一种居民用电量预测方法、系统及存储介质与流程

1.本发明实施例涉及电网技术领域，尤其涉及一种居民用电量预测方法、系统及存储介质。


背景技术：

2.近年来，随着人民生活水平的不断提高，消费观念的不断转变，城市居民生活用电量迅速增长，光伏发电得到了人民的广泛关注。但光伏发电易受到大气环境的影响，具有随机性和间歇性，因此，无法提供稳定的电能，需要光伏发电与电网共同提供电能，以保障居民的正常生活。
3.现有的居民供电方式一般采用光伏发电与电网协同供电，但现有的供电方式无法预测到地区居民实际消耗的电能量，不利于城市电网的规划，影响节能减排的目标的实现。


技术实现要素：

4.本发明实施例提供一种居民用电量预测方法、系统及存储介质，以解决现有的供电方式无法预测地区电能负荷变化趋势，不利于地区电网供电规划建设的问题。
5.为实现上述技术问题，本发明采用以下技术方案：
6.第一方面，本发明实施例提供了一种居民用电量预测方法，包括：
7.获取预设区域的月度历史用电量和光伏发电历史数据；
8.根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型；
9.根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量；
10.根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
11.可选的，所述获取预设区域的月度历史用电量和光伏发电历史数据，包括：
12.获取预设区域内前n年的月度历史用电量；
13.获取预设区域内前n年的月度光伏发电历史数据、预设区域内前n年的历史温度数据和历史光照强度，以及预设区域内气象预测信息，其中n为大于或等于1的正整数。
14.可选的，所述根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型，包括：
15.根据所述月度历史用电量，采用时间序列预测方法，预测下一年度所述预设区域的居民的用电量预测模型；
16.根据所述光伏发电历史数据以及所述预设区域内气象预测信息，建立基于时间序列的光伏发电预测模型；
17.其中，所述预设区域内气象预测信息包括太阳能电池板的额定功率、太阳能电池板的倾斜角度以及温度系数。
18.可选的，所述根据所述月度历史用电量，采用时间序列预测方法，预测下一年度所述预设区域的居民的用电量预测模型，包括：
19.根据预设区域的月度历史用电量，计算历史前n年月度用电一次移动平均值序列；
20.将所述月度历史用电量与所述历史前n年月度用电一次移动平均值序列的比值，得到常数值序列；
21.根据所述常数值序列计算月度指数，并对所述月度指数进行修正，得到修正月度指数；
22.采用线性回归模型将所述月度历史用电量数据进行拟合，得到拟合值序列和预测值序列；
23.根据所述预测值序列和所述修正月度指数，预测下一年的月度用电量预测模型。
24.可选的，所述预设区域内前n年的月度历史用电量y采用如下公式计算：
25.y＝[y1,y2,
…
,y
12n
]
[0026]
其中，n表示年份，即n为大于或等于1，且小于或等于12的正整数，y1表示前第1月的月度历史用电量，y
12n
表示前第12n月的月度历史用电量。
[0027]
可选的，所述历史前n年月度用电一次移动平均值序列，采用如下公式表示：
[0028][0029]
其中，i表示每个月份，即i＝1,2,3,
…
,12n；
[0030]
所述常数值序列，采用如下公式表示：
[0031][0032]
其中，i＝1,2,3,
…
,12n；
[0033]
所述月度指数，采用如下公式表示：
[0034][0035]
其中，r
i
表示每月度指数，j表示年份，1≤j≤n；
[0036]
所述修正月度指数，采用如下公式表示：
[0037][0038]
其中，r
′
i
表示月度修正指数；
[0039]
所述拟合值序列，采用如下公式表示：
[0040][0041]
所述预测值序列，采用如下公式表示：
[0042][0043]
下一年的月度用电量预测模型采用如下公式表示：
[0044]
[0045]
可选的，所述光伏发电预测模型，采用如下公式表示：
[0046]
p
g
＝k
·
p
n
·
sinα
·
(1
‑
ξ)
[0047]
其中，p
g
为光伏发电预测电功率，k为校正系数，p
n
为所述太阳能电池板的额定功率，α为太阳光的入射角，其中sinα＝sin(180
‑
β
‑
ɡ
)＝sin(β+
ɡ
)，β表示太阳高度，
ɡ
表示太阳能电池板的倾斜角度；
[0048]
ξ为温度系数，采用如下公式表示：
[0049][0050]
其中，p
303k
表示太阳能电池板在303k时的功率损耗，t
high
表示太阳最高点的环境温度；
[0051]
所述预测的光伏发电量，采用如下公式表示：
[0052]
x(t)＝p
g
·
f(t)＝k
·
p
n
·
sinα
·
(1
‑
ξ)
·
f(t)
[0053]
其中，f(t)代表每个月的自然天数。
[0054]
可选的，所述根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量，包括：
[0055]
将预测的所述居民月度用电量与所述光伏发电量作差，得到预设区域的居民实际消耗的电量。
[0056]
第二方面，本发明实施例提供了一种居民用电量预测系统，包括历史数据获取模块，用于获取预设区域的月度历史用电量和光伏发电历史数据；
[0057]
模型建立模块，用于根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型；
[0058]
电量预测模块，用于根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量；
[0059]
计算模块，用于根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
[0060]
第三方面，本发明实施例提供了一种可读存储介质，当所述可读存储介质中的指令由居民用电量预测系统的处理器执行时，使得居民用电量预测系统能够执行第一方面任意所述居民用电量预测方法。
[0061]
本发明实施例提供的居民用电量预测方法，在预设地区范围内，通过建立基于时间序列的居民用电量预测模型和光伏发电预测模型，根据该地区内的月度历史用电量、光伏发电历史数据以及气象预测信息，得到下一年居民的预测月度用电量和预测的光伏发电量，得到预测的居民实际消耗电量，从而可以有效地预测该地区的电能负荷变化趋势，对城市规划建设、了解城镇化进程、能源消费结构以及建设智能小区等具有重要的意义，同时为城市电网规划提供有力的依据，促进节能减排。
附图说明
[0062]
为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施
例的内容和这些附图获得其他的附图。
[0063]
图1是本发明实施例提供的一种居民用电量预测方法的流程图；
[0064]
图2是本发明实施例提供的又一种居民用电量预测方法的流程图；
[0065]
图3是本发明实施例提供的又一种居民用电量预测方法的流程图；
[0066]
图4是本发明实施例提供的又一种居民用电量预测方法的流程图；
[0067]
图5是本发明实施例提供的又一种居民用电量预测方法的流程图；
[0068]
图6是本发明实施例提供的一种居民用电量预测系统的结构示意图；
[0069]
图7是本发明实施例提供的又一种居民用电量预测系统的结构示意图；
[0070]
图8是本发明实施例提供的又一种居民用电量预测系统的结构示意图；
[0071]
图9是本发明实施例提供的又一种居民用电量预测系统的结构示意图；
[0072]
图10是本发明实施例提供的一种居民用电量预测装置的结构示意图。
具体实施方式
[0073]
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
[0074]
本发明实施例提供一种居民用电量预测方法。图1是本发明实施例提供的一种居民用电量预测方法的流程图。如图1所示，本发明实施例提供的居民用电量预测方法，包括：
[0075]
s101、获取预设区域的月度历史用电量和光伏发电历史数据。
[0076]
其中，预设区域是预先设定的具有一定范围的一个地区。具体地，预设区域可以包括但不限于一个城市里的一个居民小区、一个城市里的几个居民小区、一个城市和/或一个省里的几个城市，在此不作任何限定。月度历史用电量，即预设区域内当前时间所在年份之前的年份每个月的居民用电量。光伏发电历史数据包括预设区域内当前时间所在年份之前的年份每个月的光伏发电量。预设区域的月度历史用电量和光伏发电历史数据可以从计量自动化系统中获取得到。
[0077]
s102、根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型。
[0078]
具体地，采用时间序列预测方法建立用电量预测模型，用于预测计算得到该预设区域在下一年度居民每个月的用电量。基于时间序列预测方法建立光伏发电预测模型，用于预测计算得到该预设区域在光伏发电量。
[0079]
s103、根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量。
[0080]
通过用电量预测模型和光伏发电预测模型，预测得到预设区域的居民月度用电量和光伏发电量，便于得知光伏发电量是否满足居民月度用电量的需求。
[0081]
s104、根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
[0082]
根据预测下一年的居民月度用电量和光伏发电量的大小关系，就可以计算得到预设区域居民实际消耗的电量。
[0083]
本发明实施例提供的居民用电量预测方法通过获取预设区域的月度历史用电量
和光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型，并依据建立的模型，预测预设区域的居民月度用电量和光伏发电量，从而计算得到预设区域的居民实际消耗电量，可以有效地预测该地区的电能负荷变化趋势，对城市规划建设、了解城镇化进程、能源消费结构以及建设智能小区等具有重要的意义，同时为城市电网规划提供有力的依据，促进节能减排。
[0084]
可选的，图2是本发明实施例提供的又一种居民用电量预测方法的流程图。在上述实施例的基础上，参见图2，本发明实施例提供的居民用电量预测方法，包括：
[0085]
s201、获取预设区域内前n年的月度历史用电量。
[0086]
具体地，n表示年份，且n为大于或等于1的正整数，例如：n可以是1、2和/或3。示例性地，在本发明实施例中，以n等于2为例，则为获取预设区域内前2年的月度历史用电量。月度历史用电量可以从计量自动化系统中获取。
[0087]
s202、获取预设区域内前n年的月度光伏发电历史数据、预设区域内前n年的历史温度数据和历史光照强度，以及预设区域内气象预测信息，其中n为大于或等于1的正整数。
[0088]
具体地，n表示年份，且n为大于或等于1的正整数，例如：n可以是1、2和/或3。示例性地，在本发明实施例中，为获取预设区域内前2年的月度光伏发电历史数据、预设区域内前2年的历史温度数据和历史光照强度，以及预设区域内气象预测信息。
[0089]
历史温度数据和历史光照强度是预设区域内前n年每个月的温度数据和光照强度，可以从公开的气象信息中获取，气象预测信息包括但不限于温度数据和光照强度。同样地，在本发明实施例中，历史温度数据和历史光照强度是预设区域内前2年每个月的温度数据和光照强度。
[0090]
s203、根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型。
[0091]
s204、根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量。
[0092]
s205、根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
[0093]
可选的，图3是本发明实施例提供的又一种居民用电量预测方法的流程图。在上述实施例的基础上，参见图3，本发明实施例提供的居民用电量预测方法，包括：
[0094]
s301、获取预设区域的月度历史用电量和光伏发电历史数据。
[0095]
s302、根据所述月度历史用电量，采用时间序列预测方法，预测下一年度所述预设区域的居民的用电量预测模型。
[0096]
其中，采用时间序列预测方法建立预测模型，根据每个月的不同情况建立不同的预测模型，可以更准确地预测预设区域的电能负荷变化趋势，进而准确预测居民实际用电量。
[0097]
s303、根据所述光伏发电历史数据以及所述预设区域内气象预测信息，建立基于时间序列的光伏发电预测模型；其中，所述预设区域内气象预测信息包括太阳能电池板的额定功率、太阳能电池板的倾斜角度以及温度系数。
[0098]
同样地，基于时间序列建立光伏发电预测模型，并将气象信息考虑在内，能够使预测的光伏发电量更接近实际光伏发电量，给供电部门的工作提供更为可信的决策依据。
[0099]
s304、根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量。
[0100]
s305、根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
[0101]
可选的，图4是本发明实施例提供的又一种居民用电量预测方法的流程图。在上述实施例的基础上，参见图4，本发明实施例提供的居民用电量预测方法，包括：
[0102]
s401、获取预设区域的月度历史用电量和光伏发电历史数据。
[0103]
可选的，所述预设区域内前n年的月度历史用电量y采用如下公式计算：
[0104]
y＝[y1,y2,
…
,y
12n
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0105]
其中，n表示年份，即n为大于或等于1，且小于或等于12的正整数，y1表示前n年第1月的月度历史用电量，y
12n
表示前n年第12n月的月度历史用电量，月度历史用电量y是一个行矩阵。
[0106]
具体地，在本发明实施例中，以n等于2为例，预设区域内前2年的月度历史用电量y采用如下公式计算：
[0107]
y＝[y1，y2，
…
y
23
，y
24
]
[0108]
其中，y1表示前2年第1月的月度历史用电量，y2表示前2年第2月的月度历史用电量，y
24
表示前2年第24月的月度历史用电量。
[0109]
s402、根据预设区域的月度历史用电量，计算历史前n年月度用电一次移动平均值序列。
[0110]
可选的，所述历史前n年月度用电一次移动平均值序列，采用如下公式表示：
[0111][0112]
其中，i表示每个月份，即i＝1,2,3,
…
,12n；y
i
表示历史n年第i月的月度历史用电量，a
i
表示历史n年第i月的月度用电一次移动平均值序列。
[0113]
具体地，在本发明实施例中，历史2年月度用电一次移动平均值序列为：
[0114][0115]
其中，i表示每个月份，即i＝1,2,3,
…
,24。则，,24。则，
[0116]
s403、将所述月度历史用电量与所述历史前n年月度用电一次移动平均值序列的比值，得到常数值序列。
[0117]
可选的，所述常数值序列，采用如下公式表示：
[0118][0119]
其中，i＝1,2,3,
…
,12n；b
i
表示历史n年第i月的月度用电常数值序列，该常数值
序列可以对月度历史用电量的平均值与月度历史用电量进行定量分析。
[0120]
具体地，在本发明实施例中，通过将月度历史用电量与历史前2年月度用电一次移动平均值序列做商，得到比值即为常数值序列，历史2年第1月的月度用电常数值序列为历史2年第2月的月度用电常数值序列为历史2年第24月的月度用电常数值序列为该常数值序列可用于对月度历史用电量与月度历史用电量平均值进行定量分析。
[0121]
s404、根据所述常数值序列计算月度指数，并对所述月度指数进行修正，得到修正月度指数。
[0122]
可选的，所述月度指数，采用如下公式表示：
[0123][0124]
其中，r
i
表示每月度指数，j表示年份，1≤j≤n，i＝1,2,3,
…
,12。该月度指数r
i
的意义为前n年的每一年内相同月份的月度用电常数值序列的平均值。
[0125]
具体地，在本发明实施例中，根据常数值序列计算得到前2年的月度指数，前2年的第1月的月度指数为前2年的第2月的月度指数为前2年的第12月的月度指数为
[0126]
并且，为了提高月度用电量预测的准确性，对月度指数进行修正得到修正月度指数。
[0127]
所述修正月度指数，采用如下公式表示：
[0128][0129]
其中，r
′
i
表示月度修正指数，对月度指数r
i
进行修正，可以提高月度用电量的预测准确性。
[0130]
具体地，在本发明实施例中，第1月的月度修正指数为第2月的月度修正指数为第12月的月度修正指数为
[0131]
s405、采用线性回归模型将所述月度历史用电量数据进行拟合，得到拟合值序列和预测值序列；
[0132]
可选的，所述拟合值序列，采用如下公式表示：
[0133]
[0134]
具体地，在本发明实施例中，对历史前2年的月度历史用电量数据进行拟合，得到拟合值序列其中，表示前2年内第1月的月度历史用电量的拟合值，表示前2年内第2月的月度历史用电量的拟合值，该月度历史用电量的拟合值是依据月度历史用电量y
i
的各数据点之间的规律采用线性回归模型进行函数拟合得到的。
[0135]
进一步地，根据拟合值与预测值所满足的数量关系，计算得到一个对应的预测值序列。所述预测值序列，采用如下公式表示：
[0136][0137]
其中，表示下一年第1月的第一预测月度用电量，表示下一年第2月的第一预测月度用电量，表示下一年第12月的第一预测月度用电量。
[0138]
s406、根据所述预测值序列和所述修正月度指数，预测下一年的月度用电量预测模型。
[0139]
可选的，下一年的月度用电量预测模型采用如下公式表示：
[0140][0141]
其中，表示下一年第i月的第一预测月度用电量，表示下一年第i月的第二预测月度用电量。
[0142]
具体地，在本发明实施例中，下一年第1月的第二预测月度用电量为下一年第2月的第二预测月度用电量为下一年第12月的第二预测月度用电量为
[0143]
s407、根据所述光伏发电历史数据以及所述预设区域内气象预测信息，建立基于时间序列的光伏发电预测模型；其中，所述预设区域内气象预测信息包括太阳能电池板的额定功率、太阳能电池板的倾斜角度以及温度系数。
[0144]
可选的，所述光伏发电预测模型，采用如下公式表示：
[0145]
p
g
＝k
·
p
n
·
sinα
·
(1
‑
ξ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0146]
其中，p
g
为光伏发电预测电功率，k为校正系数，p
n
为所述太阳能电池板的额定功率，α为太阳光的入射角，其中sinα＝sin(180
‑
β
‑
ɡ
)＝sin(β+
ɡ
)，β表示太阳高度，
ɡ
表示太阳能电池板的倾斜角度；
[0147]
ξ为温度系数，采用如下公式表示：
[0148][0149]
其中，p
303k
表示太阳能电池板在303k时的功率损耗，t
high
表示太阳最高点的环境温度。
[0150]
具体地，在光伏发电预测电功率p
g
的计算公式中，太阳能电池板的额定功率p
n
可从所使用的太阳能电池板出厂时的产品信息中获知，太阳能电池板的倾斜角度
ɡ
可由太阳能电池板安装的角度测量得到，太阳高度β和太阳最高点的环境温度t
high
可由预设区域内的气象预测信息获取。
[0151]
s408、根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量。
[0152]
可选的，所述预测的光伏发电量，采用如下公式表示：
[0153]
x(t)＝p
g
·
f(t)＝k
·
p
n
·
sinα
·
(1
‑
ξ)
·
f(t)
ꢀꢀꢀꢀꢀꢀꢀ
(11)
[0154]
其中，f(t)代表每个月的自然天数。
[0155]
具体地，在本发明实施例中，下一年第1月的自然天数为31天，则第1月的预测的光伏发电量为x(t)＝p
g
·
31＝31
·
k
·
p
n
·
sinα
·
(1
‑
ξ)。并且下一年第1月的第二预测月度用电量为
[0156]
s409、根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
[0157]
可选的，图5是本发明实施例提供的又一种居民用电量预测方法的流程图。在上述实施例的基础上，参见图5，本发明实施例提供的居民用电量预测方法，包括：
[0158]
s501、获取预设区域的月度历史用电量和光伏发电历史数据；
[0159]
s502、根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型；
[0160]
s503、根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量；
[0161]
s504、将预测的所述居民月度用电量与所述光伏发电量作差，得到预设区域的居民实际消耗的电量。
[0162]
具体地，由于光伏发电容易受到大气环境的影响，所以光伏发电量一般会小于预设区域居民的实际月度用电量，因此，需要供电部门配合提供光伏发电不足以提供的部分，即预设区域的居民实际消耗的电量w，所以，预设区域的居民实际消耗的电量w采用如下公式表示：
[0163][0164]
其中，x(t)为下一年第i月的实际自然天数。
[0165]
具体地，在本发明实施例中，预设区域下一年第1月的居民实际消耗的电量则为经过预测下一年预设区域内居民的实际消耗电量，可以得到该区域更为准确的电能负荷变化趋势，对供电部门产能供能具有一定的参考意义，从而更好地实现节能减排。
[0166]
可选的，图6是本发明实施例提供的一种居民用电量预测系统的结构示意图。在上述实施例的基础上，参见图6，本发明实施例提供的居民用电量预测系统包括：
[0167]
历史数据获取模块10，用于获取预设区域的月度历史用电量和光伏发电历史数据；
[0168]
模型建立模块20，用于根据月度历史用电量和光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型；
[0169]
电量预测模块30，用于根据用电量预测模型和光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量；
[0170]
计算模块40，用于根据预测的居民月度用电量和光伏发电量，计算预设区域的居民实际消耗的电量。
[0171]
可选的，图7是本发明实施例提供的又一种居民用电量预测系统的结构示意图。在上述实施例的基础上，参见图7，本发明实施例提供的居民用电量预测系统，还包括：
[0172]
历史用电量获取单元101，用于获取预设区域内前n年的月度历史用电量；
[0173]
光伏发电历史数据获取单元102，用于获取预设区域内前n年的月度光伏发电历史数据、预设区域内前n年的历史温度数据和历史光照强度，以及预设区域内气象预测信息，其中n为大于或等于1的正整数。
[0174]
可选的，图8是本发明实施例提供的又一种居民用电量预测系统的结构示意图。在上述实施例的基础上，参见图8，本发明实施例提供的居民用电量预测系统，还包括：
[0175]
用电量预测单元201，用于根据月度历史用电量，采用时间序列预测方法，预测下一年度预设区域的居民的用电量预测模型；
[0176]
光伏发电预测单元202，用于根据光伏发电历史数据以及预设区域内气象预测信息，建立基于时间序列的光伏发电预测模型；其中，预设区域内气象预测信息包括太阳能电池板的额定功率、太阳能电池板的倾斜角度以及温度系数。
[0177]
可选的，图9是本发明实施例提供的又一种居民用电量预测系统的结构示意图。在上述实施例的基础上，参见图9，本发明实施例提供的居民用电量预测系统，还包括：
[0178]
序列计算子单元2011，用于根据预设区域的月度历史用电量，计算历史前n年月度用电一次移动平均值序列；
[0179]
序列作商子单元2012，用于将月度历史用电量与历史前n年月度用电一次移动平均值序列的比值，得到常数值序列；
[0180]
指数修正子单元2013，用于根据常数值序列计算月度指数，并对月度指数进行修正，得到修正月度指数；
[0181]
数据拟合子单元2014，用于采用线性回归模型将月度历史用电量数据进行拟合，得到拟合值序列和预测值序列；
[0182]
模型建立子单元2015，用于根据预测值序列和修正月度指数，预测下一年的月度用电量预测模型。
[0183]
可选的，图10是本发明实施例提供的一种居民用电量预测装置的结构示意图。在上述实施例的基础上，参见图10，本发明实施例提供一种可读存储介质51，其上存储有软件程序，当所述可读存储介质51中的指令由居民用电量预测装置中的处理器50执行时，使得居民用电量预测装置能够执行上述任意实施例所述居民用电量预测方法。该方法包括：获取预设区域的月度历史用电量和光伏发电历史数据；根据所述月度历史用电量和所述光伏发电历史数据，建立基于时间序列的用电量预测模型和光伏发电预测模型；根据所述用电量预测模型和所述光伏发电预测模型，预测预设区域的居民月度用电量和光伏发电量；根据预测的所述居民月度用电量和所述光伏发电量，计算预设区域的居民实际消耗的电量。
[0184]
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的居民用电量预测方法操作，还可以执行本发明任意实施例所提供的居民用电量预测方法中的相关操作，且具备相应的功能和有益效果。
[0185]
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明
可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品可以存储在可读存储介质中，如计算机的软盘、只读存储器(read
‑
only memory,rom)、随机存取存储器(random access memory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的居民用电量预测方法。
[0186]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。