首页> 中国专利> 一种小型售电公司代理用户的月度用电量预测分析方法

一种小型售电公司代理用户的月度用电量预测分析方法

摘要

本发明公开了一种小型售电公司代理用户的月度用电量预测分析方法,包括步骤:将售电公司的代理用户群体记为C,根据类型分为用户群体C1、C2和C3,对于用户群体C1,使用实地调研获取下月生产计划的办法计算下月预测电量,对于用户群体C2,通过PMI计算下月预测电量,对于用户群体C3,计算去年每个月的实际用电量和前年同期实际用电量的相关性,以及去年每个月的实际用电量和上上个月的实际用电量的相关性,取相关性高的用电量值作为下月预测电量,代理用户群体C的月度用电量预测为用户群体C1、C2和C3的下月预测电量之和。本发明解决了现有用电量预测技术不足的问题。

著录项

  • 公开/公告号CN112785118A

    专利类型发明专利

  • 公开/公告日2021-05-11

    原文格式PDF

  • 申请/专利号CN202011549036.7

  • 发明设计人 刘子良;李鹏;余泽鑫;戴登慧;

    申请日2020-12-24

  • 分类号G06Q10/06(20120101);G06Q30/02(20120101);G06Q50/06(20120101);

  • 代理机构32224 南京纵横知识产权代理有限公司;

  • 代理人董建林

  • 地址 211106 江苏省南京市江宁区水阁路39号

  • 入库时间 2023-06-19 10:57:17

说明书

技术领域

本发明属于电网自动化调控技术领域,具体涉及一种小型售电公司代 理用户的月度用电量预测分析方法。

背景技术

2015年3月15日新一轮电改拉开序幕,本轮电改核心内容就是发用电 计划、输配电价、售电侧、电力市场建设、电力交易机构等改革。以建立 健全电力市场机制为主要目标,按照管住中间、放开两头的体制架构,有 序放开输配以外的竞争性环节电价,有序向社会资本放开配售电业务,有 序放开公益性和调节性以外的发用电计划,逐步打破垄断,改变电网企业 统购统销电力的状况,推动市场主体直接交易,引导实现能源资源的大范 围优化配置,加快我国能源转型升级。

在这样的背景下,售电公司成为一种新型的电力市场主体,但是他们 签约能力较弱,代理用户多为数量少电量小的用户。根据广东省2019年的 偏差考核信息公示中,民营售电公司控制用户用电量的能力弱,签约收益 的近60%被偏差考核所扣除,极大影响售电公司的盈利能力。

现有的用电量预测技术不足如下:1)考虑的是在大数据样本下进行的 用电量预测,而我国的售电公司除了个别体量大,满足数据要求,绝大多 数售电公司代理用户体量小,不满足对应的数据测算标准,市面上对小数 据样本的研究办法极少;2)考虑的是单纯的用电量预测办法,没有考虑售 电公司签约用户的特性,即单纯的用电量预测没有对整个用户的签约形成 正负反馈的改进闭环。

发明内容

本发明的目的在于克服现有技术中的不足,提供一种小型售电公司代 理用户的月度用电量预测分析方法,解决了现有用电量预测技术不足的问 题。

本发明提供了如下的技术方案:

一种小型售电公司代理用户的月度用电量预测分析方法,包括以下步 骤:

将售电公司的代理用户群体记为C,收集用户群体C去年和前年每个 月的实际用电量,计算每个用户每年实际用电量的标准差,根据两年的两 组标准差数据计算相关性,若相关性大于0.97,则进行以下月度用电量预 测分析;

将去年标准差较大的前20%用户群体记为C1,在C-C1的用户中,计 算每个用户相对于C-C1的用户群体的相关性,将相关性大于0.9的用户群 体记为C2,剩余用户群体记为C3;

对于用户群体C1,使用实地调研获取下月生产计划的办法计算下月预 测电量;

对于用户群体C2,通过PMI计算下月预测电量;

对于用户群体C3,计算去年每个月的实际用电量和前年同期实际用电 量的相关性,以及去年每个月的实际用电量和上上个月的实际用电量的相 关性,取相关性高的用电量值作为下月预测电量;

代理用户群体C的月度用电量预测为用户群体C1、C2和C3的下月预 测电量之和。

优选的,用户A

式中:

用户A

式中:

所有用户的标准差组成两个数组:

式中:A

计算两个数组的相关性:

式中:Cov(T

如果r≥0.97,则认为样本中用户的历史用电量风险可作为明年的风险 使用,否则认为样本中用户风险不连续,不能作为预测数据来进行使用。

优选的,计算用户群体C1中每个用户的风险溢价,若去年从该用户处 获得的收益不足以覆盖其风险溢价,则考虑放弃该用户。

优选的,用户A

式中:D

用户A

式中:

用户A

式中:

区分相对风险溢价和绝对风险溢价两个值中的较小值

如果

如果

如果

优选的,在C-C1的用户中,计算每个用户同其他用户的相关性,相关 性最大的前三组数据取平均值,即为该用户相对于C-C1的用户群体的相关 性。

优选的,在C-C1的用户中,每个用户相对于C-C1用户群体的相关性 的计算方法包括步骤:

C-C

用户A

计算两个用户的相关性,用户A

式中:

计算整个矩阵,得到:

剔除矩阵中同一个数据和自己相关性的计算值:1,取每个数字前三项 的相关性为该用户实际用电的相关性指标:

式中:large-3代表取数组中最大的前三项的平均值。

优选的,用户群体C

式中:

优选的,用户群体C

用户群体C

式中:横行为每个月所有用户的实际用电量,竖列为一个用户24个月 的实际用电量:

所有用户每个月的实际用电量均组合为若干数组:

计算Y

式中:

计算整个矩阵,得到:

整理计算结果,得到去年每个月的实际用电量和前年同期实际用电量 的相关性,以及去年每个月的实际用电量和上上个月的实际用电量的相关 性,取相关性高的用电量值作为下月预测电量。

与现有技术相比,本发明的有益效果是:

(1)本发明通过对用电特性进行分类,区别了不同类型的用户,包括 用户群体C1、C2和C3,同时引入度电风险的概念,有助于售电公司理解 风险对冲的基本原理,清晰知道哪些用户可以被作为风险对冲的对象,哪 些用户是需要独立核算收益;

(2)对于用户群体C1,考虑用户群体对用电量的影响未来不确定性 较大,使用实地调研获取下月生产计划的办法计算下月预测电量;

(3)对于用户群体C2,考虑用户之间的关联性通过相关性计算来表 达,这部分用户受到宏观环境的影响较大,引入宏观因子PMI,在一定程 度上,比较单纯的依靠历史数据进行的用电量预测精度上更高;

(4)对于用户群体C3,考虑用户用电特性相对独立,这部分用户通 过参考历史数据来进行用电量的预测,更符合白盒设计思想,用户可清楚 的知道整个预测的过程和原理。

附图说明

图1是本发明的流程示意图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地 说明本发明的技术方案,而不能以此来限制本发明的保护范围。

如图1所示,一种小型售电公司代理用户的月度用电量预测分析方法, 包括以下步骤:

步骤一、将售电公司的代理用户群体记为C,收集用户群体C去年和 前年每个月的实际用电量,计算每个用户每年实际用电量的标准差,根据 两年的两组标准差数据计算相关性,若相关性大于0.97,则进行以下月度 用电量预测分析。

具体的,用户A

式中:

用户A

式中:

所有用户的标准差组成两个数组:

式中:A

计算两个数组的相关性:

式中:Cov(T

如果r≥0.97,则认为样本中用户的历史用电量风险可作为明年的风险 使用,否则认为样本中用户风险不连续,不能作为预测数据来进行使用。

步骤二、将去年标准差较大的前20%用户群体记为C1,计算每个用户 同其他用户的相关性,相关性最大的前三组数据取平均值,即为该用户相 对于C-C1的用户群体的相关性,将相关性大于0.9的用户群体记为C2,剩 余用户群体记为C3。

具体的,在C-C1的用户中,每个用户相对于C-C1用户群体的相关性 的计算方法包括步骤:

C-C

用户A

计算两个用户的相关性,用户A

式中:

计算整个矩阵,得到:

剔除矩阵中同一个数据和自己相关性的计算值:1,取每个数字前三项 的相关性为该用户实际用电的相关性指标:

式中:large-3代表取数组中最大的前三项的平均值;

相关性大于0.9的用户,我们认为是顺宏观因子用户,即为用户群体 C2。

步骤三、对于用户群体C1,使用实地调研获取下月生产计划的办法计 算下月预测电量。

该用户群体对用电量的影响未来不确定性较大,计算用户群体C1中每 个用户的风险溢价,若去年从该用户处获得的收益不足以覆盖其风险溢价, 则考虑放弃该用户。

具体的,用户A

式中:D

用户A

式中:

用户A

式中:

区分相对风险溢价和绝对风险溢价两个值中的较小值

如果

如果

如果

步骤四、对于用户群体C2,通过PMI(城市工业生产指数)计算下月 预测电量。

取用户群体C2,通过国家统计局的数据,我们在本月中下旬就可以查 询到上个月的实际制造业PMI和非制造业PMI,我们根据签约用户的的电 量占比,来计算得到新的PMI,通过这个新的PMI乘以用户月的实际用电 量,来计算用户的下月实际用电量。

根据目前市场的现状,开放了代理用户都是制造业用户,所以直接使 用制造业的PMI来进行计算,如果样本中含有非制造业用户,可将PMI按 照非执照业对应的占比,进行折算。

具体的,用户群体C

式中:

步骤五、对于用户群体C3,计算去年每个月的实际用电量和前年同期 实际用电量的相关性,以及去年每个月的实际用电量和上上个月的实际用 电量的相关性,取相关性高的用电量值作为下月预测电量。

具体的,用户群体C

式中:横行为每个月所有用户的实际用电量,竖列为一个用户24个月 的实际用电量:

所有用户每个月的实际用电量均组合为若干数组:

计算Y

式中:

计算整个矩阵,得到:

整理计算结果,得到去年每个月的实际用电量和前年同期实际用电量 的相关性,以及去年每个月的实际用电量和上上个月的实际用电量的相关 性,取相关性高的用电量值(即表1中每一行较大的值对应的电量类型) 作为下月预测电量。

表1去年每个月的实际用电量和前年同期实际用电量的相关性,以及去年每个月的 实际用电量和上上个月的实际用电量的相关性

步骤六、代理用户群体C的月度用电量预测为用户群体C1、C2和C3 的下月预测电量之和。

以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的 普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干 改进和变形,这些改进和变形也应视为本发明的保护范围。

去获取专利,查看全文>

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号