申请/专利权人：吴天

申请日：2020-02-26

公开（公告）日：2024-04-16

公开（公告）号：CN111275267B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/067

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2020.07.07#实质审查的生效;2020.06.12#公开

摘要：本发明公开了一种生产型企业的用电量预测方法，利用行业宏观因数与企业自身历史用电数据规律，对企业分类处理，建立适应各个企业的通用用电预测模型，帮助企业准确的预测其未来用电量，在实时市场中准确的购买电量防止出现偏差，避免损失。

主权项：1.一种生产型企业的用电量预测方法，其特征在于，包括以下步骤：S1、根据企业生产情况，确定企业类型；若为订单生产型企业，则进入步骤S2；若为周期生产型企业，则进入步骤S5；S2、根据按照历史企业订单进行生产时的用电情况，确定订单生产型企业的用电量与订单量的关系；S3、根据订单生产型企业的历史订单量，对订单量进行预测；S4、根据订单生产型企业的用电量与订单量的关系，基于预测的订单量，对用电量进行初步预测；S5、根据周期生产型企业的历史用电规律，对周期生产型企业的用电量进行初步预测；S6、基于宏观行业因数，对初步预测的企业用电量进行微调，实现企业用电量的预测；所述步骤S2中，利用自回归积分滑动平均模型，确定订单生产型企业的用电量与订单量的关系式为：y＝β0+β1*x1+β2*x2+…+βt*xt+e式中，y为订单生产型企业的用电量；β0为订单生产型企业的用电量常数，即为企业的基本用电量；βi为产品订单与该订单生产型企业中的单位用电量间的系数，即每一单位产品会消耗的用电量，下标i＝1,2,3,…,t，t为订单生产型企业的各产品订单总数；e为随机误差；所述步骤S3具体为：A1、确定订单生产型企业的原始数据X0＝{X01,X02,X03,…,X0N}；所述原始数据为通过数据采集设备在企业高压侧采集到的总负荷数据；式中，X0为某一时间段企业的总负荷数据组；X0n为n时刻企业的总负荷数据组，下标n＝1,2,3,…,N，n为时刻序数，N为最大时刻序数，最大可设置为96；A2、对X0n均进行累加处理，得到X1： 式中，X1为累计处理后的某一时间段企业的总负荷数据组；X1n为1-n时刻企业的总负荷累加数据，n＝1,2,3,…,N；X0k为k时刻企业的总负荷数据，k＝1,2,3,…,N；A3、基于X1，构建灰色GM1,1模型，并对其进行离散化处理；A4、对离散化处理后的灰色GM1,1模型进行求解；A5、基于灰色GM1,1模型的求解结果，对其进行模型重建，并进行逆累加处理；A6、根据逆累加处理结果，对订单生产型企业的订单量进行预测；所述步骤A6中，所述订单生产型企业的订单预测量为： 所述步骤A3中的GM1,1模型为： 式中，a为发展系数，作为待求解的系数；b为灰作用量，作为待求解系数；离散化处理后的GM1,1模型为：X0k+aZ1k＝b式中，Z1k为离散化后累计的某一时间段企业的总负荷数据组；所述步骤A4中对离散化处理后的GM1,1模型进行求解时，求解参数包括Z1k、a和b；其中，Z1k为：X1k＝0.5*X1k+0.5*X1k-1式中，X1k为累计的某一时间段企业的总负荷数据组；通过最小二乘法对a和b进行求解时，通过a和b的构成矩阵p为： 式中，B为累加矩阵；yn为常数向量；上标T为转置运算符；其中， 所述步骤A5中，进行逆累加处理的方法具体为：B1、确定重建的灰色GM1,1模型的初始条件为X11＝X01；式中，X11为第一时刻企业的总负荷逆累加数据组；X01为第一时刻企业的总负荷数据组；B2、根据确定的初始条件，通过积分因子法对重建的灰色GM1,1模型进行处理，得到为： 式中，为某一时刻企业的总负荷逆累加数据组估计值；B3、对进行逆累加处理，得到累计处理结果为：

全文数据：

权利要求：

百度查询： 吴天 一种生产型企业的用电量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD