一种针对工业大用户业扩报装容量需求的预测方法与流程

1.本发明涉及业扩报装，具体涉及一种针对工业大用户业扩报装容量需求的预测方法。


背景技术：

2.业扩报装是受理用户用电申请，依据用户的用电需求并结合供电网络状况制定安全、经济、合理的供电方案，同时需要确定供电工程投入，组织供电工程的设计和实施，组织协调并检查用户内部工程的设计与实施，最终签订供用电合同，完成装表接电等，是从用户申请用电到实际用电全过程中供电部门业务流程的总称。
3.目前，在大用户电力报装的过程中，设备容量等参数预留大多采用经验预估的方式，通过工程人员个人的专业积累来评判大用户的报装容量。该方式存在以下缺点：现有通过经验预估的方式，导致评判标准不一，无法形成有效知识库积累，没有有效数据进行支撑，对其他用户未形成有效借鉴；另外，预估结果不可控，既可能因为预留容量不足导致电力供应不能满足实际需求，也可能因为预留容量过大使得电网设备利用率降低。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术所存在的上述缺点，本发明提供了一种针对工业大用户业扩报装容量需求的预测方法，能够有效克服现有技术所存在的无法对大用户业扩报装容量需求进行有效、合理预估的缺陷。
6.(二)技术方案
7.为实现以上目的，本发明通过以下技术方案予以实现：
8.一种针对工业大用户业扩报装容量需求的预测方法，包括以下步骤：
9.基于业务特征，列举出业扩报装的影响因素，并进行数据处理；
10.对处理后的数据进行相关性分析，并进行特征选择，构建大用户业扩报装容量需求测算模型；
11.计算用电类别下的需要系数和同时系数，对不同用电类别用户进行容量预测。
12.优选地，所述影响因素包括用户信息、用电信息、电力数据和经济数据；
13.其中，所述用户信息包括户名、户号、行业类别、人员数量、注册资金和区域，所述用电信息包括用电类别、供电电压等级和电源点个数，所述电力数据包括每日最大负荷、用电量和容量，所述经济数据包括行业gdp。
14.优选地，所述进行数据处理，包括：
15.对数据变量进行无量纲化和字符串编码，通过无量纲化消除量纲影响，使得迭代算法更快收敛；
16.对类别变量进行有序编码、指定编码和虚拟编码，为模型构建做准备。
17.优选地，所述对处理后的数据进行相关性分析，并进行特征选择，包括：
18.构建变量间相关性图谱，通过皮尔逊相关系数确定特征间线性关系的强度和方向，并通过递归特征消除法抽取出表现最好的特征子集。
19.优选地，所述构建大用户业扩报装容量需求测算模型，包括：
20.从多元线性回归模型、k近邻模型、集成学习算法模型中选取一种构建大用户业扩报装容量需求测算模型，其中集成学习算法包括袋装法和随机森林。
21.优选地，所述计算用电类别下的需要系数和同时系数，对不同用电类别用户进行容量预测，包括：
22.根据用电性质对用户进行分类，提取各用电类别用户的历史负荷数据，计算需要系数和同时系数，对不同用电类别用户进行容量预测。
23.优选地，所述需要系数的计算公式为：
[0024][0025]
其中，l
max
为该用电类别的最大负荷值，n为该用电类别的用户总数，qi为选定用电类别下第i个用户的变压器容量，为需要系数。
[0026]
优选地，所述同时系数的计算公式为：
[0027][0028]
其中，h
max
为全行业的最大负荷值，lj为第j类用户的最大负荷值，δ为同时系数。
[0029]
(三)有益效果
[0030]
与现有技术相比，本发明所提供的一种针对工业大用户业扩报装容量需求的预测方法，具有以下有益效果：
[0031]
1)从大用户级别，构建基于大数据的大用户业扩报装容量需求测算模型，通过数据模型精准量化业扩报装容量需求，在时间累计维度上可持续提高模型精度，实现容量需求预测的动态调整；
[0032]
2)通过选取与业务存在较强相关性的指标，进行量化和数据处理，以及对多种算法模型进行比较，最终选择预测精度较高的模型，来实现大用户业扩报装容量需求测算模型的构建；
[0033]
3)从用电类别出发，计算不同用电类别下的需要系数和同时系数，对大用户进行供电需求预测。
附图说明
[0034]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。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，还可以根据这些附图获得其他的附图。
[0035]
图1为本发明的流程示意图。
具体实施方式
[0036]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0037]
一种针对工业大用户业扩报装容量需求的预测方法，如图1所示，
①
基于业务特征，列举出业扩报装的影响因素，并进行数据处理。
[0038]
影响因素包括用户信息、用电信息、电力数据和经济数据。其中，用户信息包括户名、户号、行业类别、人员数量、注册资金和区域；用电信息包括用电类别、供电电压等级和电源点个数；电力数据包括每日最大负荷、用电量和容量；经济数据包括行业gdp。本技术技术方案中，尽可能列举出对业扩报装有影响的所有因素，共计14个特征。
[0039]
进行数据处理，主要包括：
[0040]
对数据变量进行无量纲化和字符串编码，通过无量纲化消除量纲影响，使得迭代算法更快收敛；对类别变量进行有序编码、指定编码和虚拟编码，为模型构建做准备。
[0041]
②
对处理后的数据进行相关性分析，并进行特征选择，构建大用户业扩报装容量需求测算模型。
[0042]
对处理后的数据进行相关性分析，并进行特征选择，包括：
[0043]
构建变量间相关性图谱，通过皮尔逊相关系数确定特征间线性关系的强度和方向，并通过递归特征消除法抽取出表现最好的特征子集。
[0044]
本技术技术方案中，采用wrapper方法进行特征提取，通过添加特征后的模型表现来评估提取特征的好坏，最终进入模型的特征有35个。
[0045]
构建大用户业扩报装容量需求测算模型，包括：
[0046]
从多元线性回归模型、k近邻模型、集成学习算法模型中选取一种构建大用户业扩报装容量需求测算模型，其中集成学习算法包括袋装法和随机森林。
[0047]
本技术技术方案中，对多种算法模型进行比较，最终选择预测精度较高的多元线性回归模型，其预测精度达到0.712。
[0048]
通过选取与业务存在较强相关性的指标，进行量化和数据处理，以及对多种算法模型进行比较，最终选择预测精度较高的模型，来实现大用户业扩报装容量需求测算模型的构建。
[0049]
③
计算用电类别下的需要系数和同时系数，对不同用电类别用户进行容量预测，包括：
[0050]
根据用电性质对用户进行分类(分为工业用户、商业用户和公共服务用户3大类，大用户共计173户)，提取各用电类别用户的历史负荷数据(采样时间间隔为15分钟，用户安装时间超过8年)，计算需要系数和同时系数，对不同用电类别用户进行容量预测。
[0051]
需要系数的计算公式为：
[0052][0053]
其中，l
max
为该用电类别的最大负荷值，n为该用电类别的用户总数，qi为选定用电类别下第i个用户的变压器容量，为需要系数。
[0054]
同时系数的计算公式为：
[0055][0056]
其中，h
max
为全行业的最大负荷值，lj为第j类用户的最大负荷值，δ为同时系数。
[0057]
本技术技术方案中，通过研究电力大用户业扩报装容量需求模型，可实现对大用户业扩报装容量需求的精准量化，更好提升客户用电满意度和电网设备利用率，具体包括以下两个方面的模型研究：
[0058]
从大用户级别，构建基于大数据的大用户业扩报装容量需求测算模型，通过数据模型精准量化业扩报装容量需求，在时间累计维度上可持续提高模型精度，实现容量需求预测的动态调整；
[0059]
从用电类别出发，计算不同用电类别下的需要系数和同时系数，对大用户进行供电需求预测。
[0060]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。