技术摘要：
本发明公开了一种基于容量利用小时数和高斯分布的月度用电量预测方法，先计算出每个电力用户历史各月份的变压器容量利用小时数，推算出历史各月份的变压器容量利用小时数均值；然后，采用直方图统计方法，得到不同统计区间内变压器容量利用小时数均值出现的次数；接着  全部
背景技术：
我国经济进入新常态，产业结构转移对电量预测提出新的要求，很大程度上加大 了电量预测的难度。常规的基于自然增长率式的分析预测已经无法适应时代发展的要求， 迫切要求探寻新的预测机制，更加科学地预测月度用电量。 经典的月度电量预测方法包括产值单耗法、电力消费弹性系数法、负荷密度法、增 长率法、人均电量法等；传统的月度电量预测方法包括时间序列法、趋势外推法、回归分析 法、灰色预测法等；新兴电量预测方法包括专家系统法、神经网络法、支持向量机法、模糊预 测法等。但这些方法大都是仅仅基于用电量本身，或者综合考虑其他外部影响因素的预测 思路进行预测，精准度差。因此，急需一种更直观、准确度更高的预测方法。
技术实现要素：
针对上述现有技术存在的问题，本发明提供一种基于容量利用小时数和高斯分布 的月度用电量预测方法，其能够从本质上实现更加精准的预测。 为了实现上述目的，本发明采用如下技术方案：一种基于容量利用小时数和高斯 分布的月度用电量预测方法，整个预测方法以电力用户变压器容量和历史年份月度用电量 为基础，首先，计算出每个电力用户历史各月份的变压器容量利用小时数，推算出历史各月 份的变压器容量利用小时数均值；然后，采用直方图统计方法，得到不同统计区间内变压器 容量利用小时数均值出现的次数；接着，通过高斯分布获得典型样本点，并以典型样本点构 建行业典型容量利用小时数曲线；最后，根据典型容量利用小时数曲线和需预测用户的变 压器总容量预测行业月度用电量。 记某行业的n家用户变压器容量CN，N＝1,2,...,n；n家用户历史m年月度用电数据 i＝1,2,3,...,12；N＝1,2,...,n；；M＝1,2，...，m；整个预测方法包括如下步骤： 步骤一、计算每个用户历史每月变压器容量利用小时数 其中，Di是指第i月的天数； 步骤二、求历史m年第i月变压器容量利用小时数均值 步骤三、通过直方图统计得到不同区间内变压器容量利用小时数均值出现的次 3 CN 111598357 A 说　明　书 2/12 页 数：设置组距为 组数为k，可以得到每个区间内变压器容量利用小时数均值出现的次数， 记为： NUMi＝{[ak，bk]}， 其中，ak为第k组组距的中心值，bk为变压器容量利用小时数均值在第k组出现的次 数； 步骤四、基于高斯分布求典型样本点：采用暴力搜索的方法，即在标准差和均值的 可取值范围内，取标准差步长为0.01，均值步长为0.01，寻找使得 取得最小 值的(σ，μ)，此时得到的μ即为第i月的典型样本点， 其中 ， e指的 是纳皮尔常数 ， 步骤五、获取行业典型月度容量利用小时数曲线：利用步骤四的方法，依次计算1 至12月的典型样本点，将12个点连接起来，即得到行业典型月度容量利用小时数曲线； 步骤六、行业月度用电量预测：行业月度用电量＝用户变压器容量总和*典型样本 点。 任何电力用户的用电必须基于一定的容量，即变压器容量是制约电力用户用电需 求的重要因素。容量利用小时数作为衡量变压器利用率的重要指标，能够直观地反映电力 用户的用电情况。一般情况下，某个行业受到市场环境、政策要求等因素的影响，行业内各 电力用户用电会呈现出相似的规律。此时，各电力用户的容量利用小时数也会以某个值为 中心，并围绕这个中心呈现一定的浮动性。因此，基于容量利用小时数开展行业电量预测能 够从本质上实现更加精准的预测。 与现有技术相比，本发明突破传统的仅仅基于用电量本身，或者综合考虑其他外 部影响因素的预测思路，立足于电力用户用电的内部因素，即用电容量利用小时数，经过严 密的直方图统计和高斯分布计算，得到容量利用小时数典型曲线，从本质上挖掘最能体现 用电水平的数据，提高预测准确率。 附图说明 图1为本发明的原理示意图； 图2为本发明纺织行业1月的典型样本点曲线； 图3为本发明纺织行业2月的典型样本点曲线； 图4为本发明纺织行业3月的典型样本点曲线； 图5为本发明纺织行业4月的典型样本点曲线； 图6为本发明纺织行业5月的典型样本点曲线； 图7为本发明纺织行业6月的典型样本点曲线； 图8为本发明纺织行业7月的典型样本点曲线； 4 CN 111598357 A 说　明　书 3/12 页 图9为本发明纺织行业8月的典型样本点曲线； 图10为本发明纺织行业9月的典型样本点曲线； 图11为本发明纺织行业10月的典型样本点曲线； 图12为本发明纺织行业11月的典型样本点曲线； 图13为本发明纺织行业12月的典型样本点曲线； 图14为本发明行业典型月度容量利用小时数曲线。