本发明属于电力系统领域，特别涉及基于回归预测需量的电力用户基本电费决策方法。
背景技术：
随着售电市场的逐步开放，电力市场竞争形势日趋严峻，服务质量和服务体验作为竞争客户资源的有力手段，逐渐成为电力营销工作的一大主体。如何为电力用户提供个性化、差异化的服务，成为了服务提升的重点考虑内容。从电力用户的角度出发，为电力用户提供用电合理化建议，是个性化服务的第一步。针对专变用户，合理化用电建议无论是对电力用户还是供电企业来说都是非常重要的，例如，专变用户对基本电费选择策略方面的建议，即判断当前选择的基本电费种类是否合适，并给出最优策略建议，不仅为电力用户减小用电开支，节省用电成本，而且辅助供电企业合理分配电网资源，提高供电服务质量，因此，电力用户基本电费决策方法的研究具有十分重要的经济价值，利于优化电力资源的合理配置。
技术实现要素：
本发明所要达到的目的就是提供了基于回归预测需量的电力用户基本电费决策方法，不仅减少电力用户的电力开支成本，而且利于供电企业合理分配电网资源。
为了达到上述目的，本发明采用如下技术方案：基于回归预测需量的电力用户基本电费决策方法，所述决策方法，包括：
步骤1、考虑时间、温度和不同月份对用户用电负荷的影响，构建用户每月用电负荷的回归预测模型，并将预测得到的用电负荷作为用户每月用电的申报需量；
步骤2、根据总电容按容量计费方式计算容量电费，根据每月用电的实际需量和申报需量按需量计费方式计算需量电费；
步骤3、比较需求电费和容量电费，判断需量计费方式较容量计费方式是否合算，做出最优基本电费选择，给出建议申报需量，并计算得到最优基本电费。
进一步的，所述步骤1中用户每月用电负荷的回归预测模型，
其中，t为时间变量，单位为月；qt为所预测的第t月用电负荷，log(qt)为qt的对数，xqn,t为第t月的取暖系数，xzl,t为第t月的制冷系数，xxn,i,t为第t月的虚拟变量，用于描述非温度、非经济等其他因素引起的用户每月用电负荷的季节变动；a、b、c、d和ei为回归预测模型的回归系数，ft为回归预测模型的误差项。
进一步的，所述时间变量t＝n+1，其中，n为当月距离建模起点月份之间的月份个数。
进一步的，所述第t月的取暖系数xqn,t和制冷系数xzl,t，
tref为用来区分高温与低温的阈值温度；tj为第j天的日平均温度，其值为第j天最高温度与最低温度的平均值。
进一步的，所述虚拟变量xxn,i,t为1或0。
进一步的，所述步骤2中按容量计费方式计算容量电费fr，
fr＝casum×pr公式2-1；
其中，casum为总容量，pr为容量基本电价；
按需量计费方式计算需量电费fx，
其中，caa为用户每月用电的实际需量，cas为用户每月用电的申报需量，cas＝qt，px为需量基本电价。
进一步的，所述步骤3中的建议申报需量cam，
进一步的，所述步骤3中的基本电费f
采用上述技术方案后，本发明具有如下优点：
一方面，考虑了时间、温度和不同月份对用户用电负荷的影响，从而计算出的电力用户的用电负荷精准度更高，即预测得到的用电负荷更接近实际用电负荷，为后续选择最优的基本电费计费方式提供精准的数据支持；另一方面，本发明提供的电力用户基本电费决策方法，帮助用户合理选择基本电费模式，并给出最优策略建议，不仅利于减小电力用户的用电成本，提升用户的服务体验，而且辅助电力企业优化电网资源的配置，减少电费回收阻力，提升企业优质服务的积极正面形象，为大工业用户基本电费的选择提供了有效解决途径。
附图说明
下面结合附图对本发明作进一步说明：
图1为基于回归预测需量的电力用户基本电费决策方法的流程图。
具体实施方式
实施例一
本发明提供一种基于回归预测需量的电力用户基本电费决策方法，如图1所述，所述决策方法，包括：
步骤1、考虑时间、温度和不同月份对用户用电负荷的影响，构建用户每月用电负荷的回归预测模型，并将预测得到的用电负荷作为用户每月用电的申报需量；
步骤2、根据总电容按容量计费方式计算容量电费，根据每月用电的实际需量和申报需量按需量计费方式计算需量电费；
步骤3、比较需求电费和容量电费，判断需量计费方式较容量计费方式是否合算，做出最优基本电费选择，给出建议申报需量，并计算得到最优基本电费。
一方面，考虑了时间、温度和不同月份对用户用电负荷的影响，从而计算出的电力用户的用电负荷精准度更高，即预测得到的用电负荷更接近实际用电负荷，为后续选择最优的基本电费计费方式提供精准的数据支持；另一方面，本发明提供的电力用户基本电费决策方法，帮助用户合理选择基本电费模式，并给出最优策略建议，不仅利于减小电力用户的用电成本，提升用户的服务体验，而且辅助电力企业优化电网资源的配置，减少电费回收阻力，提升企业优质服务的积极正面形象，为大工业用户基本电费的选择提供了有效解决途径。
步骤1中，以月为单位，考虑时间、温度和不同月份对用户每月用电负荷的影响，构建用户每月用电负荷的线性回归预测模型：
其中，t为时间变量，单位为月；qt为所预测的第t月用电负荷，log(qt)为qt的对数，xqn,t为第t月的取暖系数，xzl,t为第t月的制冷系数，xxn,i,t为11个月份的虚拟变量，a、b、c、d和ei为模型(1)的回归系数，ft为该模型的误差项。
对公式1中的自变量作解释如下：
t＝n+1公式1-1；
其中，n为当月距离建模起点月份之间的月份个数。
取暖系数xqn,t表示平均气温低于阈值温度的大小，取暖系数xqn,t越大，表明气温越低，需要取暖强度越大；制冷系数xzl,t表示平均气温高于阈值温度的大小，制冷系数xzl,t越大，表明气温越高，需要制冷强度越大。第t月中每一天的取暖系数和制冷系数计算公式为：
其中，xrqn,j和xrzl,j分别代表第j天的取暖系数和制冷系数；tref为阈值温度，是用来区分高温与低温的临界温值，其值可由日售电量与日平均温度关系曲线的最小值点进行确定；tj为第j天的日平均温度，其值为第j天最高温度与最低温度的平均值。
根据公式1-2能够得到第t月的取暖系数和制冷系数：
虚拟变量xxn,i,t用于描述非温度、非经济等其他因素引起的用户每月用电负荷的季节变动，如某些食品加工制造厂的用电负荷在一些固定月份会有所增加等，xxn,i,t的下标i＝2，3，…，12分别表示2月、3月、…、12月，1月为基础月。每个虚拟变量xxn,i,t只能赋值0或1，若i＝2，则xxn,2,t＝1，其他xxn,i,t＝0；若i＝3，则xxn,3,t＝1，其他xxn,i,t＝0，以此类推。若i＝1，则所有xxn,i,t＝0。
以上预测出的月用电负荷即为该月的申报需量cas，
cas＝qt公式1-4；
步骤2中按容量计费方式计算容量电费fr
fr＝casum×pr公式2-1；
其中，casum为总容量，pr为容量基本电价。
按需量计费方式计算需量电费fx
其中，caa为用户每月用电的实际需量，cas为用户每月用电的申报需量，px为需量基本电价。
步骤3中，比较需量电费fx和容量电费fr，若需量电费fx大于容量电费fr，则按容量计算更合算；若容量电费fr大于需量电费fx，则按需量计算更合算。即：
iffx＞fr,thenoutput"请选择容量计费方式计费"
elseoutput"请选择需量计费方式计费"公式3-1；
endif
做出最优基本电费选择，并给出建议申报需量cam，
如果建议申报需量cam等于总容量casum，则选择容量计费方式计费，基本电费f＝容量电费fr；若建议申报需量cam不等于总容量casum，则选择需量计费方式计费，基本电费f＝建议申报需量cam×需量基本电价px。即：
为了验证本发明方法有效性，设计以下算例：
算例一
a、b两企业用电信息如下表所示。已知需量基本电价为40元/kva，容量电价为30元/kva，请根据已知信息获得两企业电费决策方案。
表1a、b两企业用电信息
首先，根据公式2-1求得容量电费；经计算，a、b两企业实际需量均小于申报需量的105％，根据公式2-2可以求得需量电费；将容量电费和需量电费进行比较，由于a企业容量电费大于需量电费，故需量较容量合算，应选择需量计费方式计费，而b企业容量电费小于需量电费，故容量较需量合算，应选择容量计费方式计费；根据公式3-2进行最优基本电费选择，求得建议申报需量；最后运用公式3-3可以得出基本电费。最终得到供a、b企业参考的基本电费决策信息如下表所示。
表2相关决策信息
从上述结果可以看出，在这种决策方法的作用下，可以明显提升大工业用户个性化服务效果，为电力用户提供最优基本电费决策方案，从而保证了企业树立优质服务的积极正面形象。可见，该基于回归预测需量的电力用户基本电费决策方法对于电力企业合理分配电网资源具有很大的指导意义。
除上述优选实施例外，本发明还有其他的实施方式，本领域技术人员可以根据本发明作出各种改变和变形，只要不脱离本发明的精神，均应属于本发明所附权利要求所定义的范围。