[发明专利]基于峰谷电量预测的居民用户分布式上网最优选择方法

说明书

本发明公开了基于峰谷电量预测的居民用户分布式上网最优选择方法，解决了电力需求预测精度不高的技术问题，本发明的居民用户分布式上网最优选择方法，包括：S1获取目标用户过去n年中各个季度的峰电量和谷电量，其中n≥4，n为整数；S2根据步骤S1获取的各个季度的峰电量和谷电量预测该目标用户预测期内第m年四个季度的峰电量和谷电量,其中m≥1，m为整数；S3根据步骤S2预测的第m年四个季度峰谷电量确定该目标用户预测期内第m年的全年总电费和全年总电量，得出该目标用户预测期内第m年的年平均电价；S4将目标用户第m年的年平均电价与当前上网电价进行比较，如果年平均电价大于当前上网电价，选择余量上网，如果年平均电价小于当前上网电价，则选择全部上网。

【技术领域】

本发明涉及一种基于峰谷电量预测的居民用户分布式上网最优选择方法。

【背景技术】

分布式上网最优选择基于对用电量的预测，世界各地的电力部门都十分重视电力需求预测工作，设置专门的机构，由经济分析、需电量预测、负荷预测等方面的专业人员来从事电力需求预测工作，常用的定量预测方法有回归分析预测、时间序列预测、趋势外推预测等。回归分析预测是通过对影响因子和用电量的资料数据进行统计，确定用电量和影响因子之间的关系，从而实现电力预测，但用电因子的多样性和某些因子的不可测性，使得回归分析在某种情况下受到限制；时间序列预测的主要内容是依据系统有限长度的观测数据，建立能够比较精确反映时间序列中所包含动态依存关系的数学模型，但时间序列预测模型无法引入影响因素，单纯使用时间序列模型进行复核预测精度难以提高；趋势外推是使用某条曲线来拟合获得的数据值，如果数据出现较大波动，那么预测将出现角度大误差。

【发明内容】

本发明所要解决的技术问题在于克服现有技术的不足而提供一种基于峰谷电量预测的居民用户分布式上网最优选择方法，能够提高预测精度，优化上网选择方法。

为解决上述技术问题，本发明采用如下技术方案：

基于峰谷电量预测的居民用户分布式上网最优选择方法，包括如下步骤：

S1获取目标用户过去n年中各个季度的峰电量和谷电量，其中n≥4，n为整数；

S2根据步骤S1获取的各个季度的峰电量和谷电量预测该目标用户预测期内第m年四个季度的峰电量和谷电量,其中m≥1，m为整数；

S3根据步骤S2预测的第m年四个季度峰谷电量确定该目标用户预测期内第m年的全年总电费和全年总电量，得出该目标用户预测期内第m年的年平均电价；

S4将目标用户第m年的年平均电价与当前上网电价进行比较，如果年平均电价大于当前上网电价，选择余量上网，如果年平均电价小于当前上网电价，则选择全部上网。

进一步的，所述步骤S2中，通过灰色预测GM(1,1)模型和季节指数调整模型对该目标用户预测期内第m年四个季度的峰谷电量进行预测，所述灰色预测GM(1,1)模型的公式为其中k4n时，x⁽⁰⁾(k+1)为预测值，x(1)为过去n年中第一年第1季度的峰电量或谷电量，a为模型的发展系数，u称为模型的协调系数；

所述季节指数调整模型的公式为x⁽⁰⁾(j)为第j季度的预测值，j＝1,2,3,4，为季节指数，

根据季节指数调整模型得到调整后的目标用户预测期内第m年第j季度的预测峰电量y_f(j)和预测谷电量y_g(j)。

更进一步的，所述步骤S3中，根据步骤S2预测的第m年四个季度峰谷电量确定该目标用户预测期内第m年的全年总电费和全年总电量，得出该目标用户预测期内第m年的年平均电价，包括：

确定电度电费F_d，

确定预测的第m年四个季度的峰电量和谷电量之和y_t，