一种用电负荷的预测方法和装置的制造方法
【技术领域】
[0001]本发明涉及用电领域，尤其涉及一种用电负荷的预测方法和装置。
【背景技术】
[0002]现有技术中，针对不同的企业对象，预期其未来一段期间内的用电负荷的模型通常都是统一的，而实际上由于不同企业和不同企业的用电负荷与不同因素的相关性存在显著的区别，例如天气敏感型企业的用电通常与天气因素非常相关，而其他类型的企业的用电则可能与天气因素完全不相关，但是由于现有技术都基于统一的模型对不同企业的用电进行预测，因而所得到的预测准确度显然不能得到有效保证。
【发明内容】
[0003]本发明的目的之一是有效提升对不同企业在未来短期内的用电负荷进行预测的准确度。
[0004]根据本发明的一个方面，提供了一种用电负荷的预测方法，所述预测方法包括:
[0005]基于采集的历史用电数据和与用电相关的多维因素历史数据，判断待预测用电负荷的对象的类型；
[0006]对于给定的用电负荷的待预测期间，判断所述待预测期间的期间类型；
[0007]基于所述待预测用电负荷的对象的类型和所述待预测期间的期间类型，确定与所述对象和所述期间类型对应的特定历史采样样本的类型；
[0008]基于所述待预测用电负荷的对象的类型，确定与所述对象的类型相对应的待训练的多分辨率支持向量机预测模型的核函数；
[0009]基于确定的所述特定历史采样样本的类型对应的数据和确定的核函数，训练与所述待预测用电负荷的对象对应的多分辨率支持向量机预测模型；
[0010]将采集的与所述特定历史采样样本的类型相同的样本在特定期间的数据输入到所述多分辨率支持向量机预测模型，预测所述对象在所述待预测期间的用电负荷；
[0011]其中与所述对象的类型相对应的待训练的多分辨率支持向量机预测模型的核函数包括傅里叶核函数、高斯径向基核函数和sigmoid核函数(支持向量机中一种典型的核函数)。
[0012]根据本发明的另一个方面，还提供了一种用电负荷的预测装置，所述预测装置包括:
[0013]第一判断单元，被配置为基于采集的历史用电数据和与用电相关的多维因素历史数据，判断待预测用电负荷的对象的类型；
[0014]第二判断单元，被配置为对于给定的用电负荷的待预测期间，判断所述待预测期间的期间类型；
[0015]类型确定单元，被配置为基于所述待预测用电负荷的对象的类型和所述待预测期间的期间类型，确定与所述对象和所述期间类型对应的特定历史采样样本的类型；
[0016]核函数确定单元，被配置为基于所述待预测用电负荷的对象的类型，确定与所述对象的类型相对应的待训练的多分辨率支持向量机预测模型的核函数；
[0017]预测模型训练单元，被配置为基于确定的所述特定历史采样样本的类型对应的数据和确定的核函数，训练与所述待预测用电负荷的对象对应的多分辨率支持向量机预测模型；
[0018]用电负荷预测单元，被配置为将采集的与所述特定历史采样样本的类型相同的样本在特定期间的数据输入到所述多分辨率支持向量机预测模型，预测所述对象在所述待预测期间的用电负荷；
[0019]其中与所述对象的类型相对应的待训练的多分辨率支持向量机预测模型的核函数包括傅里叶核函数、高斯径向基核函数和sigmoid核函数。
[0020]与现有技术相比，本发明实施例具有以下优点:通过对待预测的对象进行分类以及对待预测的期间进行分类，基于与待预测对象相对应的核函数以及相对应的样本训练多分辨率支持向量机预测模型，从而可以显著提升对不同类型的对象的用电负荷进行预测的准确度和泛化能力。
【附图说明】
[0021]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显:
[0022]图1示出了根据本发明一个实施例的用电负荷的预测方法I的流程图；
[0023]图2(a)?图2(c)分别示出了某企业在工作日期间、周末期间以及节假日期间中的某一天的用电量的曲线图；
[0024]图3示出了本发明一个实施例的多分辨率支持向量机预测模型输入和输出的示意图；
[0025]图4示出了根据本发明另一个实施例的用电负荷的预测装置2的示意性框图；
[0026]附图中相同或相似的附图标记代表相同或相似的部件。
【具体实施方式】
[0027]下面结合附图对本发明作进一步详细描述。
[0028]在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
[0029]后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时，用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。
[0030]这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本发明的示例性实施例的目的。但是本发明可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。
[0031]应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
[0032]这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
[0033]还应当提到的是，在一些替换实现方式中，所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说，取决于所涉及的功能/动作，相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。
[0034]图1示出了根据本发明一个实施例的用电负荷的预测方法I的流程图。
[0035]所述用电负荷的预测，例如，对企业未来一段时间内的用电负荷总量、未来一段时间内每特定时间段内的用电负荷量进行预测等。
[0036]优选地，本实施例提供的预测方法I主要针对不同企业在短期内的用电负荷量进行预测，例如未来一天内的用电负荷总量以及未来一天内每特定时间段内(例如每刻钟)的用电负荷量进行预测。
[0037]如图1所示，所述预测方法I包括:
[0038]步骤S101，基于采集的历史用电数据和与用电相关的多维因素历史数据，判断待预测用电负荷的对象的类型。
[0039]其中所述采集可以定时采集，例如每隔一个小时或每隔一刻钟采集一次数据，也可以实时采集。
[0040]其中所述与用电相关的多维因素历史数据包括以下中的多项:企业用电设备的电气特性、企业生产操作规程、企业生产订单、企业生产排班、天气状况等。
[0041]其中所述待预测用电负荷的对象的类型包括不间断生产型企业(Uninterrupted-running Enterprise,简称 UE)、随班间断生产型企业(Intermittent-running Enterprise,简称 IE)和天气敏感型企业(Weather-sensitiveEnterprise,简称WE)。所述不间断生产型企业主要指在生产过程中不能随意开停机，也不会随着生产排程和排班的变化而间断、停机和重启的企业，例如金属冶金企业、煤气化工企业等；所述随班间断生产型企业主要指用电设备的运转取决于设备操作员的排班与排程，用电负荷明显随排班作息变化的企业，例如加工生产型企业等；所述天气敏感型企业主要指用电设备的用电量明显受天气的节气、温度、湿度或风力等的影响的企业，如农业生产型企业。
[0042]历史用电数据在供电系统内部数据库存储，因此可以在供电系统内部采集。与用电相关的多维因素历史数据可以通过例如各用电企业在供电系统备案的资料、或要求各用户企业提供等方式采集。
[0043]其中所述基于采集的历史用电数据和与用电相关的多维因素历史数据，判断待预测用电负荷的对象的类型可以包括:
[0044]-基于采集的历史用电数据和与用电相关的多维因素历史数据，判断所述历史用电数据和用电相关的所述多维因素历史数据中的每一个因素的相关度。
[0045]判断相关度采