基于业务特征的智能电能表需求预测模型研究.docxVIP

第XX卷 第XXX期 电测与仪表 Vol.XX No.XXX 20XX年 第XX期 Electrical Measurement Instrumentation Dec.20XX PAGE \* MERGEFORMAT5 — 基于业务特征的智能电能表需求预测模型研究 彭楚宁1，杜新纲1，李天阳2，储鹏飞2 （1. 国家电网有限公司，北京 100031；2. 南瑞集团有限公司，南京 211000) 摘要：针对目前国家电网公司下辖省（市）公司对电能表需求缺乏有效预测手段、易造成电能表配送和仓储成本增加的现状，提出了一种基于业务特征的电能表需求预测模型。该模型首先对电能表需求按安装类型进行分类，然后基于平稳性检验区分影响各安装类型电能表需求的主要影响因素，进而自适应地使用ARIMA时间序列模型或LSTM神经网络模型对电能表需求进行分析预测。实践验证表明，相较于现有方法，该模型具有更高的准确性。 关键词：智能电能表；需求预测；业务特征；平稳性检验；ARIMA；LSTM；组合模型 中图分类号：TM933 文献标识码：B 文章编号：1001-1390(2019)00-0000-00 Study of a demand prediction model of smart electric energy meter based on service feature Peng Chuning1, Du Xingang1, Li Tianyang2, Chu Pengfei2 (1. State Grid Corporation of China, Beijing 100031, China. 2. Nari NARI Group Corporation, Nanjing 211000, China) Abstract：: Currently, the provincial grid companies lack effective methods of predicting the demand of electric energy meters, which may increase the storage and dispatching cost. In order To to solve this problem, this paper proposes a demand prediction model of electric energy meter base based on service feature. This model firstly classifies electric energy meters by installation types, and then, the use stationarity test is adopted to determine the type of main factors that influence influences the electric energy meter demand of each installation type, thus, adaptively select betweenthe ARIMA or LSTM model is adaptively selected to analyze and predict the demand. The result of case analysis shows that this model can predict with higher accuracy than existing models. Keywords：smart electric energy meter, demand prediction, service feature, stationarity test, ARIMA, LSTM, combined model 引 言 国家电网公司为进一步集约计量业务，开展了智能电能表集中采购工作，将公司电能表需求进行逐级上报，由省级计量中心统一采购，经集中检定后配送到各地市供电公司[1]。在此背景下，以业务需求为导向进行电能表需求预测工作成为了提高采购、配送等环节工作质量和效率的关键[2]。现阶段各省（市）公司在预测电能表需求时，仍大量采用经验型人工估计法。该方法缺乏理论基础，预测准确性难以保证，易造成电能表配