一种结合人口指标的中长期用电量预测方法

摘要

本发明提供了一种结合人口指标的中长期用电量预测方法，其特征在于，首先获取待预测地区过往k年中每年度各类用户用电量和常住人口数量；然后考虑人均耗电量增长系数计算人均耗电量预测值；之后计算常住人口数量预测值；将人均耗电量预测值和常住人口数量预测值相乘，获得居民用户用电量和商业用户用电量之和的预测值；之后计算工业用户用电量预测值、非工业用户用电量预测值和其他用户用电量预测值；最后计算总电量预测值。本发明预测方法算法简单，可减少数据需求量，可操作性高，有效把握各种类型电力用户用电量预测的关键点，预测结果精度高，可为供电企业提供营销决策支持。

说明书

技术领域

本发明涉及用电量预测技术领域，更具体地说，涉及一种结合人口指标的 中长期用电量预测方法。

背景技术

受经济转型、产业结构调整、人口迁移频繁等因素的影响，电网的总用电 量也相应发生变化。电量预测是电力市场中的一项基本工作，结合行业用电特 点来正确地进行电量预测，为供电企业提供营销决策支持，对电网的安全经济 运行以及电力市场的建设和发展都具有十分重要的意义。

目前我国根据电价类型和负荷特性将电力用户划分为居民用户、商业用户、 工业用户、非工业用户和其他用户共五类。其他用户是指除了居民用户、商业 用户、工业用户和非工业用户以外的用户，例如农业生产用户和稻田排灌用户。 其中，居民用户和商业用户的用电主体为个人，因此人口数量对居民用户和商 业用户的用电量数值影响较大。目前，用电量预测方法主要存在以下两点问题， 一是追求对电网总电量原始数据的拟合精度，二是追求基于大容量样本前提的 复杂算法，而忽视了人口数量变化的影响。在电量预测工作中，由于人口因素 对居民用户和商业用户两类用户的用电量影响较大，导致该两类用户的用电量 可能与工业用户、非工业用户和其他用户这三类用户的用电量发展规律存在较 大差异，如果一味追求数据的拟合精度，会降低预测方法的泛化性；如果过于 追求复杂算法，则会由于数据需求量太大而降低可操作性。以上问题不利于供 电企业对于各个地区用电量进行预测以及提高预测结果精度；因此，需要从新 的思路出发，采用新的方法进行中长期用电量预测。

发明内容

本发明的目的在于克服现有技术中的缺点与不足，提供一种结合人口指标、 算法简单、可减少数据需求量、可操作性高、预测结果精度高、可为供电企业 提供营销决策支持的中长期用电量预测方法。

为了达到上述目的，本发明通过下述技术方案予以实现：一种结合人口指 标的中长期用电量预测方法，其特征在于，包括如下步骤：

第一步，分别获取待预测地区过往k年中每年度居民用户用电量商业 用户用电量工业用户用电量非工业用户用电量其他用户用电量 和常住人口数量其中，i为待预测年份；n∈[1，k]；k为整数且k≥3；

第二步，计算过往k年中每年度居民用户用电量和商业用户用电量之和

$Q_{i-n}^{JS}=Q_{i-n}^J+Q_{i-n}^S;$

计算过往k年中每年度人均耗电量q’：

$q^{\prime }=\frac{\frac{Q_{i-1}^{JS}}{R_{i-1}}+\frac{Q_{i-2}^{JS}}{R_{i-2}}+\mathrm{...}+\frac{Q_{i-k}^{JS}}{R_{i-k}}}{k};$

计算待预测年度人均耗电量预测值q：

q＝(1+α)×q'；其中，α为人均耗电量增长系数；

第三步，采用预测算法对过往k年中每年度常住人口数量R_i-n进行处理，获 得待预测年度常住人口数量预测值R_i；计算待预测年度居民用户用电量和商业 用户用电量之和的预测值

$Q_i^{JS}=q\times R_i;$

第四步，采用预测算法分别对过往k年中每年度工业用户用电量非工 业用户用电量和其他用户用电量进行处理，获得待预测年度工业用户用 电量预测值非工业用户用电量预测值和其他用户用电量预测值

第五步，计算待预测年度总电量预测值Q_i：

$Q_i=Q_i^G+Q_i^F+Q_i^Q+Q_i^{JS}.$

本发明预测方法可降低算法的复杂程度，减少数据需求量，大大地提高可 操作性。根据电力用户与常住人口数量关系密切程度而对不同密切程度的电力 用户采用不同的预测计算方法；由于居民用户用电量和商业用户用电量与常住 人口数量关系密切，而工业用户、非工业用户和其他用户则与常住人口数量关 系不大；因此在居民用户用电量和商业用户用电量的预测过程中结合常住人口 数量因素，有效把握各种类型电力用户用电量预测的关键点；预测结果精度高， 可为供电企业提供营销决策支持，保证电网安全经济运行以及电力市场稳健发 展。

进一步的方案是：所述第三步中，采用预测算法对过往k年中每年度常住 人口数量R_i-n进行处理是指，采用一元线性回归法、加权拟合直线方程法、累加 线性拟合法、灰色预测模型、双曲线模型、对数曲线模型、S形曲线模型和倒指 数曲线模型中的两种以上分别进行处理获得相应的待预测年度常住人口数量预 测参考值；将待预测年度常住人口数量预测参考值进行算术平均以获得待预测 年度常住人口数量预测值R_i。

所述第四步中，采用预测算法分别对过往k年中每年度工业用户用电量非工业用户用电量和其他用户用电量进行处理是指，采用一元线性回归 法、加权拟合直线方程法、累加线性拟合法、灰色预测模型、双曲线模型、对 数曲线模型、S形曲线模型和倒指数曲线模型中的两种以上分别进行处理，获得 相应的待预测年度工业用户用电量预测参考值、非工业用户用电量预测参考值 和其他用户用电量预测参考值；

分别将待预测年度工业用户用电量预测参考值、非工业用户用电量预测参 考值和其他用户用电量预测参考值进行算术平均，以获得待预测年度工业用户 用电量预测值非工业用户用电量预测值和其他用户用电量预测值

由于工业用户、非工业用户和其他用户则与常住人口数量关系不大，因此 可采用上述预测算法。一元线性回归法等八种算法结果稳定，适合对数据量少、 没有周期波动性的指标进行预测计算；采用多种算法进行待预测年度工业用户 用电量预测参考值、非工业用户用电量预测参考值和其他用户用电量预测参考 值，之后再进行算术平均，可获得高精度的预测结果。

所述α的取值范围为：-5％≤α≤20％。α的取值范围是通过汇总历史数据 统计得出，有利于提高预测结果的精度。

与现有技术相比，本发明具有如下优点与有益效果：

1、本发明预测方法可降低算法的复杂程度，减少数据需求量，大大地提高 可操作性；根据电力用户与常住人口数量关系密切程度而对不同密切程度的电 力用户采用不同的预测计算方法；充分考虑常住人口数量对居民用户用电量和 商业用户用电量的影响，有效把握各种类型电力用户用电量预测的关键点，克 服了目前预测方法只研究用电量本身发展变化规律的问题，使预测结果更客观、 更准确；预测结果精度高，可为供电企业提供营销决策支持，保证电网安全经 济运行以及电力市场稳健发展；

2、本发明预测方法使用组合预测算法对工业用户、非工业用户、其他用户 和常住人口进行预测；组合预测算法集结多种单一模型所包含的信息，对结果 进行组合；可以达到改善预测结果的目的，为供电企业更有针对性的进行制定 营销计划和进行电网规划提供重要依据；

3、本发明预测方法引入人均耗电量增长系数，客观反映随着社会的发展， 个人对电力消费增长的事实，使对居民用户用电量和商业用户用电量的预测更 加准确。

附图说明

图1是本发明预测方法的流程图。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细的描述。

实施例一

本实施例结合人口指标的中长期用电量预测方法，其流程如图1所示；包 括如下步骤：

第一步，分别获取待预测地区过往3年中每年度居民用户用电量商业 用户用电量工业用户用电量非工业用户用电量其他用户用电量 和常住人口数量R_i-n；其中，i为待预测年份；n∈[1，k]；k为整数且k≥3；

第二步，计算过往k年中每年度居民用户用电量和商业用户用电量之和

$Q_{i-n}^{JS}=Q_{i-n}^J+Q_{i-n}^S;$

计算过往k年中每年度人均耗电量q’：

$q^{\prime }=\frac{\frac{Q_{i-1}^{JS}}{R_{i-1}}+\frac{Q_{i-2}^{JS}}{R_{i-2}}+\mathrm{...}+\frac{Q_{i-k}^{JS}}{R_{i-k}}}{k};$

计算待预测年度人均耗电量预测值q：

q＝(1+α)×q'；其中，α为人均耗电量增长系数；为提高预测结果的精度，汇 总历史数据统计，得α的取值范围优选为：-5％≤α≤20％。

第三步，采用预测算法对过往k年中每年度常住人口数量R_i-n进行处理，获 得待预测年度常住人口数量预测值R_i；具体地，采用一元线性回归法、加权拟 合直线方程法、累加线性拟合法、灰色预测模型、双曲线模型、对数曲线模型、 S形曲线模型和倒指数曲线模型中的两种以上分别进行处理获得相应的待预测 年度常住人口数量预测参考值；将待预测年度常住人口数量预测参考值进行算 术平均以获得待预测年度常住人口数量预测值R_i；

计算待预测年度居民用户用电量和商业用户用电量之和的预测值

$Q_i^{JS}=q\times R_i;$

第四步，采用预测算法分别对过往k年中每年度工业用户用电量非工 业用户用电量和其他用户用电量进行处理，获得待预测年度工业用户用 电量预测值非工业用户用电量预测值和其他用户用电量预测值

具体地，采用一元线性回归法、加权拟合直线方程法、累加线性拟合法、 灰色预测模型、双曲线模型、对数曲线模型、S形曲线模型和倒指数曲线模型中 的两种以上分别进行处理，获得相应的待预测年度工业用户用电量预测参考值、 非工业用户用电量预测参考值和其他用户用电量预测参考值；

分别将待预测年度工业用户用电量预测参考值、非工业用户用电量预测参 考值和其他用户用电量预测参考值进行算术平均，以获得待预测年度工业用户 用电量预测值非工业用户用电量预测值和其他用户用电量预测值

第五步，计算待预测年度总电量预测值Q_i：

$Q_i=Q_i^G+Q_i^F+Q_i^Q+Q_i^{JS}.$

本发明预测方法可降低算法的复杂程度，减少数据需求量，大大地提高可 操作性。根据电力用户与常住人口数量关系密切程度而对不同密切程度的电力 用户采用不同的预测计算方法；由于居民用户用电量和商业用户用电量与常住 人口数量关系密切，而工业用户、非工业用户和其他用户则与常住人口数量关 系不大；因此在居民用户用电量和商业用户用电量的预测过程中结合常住人口 数量因素，有效把握各种类型电力用户用电量预测的关键点；预测结果精度高， 可为供电企业提供营销决策支持，保证电网安全经济运行以及电力市场稳健发 展。本发明预测方法中，k可以取3，采用待预测地区过往三年的数据作为数据 基础；k也可以取≥4的整数，采用待预测地区过往四年以上的数据作为数据基 础。

由于工业用户、非工业用户和其他用户则与常住人口数量关系不大，因此 可采用上述预测算法。一元线性回归法等八种算法结果稳定，适合对数据量少、 没有周期波动性的指标进行预测计算；采用多种算法进行待预测年度工业用户 用电量预测参考值、非工业用户用电量预测参考值和其他用户用电量预测参考 值，之后再进行算术平均，可获得高精度的预测结果。

实施例二

本实施例结合人口指标的中长期用电量预测方法与实施例一的区别在于： 本实施例中，第三步，采用预测算法对过往k年中每年度常住人口数量R_i-n进行 处理是指，采用一元线性回归法、加权拟合直线方程法、累加线性拟合法、灰 色预测模型、双曲线模型、对数曲线模型、S形曲线模型和倒指数曲线模型中的 所有预测算法分别进行处理，获得八个待预测年度常住人口数量预测参考值； 将八个待预测年度常住人口数量预测参考值进行算术平均以获得待预测年度常 住人口数量预测值R_i。

第四步中，采用预测算法分别对过往k年中每年度工业用户用电量非 工业用户用电量和其他用户用电量进行处理是指，采用一元线性回归法、 加权拟合直线方程法、累加线性拟合法、灰色预测模型、双曲线模型、对数曲 线模型、S形曲线模型和倒指数曲线模型中的所有预测算法分别进行处理，分别 获得待预测年度中八个工业用户用电量预测参考值、八个非工业用户用电量预 测参考值和八个其他用户用电量预测参考值；分别将八个工业用户用电量预测 参考值、八个非工业用户用电量预测参考值和八个其他用户用电量预测参考值 进行算术平均，以获得待预测年度工业用户用电量预测值非工业用户用电 量预测值和其他用户用电量预测值

本实施例的其它流程与实施例一相同。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实 施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、 替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。