一种基于季节调整的业扩报装分析预测系统及方法
【技术领域】
[0001] 本发明涉及电力系统业扩报装技术领域，具体涉及一种基于季节调整的业扩报装 分析预测系统及方法。
【背景技术】
[0002] 随着经济的发展，用电量逐年攀升，业扩报装相关业务也相应增加。同时，业扩报 装固有的超前性和其不确定性也对电力市场的管理手段和技术提出了更高的要求。除了宏 观上对业扩报装趋势的把握，还需要进一步量化分析报装容量的释放规律并对稳定后的电 量进行预测。
[0003] 由于受到季节因素的影响，报装容量和售电量的时间序列数据都存在明显波动， 难以找到数据的增长规律，对于售电量预测结果的准确性会产生一定的影响。
[0004] 现有技术中对于售电量与业扩报装容量的关系都是以定性分析为主，尚未建立售 电量与业扩报装容量之间的关联模型，所以不能根据报装容量准确预测出未来短期内售电 量的多少。
[0005] 现有技术中虽然能够利用业扩信息提高未来3-5年内负荷预测的准确性，但还欠 缺更为细致的月度分析。
[0006] 现有技术中虽然能够初步推算行业接电后各月电量投运比例，但所选择的典型客 户不能很好的代表客户群。
[0007] 现有技术中虽然提供了一种构建全社会业扩报装容量与全社会用电量的建模方 法，可预测未来1至2期的电量，但报装容量时间序列有部分呈下降趋势时不能完成预测。
[0008] 由于新装业务完成开始供电后需要进行各方面的调试，逐步释放新装容量，最终 用电量才会趋于稳定，因此电网企业实际售电量的增长往往要滞后于业扩报装的增长，新 增报装容量也不会百分之百地转化为售电量的增长，不能对业扩新增容量、电量、负荷做出 精确的预测判断，无法根据用电负荷的变化及时调整供电量，不能为未来短期内供电量的 多少提供科学依据。
【发明内容】
[0009] 本发明的目的就是为了解决上述问题，提出了一种基于季节调整的业扩报装分析 预测系统及方法，该系统及方法通过剔除典型客户及客户群报装容量和电量时间序列中的 季节性波动和其他随机因子，能够对未来短期内的业扩新增容量、售电量以及负荷做出精 确的预测。
[0010] 为了实现上述目的，本发明采用如下技术方案：
[0011] -种基于季节调整的业扩报装分析预测系统，其特征是，包括：
[0012] 数据采集装置：将设定区域内各客户电能表采集到的数据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分别采集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存储；
[0013] 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；
[0014] 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；
[0015] 曲线拟合装置，所述曲线拟合装置包括：
[0016] 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；
[0017] 客户群新装容量生长曲线拟合模块：接收高压新装送电后电量增长趋势曲线的拟 合值，对拟合值进行主元提取，得到各典型客户的主元分值表并据此计算客户群新装后设 定时间内的主元电量；根据主元电量拟合得到客户群新装容量生长曲线；
[0018] 数据季节调整装置，接收数据采集装置的所有客户群的用电数据，分别将报装容 量及其对应售电量按设定时间进行统计，得到两时间序列；对上述两时间序列分别进行季 节调整，分别得到其趋势循环项、季节项和随机因子；
[0019] 建立售电量和报装容量关联模型的装置，接收数据季节调整装置的数据，将售电 量的趋势循环项设定为反映系统行为特征的参考数列，将报装容量趋势循环项设定为影响 系统行为的比较数列；从预测的角度滞后参考数列，利用灰色关联分析方法寻找两数列曲 线关联度最高时，参考数列滞后的月份；对滞后的售电量趋势循环项和报装容量趋势循环 项进行线性回归，得到两趋势循环项之间的关联模型；
[0020] 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。
[0021] 一种基于季节调整的业扩报装分析预测方法，包括如下步骤：
[0022] (1)数据获取与筛选：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，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；
[0023] (2)采用X12方法分别对典型客户前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；
[0024] (3)选择步骤（2)中各个典型客户高压新装后设定时间内用电状况的趋势循环 项，采用生长曲线法拟合高压新装送电后电量增长趋势曲线；
[0025] (4)利用主元分析法对步骤（3)中典型客户高压新装后电量增长趋势的拟合值进 行主元提取；得到各典型客户的主元分值表并据此计算客户群新装后设定时间内的主元电 量；
[0026] (5)拟合得到客户群新装容量生长曲线并进行分析得到客户群新装容量释放规 律；
[0027] (6)根据步骤⑴中采集到的设定区域所有客户群的用电数据，分别将报装容量 及其对应售电量按设定时间进行统计，得到两时间序列；对上述两时间序列分别进行季节 调整，分别得到其趋势循环项、季节项和随机因子；
[0028] (7)将售电量的趋势循环项设定为反映系统行为特征的参考数列，将报装容量趋 势循环项设定为影响系统行为的比较数列；从预测的角度滞后参考数列，利用灰色关联分 析方法寻找两数列曲线关联度最高时，参考数列滞后的月份；
[0029] (8)对滞后的售电量趋势循环项和报装容量趋势循环项进行线性回归，得到两趋 势循环项之间的关系；
[0030] (9)根据两趋势循环项之间的关系，完成利用报装容量对售电量的短期月度预测 工作。
[0031] 所述步骤（2)的具体方法为：
[0032]1)设定用电量时间序列Q(t)，利用中心化12项移动平均的方法初始估计趋势循 环项，消除以年为单位的周期性变动；
[0033] 2)选用加法模型，消除趋势循环项后得到季节项与随机因子的和序列QSI⑴：
[0034] QSI (t) =Qsf (t) +Qir (t) =Q(t) -Qtc (t)；
[0035] 3)利用3*3移动平均估计季节项QSF(t);
[0036] 4)消除季节项得到趋势循环项与随机因子的和序列Qra(t):
[0037] Qtci (t) =Qtc (t) +Qir (t) =Q(t) -Qsf (t)；
[0038] 5)利用Henderson移动平均法精确估计得到趋势循环项序列QTe(t);
[0039] 其中，QSF(t)为季节项序列，QIR(t)为随机因子序列，QTe(t)为势循环项序列。
[0040] 所述步骤1)中初始估计趋势循环项的方法具体为：
[0041 ]
[0042] 其中，表示趋势循环项的初始估计、Qa6)表示向前移动6个单位后的用电量 时间序列、Qa+6)表示向后移动6个单位后的用电量时间序列。
[0043] 所述步骤3)中利用3*3移动平均估计季节项的方法具体为：
[0044]
[0045] 其中，QSFW表示季节项的估计、Qsia #表示向前移动24个单位后季节项与随机因 子的和序列、Qsia+24)表示向后移动24个单位后季节项与随机因子的和序列。
[0046] 所述步骤5)中精确估计得到趋势循环项序列的方法具体为：
[0047]
[0048] 其中，j表示前后调整的项数、H表示前后调整的最大项数、h为Henderson加权移 动平均系数。
[0049] 所述步骤（3)中选用Logistic模型进行生长曲线的拟合：
[0050] 生长曲线具体模型表达式及其指标如表1 :
[0051] 表 1
[0052]
[0053] 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