征標(biāo)簽對(duì)應(yīng)的BP神經(jīng)網(wǎng)絡(luò)算法；
[0181] 與所述第二特征標(biāo)簽對(duì)應(yīng)的L1/2稀疏性回歸算法；
[0182] 與所述第三特征標(biāo)簽對(duì)應(yīng)的支持向量機(jī)SVM回歸算法；
[0183] 與所述第四特征標(biāo)簽對(duì)應(yīng)的L1/2稀疏性回歸算法；
[0184] 與所述第五特征標(biāo)簽對(duì)應(yīng)的差分自回歸移動(dòng)平均模型ARIM算法。
[0185] 本申請(qǐng)實(shí)施例提供的區(qū)域售電量預(yù)測(cè)裝置，對(duì)于待預(yù)測(cè)各個(gè)區(qū)域的歷史售電量曲 線進(jìn)行時(shí)域和頻域特征的確定，并據(jù)此對(duì)各個(gè)待預(yù)測(cè)區(qū)域進(jìn)行聚類，同一聚類組內(nèi)，各個(gè)待 預(yù)測(cè)區(qū)域的歷史售電量曲線在時(shí)域和頻域下的特征相同，且該特征作為聚類組的特征標(biāo) 簽，最后針對(duì)每一個(gè)聚類組，選用預(yù)置的與該聚類組的特征標(biāo)簽對(duì)應(yīng)的預(yù)測(cè)算法對(duì)該聚類 組內(nèi)的各個(gè)待預(yù)測(cè)區(qū)域進(jìn)行售電量預(yù)測(cè)。本申請(qǐng)裝置通過對(duì)不同待預(yù)測(cè)區(qū)域進(jìn)行聚類劃 分，對(duì)于歷史售電量曲線特征相同的區(qū)域采用匹配的相同預(yù)測(cè)算法進(jìn)行統(tǒng)一預(yù)測(cè)，從而提 高了對(duì)區(qū)域售電量預(yù)測(cè)的精確度。
[0186] 最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將 一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作 之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語"包括"、"包含"或者其任何其他變體 意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括 那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或 者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句"包括一個(gè)……"限定的要素，并 不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。
[0187] 本說明書中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他 實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見即可。
[0188] 對(duì)所公開的實(shí)施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本申請(qǐng)。 對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的 一般原理可以在不脫離本申請(qǐng)的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本申請(qǐng) 將不會(huì)被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開的原理和新穎特點(diǎn)相一 致的最寬的范圍。
【主權(quán)項(xiàng)】
1. 一種區(qū)域售電量預(yù)測(cè)方法，其特征在于，包括： 獲取各個(gè)待預(yù)測(cè)區(qū)域的歷史售電量曲線； 確定各個(gè)待預(yù)測(cè)區(qū)域的歷史售電量曲線在時(shí)域和頻域下的特征； 根據(jù)各待預(yù)測(cè)區(qū)域的歷史售電量曲線在時(shí)域和頻域下的特征，對(duì)各待預(yù)測(cè)區(qū)域進(jìn)行聚 類，同一聚類組內(nèi)，各個(gè)待預(yù)測(cè)區(qū)域的歷史售電量曲線在時(shí)域和頻域下的特征相同，且該特 征作為聚類組的特征標(biāo)簽； 針對(duì)每一個(gè)聚類組，選用預(yù)置的與該聚類組的特征標(biāo)簽對(duì)應(yīng)的預(yù)測(cè)算法對(duì)該聚類組內(nèi) 的各個(gè)待預(yù)測(cè)區(qū)域進(jìn)行售電量預(yù)測(cè)。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，在根據(jù)各待預(yù)測(cè)區(qū)域的歷史售電量曲線 在時(shí)域和頻域下的特征，對(duì)各待預(yù)測(cè)區(qū)域進(jìn)行聚類時(shí)，采用視覺聚類算法進(jìn)行聚類。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定各個(gè)待預(yù)測(cè)區(qū)域的歷史售電量 曲線在時(shí)域和頻域下的特征，包括： 確定各個(gè)待預(yù)測(cè)區(qū)域的歷史售電量曲線在時(shí)域下的時(shí)域同比量和時(shí)域環(huán)比量； 確定各個(gè)待預(yù)測(cè)區(qū)域的歷史售電量曲線在頻域下的頻域極差點(diǎn)幅值和非氏指數(shù)； 利用時(shí)域同比量確定對(duì)應(yīng)待預(yù)測(cè)區(qū)域的歷史售電量曲線是否具備長(zhǎng)期性； 利用時(shí)域環(huán)比量確定對(duì)應(yīng)待預(yù)測(cè)區(qū)域的歷史售電量曲線是否具備平穩(wěn)性； 利用頻域極差點(diǎn)幅值確定對(duì)應(yīng)預(yù)測(cè)區(qū)域的歷史售電量曲線是否具備擾動(dòng)性； 利用非氏指數(shù)確定對(duì)應(yīng)預(yù)測(cè)區(qū)域的歷史售電量曲線是否具備周期性。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，聚類形成的各個(gè)聚類組的特征標(biāo)簽包括： 第一特征標(biāo)簽：同時(shí)具備長(zhǎng)期性、平穩(wěn)性和周期性，不具備擾動(dòng)性； 第二特征標(biāo)簽：同時(shí)具備長(zhǎng)期性、周期性和擾動(dòng)性，不具備平穩(wěn)性； 第三特征標(biāo)簽：同時(shí)具備平穩(wěn)性、周期性和擾動(dòng)性，不具備長(zhǎng)期性； 第四特征標(biāo)簽：同時(shí)具備長(zhǎng)期性和擾動(dòng)性，不具備平穩(wěn)性和周期性； 第五特征標(biāo)簽：同時(shí)具備平穩(wěn)性和周期性，不具備長(zhǎng)期性和擾動(dòng)性。5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，預(yù)置的與各特征標(biāo)簽對(duì)應(yīng)的預(yù)測(cè)算法包 括： 與所述第一特征標(biāo)簽對(duì)應(yīng)的BP神經(jīng)網(wǎng)絡(luò)算法； 與所述第二特征標(biāo)簽對(duì)應(yīng)的L1/2稀疏性回歸算法； 與所述第三特征標(biāo)簽對(duì)應(yīng)的支持向量機(jī)SVM回歸算法； 與所述第四特征標(biāo)簽對(duì)應(yīng)的L1/2稀疏性回歸算法； 與所述第五特征標(biāo)簽對(duì)應(yīng)的差分自回歸移動(dòng)平均模型ARIM算法。6. -種區(qū)域售電量預(yù)測(cè)裝置，其特征在于，包括： 曲線獲取單元，用于獲取各個(gè)待預(yù)測(cè)區(qū)域的歷史售電量曲線； 特征確定單元，用于確定各個(gè)待預(yù)測(cè)區(qū)域的歷史售電量曲線在時(shí)域和頻域下的特征； 聚類處理單元，用于根據(jù)各待預(yù)測(cè)區(qū)域的歷史售電量曲線在時(shí)域和頻域下的特征，對(duì) 各待預(yù)測(cè)區(qū)域進(jìn)行聚類，同一聚類組內(nèi)，各個(gè)待預(yù)測(cè)區(qū)域的歷史售電量曲線在時(shí)域和頻域 下的特征相同，且該特征作為聚類組的特征標(biāo)簽； 算法匹配單元，用于針對(duì)每一個(gè)聚類組，選用預(yù)置的與該聚類組的特征標(biāo)簽對(duì)應(yīng)的預(yù) 測(cè)算法對(duì)該聚類組內(nèi)的各個(gè)待預(yù)測(cè)區(qū)域進(jìn)行售電量預(yù)測(cè)。7. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述聚類處理單元包括： 第一聚類處理子單元，用于采用視覺聚類算法，根據(jù)各待預(yù)測(cè)區(qū)域的歷史售電量曲線 在時(shí)域和頻域下的特征，對(duì)各待預(yù)測(cè)區(qū)域進(jìn)行聚類。8. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述特征確定單元包括： 時(shí)域特征確定單元，用于確定各個(gè)待預(yù)測(cè)區(qū)域的歷史售電量曲線在時(shí)域下的時(shí)域同比 量和時(shí)域環(huán)比量； 頻域特征確定單元，用于確定各個(gè)待預(yù)測(cè)區(qū)域的歷史售電量曲線在頻域下的頻域極差 點(diǎn)幅值和非氏指數(shù)； 長(zhǎng)期性確定單元，用于利用時(shí)域同比量確定對(duì)應(yīng)待預(yù)測(cè)區(qū)域的歷史售電量曲線是否具 備長(zhǎng)期性； 平穩(wěn)性確定單元，用于利用時(shí)域環(huán)比量確定對(duì)應(yīng)待預(yù)測(cè)區(qū)域的歷史售電量曲線是否具 備平穩(wěn)性； 擾動(dòng)性確定單元，用于利用頻域極差點(diǎn)幅值確定對(duì)應(yīng)預(yù)測(cè)區(qū)域的歷史售電量曲線是否 具備擾動(dòng)性； 周期性確定單元，用于利用非氏指數(shù)確定對(duì)應(yīng)預(yù)測(cè)區(qū)域的歷史售電量曲線是否具備周 期性。9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，聚類形成的各個(gè)聚類組的特征標(biāo)簽包括： 第一特征標(biāo)簽：同時(shí)具備長(zhǎng)期性、平穩(wěn)性和周期性，不具備擾動(dòng)性； 第二特征標(biāo)簽：同時(shí)具備長(zhǎng)期性、周期性和擾動(dòng)性，不具備平穩(wěn)性； 第三特征標(biāo)簽：同時(shí)具備平穩(wěn)性、周期性和擾動(dòng)性，不具備長(zhǎng)期性； 第四特征標(biāo)簽：同時(shí)具備長(zhǎng)期性和擾動(dòng)性，不具備平穩(wěn)性和周期性； 第五特征標(biāo)簽：同時(shí)具備平穩(wěn)性和周期性，不具備長(zhǎng)期性和擾動(dòng)性。10. 根據(jù)權(quán)利要求9所述的裝置，其特征在于，預(yù)置的與各特征標(biāo)簽對(duì)應(yīng)的預(yù)測(cè)算法包 括： 與所述第一特征標(biāo)簽對(duì)應(yīng)的BP神經(jīng)網(wǎng)絡(luò)算法； 與所述第二特征標(biāo)簽對(duì)應(yīng)的L1/2稀疏性回歸算法； 與所述第三特征標(biāo)簽對(duì)應(yīng)的支持向量機(jī)SVM回歸算法； 與所述第四特征標(biāo)簽對(duì)應(yīng)的L1/2稀疏性回歸算法； 與所述第五特征標(biāo)簽對(duì)應(yīng)的差分自回歸移動(dòng)平均模型ARIM算法。
【專利摘要】本申請(qǐng)公開了一種區(qū)域售電量預(yù)測(cè)方法及裝置，其中方法包括：對(duì)于待預(yù)測(cè)各個(gè)區(qū)域的歷史售電量曲線進(jìn)行時(shí)域和頻域特征的確定，并據(jù)此對(duì)各個(gè)待預(yù)測(cè)區(qū)域進(jìn)行聚類，同一聚類組內(nèi)，各個(gè)待預(yù)測(cè)區(qū)域的歷史售電量曲線在時(shí)域和頻域下的特征相同，且該特征作為聚類組的特征標(biāo)簽，最后針對(duì)每一個(gè)聚類組，選用預(yù)置的與該聚類組的特征標(biāo)簽對(duì)應(yīng)的預(yù)測(cè)算法對(duì)該聚類組內(nèi)的各個(gè)待預(yù)測(cè)區(qū)域進(jìn)行售電量預(yù)測(cè)。本申請(qǐng)方法通過對(duì)不同待預(yù)測(cè)區(qū)域進(jìn)行聚類劃分，對(duì)于歷史售電量曲線特征相同的區(qū)域采用匹配的相同預(yù)測(cè)算法進(jìn)行統(tǒng)一預(yù)測(cè)，從而提高了對(duì)區(qū)域售電量預(yù)測(cè)的精確度。
【IPC分類】G06Q50/06, G06Q30/02
【公開號(hào)】CN105096159
【申請(qǐng)?zhí)枴緾N201510386325
【發(fā)明人】唐文升, 方學(xué)民, 王錦志, 趙加奎, 劉建, 劉玉璽, 歐陽(yáng)紅, 方紅旺, 盧耀宗, 高士杰, 王樹龍
【申請(qǐng)人】北京中電普華信息技術(shù)有限公司, 國(guó)家電網(wǎng)公司, 國(guó)網(wǎng)信息通信產(chǎn)業(yè)有限公司
【公開日】2015年11月25日
【申請(qǐng)日】2015年6月30日