申请/专利权人：国网江苏省电力有限公司泰州供电分公司

申请日：2023-09-22

公开（公告）日：2024-05-03

公开（公告）号：CN117291299B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;G06F18/243;G06F18/27

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2024.01.12#实质审查的生效;2023.12.26#公开

摘要：本发明公开了一种考虑多种影响因素的月度电量预测方法，属于电力系统技术领域；该方法包括以下步骤：对电量数据、影响因素数据进行预处理；数据进行预处理包括异常值处理、无量纲化处理；采用ARIMA模型进行月度电量预测，并结合影响因素对ARIMA预测结果进行修正；考虑多种影响因素采随机森林算法对月度电量进行预测，并结合ARIMA模型形成最终月度电量预测结果；考虑气候状况，进行第三季度多场景电量预测。本发明通过合理考虑节假日、气候、新能源等影响因素，并采用ARIMA模型进行月度电量预测，结合人工智能的随机森林算法，提高了最终月度电量预测结果的准确性；同时，获取准确电量预测结果可以科学地规划电力生产，以此达到提升效率，降低运行成本的目的。

主权项：1.一种考虑多种影响因素的月度电量预测方法，其特征在于：该方法包括以下步骤：步骤S1：对电量数据、影响因素数据进行预处理；所述数据进行预处理包括异常值处理、归一化处理；步骤S2：采用ARIMA模型进行月度电量预测，并结合影响因素对ARIMA预测结果进行修正；采用ARIMA模型进行月度电量预测，并结合影响因素对ARIMA预测结果进行修正，具体操作为：步骤S2-1：对历史电量数据进行还原，消除节假日和新能源的影响；步骤S2-2：构建ARIMA模型，使用ARIMA模型进行电量预测；构建的ARIMA模型，使用的ARIMA模型进行电量预测，具体包括以下步骤：S2-2-1：平稳性检验：采用ADF校验方法对原始序列进行平稳性检验，如果序列不能满足平稳性条件，进行差分变换，将非平稳时间序列转化为平稳时间序列，然后对平稳时间序列构建ARIMA模型；S2-2-2：确定模型的阶数：通过分析偏自相关图PACF和自相关图ACF，识别ARIMA模型的参数；S2-2-3：根据S2-2-2得到的参数，构建ARIMA模型，ARIMA模型如下式所示：Yt＝c+α1Yt-1+…+αpYt-p+εt+β1εt-1+…+βqεt-q；式中，Yt为待预测值，c为常数，αi，i＝1,...,p为偏自相关系数，βj，j＝1,...,q为自相关系数，Yt-m，m＝1,...,p为历史电量数据，εt-n，n＝0,...,q为白噪声序列；步骤S2-3：考虑影响因素对ARIMA预测结果进行修正；步骤S3：考虑多种影响因素采用随机森林算法对月度电量进行预测，并结合ARIMA模型形成最终月度电量预测结果；步骤S4：考虑气候状况，选择季度进行多场景电量预测；选择第三季度进行多场景电量预测，具体包括以下步骤：步骤S4-1：数据统计：分别统计各年7、8、9月高温天气天数、月最高气温平均值、非雨天天数；步骤S4-2：气候状况评分：将7、8、9气候特征归一化处理，并综合评分，计算公式为：Y＝α*x1+β*x2+γ*x3；式中，Y为第三季度各月气候状况综合评分，x1、x2、x3分别为归一化处理后的高温天气天数、月最高气温平均值，非雨天天数，α、β、γ为对应的加权值；步骤S4-3：确定各场景方案气候特征：电量高速增长预测方案：取该月历史年评分最高月的气候条件；电量中速增长预测方案：取该月历史年评分为中位数月的气候条件；步骤S4-4：第三季度电量预测：根据步骤S4-3中确定的气候特征，作为查找条件，查找待预测日的相似日，加上空调负荷增长电量估计值，作为预测日电量，合计作为第三季度月电量。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司泰州供电分公司 一种考虑多种影响因素的月度电量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD