用于月度用电预测模型的有效工作日构建方法技术

本发明专利技术公开了一种用于月度用电预测模型的有效工作日构建方法，包括以下步骤：划分春节用电为三个时段，设春节前七天调整系数为c1，春节期间七天为c2，春节后七天为c3，则计算c1，c2，c3三个数值作为调整系数的初始值；确定步长搜索调整系数的范围，并折算出春节所在月份内有效工作的天数，并进一步计算出日均售电量集，作为用电预测模型的输入数据进行预测，根据模型预测误差，确定最优调整系数c1’，c2’，c3’，从而确定有效工作日。日均售电量通过模型计算的预测值，乘以有效工作日，进而得到月度数据的预测值。本发明专利技术修正了春节在公历月份出现日期的波动带来的数据不准确，从而捕捉移动节假日效应，使数据核算准确。

【技术实现步骤摘要】

本专利技术涉及到用电预测领域，特别涉及一种用于月度用电预测模型的有效工作日构建方法。
技术介绍
现有的用电预测模型有GM灰色预测模型、ARIMA模型、回归模型等。1、GM灰色预测模型基于用电数据本身的趋势，通过实际数据的累加生成灰色系统，得到规律较强的曲线之后，用指数曲线拟合生成模型，再利用生成模型得到的数据通过累加逆运算——累减生成得到还原模型，由还原模型作为预测模型。2、电力弹性系数一种系数计算法，把影响用电的因素(如气温)和用电量两者之间计算弹性系数，即气温每增加1％，带来用电量变量百分之多少。根据历史数据对弹性进行估算，把得到的弹性系数和新的气温变化结合，从而对新的用电量的变化进行估计和预测。3、ARIMA模型自回归移动平均模型(ARIMA)是基于用电量本身的自身规律进行刻画的模型。如果用电序列{yt

【技术保护点】
一种用于月度用电预测模型的有效工作日构建方法，其特征在于，包括以下步骤：划分春节用电为三个时段，前中后各一星期，分别为春节前七天，即除夕开始前七天，春节期间七天，即初一到初七，春节后七天，即初八到十五；设春节前七天调整系数为c1，春节期间七天为c2，春节后七天为c3，则以确定步长搜索不同时段的调整系数的范围，计算出c1，c2，c3三个数值作为调整系数的初始值，在这个数值上下搜索，从而形成系数集合，形成c1、c2和c3的系数集合；根据调整系数，折算出春节前中后三周所在月份内有效工作的天数，具体计算方法为，春节前一周的有效工作日＝c1×第i月春节前一周存在的天数，春节所在周的有效工作日＝c2×第i月春节所在周存在的天数，春节后一周的有效工作日＝c3×第i月春节后一周存在的天数，春节所在月份的有效工作日＝第i月非春节工作天数+第i月春节期间有效工作天数；根据有效工作日集合和当月售电量计算出日均售电量，根据日均售电量集，作为用电预测模型的输入数据，进行预测，根据模型预测误差，确定最优调整系数c1’，c2’，c3’。

【技术特征摘要】
1.一种用于月度用电预测模型的有效工作日构建方法，其特征在于，包括以下步骤：
划分春节用电为三个时段，前中后各一星期，分别为春节前七天，即除夕开始前七天，
春节期间七天，即初一到初七，春节后七天，即初八到十五；
设春节前七天调整系数为c1，春节期间七天为c2，春节后七天为c3，则
以确定步长搜索不同时段的调整系数的范围，计算出c1，c2，c3三个数值作为调整系数
的初始值，在这个数值上下搜索，从而形成系数集合，形成c1、c2和c3的系数集合；
根据调整系数，折算出春节前中后三周所在月份内有效工作的天数，具体计算方法为，
春节前一周的有效工作日＝c1×第i月春节前一周存在的天数，春节所在周的有效工作日＝c2
×第i月春节所...

【专利技术属性】
技术研发人员：李新，何为，李晨，李科，张睿，史爽，鲁万波，龚金国，刘宏鲲，喻开志，马云蓓，
申请(专利权)人：四川省电力公司供电服务中心，国家电网公司，
类型：发明
国别省市：四川;51