一种基于时间序列的区域电量预测方法与流程

1.本发明涉及电量预测技术领域，特别涉及一种基于时间序列的区域电量预测方法。


背景技术：

2.时间序列(或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列，时间序列分析的主要目的是根据已有的历史数据对未来进行预测，经济数据中大多数以时间序列的形式给出，根据观察时间的不同，时间序列中的时间可以是年份、季度、月份或其他任何时间形式；
3.时间序列分解法是数年来一直非常有用的方法,这种方法包括谱分析、时间序列分析和傅立叶级数分析等，时间序列y可以表示为以上四个因素的函数，即：
4.yt＝f(tt,st,ct,it)，
5.时间序列分解的方法有很多，较常用的模型有加法模型和乘法模型。
6.加法模型为：yt＝tt+st+ct+it；
7.目前，现有的区域电量预测方法在使用时，只能根据以往的用电情况进行预测，其只能分析不同时间段的用电情况，而无法分析除时间以外的其他因素，但是，决定用电量的因素很多，如天气，不同的天气需要损坏的电量不同，如天气冷的时候需要电能通电产热，天热的时候需要通电制冷，以及节假日、不同区域发生的事件，导致预测电量的与时间电量出现偏差，为此，我们提出一种基于时间序列的区域电量预测方法。


技术实现要素：

8.(一)解决的技术问题
9.针对现有技术的不足，本发明提供了一种基于时间序列的区域电量预测方法，解决上述背景技术中存在的技术问题。
10.(二)技术方案
11.为实现以上目的，本发明通过以下技术方案予以实现：
12.一种基于时间序列的区域电量预测方法，该预测方法包括：
13.用户分类：根据用户的用电情况对用户进行分类；
14.影响因素：获取影响因素，计算各个因素和用电量的基尼系数；
15.电量拆解：从区域内根据用户分类，统计类型将电量拆解为周期电量，趋势电量，和影响因子；
16.因素预测：线性回归预测影响因素中各个影响因子；
17.预测电量：将影响因子值输入到sarimax中，计算预测电量。
18.优选的，所述用户分类过程中，对用户的分类方法包括：
19.分类方法一：新增用户，遗失用户，大电量用户，留存用户。
20.优选的，所述用户分类过程中，对用户的分类方法还包括：
21.分类方法二：根据产业结构作分类。
22.优选的，所述影响因素过程中，影响因素包含事件、温度、节假日、湿度、下雨量，电价类型。
23.优选的，所述电量拆解过程中，拆解包括以下步骤：
24.(1)、从区域内根据用户分类方法一，统计历史各个类型用电量；
25.(2)、从(1)拆解之后的留存用户，根据基尼系数计算各个影响因素的电量。
26.(3)、从(1)里面的留存用户，结合(2)计算用户的电量，再根据周期和趋势拆解电量。
27.优选的，所述电量拆解过程中，拆解还包括以下步骤：
28.(4)、剩余的电量使用sarimax对其进行拆解分为趋势电量，周期电量，以及随机波动电量。
29.优选的，所述因素预测过程中，需要先获取该区域一年以上的用电数据，用电数据包括用电量以及用电量的时长。
30.优选的，该预测方法还包括以下步骤：
31.电量存储：根据预测电量存储相应的电量，并分配电量。
32.(三)有益效果
33.一是，通过综合不同用户的用电情况以及用户所属的产业结构对用户进行分类，能够更加准确的预测出用户的用电情况，方便及时的进行处理与调整；
34.二是，通过在将各种影响因素放入到线性回归中进行检测，之后再将检测得到的因子值送入到sarimax中，从而得到最真实的电量损耗情况；
35.三是，通过在根据预测电量的数据安排存储相应的电量，再根据预测结果对电能进行分配，提高电能输送的及时性与准确性。
附图说明
36.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
37.图1为本发明一种基于时间序列的区域电量预测方法的流程图。
具体实施方式
38.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，所描述的实施例仅仅是本发明的一部分实施例，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作出创造性劳动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。此外，下文为了描述方便，所引用的“上”、“下”、“左”、“右”等于附图本身的上、下、左、右等方向一致，下文中的“第一”、“第二”等为描述上加以区分，并没有其他特殊含义。
39.针对现有技术中存在的问题，参照图1所示，本发明提供一种基于时间序列的区域电量预测方法，该预测方法包括：
40.用户分类：根据用户的用电情况对用户进行分类，所述用户分类过程中，对用户的分类方法包括：
41.分类方法一：新增用户，遗失用户，大电量用户，留存用户；
42.分类方法二：根据产业结构作分类；
43.影响因素：获取影响因素，计算各个因素和用电量的基尼系数，影响因素包含事件、温度、节假日、湿度、下雨量，电价类型；
44.电量拆解：从区域内根据用户分类，统计类型将电量拆解为周期电量，趋势电量，和影响因子，拆解包括以下步骤：
45.(1)、从区域内根据用户分类方法一，统计历史各个类型用电量；
46.(2)、从(1)拆解之后的留存用户，根据基尼系数计算各个影响因素的电量。
47.(3)、从(1)里面的留存用户，结合(2)计算用户的电量，再根据周期和趋势拆解电量；
48.(4)、剩余的电量使用sarimax对其进行拆解分为趋势电量，周期电量，以及随机波动电量；
49.因素预测：线性回归预测影响因素中各个影响因子，需要先获取该区域一年以上的用电数据，用电数据包括用电量以及用电量的时长；
50.预测电量：将影响因子值输入到sarimax中，计算预测电量；
51.电量存储：根据预测电量存储相应的电量，并分配电量。
52.使用时，先将区域内的用户分成新增用户，遗失用户，大电量用户以及留存用户，并根据该分类结果，统计历史各个类型用电量，再从各个类型的用电量里面的留存用户，按照产业结构拆解，拆分后，再根据基尼系数拆解各个影响因素的电量，剩余的电量使用sarimax对其进行拆解分为趋势电量，周期电量，以及随机波动电量。
53.获取影响因素，计算各个因素和用电量的基尼系数，影响因素包含事件、温度、节假日、湿度、下雨量，再由线性回归预测影响因素中各个影响因子，在预测前，先获取该区域一年以上的用电数据，其中，用电数据包括用电量以及用电量的时长，最后，将影响因子值输入到sarimax中，计算预测电量，从而预测电量的含量。
54.分配电量时，根据预测电量事先存储相应的电量，在使用时，提前提高用户的用电电压，使得用户电压升高，方便后续用电器的使用，在非正常使用时，减小用户的用电电压，从而减小电能的损耗。
55.实施例
56.步骤一：用户分类方法一：新增用户，遗失用户，大电量用户，留存用户；
57.步骤二：用户分类方法二:根据产业结构作分类；
58.步骤三：影响因素：事件，温度，节假日，湿度，下雨量，电价类型，并计算以上因素和用电量的基尼系数；
59.步骤四：电量拆解1:从区域内根据用户分类方法一，统计历史各个类型用电量；
60.电量拆解2:从拆解电量1里面的留存用户，继续根据用户分类方法二拆解；
61.电量拆解3:从2拆解之后在根据基尼系数拆解各个影响因素的电量；
62.电量拆解4:剩余的电量使用sarimax对其进行拆解分为趋势电量，周期电量，以及随机波动电量。
63.步骤五：未来因素预测，线性回归预测步骤三里面的各个影响因子；
64.步骤六：输入步骤五里面的影响因子值，计算预测电量。
65.本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本专利所必须的。
66.本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
67.以上公开的仅为本专利的具体实施场景，但是，本专利并非局限于此，任何本领域的技术人员能思之的变化都应落入本专利的保护范围。

技术特征：
1.一种基于时间序列的区域电量预测方法，其特征在于，该预测方法包括：用户分类：根据用户的用电情况对用户进行分类；影响因素：获取影响因素，计算各个因素和用电量的基尼系数；电量拆解：从区域内根据用户分类，统计类型将电量拆解为周期电量，趋势电量，和影响因子；因素预测：线性回归预测影响因素中各个影响因子未来的值；预测电量：将影响因子值输入到sarimax中，计算预测电量。2.根据权利要求1所述的一种基于时间序列的区域电量预测方法，其特征在于：所述用户分类过程中，对用户的分类方法包括：分类方法一：新增用户，遗失用户，大电量用户，留存用户。分类方法二：根据产业结构作分类。3.根据权利要求1所述的一种基于时间序列的区域电量预测方法，其特征在于：所述影响因素过程中，影响因素包含事件、温度、节假日、湿度、下雨量，电价类型。4.根据权利要求3所述的一种基于时间序列的区域电量预测方法，其特征在于：所述电量拆解过程中，拆解包括以下步骤：(1)、从区域内根据用户分类方法一，统计历史各个类型用电量；(2)、从(1)拆解之后的留存用户，根据基尼系数计算各个影响因素的电量。(3)、从(1)里面的留存用户，结合(2)计算用户的电量，再根据周期和趋势拆解电量。5.根据权利要求1所述的一种基于时间序列的区域电量预测方法，其特征在于：所述因素预测过程中，需要先获取该区域一年以上的用电数据，用电数据包括用电量以及用电量的时长。6.根据权利要求1所述的一种基于时间序列的区域电量预测方法，其特征在于：该预测方法还包括以下步骤：电量存储：根据预测电量存储相应的电量，并分配电量。

技术总结
本发明公开了一种基于时间序列的区域电量预测方法，该预测方法包括：用户分类：根据用户的用电情况对用户进行分类；影响因素：获取影响因素，计算各个因素和用电量的基尼系数；电量拆解：从区域内根据用户分类，统计类型用电量；因素预测：线性回归预测影响因素中各个影响因子；预测电量：将影响因子值输入到SARIMAX中预测电量。本发明所述的一种基于时间序列的区域电量预测方法，一是，通过综合不同用户的用电情况以及用户所属的产业结构对用户进行分类，能够更加准确的预测出用户的用电情况，方便及时处理与调整；二是，通过在将各种影响因素放入到线性回归中进行检测，之后再将检测得到的因子值送入到SARIMAX中，从而得到最真实的电量损耗情况。到最真实的电量损耗情况。到最真实的电量损耗情况。


技术研发人员：邵航建 胡晓毅 彭娟 宋迪
受保护的技术使用者：杭州致成电子科技有限公司
技术研发日：2022.02.11
技术公布日：2022/5/25