(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211116793.4 (22)申请日 2022.09.14 (71)申请人 苏州深蓝万维能源科技有限公司 地址 215163 江苏省苏州市高新区科技城 科灵路78号苏州高新软件园7号楼108 室 (72)发明人 胡启冬　陈梦　张瑜　王雪立　 芦新叶　张卫星　 (74)专利代理 机构 合肥市科深知识产权代理事 务所(普通 合伙) 3423 5 专利代理师 贾新伟 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) H02J 3/00(2006.01) (54)发明名称 基于气象大 数据的电量预测方法 (57)摘要 本发明公开了基于气象大数据的电量预测 方法， 涉及电力分析技术领域。 本发明包括受控 区域的气象数据和耗电量的获取， 并结合对受控 区域的气象数据和耗电量的分析， 预估耗电量。 本发明通过获取近24个月受控区域的气象数据 和耗电量， 根据耗电量与气象数据的比值， 分别 获取温转比、 湿转比； 分别计算24个温转比、 湿转 比的均值， 获得的均值分别结合温转比、 湿转比 计算温转偏离值、 湿转偏离值： 结合耗电量及气 象数据、 温转偏离值、 湿转偏离值之间的关系计 算综合转比； 再根据综合转比及实时气象数据， 预估耗电量， 实现了对历史气象数据及耗电量的 综合分析， 进 而准确的结合气象预估耗电量。 权利要求书2页 说明书5页 附图1页 CN 115423196 A 2022.12.02 CN 115423196 A 1.基于气象大 数据的电量预测方法， 其特 征在于， 包括以下步骤： 获取近n个月受控区域的气象数据和耗电量， 所述气象数据包括每月的温度、 湿度数 据； 根据耗电量与气象数据的比值， 分别获取温转比、 湿转比； 分别计算n个温转比、 湿转比的均值， 获得的均值分别结合温转比、 湿转比计算温转偏 离值、 湿转偏离值： 结合耗电量及气象数据、 温转偏离值、 湿转偏离值之间的关系计算综合 转比； 根据综合 转比及实时气象数据， 预估耗电量。 2.根据权利要求1所述的基于气象大数据的电量预测方法， 其特征在于， 还包括气象数 据的剔除冗余 步骤： 从获取的受控区域的气象数据中调取第一个月的气象数据； 将获取的一个月的气象数据标记为待分月数据； 在待分月数据内， 获取湿度、 温度的峰值， 分别标记为 Wf、 Sf； 获取高湿区和高温区， 高湿区对应的湿度为Sf ‑Sb， 高温区对应的温度为Wf ‑Wb， 其中， Sb、 Wb分别为湿度跳动值、 温度跳动值； 获取高湿持续天数和高温持续天数： 将待分月数据中， 第一次出现Wf ‑Wb度至最后一次 出现Wf‑Wb度之间的天数标记为高温持续天数、 第一次出现Sf ‑Sb至最后一次出现Sf ‑Sb之 间的天数 标记为高湿持续天数； 计算高特天数： 高特天数＝(高湿持续天数+高温 持续天数)/2； 当高特天数＞X1时， 将温度低于(Wf+Wd)*X2对应的气象数据剔除； 当高特天数≤X1时， 将湿度高于(Sf+Sd)*X3、 低于Sd*X4对应的气象数据剔除； 其中， X1～X4均为预设值， 且X2、 X3均小于1， 1＜X4＜1.5， 且X2≤X3＜X4。 3.根据权利要求2所述的基于气象大数据的电量预测方法， 其特征在于， 所述湿度跳动 值、 温度跳动值 为预设值或计算 值； 当为计算 值时： 湿度跳动值 其中， Sd为对应月内的最低湿度值， Sp为对应月 内的湿度平均值； 温度跳动值 其中， Wd为对应月内的最低温度值， Wp为对应月 内的温度平均值。 4.根据权利要求3所述的基于气象大数据的电量预测方法， 其特征在于， 根据耗电量与 气象数据的比值， 分别获取温转比、 湿转比的方法为：权　利　要　求　书 1/2 页 2 CN 115423196 A 2获取月平均湿度、 月平均温度、 月总耗电量； 温转比＝月总耗电量/月平均温度， 湿转比＝月总耗电量/月平均湿度。 5.根据权利要求1所述的基于气象大数据的电量预测方法， 其特征在于， 结合耗电量及 气象数据、 温转偏离值、 湿转偏离值之间的关系计算综合 转比的方法为： 根据W、 S的数值大小， 确定温度、 湿度与耗电总量的除值比例： 温度的除值比例B1为： W/(W+S)； 湿度的除值比例B2为： S/(W+S)； 计算每个月的综合 转比＝月耗电量/(B1*月平均温度+B2*月平均湿度)； 计算n个月的综合 转比的平均值， 标记为拟态转 化值Y。 6.根据权利要求5所述的基于气象大数据的电量预测方法， 其特征在于， 所述包括气象 数据的再删除步骤： 计算n个月的综合 转比的偏离值E： 若E＞E1， 则依次删除最大的综合转比对应的气象数据， 直至剩余的气象数据对应的综 合转比的偏离值E ≤E1； 其中， E1为预设值。 7.根据权利要求5所述的基于气象大数据的电量预测方法， 其特征在于， 所述拟态转化 值Y用于预估耗电量， 预估方法为： 获取拟态转 化值Y， 及对应的温度的除值比例B1、 湿度的除值比例B2； 根据气象数据， 获取 未来一个月的平均温度L w、 平均湿度Ls； 预估月耗电量 ＝(B1*Lw+B2*Ls)* Y*β； 其中， β ≥1， β 为预设值因子 。 8.根据权利要求7所述的基于气象大数据的电量预测方法， 其特征在于， 所述预设值因 子β 的取值 为： 当|Lw‑LSw|≥L1时， 否则， β ＝1.0 5； 其中， L1为预设值， LSw为过去两年内、 对应月份的剔除冗余数据后的月耗电量均值； LNw为过去两年内剔除冗余数据后的年 耗电量均值。权　利　要　求　书 2/2 页 3 CN 115423196 A 3