基于回归分析的迎峰度夏用电量分析方法

论文摘要

电力行业迎峰度夏期间电力客户用电需求达到高峰,电力企业供电压力陡增。为确保电网设备安全、平稳运行,有效缓解用电高峰期的紧张局面,需要提前根据天气情况对迎峰度夏期间的电力负荷、日用电量等指标进行定量分析,使电网公司对即将到来的用电高峰进行充分的准备。此外,掌握迎峰度夏期间公司供电区域用电、售电情况,了解迎峰度夏期间公司营销营业相关业务的运行特点还能够对公司营销营业的后续工作开展提供很好的借鉴。本文提出一种迎峰度夏期间日用电量的量化分析方法。首先分析日用电量与日最高气温间的相关性。利用日用电量数据与其经营区域内日最高气温数据进行基于皮尔森相关系数的相关性分析,用量化的方法检查数据间的相关关系。之后,利用回归分析算法对日用电量与日最高气温之间建立函数关系,以日最高气温为输入,日用电量为输出,采用最小二乘法进行函数参数拟合。解得拟合函数参数后,根据可决系数评判拟合函数的拟合程度,即日用电量分析方法的有效性,可决系数在0.5以上表示使用该函数进行日用电量分析效果较好。本文利用2015年迎峰度夏期间国家电网公司经营区域内23个电力公司的日用电量数据与其经营区域内日最高气温数据进行分析。首先对各电力公司进行日用电量与日最高气温的相关性分析,可得到较强的正相关关系,且在日最高气温高于一定值后,日最高气温越高日用电量越大。然后,利用各电力公司2015年6至8月日用电量与日最高气温数据通过回归分析算法建立函数关系,先对日最高气温相同的样本所对应的日用电量数据取平均值作为创建函数关系的新样本,目的是将不同日期的日用电量数据均衡化,使取平均值后的日用电量与短期经济变化无关。然后,以日最高气温为输入,日用电量为输出,利用最小二乘法进行函数参数拟合。再利用可决系数评判拟合函数的拟合程度。对各电力公司日用电量与日最高气温的拟合函数计算可决系数可知,利用本文提出的拟合方法可以较好地量化电力公司迎峰度夏期间日用电量随日最高气温变化的关系。利用某电力公司2015年6月1日—8月25日的日最高气温和日用电量函数关系,计算8月26日—8月28日的日用电量预测值,误差分别为0.22%、1.75%、3.42%,预测精度较高。本文提出了一种电力公司迎峰度夏期间日用电量的分析方法,通过对日用电量数据与日最高气温数据之间建立的函数关系得到了日用电量随最高温度变化的定量分析结果。通过实证研究发现,迎峰度夏期间电力公司的日用电量与其经营区域内日最高气温之间存在较强的正相关,经过函数拟合,其函数关系均呈二次或一次函数关系,且存在一个阈值使日最高气温高于该阈值时日用电量随日最高气温的增长而增加。实验结果表明,利用该方法建立的函数关系在电力公司迎峰度夏期间气温发生变化时能够很好地对日用电量的变化情况进行量化,并能够对未来几天的日用电量进行预测,为电网设备迎峰度夏期间的安全运行提供数据支撑,对电力公司充分做好迎峰度夏准备工作、提高营销营业管理水平具备一定指导意义。此外,在电力公司迎峰度冬期间,也可以采用类似方法对用电量的变化情况进行量化。

论文目录

文章来源

类型: 国内会议

作者: 陈雨泽,李磊,方学民,刘建,赵加奎,刘玉玺,左松林

关键词: 用电量,迎峰度夏,皮尔森相关系数,回归分析,最小二乘法

来源: 2019电力行业信息化年会 2019-09-07

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,经济与管理科学

专业: 数学,电力工业,工业经济

单位: 国网信息通信产业集团有限公司,国家电网公司,国家电网有限公司大数据中心,国网安徽省电力有限公司

分类号: F426.61;O212.1

页码: 409

总页数: 1

文件大小: 73k

下载量: 57

相关论文文献

• [1].国家能源局发布10月份全社会用电量[J]. 中国能源 2019(11)
• [2].基于温度梯度变化的月度统调用电量预测研究[J]. 河南科技 2020(01)
• [3].国家能源局发布6月全社会用电量[J]. 设备监理 2019(07)
• [4].国家能源局：3月份全社会用电量同比下降4.2%[J]. 电力勘测设计 2020(04)
• [5].国家能源局发布2019年全社会用电量[J]. 中国能源 2020(02)
• [6].多个先行指标继续回升 中国经济恢复步伐加快[J]. 经济导刊 2020(04)
• [7].国家能源局发布5月份全社会用电量[J]. 电力勘测设计 2020(06)
• [8].6月份全社会用电量同比增长6.1%[J]. 中国环境监察 2020(07)
• [9].6月份全社会用电量同比增长6.1%[J]. 天津经济 2020(07)
• [10].前8月，全社会用电量年内首现正增长[J]. 中国环境监察 2020(09)
• [11].国家能源局发布7月份全社会用电量[J]. 中国能源 2020(08)
• [12].国家能源局发布2月份全社会用电量[J]. 设备监理 2020(03)
• [13].国家能源局发布2月份全社会用电量[J]. 农村电气化 2019(04)
• [14].我国过去十年用电量低速增长的启示[J]. 中国电力企业管理 2019(13)
• [15].国家能源局发布4月份全社会用电量[J]. 中国能源 2019(05)
• [16].国家能源局发布6月份全社会用电量[J]. 中国能源 2019(07)
• [17].国家能源局发布8月份全社会用电量[J]. 中国能源 2019(09)
• [18].国家能源局发布8月份全社会用电量[J]. 农村电气化 2019(10)
• [19].2017年全社会用电量同比增长6.6%[J]. 中国能源 2018(02)
• [20].6月份全社会用电量同比增长8.0%[J]. 中国能源 2018(07)
• [21].气候舒适度对珠海市社会用电量的影响[J]. 广东气象 2018(04)
• [22].喜看电量“四级跳”[J]. 河南电力 2018(10)
• [23].8月浙江省全社会用电量同比增长5.4%[J]. 宁波节能 2018(05)
• [24].9月份全社会用电量同比增长8%[J]. 农村电气化 2018(11)
• [25].基于组合模型的制造业用电量预测[J]. 管理观察 2017(09)
• [26].气温因素对北京市全社会月用电量影响的分析[J]. 现代工业经济和信息化 2017(03)
• [27].国家能源局发布2017年2月份全社会用电量[J]. 电力安全技术 2017(04)
• [28].数字[J]. 中国电力企业管理 2016(25)
• [29].数字[J]. 中国电力企业管理 2016(28)
• [30].基于多元线性回归模型的居民用电量影响因素分析[J]. 西昌学院学报(自然科学版) 2017(01)

标签：用电量论文;  迎峰度夏论文;  皮尔森相关系数论文;  回归分析论文;  最小二乘法论文;