本发明涉及供电量预测的,特别是涉及一种基于多源数据的供电量预测方法、系统、设备及存储介质。
背景技术:
1、在现代电力系统中,随着经济的发展和人口的增长,电力需求呈现出复杂多变的特点,对供电量预测方法提出了更高的要求,准确预测供电量对于电力系统的规划、调度和运行至关重要,供电量的预测不仅影响到电能的供需平衡,还直接关系到电网的稳定性、经济性和可靠性。
2、现有的供电量预测方法主要包括时间序列分析法、回归分析法、机器学习算法等;然而,这些方法通常只考虑了历史用电数据本身的时间序列特性,而忽略了其他可能影响供电量的外部因素,缺乏对未来供电量变化的提前预测能力,难以适应快速变化的电力市场环境。
技术实现思路
1、为解决上述技术问题,本发明提供一种能够提高供电量预测的准确性和可靠性,还能够增强电力系统的稳定性、经济性和可靠性的基于多源数据的供电量预测方法、系统、设备及存储介质。
2、第一方面,本发明提供了基于多源数据分析的供电量预测方法,所述方法包括:
3、基于待预测区域内各个供电单元的历史供电数据记录,生成待预测区域的供电量历史时序表征矩阵;所述供电量历史时序表征矩阵包括各个供电单元中所有用电类别的用电量;
4、获取待预测时间段内各个供电单元所在区域对应的供电环境影响特征;
5、针对各个供电单元的供电环境影响特征,在预先分析得到的供电环境相关系数矩阵中,映射提取与供电单元对应的环境相关系数集合;环境相关系数集合包括供电环境影响特征与供电单元中各个用电类别的用电量之间的相关系数;
6、基于各个供电单元对应的环境相关系数集合,对供电量历史时序表征矩阵进行环境相关校正,获得供电量预测时序表征矩阵;
7、对供电量预测时序表征矩阵进行统计计算,获得待预测区域在待预测时间段内的供电量。
8、进一步地,基于待预测区域内各供电单元的历史供电数据记录,生成待预测区域的供电量历史时序表征矩阵的方法,包括:
9、收集待预测区域内各供电单元的历史供电数据记录;
10、基于预先设定的时间分割规则,对各供电单元的历史供电数据记录进行数据划分,获得若干个历史供电分析窗口;所述时间分割规则是将待预测时间段的时长作为分析周期,并根据分析周期的时长划分为若干个时间窗口,时间窗口与历史供电分析窗口所对应的时长相同;
11、针对每个历史供电分析窗口,分别提取各个供电单元的供电量特征,所述供电量特征包括各用电类别的用电量;
12、将若干个历史供电分析窗口对应的各个供电单元的供电量特征,按时间先后顺序进行序列化调整,并将相同供电单元的供电量特征进行对齐,获得待预测区域的供电量历史时序表征矩阵。
13、进一步地,在所述供电量历史时序表征矩阵中,同一行表示相同历史供电分析窗口内,各个供电单元的供电量特征,同一列表示相同供电单元,在不同历史供电分析窗口内的供电量特征;所述供电量历史时序表征矩阵为:
14、其中, n表示供电单元的数量, t表示时间窗口的数量, c表示用电类别的数量,表示供电单元 n在时间窗口 t内用电类别c的用电量。
15、进一步地,所述环境相关系数集合的获取方法包括:
16、计算每个供电环境影响特征与每个用电类别用电量之间的相关系数;
17、将计算得到的相关系数按照供电环境影响特征和用电类别的对应关系,构建成供电环境相关系数矩阵;
18、根据待预测时间段内各个供电单元所在区域的供电环境影响特征,在供电环境相关系数矩阵中查找对应的行,从而获取该供电单元的环境相关系数;
19、对于每个供电单元,将其对应的所有环境特征与用电类别之间的相关系数提取出来,形成一个环境相关系数集合。
20、进一步地,对供电量历史时序表征矩阵进行环境相关校正的方法,包括:
21、对于待预测时间段内的每个供电单元的供电环境影响特征和对应的环境相关系数集合,进行量化处理;
22、根据量化后的供电环境影响特征和对应的环境相关系数集合,计算每个环境特征对各个用电类别用电量的影响程度;
23、将计算得到的环境特征影响量加到供电量历史时序表征矩阵中相应供电单元和用电类别的用电量上,实现环境相关校正。
24、进一步地,对供电量预测时序表征矩阵进行统计计算的方法,包括:
25、将供电量预测时序表征矩阵中的数据进行整合;
26、对于整合后的数据进行时间序列分析,识别数据中的趋势、季节性模式、周期性和随机波动;
27、对预测时序表征矩阵中的各个供电单元和用电类别的预测数据,通过加权求和来计算整个待预测区域的供电量;
28、在得到预测结果后,对预测结果进行误差评估;
29、将经过验证的预测结果输出。
30、进一步地,所述供电环境影响特征包括气象条件、社会经济因素、用户行为、电力市场因素、电力系统状态以及地理位置信息。
31、另一方面,本技术还提供了基于多源数据分析的供电量预测系统,所述系统包括:
32、数据收集与预处理模块,基于待预测区域内各个供电单元的历史供电数据记录,生成待预测区域的供电量历史时序表征矩阵;所述供电量历史时序表征矩阵包括各个供电单元中所有用电类别的用电量;
33、供电环境特征提取模块,获取待预测时间段内各个供电单元所在区域对应的供电环境影响特征;
34、环境相关系数映射模块,针对各个供电单元的供电环境影响特征,在预先分析得到的供电环境相关系数矩阵中,映射提取与供电单元对应的环境相关系数集合;环境相关系数集合包括供电环境影响特征与供电单元中各个用电类别的用电量之间的相关系数;
35、环境相关校正模块,基于各个供电单元对应的环境相关系数集合,对供电量历史时序表征矩阵进行环境相关校正,获得供电量预测时序表征矩阵;
36、供电量预测模块,对供电量预测时序表征矩阵进行统计计算,获得待预测区域在待预测时间段内的供电量。
37、第三方面,本技术提供了一种电子设备,包括总线、收发器、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,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
38、第四方面,本技术还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
39、与现有技术相比本发明的有益效果为:该方法不仅考虑了历史供电数据的时间序列特性,还融入了供电环境影响特征,综合分析方法能够更全面地反映电力需求的复杂性和多变性,从而提高预测的准确性和可靠性;
40、通过引入供电环境相关系数矩阵,并据此对供电量历史时序表征矩阵进行环境相关校正,能够提前考虑未来供电量可能受到的影响,从而增强了对未来供电量变化的预测能力;
41、面对快速变化的电力市场环境,能够灵活应对;通过不断更新供电环境相关系数矩阵和校正模型,能够确保预测结果始终贴近实际情况,保持预测的准确性和有效性;准确的供电量预测有助于电力系统更好地进行供需平衡、优化资源配置、减少备用容量需求,从而提高电网的稳定性、经济性和可靠性;
42、该方法为电力系统的规划者、调度员和运行人员提供了有力的决策支持工具;通过准确的供电量预测,能够更好地制定发电计划、调整电网结构以及优化运行策略,以提高电力系统的整体性能和效益;
43、综上所述,基于多源数据分析的供电量预测方法在现代电力系统中具有显著的优点和广泛的应用前景;它不仅能够提高供电量预测的准确性和可靠性,还能够增强电力系统的稳定性、经济性和可靠性。
1.一种基于多源数据分析的供电量预测方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于多源数据分析的供电量预测方法,其特征在于,基于待预测区域内各供电单元的历史供电数据记录,生成待预测区域的供电量历史时序表征矩阵的方法,包括:
3.如权利要求2所述的基于多源数据分析的供电量预测方法,其特征在于,在所述供电量历史时序表征矩阵中,同一行表示相同历史供电分析窗口内,各个供电单元的供电量特征,同一列表示相同供电单元,在不同历史供电分析窗口内的供电量特征;所述供电量历史时序表征矩阵为:
4.如权利要求1所述的基于多源数据分析的供电量预测方法,其特征在于,所述环境相关系数集合的获取方法包括:
5.如权利要求1所述的基于多源数据分析的供电量预测方法,其特征在于,对供电量历史时序表征矩阵进行环境相关校正的方法,包括:
6.如权利要求1所述的基于多源数据分析的供电量预测方法,其特征在于,对供电量预测时序表征矩阵进行统计计算的方法,包括:
7.如权利要求1所述的基于多源数据分析的供电量预测方法,其特征在于,所述供电环境影响特征包括气象条件、社会经济因素、用户行为、电力市场因素、电力系统状态以及地理位置信息。
8.一种基于多源数据分析的供电量预测系统,其特征在于,所述系统包括:
9.一种基于多源数据分析的供电量预测电子设备,包括总线、收发器、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,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。