本发明属于电网电量预测，具体地涉及基于支持向量机的调温电量预测方法、系统、设备及介质。
背景技术：
1、各行业电力电量的消耗展现出一定的周期性规律，特别是在夏季与冬季，受气候等多重因素的共同作用，电量消耗量通常会呈现增长态势，本发明将这部分增长的电量定义为“调温电量”。对调温电量进行精准预测，对于电网企业全面把握并合理调配夏季供电需求，确保各行业生产活动平稳有序进行具有重要意义。然而，当前由于缺乏专门的计量设备，调温电量的具体数值难以实现精确统计。为解决这一问题，发明专利cn201510056866.9公开了一种基于气温波动的电网日用电量预测方法，该方法运用线性时间趋势回归方程对调温电量进行分解，并采用arma算法对模型实施预测。但值得注意的是，该方法在数据处理时未充分考虑数据的非线性特征，因此，若直接采用该发明专利cn201510056866.9的方法，将难以有效解决非线性的数据预测难题。
技术实现思路
1、基于现有技术中存在的上述缺点和不足，本发明的目的之一是至少解决现有技术中存在的上述问题之一或多个，换言之，本发明的目的之一是提供满足前述需求之一或多个的基于支持向量机的调温电量预测方法、系统、设备及介质，旨在实现调温电量的精准预测，为电网企业的电力调度及资源优化配置提供坚实的技术支撑。
2、为了达到上述发明目的，本发明采用以下技术方案：
3、第一方面，本发明提供一种基于支持向量机的调温电量预测方法，包括步骤：
4、s1、获取预测目标地区内目标行业的历史温度数据和历史日用电量数据；
5、s2、获取预设的温度时间窗口，并基于此针对所述历史温度数据中的每日最高温度、每日最低温度和每日平均温度进行移动加权平均，以分别得到累积最高温度、累积最低温度和累积平均温度；
6、s3、剔除所述历史日用电量数据中的异常数据后，结合所述累积最高温度、累积最低温度和累积平均温度依次构建多项式回归模型进行拟合，以获得对应多项式回归模型拟合曲线；
7、s4、基于所述多项式回归模型拟合曲线得到对应历史调温电量，从而得到历史调温电量数据并运用支持向量机进行回归预测以得到预测调温电量数据。
8、作为一种优选的方案，所述温度时间窗口为四日；
9、所述累积最高温度的计算公式为，式中，表示累积最高温度，、、、、分别表示所述温度时间窗口内各日的最高温度；
10、所述累积最低温度的计算公式为，式中，表示累积最高温度，、、、、分别表示所述温度时间窗口内各日的最低温度；
11、所述累积平均温度的计算公式为，式中，表示累积平均温度，、、、、分别表示所述温度时间窗口内各日的平均温度。
12、作为一种优选的方案，步骤s3所述剔除所述历史日用电量数据中的异常数据，包括步骤：
13、获取预设的电量时间窗口；
14、剔除所述电量时间窗口内节假日的日用电量数据。
15、作为一种优选的方案，所述多项式回归模型拟合曲线的计算公式为：
16、
17、式中，表示多项式阶数，表示待拟合的参数。
18、作为一种优选的方案，步骤s4所述基于所述多项式回归模型拟合曲线得到对应历史调温电量，包括步骤：
19、获取所述多项式回归模型拟合曲线与累积最高温度、累积最低温度、累积平均温度分别对应的最低点，并以此计算历史基础电量；
20、当所述每日最高温度大于相应的最低点，或所述每日最低温度小于相应的最低点，则将所述每日最高温度与其对应最低点的差值，或所述每日最低温度与其对应最低点的差值，记为历史调温电量。
21、作为一种优选的方案，所述历史基础电量的计算公式为：
22、，
23、式中，表示所述多项式回归模型拟合曲线中与累积最高温度对应的最低点，表示所述多项式回归模型拟合曲线中与累积最低温度对应的最低点，表示所述多项式回归模型拟合曲线中与累积平均温度对应的最低点。
24、作为一种优选的方案，步骤s4所述并运用支持向量机进行回归预测以得到预测调温电量数据，包括步骤：
25、对所述历史调温电量数据进行归一化处理；
26、获取预设的核函数及其参数；
27、基于归一化处理后的所述历史调温电量数据构建svr模型，并获取所述svr模型的容错程度参数c和拟合精度ε；
28、基于所述核函数及其参数在所述容错程度参数c和拟合精度ε的基础下对所述svr模型进行训练；
29、基于训练完成的所述svr模型预测得到所述预测调温电量数据。
30、第二方面，本发明提供一种基于支持向量机的调温电量预测系统，用于实现如第一方面所述的调温电量预测方法。
31、第三方面，本发明提供一种电子设备，所述计算机设备包括存储器、处理器以及计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的调温电量预测方法。
32、第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的调温电量预测方法。
33、与现有技术相比，本发明具有以下有益效果：
34、针对调温电量缺乏专用量测设备且难以精确统计的问题，本发明采用移动加权平均处理后的历史温度数据与历史日用电量数据，构建多项式回归模型进行拟合处理。在此基础之上，本发明进一步利用所获取的非线性历史调温电量数据，通过回归预测方法进行处理，有效弥补了现有技术在处理数据时忽视非线性特征的缺陷，从而实现了对调温电量更为精准的预测。
35、进一步地或者更细节的有益效果将在具体实施方式中结合具体实施例进行说明。
1.一种基于支持向量机的调温电量预测方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种基于支持向量机的调温电量预测方法，其特征在于：
3.根据权利要求2所述的一种基于支持向量机的调温电量预测方法，其特征在于，步骤s3所述剔除所述历史日用电量数据中的异常数据，包括步骤：
4.根据权利要求3所述的一种基于支持向量机的调温电量预测方法，其特征在于，所述多项式回归模型拟合曲线的计算公式为：
5.根据权利要求4所述的一种基于支持向量机的调温电量预测方法，其特征在于，步骤s4所述基于所述多项式回归模型拟合曲线得到对应历史调温电量，包括步骤：
6.根据权利要求5所述的一种基于支持向量机的调温电量预测方法，其特征在于，所述历史基础电量的计算公式为：
7.根据权利要求6所述的一种基于支持向量机的调温电量预测方法，其特征在于，步骤s4所述并运用支持向量机进行回归预测以得到预测调温电量数据，包括步骤：
8.一种基于支持向量机的调温电量预测系统，其特征在于，用于实现如权利要求1至7任一项所述的调温电量预测方法。
9.一种计算机设备，所述计算机设备包括存储器、处理器以及计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的调温电量预测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的调温电量预测方法。
