一種業擴淨增容量對售電量的影響分析方法及裝置與流程
2023-05-14 16:21:56
本發明涉及售電量預測技術領域，更具體的，涉及一種業擴淨增容量對售電量的影響分析方法及裝置。
背景技術：
售電量預測是電力市場中的一項基本工作，準確的售電量預測，為供電企業提供營銷決策支持，對於指導發電廠、輸配電網的合理運行，推動電力市場的發展及建設都具有十分重要的意義。目前許多學者提出了售電量預測方法，涉及的算法有神經網絡、svm、灰度預測算法等，這些研究關注的往往是算法的複雜性以及溫度、節假日、經濟等外部的影響因素等，忽視了對售電市場自身規律深層次的探索。
業擴報裝(簡稱「業擴」)是用戶申請用電到實際用電的過程中電力企業業務流程的總稱，業擴淨增容量(指業擴新裝增容容量減去業擴減容銷戶容量)與用戶用電水平具有緊密的聯繫。業擴報裝業務從用電根源處反映了外在環境對電量市場的影響，同時也是將大客戶及電力企業綁定供用電關係的首要環節。因此，量化業擴報裝業務對電量市場的影響是從用電根源處把握電力市場變動的關鍵。
深入剖析業擴淨增容量與售電量的關係，形成業擴淨增容量對售電量的影響分析方法，對電網公司的經營決策具有重要的現實意義。目前的研究主要存在兩個問題：一是僅從用戶角度業擴數據衡量對售電量的影響，不能體現出行業的業擴數據對整個行業售電量的影響；二是業擴淨增容量和售電量數據未考慮x13季節調整，不能剔除溫度、節假日等因素對售電量趨勢的影響。
技術實現要素：
有鑑於此，本發明提供了一種業擴淨增容量對售電量的影響分析方法及裝置，融合了x13季節調整、動態時間規整和生長曲線，用以計算業擴淨增容量導致的售電量的變化量，提高了售電量預測的準確性。
具體技術方案如下：
一種業擴淨增容量對售電量的影響分析方法，包括：
獲取預設類型用戶在目標時間段的售電量數據和業擴淨增容量數據；
依據x13季節調整，對所述售電量數據和所述業擴淨增容量數據分別進行分解，得到預設類型用戶在目標時間段的售電量趨勢項和業擴淨增容量趨勢項；
根據所述預設類型用戶在目標時間段的售電量趨勢項和業擴淨增容量趨勢項，基於動態時間規整法，計算所述預設類型用戶的業擴淨增容量的前導期數；
計算所述預設類型用戶在目標時間段中每個月的運行小時數，並根據所述預設類型用戶在目標時間段中每個月的運行小時數、售電量數據、業擴淨增容量數據和業擴淨增容量的前導期數，構建所述預設類型用戶的業擴淨增容量生長曲線模型；
基於所述預設類型用戶的業擴淨增容量生長曲線模型，獲得所述預設類型用戶在目標時間段中每個月份的負荷投運比例；
分別計算所述預設類型用戶在目標時間段中每個月份的負荷投運比例、業擴淨增容量和平均運行小時數的乘積，得到所述預設類型用戶中業擴淨增容量對每個月份售電量的影響值。
優選的，所述預設類型用戶包括第一產業、第二產業、第三產業和城鄉居民。
優選的，所述根據所述預設類型用戶在目標時間段的售電量趨勢項和業擴淨增容量趨勢項，基於動態時間規整法，計算所述預設類型用戶的業擴淨增容量的前導期數，包括：
定義所述預設類型用戶在目標時間段的售電量趨勢項序列{qi|i∈1,2,...,k}和業擴淨增容量趨勢項序列{ni|i∈1,2,...,k}，其中，k為所述目標時間段的月數；
利用動態時間規整法，分別計算所述預設類型用戶的售電量趨勢項序列中各個售電量趨勢項與業擴淨增容量趨勢項序列中各個業擴淨增容量趨勢項之間的最短規整路徑d(n,q)；
定義niqi為業擴淨增容量趨勢項前導售電趨勢項i個月，將niqi在最短規整路徑中出現的次數定義為ci，將ci的最大值確定為所述預設類型用戶的業擴淨增容量的前導期數l，l＝max{ci|i＝0,1,...,12}。
優選的，所述計算所述預設類型用戶在目標時間段中每個月的運行小時數，並根據所述預設類型用戶在目標時間段中每個月的運行小時數、售電量數據、業擴淨增容量數據和業擴淨增容量的前導期數，構建所述預設類型用戶的業擴淨增容量生長曲線模型，包括：
計算所述預設類型用戶在目標時間段中每個月的售電量和運行容量的比值，作為所述預設類型用戶在目標時間段中每個月的運行小時數；
根據所述預設類型用戶在目標時間段中每個月的運行小時數、售電量數據、業擴淨增容量數據和業擴淨增容量的前導期數，構建目標函數其中，a＞0,b＞0,p＞0,inb/p＝l，t(i)為第i月的運行小時數，δq(i)為i月的售電量的環比變化量，a(i)為i月的業擴淨增容量，k為業擴淨增容量的前導期數，n為所述目標時間段中的月數；
利用非線性優化算法對所述目標函數進行求解，得到係數a、b和p的值；
根據係數a、b和p的值，構建預設類型用戶的業擴淨增容量生長曲線模型。
優選的，所述方法還包括：
根據所述預設類型用戶的當前月份的上一月份的售電量與業擴淨增容量對當前月份售電量的影響值，預測所述預設類型用戶的當前月份的售電量。
一種業擴淨增容量對售電量的影響分析裝置，包括：
第一獲取單元，用於獲取預設類型用戶在目標時間段的售電量數據和業擴淨增容量數據；
分解單元，用於依據x13季節調整，對所述售電量數據和所述業擴淨增容量數據分別進行分解，得到預設類型用戶在目標時間段的售電量趨勢項和業擴淨增容量趨勢項；
第一計算單元，用於根據所述預設類型用戶在目標時間段的售電量趨勢項和業擴淨增容量趨勢項，基於動態時間規整法，計算所述預設類型用戶的業擴淨增容量的前導期數；
構建單元，用於計算所述預設類型用戶在目標時間段中每個月的運行小時數，並根據所述預設類型用戶在目標時間段中每個月的運行小時數、售電量數據、業擴淨增容量數據和業擴淨增容量的前導期數，構建所述預設類型用戶的業擴淨增容量生長曲線模型；
第二獲取單元，用於基於所述預設類型用戶的業擴淨增容量生長曲線模型，獲得所述預設類型用戶在目標時間段中每個月份的負荷投運比例；
第二計算單元，用於分別計算所述預設類型用戶在目標時間段中每個月份的負荷投運比例、業擴淨增容量和平均運行小時數的乘積，得到所述預設類型用戶中業擴淨增容量對每個月份售電量的影響值。
優選的，所述預設類型用戶包括第一產業、第二產業、第三產業和城鄉居民。
優選的，所述第一計算單元包括：
定義子單元，用於定義所述預設類型用戶在目標時間段的售電量趨勢項序列{qi|i∈1,2,…,k}和業擴淨增容量趨勢項序列{ni|i∈1,2,...,k}，其中，k為所述目標時間段的月數；
第一計算子單元，用於利用動態時間規整法，分別計算所述預設類型用戶的售電量趨勢項序列中各個售電量趨勢項與業擴淨增容量趨勢項序列中各個業擴淨增容量趨勢項之間的最短規整路徑d(n,q)；
確定子單元，用於定義niqi為業擴淨增容量趨勢項前導售電趨勢項i個月，將niqi在最短規整路徑中出現的次數定義為ci，將ci的最大值確定為所述預設類型用戶的業擴淨增容量的前導期數l，l＝max{ci|i＝0,1,...,12}。
優選的，所述構建單元包括：
第二計算子單元，用於計算所述預設類型用戶在目標時間段中每個月的售電量和運行容量的比值，作為所述預設類型用戶在目標時間段中每個月的運行小時數；
第一構建子單元，用於根據所述預設類型用戶在目標時間段中每個月的運行小時數、售電量數據、業擴淨增容量數據和業擴淨增容量的前導期數，構建目標函數其中，a＞0,b＞0,p＞0,inb/p＝l，t(i)為第i月的運行小時數，δq(i)為i月的售電量的環比變化量，a(i)為i月的業擴淨增容量，k為業擴淨增容量的前導期數，n為所述目標時間段中的月數；
求解子單元，用於利用非線性優化算法對所述目標函數進行求解，得到係數a、b和p的值；
第二構建子單元，用於根據係數a、b和p的值，構建預設類型用戶的業擴淨增容量生長曲線模型。
優選的，所述裝置還包括：
預測單元，用於根據所述預設類型用戶的當前月份的上一月份的售電量與業擴淨增容量對當前月份售電量的影響值，預測所述預設類型用戶的當前月份的售電量。
相對於現有技術，本發明的有益效果如下：
本發明提供了一種基於生長曲線的業擴淨增容量對售電量的影響分析方法及裝置，以第一產業、第二產業、第三產業和城鄉居民的角度研究業擴淨增容量對售電量的影響，融合了x13季節調整、動態時間規整和生長曲線，用以計算業擴淨增容量導致的售電量的變化量，提高了售電量預測的準確性，為電網調度、運行提供了強有力的技術支撐。
附圖說明
為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。
圖1為本發明實施例公開的一種業擴淨增容量對售電量的影響分析方法流程圖；
圖2為電網公司2013年1月份到2016年9月份第二產業售電量x13分解結果示意圖；
圖3為電網公司2013年1月份到2016年9月份第一、二、三產業及城鄉居民的業擴淨增容量與售電量的原始值、趨勢項之間的相關係數對比示意圖；
圖4為本發明實施例公開的一種業擴淨增容量對售電量的影響分析方法流程圖；
圖5為本發明實施例公開的一種業擴淨增容量對售電量的影響分析裝置結構示意圖。
具體實施方式
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
請參閱圖1，本實施例公開了一種業擴淨增容量對售電量的影響分析方法，具體包括以下步驟：
s101：獲取預設類型用戶在目標時間段的售電量數據和業擴淨增容量數據；
需要說明的是，所述預設類型用戶包括第一產業、第二產業、第三產業和城鄉居民，從不同類型行業，及城鄉居民用戶的角度分析業擴淨增容量對售電量的影響。
其中，可以根據實際分析需要，預先對目標時間段進行設定，以便獲取預設類型用戶在目標時間段的售電量數據和業擴淨增容量數據，目標時間段一般包括多個相鄰的月份。
s102：依據x13季節調整，對所述售電量數據和所述業擴淨增容量數據分別進行分解，得到預設類型用戶在目標時間段的售電量趨勢項和業擴淨增容量趨勢項；
x13季節調整是美國人口普查局d.findley等人以加拿大統計局x-11-arima方法為基礎開發的模型，包含x13分解算法及reg-arima模塊，可以實現對時間序列季節分解及預測，其基本思路是採用中心化移動加權平均法逐項分解，通過多次迭代及分解完成，更能準確地對時間序列進行分解。其中，趨勢項反映了時間序列的長期趨勢性變動；季節項反映時間序列在不同年份相同月份季節周期變化；隨機項反映時間序列非季節項的氣象等其他不規律變化。
本實施例為了剔除季節、溫度等隨機因素對售電量的影響，利用x13季節調整對售電量和業擴淨增容量數據進行分解。
例如，選取電網公司2013年1月份到2016年9月份的第一、二、三產業及城鄉居民的售電量數據和業擴淨增容量數據，如圖2所示，利用x13季節調整對第二產業售電量進行分解，售電量的季節項以周期性變化反映了售電量受到季節因素的影響；售電量的隨機項相對於售電量原始值的比重較小，反映了溫度等隨機因素的影響。
對選取的第一、二、三產業及城鄉居民的售電量數據和業擴淨增容量數據分別做x13分解，得到第一、二、三產業及城鄉居民的售電量趨勢項與業擴淨增容量趨勢項。分別計算第一、二、三產業及城鄉居民的售電量趨勢項與業擴淨增容量趨勢項的相關係數以及售電量原始值與業擴淨增容量原始值之間的相關係數，對比結果如圖3所示。從圖3中可以看出，第一、二、三產業與城鄉居民的業擴淨增容量原始值及售電量原始值的相關係數普遍小於其趨勢項之間的相關係數，剔除季節、溫度等隨機因素的影響後，業擴淨增容量趨勢項及售電量趨勢項之間的相關關係很強。本實施例通過業擴淨增容量趨勢項及售電量趨勢項來研究業擴淨增容量對售電量的影響分析。
s103：根據所述預設類型用戶在目標時間段的售電量趨勢項和業擴淨增容量趨勢項，基於動態時間規整法，計算所述預設類型用戶的業擴淨增容量的前導期數；
具體的，請參閱圖4，s103的執行過程如下：
s201：定義所述預設類型用戶在目標時間段的售電量趨勢項序列{qi|i∈1,2,...,k}和業擴淨增容量趨勢項序列{ni|i∈1,2,...,k}，其中，k為所述目標時間段的月數；
可以理解的是，k同時也為序列的長度。
s202：利用動態時間規整法，分別計算所述預設類型用戶的售電量趨勢項序列中各個售電量趨勢項與業擴淨增容量趨勢項序列中各個業擴淨增容量趨勢項之間的最短規整路徑d(n,q)；
s203：定義niqi為業擴淨增容量趨勢項前導售電趨勢項i個月，將niqi在最短規整路徑中出現的次數定義為ci，將ci的最大值確定為所述預設類型用戶的業擴淨增容量的前導期數l，l＝max{ci|i＝0,1,...,12}。
基於動態時間規整法進行前導性研究，不需要進行數據移動，動態時間規整法自動尋找最短規整路徑，然後統計最短路徑的前導眾數，將前導眾數最為最終的前導值。
s104：計算所述預設類型用戶在目標時間段中每個月的運行小時數，並根據所述預設類型用戶在目標時間段中每個月的運行小時數、售電量數據、業擴淨增容量數據和業擴淨增容量的前導期數，構建所述預設類型用戶的業擴淨增容量生長曲線模型；
具體的，s104的執行過程如下：
計算所述預設類型用戶在目標時間段中每個月的售電量和運行容量的比值，作為所述預設類型用戶在目標時間段中每個月的運行小時數；
具體的，運行小時數的計算公式為t(i)＝q(i)/r(i)，其中，t(i)為i月的運行小時數，q(i)為i月的售電量，r(i)為i月的運行容量。
根據所述預設類型用戶在目標時間段中每個月的運行小時數、售電量數據、業擴淨增容量數據和業擴淨增容量的前導期數，構建目標函數其中，a＞0,b＞0,p＞0,inb/p＝l，t(i)為第i月的運行小時數，δq(i)為i月的售電量的環比變化量，a(i)為i月的業擴淨增容量，k為業擴淨增容量的前導期數，n為所述目標時間段中的月數；
利用非線性優化算法對所述目標函數進行求解，得到係數a、b和p的值；
根據係數a、b和p的值，構建預設類型用戶的業擴淨增容量生長曲線模型。
需要說明的是，係數a、b和p的值影響業擴淨增容量生長曲線中s形函數的形狀，
s105：基於所述預設類型用戶的業擴淨增容量生長曲線模型，獲得所述預設類型用戶在目標時間段中每個月份的負荷投運比例；
具體的，負荷投運比例wt，t∈{1,2,...,l}為前導的月份對當月的影響權重，由上述前導性研究發現到生長曲線至第l月到達穩定，此時的投運比例wl＝1，再利用生長曲線計算前幾個月的投運比例
s106：分別計算所述預設類型用戶在目標時間段中每個月份的負荷投運比例、業擴淨增容量和平均運行小時數的乘積，得到所述預設類型用戶中業擴淨增容量對每個月份售電量的影響值。
具體的，所述預設類型用戶中業擴淨增容量對每個月份售電量的影響值的計算公式為：其中，為業擴淨增容量對i月售電量的影響值，為平均運行小時數，a為業擴淨增容量，wi為i月的負荷投運比例。
需要說明的是，售電量是由運行容量與業擴淨增容量共同決定的，根據業擴淨增容量對每個月份售電量的影響值，可以對當前月份的售電量進行預測，具體的，根據所述預設類型用戶的當前月份的上一月份的售電量與業擴淨增容量對當前月份售電量的影響值，預測所述預設類型用戶的當前月份的售電量。
具體計算公式為：
其中，qi為第i月的售電量，k為業擴淨增容量的前導期數，t(j)為第j月的運行小時數，wj為第j月的負荷投運比例，aj為第j月的業擴淨增容量。
本實施例提供了一種業擴淨增容量對售電量的影響分析方法，獲取電網公司售電量數據和業擴淨增容量數據，基於x13季節調整對售電量數據和業擴淨增容量數據分別進行分解，得到第一、第二、第三產業及城鄉居民的售電量趨勢項和業擴淨增容量趨勢項，基於動態時間規整法，計算第一、第二、第三產業及城鄉居民的業擴淨增容量的前導期數，根據運行容量及售電量數據計算出第一、第二、第三產業及城鄉居民的運行小時，將前導期數作為生長曲線的穩定時間，構建第一、第二、第三產業及城鄉居民的業擴淨增容量生長曲線模型，最後基於業擴淨增容量生長曲線模型獲得每個月的負荷投運比例，從而量化業擴淨增容量對售電量的影響。
請參閱圖5，基於上述實施例公開的業擴淨增容量對售電量的影響分析方法，本實施例對應公開了一種業擴淨增容量對售電量的影響分析裝置，包括：
第一獲取單元101，用於獲取預設類型用戶在目標時間段的售電量數據和業擴淨增容量數據；
具體的，所述預設類型用戶包括第一產業、第二產業、第三產業和城鄉居民。
分解單元102，用於依據x13季節調整，對所述售電量數據和所述業擴淨增容量數據分別進行分解，得到預設類型用戶在目標時間段的售電量趨勢項和業擴淨增容量趨勢項；
第一計算單元103，用於根據所述預設類型用戶在目標時間段的售電量趨勢項和業擴淨增容量趨勢項，基於動態時間規整法，計算所述預設類型用戶的業擴淨增容量的前導期數；
具體的，所述第一計算單元103包括：
定義子單元，用於定義所述預設類型用戶在目標時間段的售電量趨勢項序列{qi|i∈1,2,...,k}和業擴淨增容量趨勢項序列{ni|i∈1,2,...,k}，其中，k為所述目標時間段的月數；
第一計算子單元，用於利用動態時間規整法，分別計算所述預設類型用戶的售電量趨勢項序列中各個售電量趨勢項與業擴淨增容量趨勢項序列中各個業擴淨增容量趨勢項之間的最短規整路徑d(n,q)；
確定子單元，用於定義niqi為業擴淨增容量趨勢項前導售電趨勢項i個月，將niqi在最短規整路徑中出現的次數定義為ci，將ci的最大值確定為所述預設類型用戶的業擴淨增容量的前導期數l，l＝max{ci|i＝0,1,...,12}。
構建單元104，用於計算所述預設類型用戶在目標時間段中每個月的運行小時數，並根據所述預設類型用戶在目標時間段中每個月的運行小時數、售電量數據、業擴淨增容量數據和業擴淨增容量的前導期數，構建所述預設類型用戶的業擴淨增容量生長曲線模型；
具體的，所述構建單元104包括：
第二計算子單元，用於計算所述預設類型用戶在目標時間段中每個月的售電量和運行容量的比值，作為所述預設類型用戶在目標時間段中每個月的運行小時數；
第一構建子單元，用於根據所述預設類型用戶在目標時間段中每個月的運行小時數、售電量數據、業擴淨增容量數據和業擴淨增容量的前導期數，構建目標函數其中，a＞0,b＞0,p＞0,inb/p＝l，t(i)為第i月的運行小時數，δq(i)為i月的售電量的環比變化量，a(i)為i月的業擴淨增容量，k為業擴淨增容量的前導期數，n為所述目標時間段中的月數；
求解子單元，用於利用非線性優化算法對所述目標函數進行求解，得到係數a、b和p的值；
第二構建子單元，用於根據係數a、b和p的值，構建預設類型用戶的業擴淨增容量生長曲線模型。
第二獲取單元105，用於基於所述預設類型用戶的業擴淨增容量生長曲線模型，獲得所述預設類型用戶在目標時間段中每個月份的負荷投運比例；
第二計算單元106，用於分別計算所述預設類型用戶在目標時間段中每個月份的負荷投運比例、業擴淨增容量和平均運行小時數的乘積，得到所述預設類型用戶中業擴淨增容量對每個月份售電量的影響值。
需要說明的是，售電量是由運行容量與業擴淨增容量共同決定的，根據業擴淨增容量對每個月份售電量的影響值，可以對當前月份的售電量進行預測，所述業擴淨增容量對售電量的影響分析裝置還包括：
預測單元，用於根據所述預設類型用戶的當前月份的上一月份的售電量與業擴淨增容量對當前月份售電量的影響值，預測所述預設類型用戶的當前月份的售電量。
本實施例提供了一種業擴淨增容量對售電量的影響分析裝置，獲取電網公司售電量數據和業擴淨增容量數據，基於x13季節調整對售電量數據和業擴淨增容量數據分別進行分解，得到第一、第二、第三產業及城鄉居民的售電量趨勢項和業擴淨增容量趨勢項，基於動態時間規整法，計算第一、第二、第三產業及城鄉居民的業擴淨增容量的前導期數，根據運行容量及售電量數據計算出第一、第二、第三產業及城鄉居民的運行小時，將前導期數作為生長曲線的穩定時間，構建第一、第二、第三產業及城鄉居民的業擴淨增容量生長曲線模型，最後基於業擴淨增容量生長曲線模型獲得每個月的負荷投運比例，從而量化業擴淨增容量對售電量的影響。
對所公開的實施例的上述說明，使本領域專業技術人員能夠實現或使用本發明。對這些實施例的多種修改對本領域的專業技術人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發明的精神或範圍的情況下，在其它實施例中實現。因此，本發明將不會被限制於本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的範圍。