考虑曲线特征和多影响因素的售电量预测关键技术研究与应用

摘要

售电量是电网企业重要的经济考核指标，月度售电量预测工作是电网企业营销部门一项重要的日常工作，准确的进行月度售电量预测可以为电网企业提供营销决策支持，对制定增供扩销计划、开展电能替代、实施有序用电方案、提升客户服务品质等具有重要意义。目前各电网企业月度售电量预测多采用对比分析、结构分析、回归分析、神经网络等方法。这些方法可在一定程度上对售电量进行预测，但对国家电网公司整体售电量预测精度并不是很理想，其主要原因是没有考虑国家电网公司各地区售电量曲线的不同特征，只利用一种预测算法对多地区的售电量进行预测，这样必然会导致预测精度不高。
　　为解决上述问题，本文提出了两种方法。一种是基于历史曲线的售电量预测方法。根据国家电网公司及下属27家省（市）公司售电量曲线在时域和频域下的特征，对27家省（市）公司进行聚类。对不同类别的省（市）公司，根据售电量曲线特征与预测算法（SVM回归、BP神经网络、ARIMA等）的适配性，选择相应的预测方法，对同一类别内的省（市）公司采用同一种预测算法。在基于历史曲线的售电量预测的基础上，本文将天气、经济、节假日和社会事件等影响因素纳入考虑，建立基于SVM回归的售电量预测修正模型，根据影响因素的月度售电量预测修正模型，进一步提高预测精度。另一种方法是考虑春节因素的售电量调整方法，该方法首先利用历史年第一季度每月售电量占季度比重和第一季度每月1日距离当年春节的天数建立函数关系，天数为输入，占季度比为输出，利用得到的一元函数预测1、2、3月份售电量占季度比，进而根据预测的占季度比及调整前售电量预测值得到基于春节因素调整后1、2、3月份预测值。
　　利用本文的预测方法，以国家电网公司2010年至2014年的售电量数据作为历史数据，对国家电网公司2015年每月的售电量进行预测，然后和实际的2015年售电量比较，预测平均误差为1.78％，结果表明，本文提出的售电量预测方法可靠，有效，且精度较高。

目录

声明

摘要

1．1 选题背景

1．2 研究意义

1．3 研究现状

1．4 论文的主要工作

1．5 论文的组织结构

第2章 售电量预测的整体技术方案

2．1 售电量预测建模思路

2．1．1 基于历史曲线的售电量预测

2．1．2 基于影响因素的售电量调整

2．2 售电量预测相关算法

2．2．1 聚类分析算法

2．2．2 回归分析算法

2．2．3 时间序列算法‘

2．2．4 傅里叶变换

2．3 本章小结

第3章 基于历史曲线的售电量预测

3．1 数据来源与处理

3．2 售电量曲线聚类

3．2．1 曲线聚类维度选择

3．2．2 电量曲线聚类结果

3．2．3 各类曲线预测方法

3．3 2015年预测结果

3．4 本章小结

第4章 基于影响因素的售电量调整

4．1 数据来源与处理

4．1．1 影响因素的趋势分析

4．1．2 影响因素的情报分析

4．2 2015年售电量预测调整结果

4．3 本章小结

第5章 春节因素的售电量调整

5．1 春节对售电量调整数据来源

5．2 春节对售电量调整技术路线

5．2．1 考虑春节因素的售电量调整分析思路

5．2．2 考虑春节因素的售电量调整建模过程

5．3 春节对售电量调整结果分析

5．4 本章小结

6．1 本文工作总结

6．2 后续工作展望

参考文献

攻读硕士学位期间发表的学术论文及其它成果

攻读硕士学位期间参加的科研工作

致谢