量增长趋势。
[0054] 所述步骤（4)中利用主元分析法对所筛选出的典型客户电量趋势项进行主元提 取的方法具体为：
[0055]设Q= (qAxu: (Qi,Qd. ..，Qi2)为所述步骤⑶中典型客户高压新装后设定时 间段内电量增长趋势的拟合值，其中k为第i个客户新装后第j个月的电量，Qm为第m个 月各客户电量；
[0056] 首先利用下式对原数据进行标准化处理，排除数量级和量纲对结果的影响；
[0057]
[0058] 其中，迄为第i个典型客户各月电量的均值，Si为第i个典型客户各月电量的标准 差；
[0059] 标准化后的电量增长趋势拟合值矩阵同样由新装后设定时间段内各客户的用电 量列向量构成，即Q' =(Q'i，Q' 2，...，Q' 12);
[0060] 然后计算相关系数矩阵R=(rij) 12X12;
[0061] 其中
cov(q' 1>q'j)为数据阵中Q'JPQ'j的协方差，S' ^ S',分别为数据阵中Q'JPQ',的标准差；Q'JPQ',分别代表标准化后的电量增长 趋势拟合值矩阵中第i个和第j个客户的用电量列向量。
[0062] 计算相关系数阵R的特征值，若特征值中有m个大于0,则有m个主元P= (?1) ?2) ? ? ? )Pm) =A；
[0063] 其中，A= (a。a2, . . .，am)为m个特征值对应的正交特征向量矩阵，CT= (Q'i，Q' 2，...，Q' 12)为标准化后的电量增长趋势拟合值矩阵；
[0064] 最后，计算特征值A，寸应主元p贡献率c 1:
[0065] 当前k个主元的贡献率达90%以上时则可用这k个主元代替原数据。
[0066] 所述步骤（7)的具体方法为：
[0067] 设参考数列为qt，比较数列为et，t= 1，2, ? ??，n;t为月份；
[0068] 计算1与et的关联系数Gt;
[0069] 根据关联系数计算两数列关联度，关联度最高时两数列相差的月份t为可利用报 装容量预测售电量的月份。
[0070] 所述计算q#et的关联系数G满方法为：
[0071]
[0072] 其中，PG(〇, 〇〇 )，为分辨系数。
[0073] 计算两数列关联度的方法为：
[0074]
[0075] 本发明的有益效果是：
[0076] (1)考虑到典型客户用电量受到季节因素的影响，其季节性波动的复杂性会掩盖 电量数据的客观规律，使序列的预测变得复杂、困难，因此本方法对原始采集数据进行处理 和筛选，将季节因素和其他随机因子从原序列中剔除，使所选择的典型客户能够真正意义 上的代表客户群的电量变化情况，使得预测结果更加准确。
[0077] (2)本方法通过建立报装容量与售电量之间的关联模型，即售电量趋势循环项和 报装容量趋势循环项之间的关系，实现了利用报装容量对售电量的短期月度预测工作，为 电网企业及时准确地调整发电量以及供电设备的扩建提供了理论依据，减少不必要的投 资，从一定程度上降低了生产成本。
[0078] (3)本方法可以利用报装容量实现对未来1-2个月电网企业售电量的短期月度预 测，所选用的灰色关联分析方法不受数据本身和曲线走势的影响，可用于报装容量与售电 量趋势项单调性不同时关联度的分析，更具工程实用性。
[0079] (4)同时还可以将该分析预测方法分别用于不同地市、用电类别、行业、电压等级 和产业，有助于电网企业对未来售电市场的变化进行更精细化的分析预测。
【附图说明】
[0080] 图1为本发明基于季节调整的业扩报装分析预测系统结构示意图；
[0081] 图2为新装容量释放规律确定流程图；
[0082] 图3为售电量预测流程图；
[0083] 图4为本发明实施例典型客户季节调整后电量及趋势循环项曲线；
[0084] 图5为本发明实施例新装生长曲线；
[0085] 图6为本发明实施例电量投入比例及速度示意图；
[0086] 图7为本发明实施例季节调整前后客户群电量趋势对比图；
[0087] 图8为本发明实施例季节调整如时间序列折线图；
[0088] 图9为本发明实施例报装容量季节调整后趋势循环项、季节项和随机因子序列；
[0089] 图10为本发明实施例售电量季节调整后趋势循环项、季节项和随机因子序列；
[0090] 图11为本发明实施例全行业售电量预测值与实际值对比示意图。
【具体实施方式】：
[0091] 下面结合附图与实施例对本发明做进一步说明：
[0092] 如图1所示，本发明提供的一种基于季节调整的业扩报装分析预测系统，可用于 现代电力市场中业扩报装容量释放规律的研究和售电量的预测。具体包括：数据采集装置、 第一数据筛选装置、第二数据筛选装置、曲线拟合装置、数据季节调整装置以及建立售电量 和报装容量关联模型的装置；
[0093] 所述数据采集装置与第一数据筛选装置、第二数据筛选装置和曲线拟合装置依次 连接；所述数据采集装置还与数据季节调整装置、建立售电量和报装容量关联模型的装置 依次连接。
[0094] 对各装置的具体工作原理作如下介绍：
[0095]1、数据采集装置：通过数据通信接口采集设定区域所有客户群的用电数据以及高 压新装后客户群的用电数据并分别存储至所有客户群用电数据库服务器和高压新装后客 户群用电数据库服务器。上述用电数据通过区域内各用户的电能表上传并汇集至大数据 库，数据采集装置通过数据通信接口从大数据库中采集得到。
[0096] 2、第一数据筛选装置，接收数据采集装置的高压新装后客户群的用电数据，对客 户群的用电量数据进行排序，根据用电量的大小筛选出能够代表客户群的典型客户；
[0097] 在高压新装后客户群的用电数据中，根据用电量的大小筛选出能够代表客户群的 典型客户；本实施例筛选出新装后用电量排名前20的典型客户来代表所选客户群的用电 情况。
[0098] 3、第二数据筛选装置，根据筛选出的典型客户用电数据，对典型客户前N年的用 电量数据进行季节调整，将季节因素和其他随机因子从原数据中剔除，得到各个典型客户 用电状况的趋势循环项；
[0099] 采用X12方法分别对典型客户历年（至少为前3年）用电量进行季节调整，得到 各个典型客户用电状况的趋势循环项。
[0100] 季节调整的数学模型如下：
[0101] 以电量时间序列Q(t)为例，首先估计并消除趋势循环项QTe(t)，然后估计并消除 季节项QSF(t)，多次重复前两步，得到最终的季节调整结果。由于没有固定方法估计随机因 子QIR(t)，因此在最终确定趋势循环项和季节项之后才能得到随机因子。其中趋势循环项 的初始估计利用式（1)中心化12项移动平均的方法，消除以年为单位的周期性变动。
[0102]
a)
[0103] 选用加法模型，利用式（2)消除趋势循环项后得到季节项与随机因子的和序列。
[0104] QSI (t) =Qsf (t) +Qir (t) =Q(t) -Qtc (t) (2)
[0105] 利用式（3)中的3*3移动平均估计季节项。
[0106]
(3).
[0107] 利用式（4)消除季节项得到趋势循环项与随机因子的和序列。
[0108] Qtci (t) =Qtc (t) +Qir (t) =Q(t) -Qsf (t) (4)
[0109]后续趋势循环项的精细估计均利用式（5)所示Henderson移动平均法，得到趋势 循环项序列。
[0110]
[0111] 季节项的估计可一直采用式（3)，最终确定并消除季节项后，利用式（5)确定最终 趋势循环项，利用式（4)得到最终的随机因子序列。
[0112] 4、曲线拟合装置，所述曲线拟合装置包括：
[0113] (1)典型客户电量增长趋势曲线拟合模块，接收第二数据筛选装置得到的典型客 户用电状况的趋势循环项数据，采用生长曲线法拟合高压新装送电后电量增长趋势曲线；
[0114] 优选Logistic模型进行生长曲线的拟合，其数学模型表达式及分析指标见表1， 其中拐点月份为加减速生长临界点，瞬时生长率反映生长速度的变化，相对生长率体现净 用电量增长趋势。由于经过季节调整的曲线都较为光滑，因此拟合度都在0.95以上，可见 生长曲线可以很好的拟合新装后用电趋势项。