[发明专利]一种用电量预测方法及其装置

说明书

本申请提供一种用电量预测方法及其装置，在BP神经网络滚动预测的基础上引入了实际用电信息，实际用电信息并非直接引入，而是采用预测误差的方式引入，通过滚动预测的第三误差对BP神经网络滚动预测结果进行进行微调修正，提高了用电量预测的准确性。

技术领域

本发明涉及电力技术领域，更具体的，涉及一种用电量预测方法及其装置。

背景技术

在生产和生活中，电是人们不可缺少的部分，它对经济和社会起着不可替代的作用。用电量预测是指对一段时间内电力系统的负荷消耗电能总量的预报。提高用电量预测技术水平，有利于计划用电管理，有利于合理安排电网运行方式和机组检修计划，有利于节煤、节油和降低发电成本，有利于制定合理的电源建设规划，有利于提高电力系统的经济效益和社会效益。近年来，用电量预测已成为实现电力系统管理现代化、售电公司向现货市场转型的重要内容之一，国家电网公司明确提出了对电量预测准确性要求，并将其纳入企业业绩考核之中。对于售电公司来说，现货市场的背景下，没有准确的电量预测结果，售电公司甚至无法在现货市场进行报价，这样的后果便是高额的偏差费用，这是售电公司无法承担的。

当前，用于用电量预测的方法很多，主要有用电单耗法、电力弹性系数法、回归分析法、移动平均法、指数平滑法、专家意见法、主观概率法、国际比较法、人工神经网络法、灰色预测法、电力产出效益法，等。由于影响用电量的因素较多，例如地区经济、政策、气候等，这些因素中有确定性的，也有随机性的，增加了电量预测的难度，目前关于用电量预测的众多方法虽能在一定程度上满足预测需求，但仍然存在提升空间。

发明内容

本发明的目的是提供一种用电量预测方法及其装置，提高用电量预测准确性。

本发明的目的可通过如下技术措施来实现：

一种用电量预测方法，该方法包括以下步骤：

S1.获取用户的历史用电量数据信息，包括电表采集的历史用电量，以及，与所述电表采集的历史用电量相对应的时间信息、环境参数信息和电价信息；所述环境参数信息包括环境温度、环境湿度；

S2.将所述历史用电量数据信息作为训练集，采用自动编码器无监督学习和BP神经网络有监督学习，构建初始BP神经网络f₁；假设当前时间为t₀，以当前时间t₀所对应的真实用电量数据信息进行训练，网络输出下一时间点t₁的BP神经网络用电量预测值即第一预测用电量BP₁，其中，BP神经网络具有预测期望值即预测目标，根据预测目标与第一预测用电量BP₁之差即第一误差对BP神经网络的权重和阈值进行调整，以进行下一时间点的预测；

当预测t_n时刻的用电量时，其中n＝2，采用t_n-1时刻的时间信息、环境参数信息、电价信息以及t_n-1时刻获得的预测用电量数据即第一预测用电量BP_n-1作为网络输入，如此循环滚动，实现用电量的BP神经网络滚动预测；其中，其滚动函数模型为：

BP₁＝f(C₀，BP₀)，n＝1；

BP_n＝f(C_n-1，BP_n-1)，n＝2；

其中，BP₀为t₀时刻所对应的真实用电量数据信息，C₀为t₀时刻所对应的时间信息、环境参数信息和电价信息；BP_n为t_n时刻的第一预测用电量，f为激活函数；

S3.将第一预测用电量BP_n与对应时刻的实际用电量作差，获得与BP神经网络滚动预测的用电量相对应的第二误差E_n；