【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于降溫采暖用電量分解的，涉及基于核密度估計與多元線性回歸的降溫采暖電量分解方法。
技術(shù)介紹
1、近年來隨著居民生活水平的提高，空調(diào)保有量日益增多，降溫采暖電量呈現(xiàn)較快的增長趨勢，在電量結(jié)構(gòu)中占比逐漸增加。同時，受極端天氣影響，降溫采暖電量呈現(xiàn)出了較大波動性。例如2022年度夏期間，極端高溫天氣歷史罕見，空調(diào)設(shè)備持續(xù)高位運行，汛期來水歷史極枯，水電發(fā)電能力大幅下降，電力電量平衡困難重重，電力保供經(jīng)受了前所未有的挑戰(zhàn)。且工業(yè)生產(chǎn)用電波動不大，但居民電量受氣溫影響較大，帶動整個電網(wǎng)運行呈現(xiàn)非常鮮明的峰谷差。
2、現(xiàn)有技術(shù)中，常基于基準電量比較法構(gòu)建降溫采暖電量測算模型，以春秋典型日電量作為當年無降溫采暖電量的基準電量，并采用差值法、趨勢外推法兩種方法分別計算自然增長斜率，手動設(shè)置自然增長調(diào)整系數(shù)，修正度夏、度冬期間與春秋典型基礎(chǔ)電量偏差。該方法把夏季電量與基礎(chǔ)電量相減，認為所得到的差值就是夏季受溫度影響的降溫電量。該方法適用性強、數(shù)據(jù)樣本要求少、實現(xiàn)簡單。但該方法中典型日篩選、調(diào)整系數(shù)主要依賴于人為分析干預(yù)，增大了業(yè)務(wù)人員工作量，且未考慮限電措施和積溫效應(yīng)影響，不足以支撐降溫采暖電量精準測算工作。
3、因此，亟需開展降溫采暖電量計算模型優(yōu)化研究，實現(xiàn)典型日自動選取、優(yōu)化基礎(chǔ)電量計算模型、同時考慮限電措施及積溫效應(yīng)影響的降溫采暖電量計算模型修正，從而提升降溫采暖電量計算精準度，有效支撐降溫采暖電量分析工作的常態(tài)化開展。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)為了對
2、本專利技術(shù)的技術(shù)方案是提供基于核密度估計與多元線性回歸的降溫采暖電量分解方法，關(guān)鍵在于，上述的電量分解方法包括步驟：
3、s1、基于影響因素，構(gòu)建特征標簽體系；
4、s2、基于擬合分析與核密度估計法，選擇典型日：
5、s3、基于多元線性回歸，預(yù)測基礎(chǔ)電量；
6、s4、降溫采暖電量的計算：將降溫采暖電量分為未采取限電措施和采取限電措施兩部分計算：
7、s4-1、針對未采取限電措施部分，采用公式qac＝qd-qb計算，式中qd為實際日電量，qb為預(yù)測的基礎(chǔ)電量，qac降溫采暖電量；
8、s4-2、針對采取限電措施部分，考慮當日氣象與積溫效應(yīng)，基于未采取限電措施的降溫采暖電量歷史數(shù)據(jù)及特征數(shù)據(jù)，采用多元線性回歸法對采取限電措施的降溫采暖電量進行預(yù)測得到降溫采暖電量預(yù)測值，用預(yù)測值代替差值，上述的差值為實際日電量和預(yù)測的基礎(chǔ)電量的差值；
9、s5、基于皮爾遜相關(guān)系數(shù)法的結(jié)果校驗。
10、進一步的，上述s4-2步驟具體包括：
11、①基于多元線性回歸預(yù)測限電日期降溫采暖電量，得到模型；
12、②考慮積溫效應(yīng)，對模型進行修正，需要確認積溫效應(yīng)臨界值和積溫效應(yīng)累計天數(shù)，得到積溫效應(yīng)溫度修正模型，將積溫臨界值與相關(guān)系數(shù)代入積溫效應(yīng)溫度修正模型得到最高溫度與最低溫度修正公式；
13、具體的，上述的積溫效應(yīng)溫度修正模型的公式為：
14、t'＝t+c1(t1-t0)+c2(t2-t0)，式中t為當日溫度，t1為空調(diào)啟動的前一日溫度，t2為空調(diào)啟動的前兩日溫度，c1為空調(diào)啟動的前一日溫度系數(shù)c2為空調(diào)啟動的前兩日溫度系數(shù)r1為前一日溫度與降溫采暖電量相關(guān)系數(shù)，r2為前兩日溫度與降溫采暖電量相關(guān)系數(shù)，r1和r2為皮爾遜相關(guān)系數(shù)，用于描述溫度與降溫采暖電量的線性相關(guān)程度。
15、上述的s2步驟具體包括：
16、s2-1、計算體感溫度，公式為：
17、at＝1.07t+0.2e-0.65v-2.7，式中at為體感溫度、t為氣溫、e為水汽壓、v為風(fēng)速、rh為相對濕度；
18、上述的水汽壓e的計算公式為：
19、s2-2、采用公式：qd＝a1·at2+a2·at+a3，擬合全年用電量與上述的體感溫度之間的變化關(guān)系，得到u型趨勢圖；
20、s2-3、通過求導(dǎo)得到斜率q′d＝2b1at+b2，式中qd為日電量，a、b為擬合系數(shù)，at為體感溫度；
21、s2-4、根據(jù)所得的u型趨勢圖和斜率，選擇u型趨勢圖底部對應(yīng)的體感溫度范圍，將所選體感溫度范圍對應(yīng)的日期作為典型日，上述的典型日中還需要剔除異常值。
22、上述的s2-4步驟中，剔除異常值是先利用核密度估計法統(tǒng)計電量合理范圍；再計算相應(yīng)的累積分布函數(shù)，用于描述隨機變量小于或等于某個取值的概率；最后設(shè)置置信區(qū)間為90％，剔除異常點，剩下日期為所述的典型日。
23、具體的，上述的核密度估計法是根據(jù)公式計算用于估計變量的概率密度函數(shù)，式中概率密度函數(shù)，n為估計樣本的數(shù)量，h是通過網(wǎng)格搜索法選擇得到的最優(yōu)帶寬，k(·)核函數(shù)，x樣本數(shù)據(jù)。
24、上述的s3-2步驟具體包括：求差序列、求兩級差、求關(guān)聯(lián)系數(shù)和根據(jù)關(guān)聯(lián)度選取相關(guān)特征：
25、上述的求差序列是將初值化后的參考序列減各個比較序列對應(yīng)的數(shù)，具體公式為：δi(k)＝|x0(k)-xi(k)|；i＝1，2，3…n，
26、式中，δi(k)是比較序列與參考序列差的絕對值，x0(k)為參考序列，xi(k)為比較序列；
27、上述的求兩級差是求最大值極差和最小值極差，具體公式為：
28、
29、式中，m極差為最大極差，m極差為最小極差；
30、上述的求關(guān)聯(lián)系數(shù)是求比較序列與參考序列在各個點的關(guān)聯(lián)程度值的平均值，具體公式為：
31、式中，ξi(k)是各個點比較序列與參考序列的關(guān)聯(lián)程度值，δi(k)是比較序列與參考序列差的絕對值，ρ是分辨系數(shù)，取0.5，m為最大極差，m為最小極差；
32、上述的根據(jù)關(guān)聯(lián)度選取相關(guān)特征是：根據(jù)上述的關(guān)聯(lián)系數(shù)大小將特征因子排序，得出特征因子對線損的關(guān)聯(lián)程度，選取相關(guān)特征，剔除無關(guān)特征。
33、上述的s3步驟具體包括：
34、s3-1、特征數(shù)據(jù)處理：收集所述的典型日特征數(shù)據(jù)，將非數(shù)字型的特征數(shù)據(jù)標簽轉(zhuǎn)化為數(shù)字型特征值；
35、s3-2、基于灰色關(guān)聯(lián)度分析法特征選擇：利用上述的灰色度分析法計算基礎(chǔ)電量與特征數(shù)據(jù)的相關(guān)性，剔除相關(guān)性較低的特征值；
36、s3-3、基于多元線性回歸預(yù)測基礎(chǔ)電量。
37、其中，上述的s3-3步驟是將經(jīng)過s3-2步驟處理后的特征值代入多元線性回歸模型中，得到典型日電量與特征值的擬合結(jié)果，具體公式為：
38、
39、式中，n次多項式有a0到an這個n+1個未知擬合系數(shù)，為預(yù)測值，x為特征值。
40、最后，上述的s5步驟是采用皮爾遜相關(guān)系數(shù)法計算對比基準值法、基礎(chǔ)電量預(yù)測法及考慮限電措施修正后的降溫采暖電量計算結(jié)果與溫度的相關(guān)系數(shù)，如果考本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，所述的電量分解方法包括步驟：
2.根據(jù)權(quán)利要求1所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，S4-2步驟具體包括：
3.根據(jù)權(quán)利要求2所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，所述的積溫效應(yīng)溫度修正模型的公式為：
4.根據(jù)權(quán)利要求1所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，所述的S2步驟具體包括：
5.根據(jù)權(quán)利要求4所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，S2-4步驟中所述的剔除異常值是先利用核密度估計法統(tǒng)計電量合理范圍；再計算相應(yīng)的累積分布函數(shù)，用于描述隨機變量小于或等于某個取值的概率；最后設(shè)置置信區(qū)間為90％，剔除異常點，剩下日期為所述的典型日。
6.根據(jù)權(quán)利要求5所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，所述的核密度估計法是根據(jù)公式計算用于估計變量的概率密度函數(shù)，式中概率密度函數(shù)，n為估計樣本的數(shù)量，h是通過網(wǎng)
7.根據(jù)權(quán)利要求1所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，所述的S3步驟具體包括：
8.根據(jù)權(quán)利要求7所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，所述的S3-2步驟具體包括：求差序列、求兩級差、求關(guān)聯(lián)系數(shù)和根據(jù)關(guān)聯(lián)度選取相關(guān)特征：
9.根據(jù)權(quán)利要求7所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，所述的S3-3步驟是將經(jīng)過S3-2步驟處理后的特征值代入多元線性回歸模型中，得到典型日電量與特征值的擬合結(jié)果，具體公式為：
10.根據(jù)權(quán)利要求1所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，所述的S5步驟是采用皮爾遜相關(guān)系數(shù)法計算對比基準值法、基礎(chǔ)電量預(yù)測法及考慮限電措施修正后的降溫采暖電量計算結(jié)果與溫度的相關(guān)系數(shù)，如果考慮限電措施修正后的相關(guān)系數(shù)高于對比基準值法、基礎(chǔ)電量預(yù)測法的所得的相關(guān)系數(shù)，結(jié)束；如果考慮限電措施修正后的相關(guān)系數(shù)低于對比基準值法、基礎(chǔ)電量預(yù)測法的所得的相關(guān)系數(shù)，那么重新從S1步驟開始，再次構(gòu)建特征標簽體系。
...【技術(shù)特征摘要】
1.基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，所述的電量分解方法包括步驟：
2.根據(jù)權(quán)利要求1所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，s4-2步驟具體包括：
3.根據(jù)權(quán)利要求2所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，所述的積溫效應(yīng)溫度修正模型的公式為：
4.根據(jù)權(quán)利要求1所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，所述的s2步驟具體包括：
5.根據(jù)權(quán)利要求4所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，s2-4步驟中所述的剔除異常值是先利用核密度估計法統(tǒng)計電量合理范圍；再計算相應(yīng)的累積分布函數(shù)，用于描述隨機變量小于或等于某個取值的概率；最后設(shè)置置信區(qū)間為90％，剔除異常點，剩下日期為所述的典型日。
6.根據(jù)權(quán)利要求5所述的基于核密度估計與多元線性回歸的降溫采暖電量分解方法，其特征在于，所述的核密度估計法是根據(jù)公式計算用于估計變量的概率密度函數(shù)，式中概率密度函數(shù)，n為估計樣本的數(shù)量，h是通過網(wǎng)格搜索法選擇得到的最優(yōu)帶...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉夏麗，孫杰，周興華，蔡正勇，趙鵬程，張文斌，李磐妮，張慧敏，楊海燕，馮超，張文科，王艷，孫麗雙，
申請(專利權(quán))人：北京中恒博瑞數(shù)字電力科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。