<big id="9bpyp"><em id="9bpyp"><kbd id="9bpyp"></kbd></em></big>

  1. <nav id="9bpyp"></nav>
    <table id="9bpyp"><small id="9bpyp"></small></table>

    <nobr id="9bpyp"></nobr>
    1. 電網
      POWER GRID
      助力組織效能提升 為決策提供數字化支撐

      售電量精準預測解決方案

      2018-11-29 15:00:13
      一、項目背景
      隨著電力體制改革和智能電網建設的不斷深入,售電量己成為考核電力企業的一個重要指標,月度售電量預測對于國家電網公司合理地確定銷售電量總定額、分解售電量銷售指標、制訂有序用電方案、指導發電廠和輸配電網的合理運行、推動電力市場的發展和建設都具有十分重要的意義。

      二、問題與挑戰
      1、售電量變化影響因素多。
      2、影響售電量影響的各因素間關系復雜。
      3、售電量預測模型需具備自學習功能,使得模型能夠反映售電量最新的變化趨勢。
      4、預測模型實現全自動化建模過程。

      三、解決方案
      為實現自動化、自學習的售電量預測,減少業務人員的操作成本,開發了自動獲取天氣數據、節假日數據、經濟數據的主要經濟數據的網絡爬蟲工具,并結合電網的業擴報裝等數據,構建了基于貝葉斯季節調整算法的售電量預測解決方案,主要步驟如下:
      1、數據預處理:包括異常值處理、最優建模數據自動篩選等;
      2、曲線分解:利用貝葉斯季節調整算法分解售電量曲線,分解得到趨勢項、季節項和隨機項;如圖1。
      3、分解預測:在相關性研究、前導性分析的基礎上,分別考慮趨勢項、季節項和隨機項的相關因素,建立預測模型;
      4、預測重構:通過趨勢項、季節項和隨機項的預測結果逐點相加得到售電量預測結果;
      5、預測擇優:在多種預測結果中自動選擇最優預測結果;
      6、春節調整:在深入研究春節對售電量影響的基礎上,對預測結果進行調整,得到最終預測結果。如圖2。


      貝葉斯季節調整算法
      圖1
       售電量預測
      圖2

      四、應用價值
      外部數據自動爬取與結構化
      售電量精準預測

      五、相關案例
      國網總部及省公司售電量預測
      大型供電企業售電量預測
      國網某省及地市公司售電量預測


      服務熱線
      400-608-2558
      咨詢熱線
      029-88696198
      美林數據
      微信掃描二維碼,立即在線咨詢
      马上射日韩影院