一种基于波形的特征的售电量预测方法及系统与流程

1.本发明涉及电力市场电量预测技术领域，具体地，涉及一种基于波形的特征的售电量预测方法及系统。


背景技术：

2.随着现在社会的飞速发展，各行各业的用电量急剧增加，节能减排是我们国家研究的一项重大课题。因此，对售电量的预测就显得尤为重要了。在电力市场营销中，售电量是其中的一项重要内容，不断改进电量预测方法，提高预测精度对电力企业具有重要意义。通过对售电量的预测分析，电力企业可以合理安排资源，避免过度浪费，这对推动电力市场的发展和建设都具有十分重要的意义。影响售电量的因素有很多，如经济形势变化、天气变化、节假日效应影响等。
3.目前进行售电量预测使用的方法主要有：回归线性法、小波分析法和人工神经网络法等。大多数研究都是针对外在不确定因素，提高售电公司售电量的预测精度，却没有考虑用户数量，许多现有模型都存在训练时间过长，计算量较大等缺点。公告号为cn 109190820 a，名称为一种考虑用户流失率的电力市场售电量深度预测方法的专利文献，提出了一种基于生存分析的电力用户流失率计算方法，该方法在售电量预测精度方面有明显提高，但由于涉及到的用户数量庞大，导致计算效率下降。公告号为cn 112435054 a，名称为基于广义最大相关熵准则的核极限学习机售电量预测方法的专利文献，提出了使用广义最大相关熵准则作为预测模型的代价函数，预测效果更好，但由于数据量大，模型训练时间较长。


技术实现要素：

4.为解决上述问题，本公开提出了一种基于波形的特征的售电量预测方法。
5.本发明是这样实现的，一种基于波形的特征的售电量预测方法，包括：获取历史温度-时间函数变化曲线和历史售电量-时间函数变化曲线；根据预设周期内待预测时间段前4天的温度-时间的变化曲线，确认所述温度-时间变化曲线的温度特征值；根据预设周期内待预测时间段前4天的售电量-时间变化曲线，确定所述售电量-时间变化曲线的电量相似度；根据所述温度特征值和电量相似度确认售电量变化率；根据所述售电量变化率计算出预测电量；进一步地，所述温度-时间的变化曲线，温度为一天之内的有效温度，所述有效温度的计算，包括：取一天之内最高温度和最低温度的平均值;进一步地，确认所述温度-时间变化曲线的温度特征值；包括：根据所述售电量-时间变化曲线，可拟合出3种不同情形下的曲线函数，根据所述确定温度与时间的温度
特征值；温度特征值即为曲线函数对应的斜率;存在三种情况：当为一次函数时，对应变化率为；当为二次函数时，对应变化率为a、b；当为三次函数时，对应变化率为a、b、c;进一步地，根据预测周期内待预测时间段前4天的售电量-时间变化曲线，包括：根据所述售电量-时间变化曲线，可拟合出3种不同情形下的曲线函数；进一步地，确定所述售电量-时间变化曲线的电量相似度；包括：从当前时间节点开始，向所述历史售电量-时间函数变化曲线的横坐标轴向左推进，获取待对比波形，依次对待对比波形与所述售电量-时间变化曲线进行波形相似度计算，获取相似度最高的波形，设为；所述波形相似度计算，公式如下：其中p为波形相似值，a、b、c、d对应所述的常量，所述、、、对应所述待对比波形的常量，当p最低时，表明波形相似度最高；将所述p作为电量相似度；所述依次对待对比波形与所述售电量-时间变化曲线进行波形相似度计算之前，先对所述待对比波形与所述售电量-时间变化曲线进行函数次数对比，若所述函数次数相同，则进行波形相似度计算；若次数不同，则选取时间节点向左的波形作为待对比波形。
6.其中，所述36，设定范围，30《《40、优选为36；10《 《20、优选为14，0《 《10、优选为3。
7.进一步地，根据所述电量相似度和温度特征值确认售电量变化率；包括：确定电量相似度最小，同时温度变化率正负值对应相似的波形，作为参考波形；根据所述参考波形，确认售电量变化率。
8.进一步地，售电量变化率为：所述为所述参考波形t0时间点对应的售电量，所述为t0 1天对应的售电量；一种基于波形的特征的售电量预测系统，其特征在于，包括:数据获取模块：用于获取历史温度、历史售电量数据，形成历史温度-时间函数变化曲线和历史售电量-时间函数变化曲线；特征计算模块：用于根据待预测时间段前四天的温度-时间的变化曲线和售电量-时间变化曲线分别计算温度特征值和电量相似度电量预测模块：用于根据所述温度特征值和电量相似度确认售电量变化率；根据所述售电量变化率计算出预测电量。
9.其中，特征计算模块包括：温度特征值计算模块，用于根据所述温度-时间变化曲线确定所述温度特征值；
电量相似度计算模块，用于根据所述售电量-时间变化曲线确定所述电量相似度；售电量变化率计算模块，用于根据所述温度特征值和所述电量相似度确定售电量变化率；所述售电量变化率计算模块，具体包括从当前时间节点开始，向所述历史售电量-时间函数变化曲线的横坐标轴向左推进，依次对波形图像函数进行波形相似度的计算，获取相似度最高的波形；根据所述相似度最高的波形，确定波形相似度。
10.本发明的有益效果是：本发明采用回归线性法，通过考虑温度的影响，再根据历史的售电量数据，画出图像，根据图像的波形特征来预测售电量。相较于现有技术中大多数主流方法相比，本发明采用的方法对于数据量的要求较低，实现时间较短，计算量减小，可以降低电力企业的成本，具有简单高效等优点。
附图说明
11.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
12.为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
13.图1是本公开实施例提供的一种基于波形的特征的售电量预测方法的流程图。
14.图2是本公开实施例提供的一种基于波形的特征的售电量预测系统的结构示意图。
15.图3是本公开实施例提供的一种特征计算模块的结构示意图。
具体实施方式
16.为了使本发明要解决的技术问题、技术方案和优点更加清楚，下面结合附图对本发明的较佳实施例进行详细阐述,更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚的界定。
17.参见图1所示，本发明提供的一种基于波形的特征的售电量预测方法，该方法可以由一种售电量预测设备来执行。该售电量预测设备可以示例性的理解为诸如平板电脑、笔记本电脑、台式机等具有计算功能的设备。该方法可以通过历史的温度与售电量数据获取售电量变化率，并通过售电量变化率计算预测后的电量，如图1所示，本实施例提供的方法包括如下步骤：s1、获取历史温度-时间函数变化曲线和历史售电量-时间函数变化曲线。
18.在本公开实施例中，售电量数据来源于社区变电站管辖区内当前月度的售电量，温度数据来源于历史天气网（http://lishi.tianqi.com）上进行获取。
19.s2、根据预设周期内待预测时间段前4天的温度-时间的变化曲线，确认所述温度-时间变化曲线的温度特征值；具体的，所述根据预设周期内待预测时间段前4天的温度-时间的变化曲线步骤中，天数的选择包括但不限于4天，本发明采用4天的理由在于，由4天的数据可以准确囊括预设周期内的温度与时间的周期规律；
所述周期规律包括：温度随时间变化呈一次函数变化、温度随时间呈二次函数变化、温度随时间呈三次函数变化；所述的历史温度-时间函数变化曲线，将所要预测的时间节点的天气根据温度t分为极端天气和非极端天气：非极端天气：13℃《t《26℃极端天气：t》26℃或者t《13℃获取历史温度，根据过去四天的有效温度t1、t2、t3、t4，其中，所述有效温度为一天之内最高温度和最低温度的平均值；s2.1若待检测时间节点的天气为非极端天气，直接通过过去四天的售电量进行预测；参考图1所示，以一般工商业用电为例：例如：在3月13、14、15、16日周期内对应的售电量为429、436、410、340度，根据时间和售电量初步拟合出售电量的函数，。根据波形的特征可以直接预测出售电量。
20.s2.2若待检测时间节点的天气为极端天气：根据预测周期时间段前4天内有效温度和时间得到曲线函数，可拟合出三种不同情况下的曲线：（1）=（2）= （3）= 当为一次函数时，温度特征值为函数的斜率k；当为二次函数时，斜率、即为所求温度特征值；当为三次函数时，、、即为所求函数特征值，具体情况视曲线函数而定。
21.最后根据曲线函数绘制温度-时间函数变化曲线。
22.s3根据预设周期内待预测时间段前4天的售电量-时间变化曲线，确定所述售电量-时间变化曲线的电量相似度；具体的，本发明采用4天的数据理由同上。
23.获取历史售电量，根据预测周期内待检测时间段前四天的售电量w1、w2、w3、w4和时间可拟合出3种不同情形下的曲线函数；（1）= （2）= （3）= 根据曲线函数画出售电量-时间变化曲线；从当前时间结点开始，向所述函数变化曲线的横坐标向左推进，获取待对比波形，依次对待对比波形与所述售电量-时间变化曲线进行波形相似度计算；获取相似度最高的波形，设为：波形相似度计算公式为：
其中p为波形相似值，a、b、c、d对应所述的常量，所述、 、 、对应所述待对比波形的常量；当p最低时，表明波形相似度最高；将所述p作为电量相似度；所述依次对待对比波形与所述售电量-时间变化曲线进行波形相似度计算之前，先对所述待对比波形与所述售电量-时间变化曲线进行函数次数对比，若所述函数次数相同，则进行波形相似度计算；若次数不同，则选取时间节点向左的波形作为待对比波形。
24.所述36，设定范围，30《《40、优选为36；10《《20、优选为14；0《《10、优选为3；获取相似度最高的波形；所述波形相似度即为电量相似度；s4根据所述温度特征值和电量相似度确认售电量变化率，包括：确定电量相似度最小，同时温度变化率正负值对应相似的波形，作为参考波形；根据所述参考波形，确认历史售电量变化率；所述历史售电量变化率为其中：表示所述参考波形t0时间点对应的售电量；表示t0 1天对应的售电量；s5根据所述售电量变化率计算出预测电量；预测电量n=w*（1 ）其中：w为当前售电量为历史售电量变化率下面对本发明实施例提供的一种基于波形的特征的售电量预测系统进行介绍，下文描述的一种基于波形的特征的售电量预测系统与上文描述的一种基于波形的特征的售电量预测方法可互相对应参照。
25.请参考图2，图2为一种基于波形的特征的售电量预测系统的结构框图，该系统可以包括：数据获取模块：用于获取历史温度、历史售电量数据，形成历史温度-时间函数变化曲线和历史售电量-时间函数变化曲线；特征计算模块：用于根据待预测时间段前四天的温度-时间的变化曲线和售电量-时间变化曲线分别计算温度特征值和电量相似度；电量预测模块：用于根据所述温度特征值和电量相似度确认售电量变化率；根据所述售电量变化率计算出预测电量。；进一步的，在上述一种基于波形的特征的售电量预测系统中，特征计算模块的结构框图如图3所示，包括：温度特征值计算模块，用于根据所述温度-时间变化曲线确定所述温度特征值；电量相似度计算模块，用于根据所述售电量-时间变化曲线确定所述电量相似度；
售电量变化率计算模块，用于根据所述温度特征值和所述电量相似度确定售电量变化率；所述售电量变化率计算模块，具体包括从当前时间节点开始，向所述历史售电量-时间函数变化曲线的横坐标轴向左推进，依次对波形图像函数进行波形相似度的计算，获取相似度最高的波形；根据所述相似度最高的波形，确定波形相似度。
26.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
27.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。