基于回归分析的迎峰度夏用电量分析

doi:10.11959/j.issn.1000-0801.2019274

电信科学 ›› 2019, Vol. 35 ›› Issue (11): 125-131.doi: 10.11959/j.issn.1000-0801.2019274

基于回归分析的迎峰度夏用电量分析

陈雨泽¹,李磊²,方学民²,刘建¹,赵加奎³,刘玉玺¹,左松林⁴

¹ 国网信息通信产业集团有限公司，北京 100085
² 国家电网有限公司，北京 100031
³ 国家电网有限公司大数据中心，北京 100031
⁴ 国网安徽省电力有限公司，安徽合肥 340001

修回日期:2019-10-10 出版日期:2019-11-01 发布日期:2019-12-23
作者简介:陈雨泽（1988- ），男，国网信息通信产业集团有限公司工程师，主要研究方向为电力营销大数据分析|李磊（1989- ），男，国家电网有限公司工程师，主要研究方向为电力营销大数据分析。|方学民（1972- ），男，国家电网有限公司高级工程师，主要研究方向为电力信息化及电力大数据分析。|刘建（1989- ），男，国网信息通信产业集团有限公司工程师，主要研究方向为电力营销大数据分析。|赵加奎（1979- ），男，博士，国家电网有限公司大数据中心教授级高级工程师，主要研究方向为电力信息化及电力大数据分析。|刘玉玺（1984- ），男，博士，国网信息通信产业集团有限公司高级工程师，主要研究方向为电力营销大数据分析。|左松林（1981- ），男，国网安徽省电力有限公司高级工程师，主要研究方向为电力信息化及电力大数据分析。

An analysis method for electricity consumption in peak load period of summer based on regression analysis

Yuze CHEN¹,Lei LI²,Xuemin FANG²,Jian LIU¹,Jiakui ZHAO³,Yuxi LIU¹,Songlin ZUO⁴

¹ State Grid Information ＆Telecommunication Group Co.,Ltd.,Beijing 100085,China
² State Grid Corporation of China,Beijing 100031,China
³ State Grid Big Data Center,Beijing 100031,China
⁴ State Grid Anhui Electric Power Co.,Ltd.,Hefei 340001,China

Revised:2019-10-10 Online:2019-11-01 Published:2019-12-23

摘要/Abstract

摘要：

利用回归分析算法，提出了一种迎峰度夏期间最高气温与日用电量关系分析方法，首先利用皮尔森相关系数对度夏期间的最高气温和日用电量相关程度进行定量分析，然后利用回归分析算法建立最高气温和日用电量的拟合函数，并利用最小二乘法进行求解，得到最高气温和日用电量相关关系的定量分析结果。研究结果表明，提出的度夏期间用电量分析方法能够定量地给出气温变化导致的用电量变化情况，并能根据分析结果对未来几天的日用电量进行准确预测。

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

Abstract:

A method for analyzing the relationship between daily maximum temperature and electricity consumption during peak load period was proposed.Firstly,the relationship between maximum temperature and electricity consumption was quantified by Pearson correlation coefficient.Secondly,the functional relationship was established using regression and solved by least squares method.The quantified result of the relationship between maximum temperature and electricity consumption was then acquired.The empirical research shows the proposed method for electricity consumption analysis during peak load period of summer can quantify the variation of daily electricity consumption caused by temperature change and predict electricity consumption of the next few days according to the analysis result.

Key words: electricity consumption, peak load period of summer, Pearson correlation coefficient, regression analysis, least squares

中图分类号:

TN915

陈雨泽,李磊,方学民,刘建,赵加奎,刘玉玺,左松林. 基于回归分析的迎峰度夏用电量分析[J]. 电信科学, 2019, 35(11): 125-131.

Yuze CHEN,Lei LI,Xuemin FANG,Jian LIU,Jiakui ZHAO,Yuxi LIU,Songlin ZUO. An analysis method for electricity consumption in peak load period of summer based on regression analysis[J]. Telecommunications Science, 2019, 35(11): 125-131.

图/表 3

参考文献 11

[1]	刘勇, 李淼, 李大虎 ,等. 2010 年湖北电网迎峰度夏运行分析[J]. 湖北电力, 2010,34(S2): 1-6.
	LIU Y , LI M , LI D H ,et al. The analysis of Hubei Power Grid operation in peak load period of summer 2010[J]. Hubei Electric Power, 2010,34(S2): 1-6.
[2]	季斌, 黄松泉 . 2011 年迎峰度夏湖北城市配网运行分析[J]. 湖北电力, 2011,35(S1): 34-41.
	JI B , HUANG S Q . The analysis of Hubei urban power grid operation in peak load period of summer 2011[J]. Hubei Electric Power, 2011,35(S1): 34-41.
[3]	程建翼, 陈明珠 . 2011 年迎峰度夏湖北电网可靠性分析[J]. 湖北电力, 2011,35(S1): 74-76.
	CHENG J Y , CHEN M Z . The analysis of the reliability of Hubei Power Grid in peak load period of summer 2011[J]. Hubei Electric Power, 2011,35(S1): 74-76.
[4]	张俊, 陈卫勇, 喻子易 ,等. 2011 年迎峰度夏农网运行情况分析[J]. 湖北电力, 2011,35(S1): 42-50.
	ZHANG J , CHEN W Y , YU Z Y ,et al. The analysis of rural power grid operation in peak load period of summer 2011[J]. Hubei Electric Power, 2011,35(S1): 42-50.
[5]	胡元, 徐沐阳, 程丽君 . 考虑气象因子的温州市日用电量指数预报[J]. 中国科技信息, 2014,(23): 55-56.
	HU Y , XU M Y , CHENG L J . Forecasting daily power consumption of Wenzhou considering meteorological factors[J]. China Science and Technology Information, 2014,(23): 55-56.
[6]	郭广芬, 陈正洪, 汪金福 ,等. 华中区域夏季日用电量气象预报模型研究[J]. 华中师范大学学报(自然科学版), 2009,43(2): 327-331.
	GUO G F , CHEN Z H , WANG J F ,et al. Research on meteorological forecast model of daily power consumption during summer in central China[J]. Journal of Huazhong Normal University (Natural Science), 2009,43(2): 327-331.
[7]	洪国平, 李银娥, 孙新德 ,等. 武汉市电网用电量、电力负荷与气温的关系及预测模型研究[J]. 华中电力, 2006,19(2): 4-7.
	HONG G P , LI Y E , SUN X D ,et al. Relation and forecast model research between the electricity consumption,the load and the air temperature in Wuhan[J]. Central China Electric Power, 2006,19(2): 4-7.
[8]	王桂新, 沈续雷 . 气温变化对上海市日电力消费影响关系之考察[J]. 华北电力大学学报(社会科学版), 2015,93(1): 35-41.
	WANG G X , SHEN X L . Impact of temperature change on daily electricity consumption in shanghai[J]. Journal of North China Electric Power University (Social Sciences), 2015,93(1): 35-41.
[9]	赵彤, 孙大雁, 葛诚 ,等. 江苏电网夏季气温与用电量敏感性关系初探[J]. 电力需求侧管理, 2004,6(6): 20-21.
	ZHAO T , SUN D Y , GE C ,et al. Research of sensitive relation between summertime temperature and electric power consuming in Jiangsu province[J]. Power Demand Side Management, 2004,6(6): 20-21.
[10]	SHEN X , . Symmetry recurrence in protein sequence and structure with pearson’s correlation coefficients[C]// Proceedings of the 2012 IEEE International Conference on Biomedical and Health Informatics,January 4-7,2012,Hong Kong,China. Piscataway:IEEE Press, 2012: 832-835.
[11]	LEO E , LOET L . The relation between pearson’s correlation coefficient r and salton’s cosine measure[J]. Journal of the American Society for Information Science and Technology, 2009,60(5): 1027-1036. doi: 10.1002/asi.v60:5

基于回归分析的迎峰度夏用电量分析

An analysis method for electricity consumption in peak load period of summer based on regression analysis

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 3

参考文献 11

相关文章 6

Metrics

推荐阅读 0

[1]	胡坚, 孙磊, 尹以雁, 杨晓康, 白金贵, 张叶江. 基于数据挖掘和地理可视化的4G/5G语音质量优化研究[J]. 电信科学, 2022, 38(10): 131-139.
[2]	刘建,赵加奎,陈雨泽,方学民,刘玉玺,王树龙,陈雁,欧阳红. 考虑春节影响的售电量预测结果修正方法[J]. 电信科学, 2019, 35(3): 127-134.
[3]	宋鹏峰,叶庆卫,陆志华,周宇. 基于拟合型弱分类器的AdaBoost算法[J]. 电信科学, 2019, 35(11): 27-35.
[4]	杜续,冯景瑜,吕少卿,石薇. 基于随机森林回归分析的PM2.5浓度预测模型[J]. 电信科学, 2017, 33(7): 66-75.
[5]	杨路,何萍,王珊. UFMC系统中的载波频率同步技术[J]. 电信科学, 2016, 32(11): 50-55.
[6]	贾丹华,王润润,王鹏. 电信套餐资费预演中客户量的预测方法研究[J]. 电信科学, 2011, 27(8): 25-32.