[发明专利]一种季节性的支持向量回归模型的月用电量预测方法

说明书

本发明涉及一种季节性的支持向量回归模型的月用电量预测方法，包括获取用户历史电费账单数据后对账单数据进行折算，将账单电量转换为月电量；根据合同号及月电量的数据完整程度划分数据集，区分出有效用户和无效用户；对有效用户数据集缺失值和异常值进行处理；计算各个数据样本的季节指数，利用季节指数对原始数据进行修正；构建支持向量SVM时间序列特征矩阵；建立SVM进行预测分析和修正，得到预测值。实施本发明，获取工商业大用户的月用电量预测，即有助于用户了解自己的电力消耗情况，实现节源开流，还对电力部门具有重要意义，主要表现在：一是有利于电力部门优化资源配置，二是有利于电力市场营销部门的市场开拓。

技术领域

本发明涉及预测分析技术领域，更具体地，涉及一种季节性的支持向量回归模型的月用电量预测方法。

背景技术

电力在日常生活中必不可少，渗透日常生活的每一处，随着经济发展，社会各界对电力需求越来越大，电力供应和节能减排压力也随之加大；此外，随着电力体制改革后售电侧放开，剔除新增用户，售电业务初期争夺的对象主要集中在工商业客户尤其是大客户资源，而目前缺乏对于工商业客户的月用电量的预测方法。

为工商业用户提供更多增值性的客户服务，提升工商业用户的满意度和忠诚度成为了售电企业适应新电改形势下市场竞争的必要措施。

在此背景下，提出一种季节性的支持向量回归模型的工商业大用户月用电量预测方法，对工商业大用户进行月电量预测，除有助于用户了解自己的电力消耗情况，实现节源开流外，还对电力部门具有重要意义，主要表现在：一是有利于电力部门优化资源配置；二是有利于电力市场营销部门的市场开拓。

发明内容

为了获取工商业大用户的月用电量预测，来达到帮助用户了解未来的用电量规模的目的，本发明提供一种季节性的支持向量回归模型的月用电量预测方法。

所述方法包括以下步骤：

S1：对账单数据进行月电量折算；

S2：对折算后的数据划分数据集，以区分有效用户和无效用户

S3：对有效用户的月电量数据进行缺失值修复；

S4：对有效用户的月电量数据进行异常值修复；

S5：计算每个样本的季节指数，并进行季节性修正；

S6：构建状态空间矩阵；

S7：根据状态空间矩阵构建支持向量回归模型(SVM)进行预测得到预测值，对预测值进行修正。

本发明提供的一种季节性的支持向量回归模型的月用电量预测方法，包括获取用户历史电费账单数据后对账单数据进行折算，将账单电量转换为月电量；根据合同号及月电量的数据完整程度划分数据集，区分出有效用户和无效用户；对有效用户数据集缺失值和异常值进行处理；计算各个数据样本的季节指数，利用季节指数对原始数据进行修正；构建支持向量回归模型(SVM)时间序列特征矩阵；建立SVM进行预测分析和修正，得到预测值。

实施本发明，获取工商业大用户的月用电量预测，即有助于用户了解自己的电力消耗情况，实现节源开流，还对电力部门具有重要意义，主要表现在：一是有利于电力部门优化资源配置；二是有利于电力市场营销部门的市场开拓。

优选地，所述的步骤S1包括以下步骤：

S1.1：将账单电量折算成每一天电量，折算公式如下：

其中，表示每天的电量值，x_终表示当期账单最后一天电量值，x_始表示当期账单第一天的初始电量值，D_终-始表示当期的天数；

S1.2：根据当月天数进行月电量计算。