历史用电数据，基于X12季节调整方法对用电数据进行分析，获取调整后的趋势因素、季节因素和不规则因素；S2、构建LSTM模型，根据LSTM模型对调整后的趋势因素、季节因素和不规则因素进行单因素时间序列分析，得到各个因素分量序列的预测值；S3、根据各个因素分量序列的预测值确定月售电量预测值。利用X12季节调整方法考虑季节因素对于月度售电量的影响，同时考虑不规则因素的影响，对月售电量的历史值进行调整，再利用时间序列法进行预测，提高了对月度售电量的预测精度。

技术领域

本发明涉及电力技术领域，具体涉及一种月度售电量组合预测方法、设备和介质。

背景技术

月售电量预测是指在对历史资料进行整理和分析的情况下，采用一定手段对未来月售电量进行估计或表述。由于月售电量预测的重要性，到目前为止国内外出现了诸多的预测方法，在实际应用中也取得了显著的效果。在众多预测方法中，电力企业最常用到的是传统预测方法，即时间序列法和回归分析法。这两种传统方法发展相对成熟，许多情况下都已取得了良好的预测效果。但这两种预测方法在月售电量预测领域中仍然存在一些缺陷：①时间序列法仅对趋势性较好的平稳序列有较好的预测效果，而月售电量是具有趋势性、季节周期性和随机性的非平稳序列，故利用时间序列法仅依靠月售电量的历史值直接建模并预测时难以得到较高的预测精度；②回归分析法虽然能较为全面的考虑月售电量的各种相关影响因素并利用这些影响因素进行建模，但现有相关研究在考虑温度的影响时忽略了舒适温度区间内不存在采暖措施与制冷措施；③由于随机变动不易量化而忽略了随机变动对月售电量的影响；④现有研究也忽略了春节分布对月售电量的影响。上述问题都将在一定程度上影响月售电量的预测精度，因此，如何解决上述问题从而提高月售电量预测精度成为了亟待解决的问题。

发明内容

本发明所要解决的技术问题是现有技术在进行月售电量预测时未考虑季节因素对于月度售电量的影响，预测精度低，目的在于提供一种月度售电量组合预测方法、设备和介质，利用X12季节调整方法考虑季节因素对于月度售电量的影响，考虑不规则因素的影响，对月售电量的历史值进行调整，再利用时间序列法进行预测，提高了对月度售电量的预测精度。

本发明通过下述技术方案实现：

本发明第一方面一种月度售电量组合预测方法，包括以下具体步骤：

S1、采集目标区域内的历史用电数据，基于X12季节调整方法对用电数据进行分析，获取调整后的趋势因素、季节因素和不规则因素；

S2、构建LSTM模型，根据LSTM模型对调整后的趋势因素、季节因素和不规则因素进行单因素时间序列分析，得到各个因素分量序列的预测值；

S3、根据各个因素分量序列的预测值确定月售电量预测值。

本发明通过采集目标区域内的历史用电数据，基于X12季节调整方法对用电数据进行分析，获取调整后的趋势因素、季节因素和不规则因素,构建LSTM模型，根据LSTM模型对调整后的趋势因素、季节因素和不规则因素进行单因素时间序列分析，得到各个因素分量序列的预测值；根据各个因素分量序列的预测值确定月售电量预测值。利用X12季节调整方法考虑季节因素对于月度售电量的影响，考虑不规则因素的影响，对月售电量的历史值进行调整，再利用时间序列法进行预测，提高了对月度售电量的预测精度。

进一步的，所述S1具体包括：

S11、获取历史用电数据初始的趋势因素、循环因素、季节因素和不规则因素，基于X12季节调整方法对用电数据进行分析，采用乘法模型确定要分解的电量数据；

S12、根据要分解的电量数据对季节调整进行初始估计，获得季节调整的初始结果；

S13、根据季节调整的初始结果进行季节调整的二次估计，获得调整后的季节因素、趋势分量，并根据调整后的季节因素和趋势分量，获得调整后的不规则因素。