基于指标筛选与气温校正的工业替代电量预测方法和系统与流程

1.本发明属于用电领域，本发明涉及一种基于指标筛选与气温校正的工业替代电量预测方法和系统。


背景技术：

2.替代电量预测是电力系统运行的一项重要基础性工作，而工业替代电量占据了全社会替代电量的重要位置。由于工业替代电量受到经济与气温等诸多因素的影响，在预测时往往需要考虑较多的预测指标，而过多的预测指标容易造成预测模型的过拟合问题。传统方法通常采用经验判断或显著性检验等手段筛选预测指标来进行预测。然而，这两种方式均存在一定的局限性：前者受主观观点的影响较大，容易出现漏选和误选的问题；后者虽然表面上解决了这些问题，但仍然是从原始的影响因素中选取预测指标，而每个影响因素均具有预测能力强弱不同的有用信息，简单地摈弃任意一个因素会造成预测信息不同程度的损失。另外，传统方法往往将气温和经济指标简单地直接置于预测模型中同等对待，忽视了工业替代电量主要受经济影响且只有超出某个范围的过高或过低的气温才会对替代电量构成明显影响的现实情况。


技术实现要素：

3.针对现有技术的不足，本发明提供一种基于指标筛选与气温校正的工业替代电量预测方法，包括：
4.获取行业需求变量和气温数据；
5.将所述行业需求变量和气温数据，输入预先构建的工业替代电量预测模型得到对应的工业替代电量的最终预测值；
6.其中，所述工业替代电量预测模型是基于行业需求对用电量需求结合经济预测确定替代电量并利用气温的影响对替代电量进行修订而构建的。
7.优选的，所述工业替代电量预测模型的构建，包括：
8.获取某个历史时间段的历史数据和所述历史时间段内的区域气温；
9.基于处理后的所述某个历史时间段的历史数据，通过套索算法模型，构建工业替代电量经济预测模型；
10.对所述工业替代电量经济预测模型计算获得用电量预测值；
11.将历史数据中的用电量数据减去所述用电量预测值得到历史拟合误差；
12.将区域气温进行平均处理，得到当期月平均气温；
13.以所述历史拟合误差为因变量，以当期月平均气温、当期月平均气温的平方、代表一年中各个月份的哑变量为自变量，建立工业替代电量预测误差的气温校正模型；
14.所述工业替代电量经济预测模型和工业替代电量预测误差的气温校正模型共同构成工业替代电量预测模型；
15.其中，所述历史数据，包括：被研究区域内的工业替代电量数据、用电量数据、所有
工业行业的需求变量数据、被研究区域内的气象站点气温数据，各行业当月同比ppi数据、各行业环比ppi数据以及全部工业品环比ppi数据。
16.优选的，基于处理后的所述某个历史时间段的历史数据，通过套索算法模型，所述构建工业替代电量经济预测模型，包括：
17.将所述获取的历史数据按照主营业务收入不变价进行处理，得到不变价数据；
18.将所述不变价数据，通过主营业务收入标准化处理，获得所有主成分；
19.将所述主成分的上一年同期滞后项作为自变量；
20.将工业用电量作为因变量；
21.将所述自变量和因变量，通过交叉验证方法确定惩罚因子；
22.基于所述惩罚因子，从所述自变量中进行预测指标筛选，得到所述用电量经济预测模型所需的相关预测指标；
23.拟合所述用电量经济预测模型所需的相关预测指标和所述因变量，得到所述获得工业替代电量经济预测模型；
24.其中，主成分为多个反映互不相关信息的指标。
25.优选的，所述主营业务不变价进行处理，包括：
26.设定基年，利用各行业当月同比ppi数据获得在所述基年的不变价主营业务收入；
27.设定基月，利用各行业环比ppi数据将基年不变价主营业务收入进一步处理为基月不变价数据；
28.用全部工业品环比ppi数据代替某行业的环比ppi缺失数据。
29.优选的，所述基于所述惩罚因子，进行预测指标筛选，包括：
30.建立最小绝对值收敛和选择算子套索算法模型；
31.利用套索算法模型中的惩罚因子，对预测指标进行筛选，得到所述用电量经济预测模型所需的相关预测指标。
32.优选的，所述将区域气温进行平均处理，包括：
33.对所研究区域的设定时刻气温数据、或各地区同时刻所有气象站点的气温数据或各地区同时刻所有气象站点的气温数据分别求平均气温；
34.然后将各地区平均气温进行加权计算，其中权重为各地区用电量占整个区域总用电量的比例。
35.优选的，所述将所述行业需求变量和气温数据，输入预先构建的工业替代电量预测模型得到对应的工业替代电量的最终预测值，包括：
36.将所述行业需求变量，输入工业替代电量经济预测模型，得到下一年各月份工业替代电量的初步预测值；
37.将初步预测值和所述气温校正模型估计的各月份平均误差量输入气温校正模型；
38.利用所述气温校正模型估计的各月份平均误差量对所述初步预测值进行校正，获得下一年各月份工业替代电量的最终预测值。
39.基于同一发明构思，本发明还提供了一种基于指标筛选与气温校正的工业替代电量预测系统，包括：获取模块和预测模块；
40.所述获取模块，用于获取行业需求变量和气温数据；
41.所述预测模块，用于将所述行业需求变量和气温数据，输入预先构建的工业替代
电量预测模型得到对应的工业替代电量的最终预测值；
42.其中，所述工业替代电量预测模型是基于行业需求对用电量需求结合经济预测确定替代电量并利用气温的影响对替代电量进行修订而构建的。
43.优选的，所述工业替代电量预测模型，包括：工业替代电量经济预测模型和气温校正模型；
44.所述工业替代电量经济预测模型的构建包括：获取历史时间段的历史数据和所述历史时间段内的区域气温；基于处理后的所述历史时间段的历史数据，通过套索算法模型，构建工业替代电量经济预测模型；
45.所述气温校正模型的构建包括：对所述工业替代电量经济预测模型计算获得用电量预测值；历史数据中的用电量数据减去所述用电量预测值得到历史拟合误差；将区域气温进行平均处理，得到当期月平均气温；以所述历史拟合误差为因变量，以当期月平均气温、当期月平均气温的平方、代表一年中各个月份的哑变量为自变量，建立工业替代电量预测误差的气温校正模型；
46.其中，所述历史数据，包括：被研究区域内的工业替代电量数据、用电量数据、所有工业行业的需求变量数据、被研究区域内的气象站点气温数据，各行业当月同比ppi数据、各行业环比ppi数据以及全部工业品环比ppi数据。
47.优选的，所述系统部署于电能服务管理平台上。
48.本发明具有的有益效果：
49.本发明涉及一种基于指标筛选与气温校正的工业替代电量预测方法和系统，包括：获取行业需求变量和气温数据；将所述行业需求变量和气温数据，输入预先构建的工业替代电量预测模型得到对应的工业替代电量的最终预测值；其中，所述工业替代电量预测模型是基于行业需求对用电量需求结合经济预测确定替代电量并利用气温的影响对替代电量进行修订而构建的，因而合理的将气温和经济指标置于同一个预测模型中提高了预测准确度；
附图说明
50.图1；为本发明提供的一种基于指标筛选与气温校正的工业替代电量预测方法流程图；
51.图2为本发明提供的一种基于指标筛选与气温校正的工业替代电量预测模型系统示意图；
52.图3为本发明提供的一种基于指标筛选与气温校正的工业替代电量预测系统图。
具体实施方式
53.下面结合附图对本发明的具体实施方式作进一步的详细说明。
54.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的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
55.实施例1
56.本发明提供了一种基于指标筛选与气温校正的工业替代电量预测方法，如图1所
示，包括：
57.步骤一：获取行业需求变量和气温数据；
58.步骤二：将所述行业需求变量和气温数据，输入预先构建的工业替代电量预测模型得到对应的工业替代电量的最终预测值；
59.气温对用电量具有显著影响，但降水影响不大，因此本发明建立了以行业需求变量(主营业务收入)为主并考虑气象因素的月度工业替代电量预测模型，称为基于预测指标筛选和气象校正的月度工业替代电量预测模型，为工业替代电量提供了一种科学的预测手段。
60.本发明包括数据采集、数据预处理、主成分分析、预测指标筛选和基于气温的预测值校正几个步骤。
61.本发明利用主成分分析将工业行业主营业务收入转换为反映互不相关信息的主成分，并将其提供给最小绝对值收敛和选择算子模型进行预测指标筛选，便于保留有利于提高预测性能的有用信息，解决了预测指标选取的主观性强和丢失有用信息的问题。
62.对于图2刻画的一种基于指标筛选与气温校正的工业替代电量预测模型系统示意图，下面做出几点详细说明以方便理解：
63.1)系统中的第三步是可以省略的，此时将不对主营业务收入进行主成分分析，则第四步中直接对工业行业主营业务收入进行lasso筛选。
64.2)系统中的第六步中的气象因素校正是可以省略的，此时得到的预测值是没有经过气温校正的。
65.3)需要指出的是各行业主营业务收入的不变价处理具体方式是：由于国家统计局在2013年以后才公布各行业的环比ppi数据，因此以2014年或以后的某一年为基年，首先利用各行业的当月同比ppi数据计算获得其在基年的不变价主营业务收入，然后令基年的某一个月为基月，利用各行业的环比ppi数据(若该行业没有环比数据，用全部工业品环比ppi数据代替)将基年不变价主营业务收入处理为基月不变价数据。
66.4)所研究区域内的月平均气温是通过平均该区域在相应月份各时刻气温所得到的，各时刻气温的具体定义是：如果所研究区域是不分地区(省份)的，那么将同时刻所有气象站点的气温数据进行简单平均即为整个区域在该时刻的气温；如果所研究区域是分地区(省份)的，那么首先对各地区同时刻所有气象站点的气温数据进行简单平均，然后对所得到的地区平均气温进行加权平均即为整个区域在该时刻的气温，其中权重是各地区用电量占整个区域总用电量的比例。
67.5)在利用主成分分析计算所有主成分时，需要将各工业行业不变价主营业务收入进行标准化处理(使其均值为0、标准差为1)以消除各行业规模对模拟序列波动的影响。
68.6)之所以使用所有主成分的上一年同期滞后项作为预测变量，是因为在对未来一年的用电量进行预测时，未来一年的各行业同期主营业务收入是未知的，故使用建立当期用电量与滞后一年的经济信息的映射关系的方法来建立预测模型。
69.7)在建立该预测模型的过程中，通过交叉验证的方法选取lasso中固有的惩罚因子，使得预测值在偏差与方差之间找到一个平衡点以提高预测准确度。
70.8)所得到的历史拟合误差序列等于历史用电量数据序列的真实值减去由工业替代电量经济预测模型计算获得的拟合值。
71.9)建立的非线性回归模型的因变量是上述所得的历史拟合误差序列，自变量包
括：常数项、当期月平均气温、当期月平均气温的平方、代表一年中各个月份的哑变量。对工业替代电量经济预测模型未来一年各月份的用电量预测值的校正方式是某月份的用电量预测值加上由气温校正模型得到的该月份所有误差值的平均值。
72.10)系统中所涉及到的工业行业及其标记如表1所示。
73.表1工业行业划分及其标记
74.[0075][0076]
本发明所建立的考虑气象因素的工业替代电量预测模型由以下步骤构成。
[0077]
(1)历史数据采集
[0078]
获取被研究区域内的月度工业替代电量数据、用电量数据、所有工业行业的月度主营业务收入数据、被研究区域内的气象站点气温数据；
[0079]
获取各工业行业ppi数据即生产者价格指数数据，ppi数据包括各行业当月同比ppi数据、各行业环比ppi数据以及全部工业品环比ppi数据。
[0080]
(2)数据预处理
[0081]
包括主营业务收入不变价处理和区域内月平均气温计算。首先，主营业务收入不变价处理。对所有工业行业的主营业务收入数据进行不变价处理，以某一年为基年，首先利用各行业当月同比ppi数据获得其在基年的不变价主营业务收入，然后令基年的某一个月为基月，利用各行业环比ppi数据将基年不变价主营业务收入进一步处理为基月不变价数据，若某行业的环比ppi数据缺失，则用全部工业品环比ppi数据代替；
[0082]
其次，区域内月平均气温计算。平均区域内相应月份中各时刻气温，其中某时刻气温的具体定义为：若所研究区域是不分地区或省份的，则同时刻所有气象站点的气温数据的简单平均即为所研究区域的该时刻气温；若所研究区域是分地区或省份的，则首先对各地区同时刻所有气象站点的气温数据分别进行简单平均，然后将各地区平均气温进行加权平均即为所研究区域的该时刻气温，其中权重为各地区用电量占整个区域总用电量的比例。
[0083]
(3)主成分分析
[0084]
将步骤(2)得到的各工业行业不变价主营业务收入进行标准化处理，以使其均值为0且标准差为1，从而消除各行业的规模对序列波动模拟的影响，然后将标准化后的数据
进行主成分分析，获得工业行业不变价主营业务收入的所有主成分。
[0085]
(4)用电量经济预测模型构建
[0086]
以工业替代电量为因变量，以工业行业主营业务收入的主成分的去年同期滞后项为自变量即预测指标，建立最小绝对值收敛和选择算子lasso模型，并利用交叉验证方法确定其中的惩罚因子，实现对预测指标的筛选，从而构建了工业替代电量经济预测模型。
[0087]
(5)各月份平均误差量估计
[0088]
利用步骤(4)所建立的工业替代电量经济预测模型对工业替代电量历史数据进行拟合，然后将历史用电量数据序列减去同期拟合值，获得历史拟合误差序列；以历史拟合误差为因变量，以当期月平均气温、当期月平均气温的平方、代表一年中各个月份的哑变量为自变量，通过构建非线性回归模型，建立工业替代电量预测误差的气温校正模型并计算获得各月份的平均误差量。
[0089]
(6)预测与校正
[0090]
使用步骤(4)得到的工业替代电量经济预测模型计算未来一年各月份工业替代电量的初步预测值，然后利用步骤(5)中由气温校正模型估计的各月份平均误差量对其进行校正，获得未来一年各月份工业替代电量的最终预测值。
[0091]
该预测方法的优势在于以下两点：
[0092]
第一，在步骤(4)中，用电量经济预测模型采用lasso对预测指标进行筛选，以解决因预测指标过多而造成的过拟合问题，其中参与筛选的预测指标并非工业行业主营业务收入本身，而是一系列由主成分分析转换工业行业主营业务收入得到的代表互不相关信息的主成分，便于剔除无用信息，避免了因直接筛选和剔除主营业务收入本身所造成的有用信息损失。
[0093]
第二，步骤(6)中的预测与校正，利用气温校正模型估计的各月份平均误差量对经济预测模型计算的用电量初步预测值进行校正，建立了以经济预测为主、气温校正为辅的预测框架，其中气温校正模型引入了月平均气温的平方，以充分体现气温与用电量之间的非线性关系，利于进一步提高预测准确度。
[0094]
本发明利用非线性回归建立经济预测模型的误差与气温之间的非线性映射关系，构建以经济预测为主、气温校正为辅的预测框架，客观反映了超出一定范围的过高或过低的气温对工业替代电量的影响机理，利于提高预测准确度。
[0095]
实施例2
[0096]
本发明还提供了一种基于指标筛选与气温校正的工业替代电量预测系统，如图3所示，由于这个系统解决技术问题的原理与一种基于指标筛选与气温校正的工业替代电量预测方法相似，重复之处不再赘余。包括：获取模块和预测模块；
[0097]
所述获取模块，用于获取行业需求变量和气温数据；
[0098]
所述预测模块，用于将所述行业需求变量和气温数据，输入预先构建的工业替代电量预测模型得到对应的工业替代电量的最终预测值；
[0099]
其中，所述工业替代电量预测模型是基于行业需求对用电量需求结合经济预测确定替代电量并利用气温的影响对替代电量进行修订而构建的。
[0100]
优选的，所述工业替代电量预测模型，包括：工业替代电量经济预测模型和气温校正模型；
[0101]
所述工业替代电量经济预测模型的构建包括：获取历史时间段的历史数据和所述历史时间段内的区域气温；基于处理后的所述历史时间段的历史数据，通过套索算法模型，构建工业替代电量经济预测模型；
[0102]
所述气温校正模型的构建包括：对所述工业替代电量经济预测模型计算获得用电量预测值；历史数据中的用电量数据减去所述用电量预测值得到历史拟合误差；将区域气温进行平均处理，得到当期月平均气温；以所述历史拟合误差为因变量，以当期月平均气温、当期月平均气温的平方、代表一年中各个月份的哑变量为自变量，建立工业替代电量预测误差的气温校正模型；
[0103]
其中，所述历史数据，包括：被研究区域内的工业替代电量数据、用电量数据、所有工业行业的需求变量数据、被研究区域内的气象站点气温数据，各行业当月同比ppi数据、各行业环比ppi数据以及全部工业品环比ppi数据。
[0104]
其中，基于指标筛选与气温校正的工业替代电量预测系统部署于电能服务管理平台上。
[0105]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0106]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0107]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0108]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0109]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。