本发明涉及一种基于周几系数线性回归模型的台区日用电量的预测方法，属于电网用电
技术领域：
。
背景技术：
：用电量预测是电网公司制定生产综合计划制定经营计划的关键基础，合理准确的预测结论会给公司的经营决策带来正向效应，反之就会导致公司经营策略的背离，因此对未来季度或者年度的用电量预测显得至关重要。纵览国内外市场预测技术可知，现有的用电量预测技术可以归结为三类，但是都不能解决用电量预测的关键问题。第一类用电量预测技术是依据历史用电量的实际发生值进行趋势外推，预测结论所包含的信息就是基于预测期的经济环境沿袭上一周期的发展模式，例如中国专利101976301。但是如果预测周期内的用电形势发生了较大改变或者方向性的掉头，该方法无法预测，因此在当前经济不稳定时期，该类方法的预测结论常常较实际发生的偏差较大。第二类用电量预测技术是基于预测人员的经验判断预测年的增长幅度，预测人员会根据当前的经济形势、和自己的预测经验开展预测，这种对经济形势的判断仅局限于定性分析层面，而无法定量到具体的预测模型上，而对于预测的经验增长则更加依赖于预测人员个人的综合判断能力，预测结果的可信度不能得到有效保证。第三类用电量预测技术是采用不同的算法对历史用电量实际发生值进行外推，从算法上解决用电量预测问题。但是现有的算法较为复杂，并且对用电量的预测的精度也不够。技术实现要素：本发明所要解决的技术问题是，预测的算法复杂，无法将经验定量到具体的预测模型上，预测的结果偏差大、精确度低。为了解决上述问题，提供一种基于周几系数线性回归模型的台区日用电量的预测方法，通过建立周几系数修正的线性回归模型实现台区日用电量预测，具有方法简单、预测精确的优点。本发明解决以上技术问题的技术方案：基于周几系数线性回归模型的台区日用电量的预测方法，包括如下步骤：s1、从历史日中由“近向远”寻找标准周；s2、根据标准周的7天日用电量获取周几比例系数k，即：k＝[1,d2/d1,d3/d1,d4/d1,d5/d1,d6/d1,d7/d1](1)其中，d1为标准周周一的台区用电量，d2为标准周周二的台区用电量，d3为标准周周三的台区用电量，d4为标准周周四的台区用电量，d5为标准周周五的台区用电量，d6为标准周周六的台区用电量，d7为标准周周日的台区用电量；s3、将台区历史日实际用电量di根据周几比例系数修正获取历史日实际用电量修正值di’，即：d'i＝di/k(i)i＝1,2,...,7(2)；s4、根据历史日实际用电量修正值di’、日用电量的影响因子的数目n，建立关于所述影响因子的n元线性回归模型，即：d'＝a1*t+a2*tmax+a3*tmin+a4*rh+a5*v+b(3)其中各变量分别为：平均气温t、最高气温tmax、最低气温tmin、湿度rh、风速v；s5、通过气象数据库查询得到靠近预测日的平均气温t、最高气温tmax、最低气温tmin、湿度rh、风速v的历史气象数据，其中i-1代表预测日前一天，依次类推；s6、将靠近预测日的s5所得的历史气象数据代入公式(3)，即：s7、对线性回归方程(4)采用最小二乘法公式拟合，计算出线性回归方程(4)中的各常数，即a1、a2、a3、a4、a5、b；s8、将a1、a2、a3、a4、a5、b以及预测日的影响因子代入n元线性回归模型(3)，可以得到预测日的修正用电量其中i代表预测日，i+1代表预测日后一天，依次类推；即：s9、将预测日的修正日用电量进行周几比例系数修正，根据周几分别乘以对应的周几比例系数，获取预测用电量，即：作为本发明的进一步改进，进一步的，s1中标准周的寻找条件为：(1)该周的7天都处在人体比较舒适的区间，即tmaxi＜28&&tmini≥5，i＝1～7；(2)该周的7天再加上该周之前2天、之后2天，总共11天都是非节日。作为本发明的进一步改进，进一步的，s4中n元线性回归模型的影响因子的数目大于等于1。作为本发明的进一步改进，进一步的，靠近预测日的历史气象数据所需查询的天数等于影响因子的数目减1。本发明还提供基于周几系数线性回归模型的台区日用电量的预测系统，包括，标准周搜寻单元，用于从历史日中由“近向远”寻找标准周；周几比例系数获取单元，用于根据标准周的7天日用电量获取周几比例系数k，即：k＝[1,d2/d1,d3/d1,d4/d1,d5/d1,d6/d1,d7/d1](1)其中，d1为标准周周一的台区用电量，d2为标准周周二的台区用电量，d3为标准周周三的台区用电量，d4为标准周周四的台区用电量，d5为标准周周五的台区用电量，d6为标准周周六的台区用电量，d7为标准周周日的台区用电量；台区历史日实际用电量修正单元，用于将台区历史日实际用电量di根据周几比例系数修正获取历史日实际用电量修正值di’，即：d'i＝di/k(i)i＝1,2,...,7(2)；模型建立单元，用于根据历史日实际用电量修正值di’、日用电量的影响因子的数目n，建立关于所述影响因子的n元线性回归模型，即：d'＝a1*t+a2*tmax+a3*tmin+a4*rh+a5*v+b(3)其中各变量分别为：平均气温t、最高气温tmax、最低气温tmin、湿度rh、风速v；查询单元，用于通过气象数据库查询得到靠近预测日的平均气温t、最高气温tmax、最低气温tmin、湿度rh、风速v的历史气象数据，其中i-1代表预测日前一天，依次类推；模型的常数代入单元，用于将靠近预测日的s2所得的历史气象数据代入公式(3)，即：模型的常数求解单元，用于对线性回归方程(4)采用最小二乘法公式拟合，计算出线性回归方程(4)中的各常数，即a1、a2、a3、a4、a5、b；修正用电量求解单元，用于将a1、a2、a3、a4、a5、b以及预测日的影响因子代入n元线性回归模型(3)，可以得到预测日的修正用电量其中i代表预测日，i+1代表预测日后一天，依次类推；即：预测用电量求解单元，将预测日的修正日用电量进行周几比例系数修正，根据周几分别乘以对应的周几比例系数，获取预测用电量，即：作为本发明的进一步改进，进一步的，标准周搜寻单元中标准周的寻找条件为：(1)该周的7天都处在人体比较舒适的区间，即tmaxi＜28&&tmini≥5，i＝1～7；(2)该周的7天再加上该周之前2天、之后2天，总共11天都是非节日。作为本发明的进一步改进，进一步的，模型建立单元中n元线性回归模型的影响因子的数目大于等于1。作为本发明的进一步改进，进一步的，靠近预测日的历史气象数据所需查询的天数等于影响因子的数目减1。总之，本发明技术方案的优点主要体现在：方法简单，且精准度较高。具体实施方式本发明揭示了基于周几系数线性回归模型的台区日用电量的预测方法，包括如下步骤：s1、从历史日中由“近向远”寻找标准周；s2、根据标准周的7天日用电量获取周几比例系数k，即：k＝[1,d2/d1,d3/d1,d4/d1,d5/d1,d6/d1,d7/d1](1)其中，d1为标准周周一的台区用电量，d2为标准周周二的台区用电量，d3为标准周周三的台区用电量，d4为标准周周四的台区用电量，d5为标准周周五的台区用电量，d6为标准周周六的台区用电量，d7为标准周周日的台区用电量；s3、将台区历史日实际用电量di根据周几比例系数修正获取历史日实际用电量修正值di’，即：d'i＝di/k(i)i＝1,2,...,7(2)；s4、根据历史日实际用电量修正值di’、日用电量的影响因子的数目n，建立关于所述影响因子的n元线性回归模型，即：d'＝a1*t+a2*tmax+a3*tmin+a4*rh+a5*v+b(3)其中各变量分别为：平均气温t、最高气温tmax、最低气温tmin、湿度rh、风速v；s5、通过气象数据库查询得到靠近预测日的平均气温t、最高气温tmax、最低气温tmin、湿度rh、风速v的历史气象数据，其中i-1代表预测日前一天，依次类推；s6、将靠近预测日的s2所得的历史气象数据代入公式(3)，即：s7、对线性回归方程(4)采用最小二乘法公式拟合，计算出线性回归方程(4)中的各常数，即a1、a2、a3、a4、a5、b；s8、将a1、a2、a3、a4、a5、b以及预测日的影响因子代入n元线性回归模型(3)，可以得到预测日的修正用电量其中i代表预测日，i+1代表预测日后一天，依次类推；即：s9、将预测日的修正日用电量进行周几比例系数修正，根据周几分别乘以对应的周几比例系数，获取预测用电量，即：s1中标准周的寻找条件为：(1)该周的7天都处在人体比较舒适的区间，即tmaxi＜28&&tmini≥5，i＝1～7；(2)该周的7天再加上该周之前2天、之后2天，总共11天都是非节日。s4中n元线性回归模型的影响因子的数目大于等于1。靠近预测日的历史气象数据所需查询的天数等于影响因子的数目减1。本发明还提供基于周几系数线性回归模型的台区日用电量的预测系统，包括，标准周搜寻单元，用于从历史日中由“近向远”寻找标准周；周几比例系数获取单元，用于根据标准周的7天日用电量获取周几比例系数k，即：k＝[1,d2/d1,d3/d1,d4/d1,d5/d1,d6/d1,d7/d1](1)其中，d1为标准周周一的台区用电量，d2为标准周周二的台区用电量，d3为标准周周三的台区用电量，d4为标准周周四的台区用电量，d5为标准周周五的台区用电量，d6为标准周周六的台区用电量，d7为标准周周日的台区用电量；台区历史日实际用电量修正单元，用于将台区历史日实际用电量di根据周几比例系数修正获取历史日实际用电量修正值di’，即：d'i＝di/k(i)i＝1,2,...,7(2)；模型建立单元，用于根据历史日实际用电量修正值di’、日用电量的影响因子的数目n，建立关于所述影响因子的n元线性回归模型，即：d'＝a1*t+a2*tmax+a3*tmin+a4*rh+a5*v+b(3)其中各变量分别为：平均气温t、最高气温tmax、最低气温tmin、湿度rh、风速v；查询单元，用于通过气象数据库查询得到靠近预测日的平均气温t、最高气温tmax、最低气温tmin、湿度rh、风速v的历史气象数据，其中i-1代表预测日前一天，依次类推；模型的常数代入单元，用于将靠近预测日的s2所得的历史气象数据代入公式(3)，即：模型的常数求解单元，用于对线性回归方程(4)采用最小二乘法公式拟合，计算出线性回归方程(4)中的各常数，即a1、a2、a3、a4、a5、b；修正用电量求解单元，用于将a1、a2、a3、a4、a5、b以及预测日的影响因子代入n元线性回归模型(3)，可以得到预测日的修正用电量其中i代表预测日，i+1代表预测日后一天，依次类推；即：预测用电量求解单元，将预测日的修正日用电量进行周几比例系数修正，根据周几分别乘以对应的周几比例系数，获取预测用电量，即：标准周搜寻单元中标准周的寻找条件为：(1)该周的7天都处在人体比较舒适的区间，即tmaxi＜28&&tmini≥5，i＝1～7；(2)该周的7天再加上该周之前2天、之后2天，总共11天都是非节日。模型建立单元中n元线性回归模型的影响因子的数目大于等于1。靠近预测日的历史气象数据所需查询的天数等于影响因子的数目减1。本实施例以南通地区的某配电台区(江海13组，台区编号：14000000014460)为例，其日用电量(单位：千瓦时)如表1所示：表1台区的历史用电量和气象数据从表1中寻找标准周，发现2016年3月26日～2016年4月1日是满足s1的标准周，该标准周满足以下两点：(1)2016年4月4日～4月6日是清明节假期，2016年4月1日和清明假期要相差两天。2016年3月26日之前两天也非节日。(2)2016年3月26日～2016年4月1日的最高气温、最低温度都满足tmaxi＜28&&tmini≥5。根据标准周2016年3月26日～2016年4月1日的实际用电量可知，d1＝208.78,d2＝210.64,d3＝197.73,d4＝204.32,d5＝198.86,d6＝226.66，d7＝223.32。将数据带入式(1)，得到周几比例系数k。k＝[1,1.0089,0.974,0.9786,0.9525,1.0856,1.0696]从表1可知，2016年4月7日～2016年4月11日的实际电量分别为211.4167,202.3586,230.5163,228.2099,210.9300,代入式(2)，可得实际用电量修正值，分别为216.04、212.45、212.34、213.36、210.93。将修正值的数据代入方程(4)，对该方程进行最小二乘法公式拟合，可以计算出线性回归方程(4)中的各常数为：a1＝18.3892,a2＝-8.0752,a3＝-5.4459,a4＝2.3399,a5＝9.5635，b＝2.6151，如下：日期周几平均温度最高温度最低温度湿度风速2016/4/12214.120.79.273.41.22016/4/1339.913.76.3710.72016/4/14411.116.76.271.30.52016/4/15516.321.49.154.10.32016/4/16615.221.79.664.91.2表2预测日的预测气象数据将表2中预测数据和各常数带入方程(5)，可得：再将所得的数据代入方程(6)，得到预测值：经查实，2016年4月12日至4月16日的台区用电量真实值如下：对比预测值与真实值可知，相对误差在5％以内，达到预测要求。除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。当前第1页12