一种基于电力消费潜力曲线预测电力负荷的方法及装置

摘要

本发明提供了一种基于电力消费潜力曲线预测电力负荷的方法及装置，其中，该基于电力消费潜力曲线预测电力负荷的方法包括：采集电力负荷预测数据，对采集的电力负荷预测数据进行粒度细化，得到电力负荷预测元变量，对得到的电力负荷预测元变量进行因子分析，得到村落发展特征；基于村落发展特征对应的电力负荷预测元变量，获取村落发展度以及电力消费潜力，拟合村落发展度以及电力消费潜力，得到电力消费潜力曲线；依据电力消费潜力曲线的上拐点、下拐点以及村落发展度，确定该村落的村落类型；依据确定的村落类型，进行电力负荷刚性需求预测以及电力负荷弹性需求预测，得到预测的电力负荷。可以提高村落电力负荷预测的准确性。

说明书

技术领域

本发明涉及电力技术领域，具体而言，涉及一种基于电力消费潜力曲线预测电力负荷的方法及装置。

背景技术

伴随国家宏观经济结构调整及供给侧改革的深入，电网的发展向高质量转型，电网投资精益化管理是建设高质量电网的客观需要。其中，通过加强农村(村落)电力基础设施建设，提升农村电网供电可靠性、供电能力和服务水平，促进农村消费升级、带动相关产业发展，是实施农村振兴战略、实现农村电网改造升级的重要举措。

为了提升农村电网供电可靠性，优化供电能力，需要对村落电网的电力负荷进行预测以规划村落电力基础设施建设，目前，村落电网的电力负荷一般基于人口总数、降水量、农村排灌面积、气温、电价，利用灰色马尔科夫方法，通过建立模糊聚类与距离系数的电力负荷预测模型，对村落电网的电力负荷进行预测。

但该电力负荷预测方法，随着新型城镇化进程的推进，农村人口结构、流向、村级规划正在发生显著变化。与此同时，由于发展定位的差异，农村种植结构及灌溉模式也在不断调整，这些因素都对村落电网的电力负荷带来不同程度的影响，使得对村落电网的中长期电力负荷预测变得较为困难或预测的准确性不高，成为制约农村电网投资的精益化管理和高质量建设的重要影响因素。

发明内容

有鉴于此，本发明的目的在于提供基于电力消费潜力曲线预测电力负荷的方法及装置，以提高村落电力负荷预测的准确性。

第一方面，本发明实施例提供了基于电力消费潜力曲线预测电力负荷的方法，包括：

采集电力负荷预测数据，对采集的电力负荷预测数据进行粒度细化，得到电力负荷预测元变量，对得到的电力负荷预测元变量进行因子分析，得到村落发展特征；

基于村落发展特征对应的电力负荷预测元变量，获取村落发展度以及电力消费潜力，拟合村落发展度以及电力消费潜力，得到电力消费潜力曲线；

依据电力消费潜力曲线的上拐点、下拐点以及村落发展度，确定该村落的村落类型；

依据确定的村落类型，进行电力负荷刚性需求预测以及电力负荷弹性需求预测，得到预测的电力负荷。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述基于村落发展特征对应的电力负荷预测元变量，获取村落发展度以及电力消费潜力，包括：

对村落发展特征对应的电力负荷预测元变量包含的负荷预测元变量数据集进行离散化处理，得到村落发展特征的离散化取值；

基于村落发展特征的离散化取值，获取村落发展度以及村落电力消费潜力。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述对村落发展特征对应的电力负荷预测元变量进行离散化处理，得到村落发展特征的离散化取值，包括：

针对每一村落发展特征，以该村落发展特征对应的电力负荷预测元变量包含的负荷预测元变量数据集的取值为数据点，得到该村落发展特征的数据集；

设置偏向参数以及预设条件，初始化数据集的相似度矩阵、吸引度矩阵、归属度矩阵；

对初始化的吸引度矩阵和归属度矩阵进行迭代更新，直到迭代更新得到的聚类中心满足预设条件，得到初选聚类中心；

计算初选聚类中心中，数据点对应的吸引度矩阵的吸引度和归属度矩阵的归属度的和值，获取和值大于零的数据点，得到终选聚类中心；

依据终选聚类中心对应的数据点的取值，得到每一村落对应的村落发展特征的离散化取值。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述基于村落发展特征的离散化取值，获取村落发展度，包括：

依据各村落发展特征的离散化取值，构建村落发展度评价矩阵；

对村落发展度评价矩阵进行标准化处理；

依据标准化处理的村落发展度评价矩阵，获取村落发展特征对应的村落发展特征权重；

基于村落发展特征权重以及标准化处理后的村落发展度评价矩阵，构建加权标准评价矩阵；

依据加权标准评价矩阵，确定空心型村落以及中心型村落；

基于空心型村落以及中心型村落，获取加权标准评价矩阵中各村落对应的村落发展度。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述依据加权标准评价矩阵，确定空心型村落以及中心型村落，包括：

针对加权标准评价矩阵中的每一列，提取该列最大值，依据提取的每列最大值构建中心型村落，以及，

提取该列最小值，依据提取的每列最小值构建空心型村落。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述基于空心型村落以及中心型村落，获取加权标准评价矩阵中各村落对应的村落发展度，包括：

提取加权标准评价矩阵中的一村落，计算该村落与空心型村落的空心欧式距离，以及，该村落与中心型村落的中心欧氏距离；

计算空心欧氏距离与中心欧氏距离的比值，得到该村落对应的村落发展度。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，获取所述村落电力消费潜力，包括：

针对每一村落在所述加权标准评价矩阵中的行，计算该行的加权标准值的和值，得到该村落对应的村落电力消费潜力。

结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中，所述依据电力消费潜力曲线的上拐点、下拐点以及村落发展度，确定该村落的村落类型，包括：

获取目标村落的空心欧氏距离与中心欧氏距离的目标比值，以及，电力消费潜力曲线的上拐点的横坐标值、下拐点的横坐标值；

若目标比值大于或等于上拐点的横坐标值，确定目标村落为中心型村落；

若目标比值大于或等于下拐点的横坐标值而小于上拐点的横坐标值，确定目标村落为成长型村落；

若目标比值小于下拐点的横坐标值，确定目标村落为衰减型村落。

结合第一方面、第一方面的第一种可能的实施方式至或第七种可能的实施方式中的任一种可能的实施方式，本发明实施例提供了第一方面的第八种可能的实施方式，其中，所述依据确定的村落类型，进行电力负荷刚性需求预测，包括：

提取待预测村落各的负荷预测元变量对应的数据集，进行主成分分析，得到所述待预测村落的主因素以及主因素权重；

获取所述待预测村落的每一主因素分别对应的历史数据，利用等权平均组合预测法，获取该主因素的未来预测值；

利用综合岭回归和Lasso回归的弹性网络，计算主因素的拟合系数；

基于主因素权重、主因素的未来预测值以及主因素的拟合系数，预测电力负荷刚性需求。

结合第一方面、第一方面的第一种可能的实施方式至或第七种可能的实施方式中的任一种可能的实施方式，本发明实施例提供了第一方面的第九种可能的实施方式，其中，依据确定的村落类型，进行电力负荷弹性需求预测，包括：

获取待评价村落的居民户数、电力消费潜力以及依据电网建设政策决定的户均负荷标准；

计算所述居民户数、电力消费潜力以及户均负荷标准的乘积，得到所述电力负荷弹性需求预测。

结合第一方面、第一方面的第一种可能的实施方式至或第七种可能的实施方式中的任一种可能的实施方式，本发明实施例提供了第一方面的第十种可能的实施方式，其中，所述电力负荷预测元变量包括：户籍人口、户籍人口变化率、常住人口、常住人口变化率、常住人口/户籍人口、常住人口/户籍人口变化率、年轻人口占比、老年人口占比、耕地面积、人均耕地、农排机井数、自备井数、降雨量、农作物种类、灌溉方式、水利政策、配变总容量、年用电量、人均配变容量以及人均用电量。

结合第一方面、第一方面的第一种可能的实施方式至或第七种可能的实施方式中的任一种可能的实施方式，本发明实施例提供了第一方面的第十一种可能的实施方式，其中，所述村落发展特征包括：规模特征、成长性特征、流动性特征、平衡性特征以及节能水平特征，其中，规模特征对应的电力负荷预测元变量包括：常住人口、耕地面积、农排机井数、配变总容量以及年用电量，成长性特征对应的电力负荷预测元变量包括：年轻人口占比以及老年人口占比，流动性特征对应的电力负荷预测元变量包括：常住人口变化率以及常住人口/户籍人口变化率，平衡性特征对应的电力负荷预测元变量包括：常住人口/户籍人口、人均耕地、人均配变容量以及人均用电量，节能水平特征对应的电力负荷预测元变量包括：农作物种类、灌溉方式以及水利政策。

第二方面，本发明实施例还提供了一种基于电力消费潜力曲线预测电力负荷的装置，包括：

数据采集模块，用于采集电力负荷预测数据，对采集的电力负荷预测数据进行粒度细化，得到电力负荷预测元变量，对得到的电力负荷预测元变量进行因子分析，得到村落发展特征；

曲线生成模块，用于基于村落发展特征对应的电力负荷预测元变量，获取村落发展度以及电力消费潜力，拟合村落发展度以及电力消费潜力，得到电力消费潜力曲线；

村落类型确定模块，用于依据电力消费潜力曲线的上拐点、下拐点以及村落发展度，确定该村落的村落类型；

预测模块，用于依据确定的村落类型，进行电力负荷刚性需求预测以及电力负荷弹性需求预测，得到预测的电力负荷。

第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的方法的步骤。

本发明实施例提供的基于电力消费潜力曲线预测电力负荷的方法及装置，通过采集电力负荷预测数据，对采集的电力负荷预测数据进行粒度细化，得到电力负荷预测元变量，对得到的电力负荷预测元变量进行因子分析，得到村落发展特征；基于村落发展特征对应的电力负荷预测元变量，获取村落发展度以及电力消费潜力，拟合村落发展度以及电力消费潜力，得到电力消费潜力曲线；依据电力消费潜力曲线的上拐点、下拐点以及村落发展度，确定该村落的村落类型；依据确定的村落类型，进行电力负荷刚性需求预测以及电力负荷弹性需求预测，得到预测的电力负荷。这样，通过对影响村级电力负荷的因素进行细粒度分析，使得细粒度分析得到的电力负荷预测元变量更能反映电力负荷需求，并将影响电力负荷的客观因素与政策性指标相结合，有效提高村落电力负荷预测的准确性。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例所提供的基于电力消费潜力曲线预测电力负荷的方法流程示意图；

图2示出了本发明实施例所提供的基于电力消费潜力曲线预测电力负荷的装置结构示意图；

图3为本申请实施例提供的一种计算机设备300的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前基于人口总数、降水量、农村排灌面积、气温、电价，利用灰色马尔科夫方法，通过建立模糊聚类与距离系数的电力负荷预测模型，对村落电网的电力负荷进行预测的方法，由于新型城镇化进程的推进，农村人口结构、流向、村级规划会发生显著变化，以及，由于发展定位的差异，农村种植结构及灌溉模式也在不断调整，使得通过模糊聚类与距离系数构建的电力负荷预测模型，对电力负荷预测的准确度不高。本发明实施例中，对影响村落电网电力负荷的人口和水利的影响因素进行细粒度挖掘，提出细粒度挖掘的电力负荷预测元变量的概念，利用包含因子分析、近邻传播(AP，Affinity Propagation)聚类算法和逼近理想解排序法(TOPSIS，Technique for Order Preferenceby Similarity to IdealSolution)等的数据分析算法，依据负荷预测元变量进行村落发展度以及电力消费潜力计算，依据村落发展度以及电力消费潜力构建电力消费潜力曲线，以对村落进行村落类型划分，从而对不同村落类型的村落分别进行电力负荷刚性需求预测以及电力负荷弹性需求预测，有效提升电力负荷预测的准确性，为村落电网改造升级等投资决策提供更加精准的量化决策支撑。

本发明实施例提供了一种基于电力消费潜力曲线预测电力负荷的方法及装置，下面通过实施例进行描述。

图1示出了本发明实施例所提供的基于电力消费潜力曲线预测电力负荷的方法流程示意图。如图1所示，该方法包括：

步骤101，采集电力负荷预测数据，对采集的电力负荷预测数据进行粒度细化，得到电力负荷预测元变量，对得到的电力负荷预测元变量进行因子分析，得到村落发展特征；

本发明实施例中，通过采集各村落用于表征电力负荷的电力负荷预测数据，例如，人口总数、降水量、农村排灌面积、气温、电价，对采集的电力负荷预测数据进行粒度细化，得到电力负荷预测元变量。其中，电力负荷预测元变量用于详细描述或精确刻画电力负荷，是表征影响或反映电力负荷变化的基础或底层变量，可宏观展示影响村级电网的电力负荷需求的深层次影响因素。

本发明实施例中，针对以农业生产为主导的村级(村落)电网，在采集到用于表征电力负荷的电力负荷预测数据后，细化电力负荷预测数据的粒度，例如，细化电力负荷预测数据中人口总数、农业排灌和用电等数据的粒度，得到村级电网的电力负荷预测元变量。作为一可选实施例，进行粒度细化后得到的电力负荷预测元变量包括但不限于：户籍人口、户籍人口变化率、常住人口、常住人口变化率、常住人口/户籍人口、常住人口/户籍人口变化率、年轻人口占比、老年人口占比、耕地面积、人均耕地、农排机井数、自备井数、降雨量、农作物种类、灌溉方式、水利政策、配变总容量、年用电量、人均配变容量以及人均用电量，如表1所示。

表1

本发明实施例中，村级电网的电力负荷预测元变量包括20种参数，对应表1中的元变量V1-V20。其中，通过粒度细化得到的户籍人口、户籍人口变化率、常住人口、常住人口变化率以及常住人口/户籍人口，可以描述村落人口总体规模及其流向，间接反映外出务工及城镇化对村落人口数量的影响；年轻人口占比及老龄人口占比可以集中体现村落人口结构、村落发展的均衡程度和对电力消费的潜力，通过对年轻人口占比及老龄人口占比的分析，可以反映村落的空心化趋势，为根据相关政策落实对村级电网的投资提供决策辅助信息；耕地面积和农排机井数用以表征排灌用电量的总体规模；农作物种类、灌溉方式及水利政策等，可对用电需求进行更细致的刻画。

本发明实施例中，作为一可选实施例，利用因子分析(FA，Factor Analysis)方法，对电力负荷预测元变量进行分析，具体可参见相关技术文献，在此不再赘述。

本发明实施例中，作为一可选实施例，村落发展特征包括：规模特征、成长性特征、流动性特征、平衡性特征以及节能水平特征，其中，规模特征对应的电力负荷预测元变量包括：常住人口、耕地面积、农排机井数、配变总容量以及年用电量，成长性特征对应的电力负荷预测元变量包括：年轻人口占比以及老年人口占比，流动性特征对应的电力负荷预测元变量包括：常住人口变化率以及常住人口/户籍人口变化率，平衡性特征对应的电力负荷预测元变量包括：常住人口/户籍人口、人均耕地、人均配变容量以及人均用电量，节能水平特征对应的电力负荷预测元变量包括：农作物种类、灌溉方式以及水利政策(例如，南水北调，地下水限采或禁采)。

表2为对电力负荷预测元变量进行因子分析后得到的村落发展特征。

表2

步骤102，基于村落发展特征对应的电力负荷预测元变量，获取村落发展度以及电力消费潜力，拟合村落发展度以及电力消费潜力，得到电力消费潜力曲线；

本发明实施例中，作为一可选实施例，基于村落发展特征对应的电力负荷预测元变量，获取村落发展度以及电力消费潜力，包括：

A01，对村落发展特征对应的电力负荷预测元变量包含的负荷预测元变量数据集进行离散化处理，得到村落发展特征的离散化取值；

本发明实施例中，在利用因子分析方法对电力负荷预测元变量进行分析，确定村落发展特征后，对各村落发展特征进行赋值以进行离散化处理，达到降低村落发展特征中包含的噪声、提升村落发展特征表达能力的目的，当然，实际应用中，也可以不对村落发展特征对应的电力负荷预测元变量包含的负荷预测元变量数据集的取值进行离散化处理，直接基于村落发展特征对应的电力负荷预测元变量包含的负荷预测元变量数据集的实际取值计算村落发展度以及电力消费潜力，本发明实施例对此不作限定。

本发明实施例中，为了最大限度通过电力负荷预测元变量发现各村落发展特征的取值分布，采用AP聚类算法对村落发展特征进行离散化处理。因而，作为一可选实施例，对村落发展特征对应的电力负荷预测元变量进行离散化处理，得到村落发展特征的离散化取值，包括：

A11，针对每一村落发展特征，以该村落发展特征对应的电力负荷预测元变量包含的负荷预测元变量数据集的取值为数据点，得到该村落发展特征的数据集；

本发明实施例中，从各村落发展特征中选择一村落发展特征(C

A12，设置偏向参数以及预设条件，初始化数据集的相似度矩阵、吸引度矩阵、归属度矩阵；

A13，对初始化的吸引度矩阵和归属度矩阵进行迭代更新，直到迭代更新得到的聚类中心满足预设条件，得到初选聚类中心；

本发明实施例中，预设条件包括：聚类中心在预设程度上不再更新或迭代达到最大迭代次数。

本发明实施例中，利用下式进行迭代更新：

R

A

其中，

上述公式可改写为：

R

式中，

R

S(i,j)为相似度矩阵，相似度是数据点i与数据点j的欧氏距离平方的负数，相似度矩阵的主对角线上的值为偏向参数，偏向参数的大小影响聚类数目；

A

t为迭代次数；

λ为阻尼系数；

R′

R

本发明实施例中，阻尼系数用于加速收敛，防止振荡，λ∈(0,1)。作为一可选实施例，λ＝0.5。

A14，计算初选聚类中心中，数据点对应的吸引度矩阵的吸引度和归属度矩阵的归属度的和值，获取和值大于零的数据点，得到终选聚类中心；

本发明实施例中，和值大于零的数据点组成终选聚类中心。

A15，依据终选聚类中心对应的数据点的取值，得到每一村落对应的村落发展特征的离散化取值。

本发明实施例中，计算数据点对应的吸引度矩阵的吸引度和归属度矩阵的归属度的和值，将和值大于零的数据点作为终选聚类中心，依据终选聚类中心对应的数据点的取值，得到每一村落对应的村落发展特征的离散化取值，例如，针对某一村落的某一村落发展特征，从终选聚类中心中，获取该某一村落的某一村落发展特征对应的数据点的取值，作为该某一村落的某一村落发展特征的离散化取值。

本发明实施例中，利用下式选取作为终选聚类中心的数据点：

r(i,j)+a(i,j)＞0

式中，

r(i,j)为吸引度矩阵中第i行第j列的吸引度；

a(i,j)为归属度矩阵中第i行第j列的吸引度。

本发明实施例中，聚类数目为村落发展特征取值的离散化数目，在离散化村落发展特征取值后，得到基于TOPSIS的村落发展特征的离散化取值。

A02，基于村落发展特征的离散化取值，获取村落发展度以及村落电力消费潜力。

本发明实施例中，作为一可选实施例，基于村落发展特征的离散化取值，获取村落发展度，包括：

B11，依据各村落发展特征的离散化取值，构建村落发展度评价矩阵；

本发明实施例中，每一村落对应村落发展度评价矩阵的一行，村落发展度评价矩阵的列数为村落发展特征的数量(村落发展特征数)，构建的村落发展度评价矩阵为：

E＝[e

式中，

E为村落发展度评价矩阵；

m为待评价村落数；

n为村落发展特征数；本发明实施例中，n＝5。

e

B12，对村落发展度评价矩阵进行标准化处理；

本发明实施例中，不同的村落发展特征，离散化取值范围可能不同，为了平衡各村落发展特征的离散化取值范围，对村落发展度评价矩阵进行标准化(归一化)处理，标准化处理后的村落发展度评价矩阵为：

式中，

本发明实施例中，对于电力负荷预测，考虑的是成本与效益的综合平衡，因而，作为一可选实施例，在进行标准化处理时，将村落发展特征分类为成本型特征及效益型特征，其中，成本型特征包括：规模、成长性以及平衡性，效益型特征包括：流动性以及节能水平。其中，包括规模、成长性、平衡性的成本型特征的离散化取值越大，表明越能推动电力负荷增长，因而，规模、成长性、平衡性具有效益型指标属性，流动性和节能水平的离散化取值越大，表明电力负荷增长越缓慢，具有成本型指标属性。

本发明实施例中，对于成本型特征，利用下式进行标准化处理：

本发明实施例中，对于效益型特征，利用下式进行标准化处理：

B13，依据标准化处理的村落发展度评价矩阵，获取村落发展特征对应的村落发展特征权重；

本发明实施例中，不同的村落发展特征，对村落发展度所起的作用不同，因而，需要为每一村落发展特征设置对应的村落发展特征权重。

本发明实施例中，采用标准差法获取各村落发展特征权重。

本发明实施例中，定义第j个村落发展特征的标准差为：

式中，

n为村落发展特征数；

σ

本发明实施例中，作为一可选实施例，利用下式计算第j个村落发展特征权重(w

各村落发展特征组成的村落发展特征权重向量矩阵为：

W＝(w

式中，

B14，基于村落发展特征权重以及标准化处理后的村落发展度评价矩阵，构建加权标准评价矩阵；

本发明实施例中，提取标准化处理后的村落发展度评价矩阵中的一行列对应的标准化值，与该行列对应列的村落发展特征权重相乘，得到加权标准评价矩阵中，该行列的加权标准值。

本发明实施例中，加权标准评价矩阵如下：

Z＝[z

式中，

B15，依据加权标准评价矩阵，确定空心型村落以及中心型村落；

本发明实施例中，作为一可选实施例，依据加权标准评价矩阵，确定空心型村落以及中心型村落，包括：

针对加权标准评价矩阵中的每一列，提取该列最大值，依据提取的每列最大值构建中心型村落，以及，

提取该列最小值，依据提取的每列最小值构建空心型村落。

本发明实施例中，确定空心型村落以及中心型村落，是基于加权标准评价矩阵确定正负理想解的过程，以中心型村落为例，该中心型村落在加权标准评价矩阵中，每列的值均为该列中的最大值。其中，取加权标准评价矩阵中各村落发展特征的最大值(最大加权标准值)，构造正理想解，各正理想解对应的村落构成中心型村落：

本发明实施例中，正理想解表示能够带来最大用电负荷增长的中心型村落。

本发明实施例中，取加权标准评价矩阵中，各村落发展特征的最小值(最小加权标准值)，构造表征较为缺乏用电潜力的空心型村落的负理想解：

B16，基于空心型村落以及中心型村落，获取加权标准评价矩阵中各村落对应的村落发展度。

本发明实施例中，作为一可选实施例，基于空心型村落以及中心型村落，获取加权标准评价矩阵中各村落对应的村落发展度，包括：

提取加权标准评价矩阵中的一村落，计算该村落与空心型村落的空心欧式距离，以及，该村落与中心型村落的中心欧氏距离；

计算空心欧氏距离与中心欧氏距离的比值，得到该村落对应的村落发展度。

本发明实施例中，计算各村落与中心型村落的欧氏距离

本发明实施例中，村落发展度为空心欧氏距离与中心欧氏距离的比值，村落发展度越高的村落，愈趋近中心型村落，因而，在落实相关政策性电网建设投资后，有更大可能拉动电力负荷增长，而村落发展度较低的村落，空心化较为显著。

本发明实施例中，还可以通过其他方法表征村落发展度。

本发明实施例中，获取村落电力消费潜力，包括：

针对每一村落在加权标准评价矩阵中的行，计算该行的加权标准值的和值，得到该村落对应的村落电力消费潜力。

本发明实施例中，作为一可选实施例，利用下式计算村落电力消费潜力：

式中，

ECP

本发明实施例中，在加权标准评价矩阵中，针对村落所在的行，计算该行中所有列的标准化值的和值，得到该村落的电力消费潜力，以量化由多个村落发展特征共同决定的村落电力消费的潜在规模或水平。

本发明实施例中，作为一可选实施例，利用生长曲线函数，针对每一村落，对村落发展度及电力消费潜力进行拟合，得到电力消费潜力曲线，其中，生长曲线函数如下：

本发明实施例中，针对每一村落，依据计算得到的村落电力消费潜力以及村落发展度，进行拟合，求取生长曲线函数中的δ、α、β、γ，已知δ、α、β、γ值的生长曲线函数为电力消费潜力曲线，为预测由相关政策性电网建设带来的电力负荷增量提供依据。

步骤103，依据电力消费潜力曲线的上拐点、下拐点以及村落发展度，确定该村落的村落类型；

本发明实施例中，作为一可选实施例，依据电力消费潜力曲线的上拐点、下拐点以及村落发展度，确定该村落的村落类型，包括：

获取目标村落的空心欧氏距离与中心欧氏距离的目标比值，以及，电力消费潜力曲线的上拐点的横坐标值、下拐点的横坐标值；

若目标比值大于或等于上拐点的横坐标值，确定目标村落为中心型村落；

若目标比值大于或等于下拐点的横坐标值而小于上拐点的横坐标值，确定目标村落为成长型村落；

若目标比值小于下拐点的横坐标值，确定目标村落为衰减型村落。

本发明实施例中，通过对电力消费潜力曲线的上拐点(T

步骤104，依据确定的村落类型，进行电力负荷刚性需求预测以及电力负荷弹性需求预测，得到预测的电力负荷。

本发明实施例中，以农业生产为主导的村级电网的中长期电力负荷增长的主要影响因素包括：由居民生产生活决定的电力负荷刚性需求因素以及受“煤改电”等政策性电网建设拉动的电力负荷弹性增长因素。因而，中长期电力负荷预测包括：电力负荷刚性需求预测以及电力负荷弹性需求预测。

本发明实施例中，根据电力消费潜力曲线对村落类型进行划分后，针对不同村落类型的村落，逐类进行电力负荷刚性需求预测。

本发明实施例中，作为一可选实施例，依据确定的村落类型，进行电力负荷刚性需求预测，包括：

C11，提取待预测村落各的负荷预测元变量对应的数据集，进行主成分分析，得到所述待预测村落的主因素以及主因素权重；

本发明实施例中，针对某一村落类型的村落，依据负荷预测元变量对应的数据集，进行主成分分析，确定影响电力负荷的主因素及对应权重；

C12，获取所述待预测村落的每一主因素分别对应的历史数据，利用等权平均组合预测法，获取该主因素的未来预测值；

本发明实施例中，获取主因素第1～(t-1)年的历史数据，采用以灰色预测和多元线性回归为核心的等权平均组合预测法，计算该主因素的未来预测值。

C13，利用综合岭回归和Lasso回归的弹性网络，计算主因素的拟合系数；

本发明实施例中，采用综合岭回归和最小绝对值收敛和选择算子、套索算法(Lasso，Least Absolute Shrinkage and Selection Operator)回归的弹性网络求取拟合系数。

C14，基于主因素权重、主因素的未来预测值以及主因素的拟合系数，预测电力负荷刚性需求。

本发明实施例中，作为一可选实施例，利用下式预测电力负荷刚性需求：

式中，

u

f

s为主因素的数量。

本发明实施例中，作为一可选实施例，依据确定的村落类型，进行电力负荷弹性需求预测，包括：

D11，获取待评价村落的居民户数、电力消费潜力以及依据电网建设政策决定的户均负荷标准；

D12，计算所述居民户数、电力消费潜力以及户均负荷标准的乘积，得到所述电力负荷弹性需求预测。

本发明实施例中，由于村级电网的电力负荷弹性需求主要由“煤改电”等政策性电网建设拉动，存在以下特点：首先，由不同的政策决定的户均建设标准是已知的，例如，对于煤改电工程，电采暖设备的选型基本决定了户均取暖负荷的限值。其次，电力负荷弹性需求没有历史用电数据可以参考，影响其大小的主要因素是由用户历史用能水平表现出来的用电潜力。

本发明实施例中，获取待评价村落的电力消费潜力，是利用主因素的具体取值而非前述的离散化值，计算村落发展度，并根据影响各主因素的相关政策数据，例如，依据限制作物、限采、禁采、南水北调等水利政策确定对应主因素的弹性系数，进而利用电力消费潜力曲线求取该待评价村落的电力消费潜力，并利用下式计算电力负荷弹性需求

式中，

ECP为待评价村落的电力消费潜力；

P

h

本发明实施例中，基于近邻传播聚类算法，对确定的村落发展特征所包含的电力负荷预测元变量进行归类，并离散化村落发展特征的取值；基于村落发展特征的离散化取值，获取村落发展度以及电力消费潜力曲线，对电力消费潜力曲线和村落发展度进行拟合，依据拟合的曲线，进行村落类型划分，依据划分的村落类型，进行中长期电力负荷预测。从而考虑影响村级电力负荷的诸多因素以及国家政策的影响，利用因子分析法对影响村级电力负荷的因素进行细粒度分析，使得细粒度分析得到的电力负荷预测元变量更能反映电力负荷需求；并考虑相关政策的影响，提出电力负荷弹性需求的计算方法，可进行村级电力负荷的预测，将影响电力负荷的客观因素与政策性指标相结合，有效避免忽略国家政策而导致的预测偏差以及粒度较大引起的电力需求预测准确性不高的问题，可以更好地指导村级电网投资。

图2示出了本发明实施例所提供的基于电力消费潜力曲线预测电力负荷的装置结构示意图。如图2所示，该装置包括：

数据采集模块201，用于采集电力负荷预测数据，对采集的电力负荷预测数据进行粒度细化，得到电力负荷预测元变量，对得到的电力负荷预测元变量进行因子分析，得到村落发展特征；

本发明实施例中，作为一可选实施例，电力负荷预测元变量包括：户籍人口、户籍人口变化率、常住人口、常住人口变化率、常住人口/户籍人口、常住人口/户籍人口变化率、年轻人口占比、老年人口占比、耕地面积、人均耕地、农排机井数、自备井数、降雨量、农作物种类、灌溉方式、水利政策、配变总容量、年用电量、人均配变容量以及人均用电量。

本发明实施例中，作为一可选实施例，村落发展特征包括：规模特征、成长性特征、流动性特征、平衡性特征以及节能水平特征，其中，规模特征对应的电力负荷预测元变量包括：常住人口、耕地面积、农排机井数、配变总容量以及年用电量，成长性特征对应的电力负荷预测元变量包括：年轻人口占比以及老年人口占比，流动性特征对应的电力负荷预测元变量包括：常住人口变化率以及常住人口/户籍人口变化率，平衡性特征对应的电力负荷预测元变量包括：常住人口/户籍人口、人均耕地、人均配变容量以及人均用电量，节能水平特征对应的电力负荷预测元变量包括：农作物种类、灌溉方式以及水利政策。

曲线生成模块202，用于基于村落发展特征对应的电力负荷预测元变量，获取村落发展度以及电力消费潜力，拟合村落发展度以及电力消费潜力，得到电力消费潜力曲线；

本发明实施例中，作为一可选实施例，曲线生成模块202包括：

离散化单元(图中未示出)，用于对村落发展特征对应的电力负荷预测元变量包含的负荷预测元变量数据集进行离散化处理，得到村落发展特征的离散化取值；

曲线获取单元，用于基于村落发展特征的离散化取值，获取村落发展度以及村落电力消费潜力；

曲线拟合单元，用于拟合村落发展度以及电力消费潜力，得到电力消费潜力曲线。

本发明实施例中，作为一可选实施例，离散化单元包括：

数据点子单元，用于针对每一村落发展特征，以该村落发展特征对应的电力负荷预测元变量包含的负荷预测元变量数据集的取值为数据点，得到该村落发展特征的数据集；

初始化子单元，用于设置偏向参数以及预设条件，初始化数据集的相似度矩阵、吸引度矩阵、归属度矩阵；

迭代子单元，用于对初始化的吸引度矩阵和归属度矩阵进行迭代更新，直到迭代更新得到的聚类中心满足预设条件，得到初选聚类中心；

聚类子单元，用于计算初选聚类中心中，数据点对应的吸引度矩阵的吸引度和归属度矩阵的归属度的和值，获取和值大于零的数据点，得到终选聚类中心；

离散化子单元，用于依据终选聚类中心对应的数据点的取值，得到每一村落对应的村落发展特征的离散化取值。

曲线获取单元包括：

矩阵构建子单元，用于依据各村落发展特征的离散化取值，构建村落发展度评价矩阵；

归一化子单元，用于对村落发展度评价矩阵进行标准化处理；

权重获取子单元，用于依据标准化处理的村落发展度评价矩阵，获取村落发展特征对应的村落发展特征权重；

加权子单元，用于基于村落发展特征权重以及标准化处理后的村落发展度评价矩阵，构建加权标准评价矩阵；

类型确定子单元，用于依据加权标准评价矩阵，确定空心型村落以及中心型村落；

发展度计算子单元，用于基于空心型村落以及中心型村落，获取加权标准评价矩阵中各村落对应的村落发展度。

本发明实施例中，作为一可选实施例，依据加权标准评价矩阵，确定空心型村落以及中心型村落，包括：

针对加权标准评价矩阵中的每一列，提取该列最大值，依据提取的每列最大值构建中心型村落，以及，

提取该列最小值，依据提取的每列最小值构建空心型村落。

本发明实施例中，作为一可选实施例，基于空心型村落以及中心型村落，获取加权标准评价矩阵中各村落对应的村落发展度，包括：

提取加权标准评价矩阵中的一村落，计算该村落与空心型村落的空心欧式距离，以及，该村落与中心型村落的中心欧氏距离；

计算空心欧氏距离与中心欧氏距离的比值，得到该村落对应的村落发展度。

本发明实施例中，作为一可选实施例，获取所述村落电力消费潜力，包括：

针对每一村落在所述加权标准评价矩阵中的行，计算该行的加权标准值的和值，得到该村落对应的村落电力消费潜力。

村落类型确定模块203，用于依据电力消费潜力曲线的上拐点、下拐点以及村落发展度，确定该村落的村落类型；

本发明实施例中，作为一可选实施例，村落类型确定模块203包括：

值获取单元，用于获取目标村落的空心欧氏距离与中心欧氏距离的目标比值，以及，电力消费潜力曲线的上拐点的横坐标值、下拐点的横坐标值；

村落类型判断单元，若目标比值大于或等于上拐点的横坐标值，确定目标村落为中心型村落；

若目标比值大于或等于下拐点的横坐标值而小于上拐点的横坐标值，确定目标村落为成长型村落；

若目标比值小于下拐点的横坐标值，确定目标村落为衰减型村落。

预测模块204，用于依据确定的村落类型，进行电力负荷刚性需求预测以及电力负荷弹性需求预测，得到预测的电力负荷。

本发明实施例中，作为一可选实施例，预测模块204包括：

主成分分析单元，用于提取待预测村落各的负荷预测元变量对应的数据集，进行主成分分析，得到所述待预测村落的主因素以及主因素权重；

主因素预测单元，用于获取所述待预测村落的每一主因素分别对应的历史数据，利用等权平均组合预测法，获取该主因素的未来预测值；

拟合系数获取单元，用于利用综合岭回归和Lasso回归的弹性网络，计算主因素的拟合系数；

电力负荷刚性需求预测单元，用于基于主因素权重、主因素的未来预测值以及主因素的拟合系数，预测电力负荷刚性需求。

本发明实施例中，作为另一可选实施例，预测模块204还包括：

弹性需求参数获取单元，用于获取待评价村落的居民户数、电力消费潜力以及依据电网建设政策决定的户均负荷标准；

电力负荷弹性需求预测单元，用于计算所述居民户数、电力消费潜力以及户均负荷标准的乘积，得到所述电力负荷弹性需求预测。

如图3所示，本申请一实施例提供了一种计算机设备300，用于执行图1中的基于电力消费潜力曲线预测电力负荷的方法，该设备包括存储器301、处理器302及存储在该存储器301上并可在该处理器302上运行的计算机程序，其中，上述处理器302执行上述计算机程序时实现上述基于电力消费潜力曲线预测电力负荷的方法的步骤。

具体地，上述存储器301和处理器302能够为通用的存储器和处理器，这里不做具体限定，当处理器302运行存储器301存储的计算机程序时，能够执行上述基于电力消费潜力曲线预测电力负荷的方法。

对应于图1中的基于电力消费潜力曲线预测电力负荷的方法，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述基于电力消费潜力曲线预测电力负荷的方法的步骤。

具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述基于电力消费潜力曲线预测电力负荷的方法。

在本申请所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。