[发明专利]一种长期用电负荷预测方法、装置及计算机实现系统

说明书

本发明涉及一种长期用电负荷预测方法、装置及计算机实现系统，所述预测方法包括以下步骤：1)获取待测地区历史数据，所述历史数据包括历史经济数据、历史人口数据和历史用电量；2)对所述历史数据进行预处理；3)基于预处理后的历史数据，采用一训练好的用电负荷预测模型实现长期用电负荷的预测，所述用电负荷预测模型为神经网络分位数回归模型。与现有技术相比，本发明具有预测结果准确可靠等优点。

技术领域

本发明涉及电力用电负荷技术领域，尤其是涉及一种长期用电负荷预测方法、装置及计算机实现系统。

背景技术

电力产业是经济发展的坚实保障，反过来经济发展又可促进电力产业的发展，过往的电力产业研究主要针对弹性系数，忽视了产业结构变化和能源效率提高对电力经济关系的影响。后来一些学者认为传统的相关分析对数据的统计假设要求过高，因此提出运用灰色关联理论进行电力经济相关性分析，并运用灰色关联度分析了能源消费与经济发展的关系。

随着经济新常态的出现，产业结构调整已经对现阶段电力需求造成重要影响。因此，研究产业结构调整与电力消费之间的动态关系及其传导机制，对公司了解电量消费变化背后的原因开展探索，并探索通过电量变化来预判经济发展趋势，走在经济变化拐点之前洞悉形势动态，提前谋划公司经营决策具有重要意义。科学可靠的电力负荷预测是电力系统规划建设的重要依据，负荷预测结果对确定未来的城市供电的新增电源点与电力网络布局具有重要的指导意义，有效保障电力投资效益与运行合理性。电力负荷预测是根据电力负荷的过去和现在的数值来推测未来的数值，具有不确定性、条件性、非线性、时间性等特点，准确预测电力负荷并非易事。基于电力负荷预测的复杂性以及电力对国民经济发展的重要支撑作用，有关电力负荷预测的研究成果比较丰富，典型的电力负荷预测技术有灰色理论、神经网络法、最小二乘法等，但均存在不足。因此，需要研发一种有效的长期用电负荷预测技术。

发明内容

本发明的目的在于克服上述现有技术存在的缺陷而提供一种长期用电负荷预测方法、装置及计算机实现系统。

本发明的目的可以通过以下技术方案来实现：

一种长期用电负荷预测方法，包括以下步骤：

1)获取待测地区历史数据，所述历史数据包括历史经济数据、历史人口数据和历史用电量；

2)对所述历史数据进行预处理；

3)基于预处理后的历史数据，采用一训练好的用电负荷预测模型实现长期用电负荷的预测，所述用电负荷预测模型为神经网络分位数回归模型。

进一步地，所述预处理包括归一化处理。

进一步地，所述用电负荷预测模型表示为：

其中，Y(τ)为解释变量，包括GDP、GDP中三产占比和年末户籍人口，τ为分位点，τ∈(0,1)，X＝{x_k}_{k＝1,2,...,K}为被解释变量，包括用电量，K为隐含层节点数目，J为输出层节点数目，W(τ)＝{w_jk(τ)}_{j＝1,2,...,J；k＝1,2,...,K}为输入层与隐含层之间的连接权重向量，V(τ)＝{v_j}_{j＝1,2,...,J}为隐含层与输出层之间的连接权重向量，g₁(·)为隐层转换函数，g₂(·)为输出层的转换函数，非线性函数f[X,W(τ),V(τ)]体现由X到Y的非线性结构。

进一步地，采用所述用电负荷预测模型进行长期用电负荷的预测时，先基于历史经济数据和历史人口数据预测经济指标和人口指标，再基于预测的经济指标和人口指标进行长期用电负荷的预测。

一种长期用电负荷预测装置，包括：