[发明专利]一种用户日电量模式预测方法

说明书

本发明提供一种用户日电量模式的预测方法，该方法包括如下步骤：获取多个用户的历史日电量时点数据，对所述获取的历史日电量时点数据进行谱聚类，获得每一个聚类的聚类中心，并根据聚类中心得到用户的典型日电量时点曲线；获取所述历史日电量时点数据的当日的气象数据，并基于所述气象数据和所述历史日电量时点数据构建日电量的统计指标，根据所述统计指标构建用户日电量的预测模型，基于所述预测模型计算用户待预测日的时点电量；根据所述典型的日电量时点曲线和待预测日的时点电量预测用户待预测日的日电量模式。本发明可以预测用户待预测日的日电量模式，为供电企业制定相应的需求响应分析计划以及需求响应策略的实施提供数据支撑。

技术领域

本发明涉及用户日电模式预测技术领域，尤其涉及一种用户日电量模式的预测方法。

背景技术

经济的快速发展和电力消费量的不断增加导致的电力供应和电力需求之间的矛盾越来越大，若通过盲目增加装机容量来满足用电高峰时段的电力需求，势必造成电力资源的极大浪费，加重企业和用户的负担。然而需求响应是指电力用户针对电价信号或激励机制主要改变原有电力消费模式的行为，进而作为传统发电调度的补充，能够削峰填谷、平衡间歇式能源波动和提供辅助服务，极大丰富电网调度运行的调节手段，而要进行需求响应分析，需要通过预测用户未来的用电模式提供数据支撑。

发明内容

本发明所要解决的技术问题在于，提供一种用户日电模式预测方法，该方法通过对获取的日电量时点数据进行聚类获得典型的日电量模式，同时通过建立支持向量机回归模型预测用户未来的日电量时点数据，通过计算预测的日电量时点数据和典型的日电量模式之间的相似度确定用户待预测日的日电模式，为需求响应分析提供数据支撑。

为了解决上述技术问题，本发明提供一种用户日电量模式预测方法，该方法包括如下步骤：

获取多个用户的历史日电量时点数据，对所述获取的历史日电量时点数据进行谱聚类，获得每一个聚类的聚类中心，并根据聚类中心得到用户的典型日电量时点曲线；

获取所述历史日电量时点数据的当日的气象数据，并基于所述气象数据和所述历史日电量时点数据构建日电量的统计指标，根据所述统计指标构建用户日电量的预测模型，基于所述预测模型计算用户待预测日的时点电量；

根据所述典型的日电量时点曲线和待预测日的时点电量预测用户待预测日的日电量模式。

其中，获取所述历史日电量时点数据的当日的气象数据，并基于所述气象数据和所述历史日电量时点数据构建日电量的统计指标具体包括：

获取所述历史日电量时点数据的当日的气象数据；

对获取的气象数据进行预处理，并根据预处理后的气象数据和历史日电量时点数据构建日电量的统计指标。

其中，所述对获取的气象数据进行预处理具体包括：

确定各个气象特征在不同季节的异常阈值，根据异常阈值筛选出异常气象数据；

采用线性差值方法对异常气象数据进行填补，从而形成数据预处理后的气象数据。

其中，所述确定各个气象特征在不同季节的异常阈值，根据异常阈值筛选出异常气象数据具体包括：

计算每一个季节的每一个气象特征的时间序列对应的四分之三分位数和四分之一分位数；

根据所述四分之三分位数和四分之一分位数计算异常阈值的上限和下限；

根据异常阈值的上限和下限筛选出异常气象数据。

其中，所述根据所述四分之三分位数和四分之一分位数计算异常阈值的上限和下限具体包括：