(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 202211470458.4 (22)申请日 2022.11.23 (71)申请人 国网浙江省电力有限公司宁波供电 公司 地址 315000 浙江省宁波市海曙区丽园北 路1408号 申请人 国网浙江余 姚市供电有限公司 (72)发明人 仇钧　王谊　葛凯梁　胡海　徐杰　 钟永颉　闻铭　周斌　杨建立　 何磊杰　赵剑　胡斌　马文杰　 曾涛　张凯杰　 (74)专利代理 机构 北京隆源天恒知识产权代理 有限公司 1 1473 专利代理师 吴航(51)Int.Cl. G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/06(2012.01) G06F 17/10(2006.01) G06Q 50/06(2012.01) (54)发明名称 一种电能替代潜力分析 预测方法 (57)摘要 本发明提供一种电能替代潜力分析预测方 法， 涉及电力研究技术领域， 方法包括： 获取电能 替代量的影 响因素并进行量化， 获得多个替代因 子； 获取每个替代因子与电能替代量的关联度， 并进而获取主、 客观权重集合； 对主、 客观权重集 合进行融合， 获得融合权重； 结合融合权重对多 个替代因子进行修正拟合， 获得基于多个替代因 子的修正拟合值； 通过检验函数对多个替代因子 进行计算， 获得检验数据值； 根据基于多个替代 因子的修正拟合值和检验数据值构建预测模型， 获得预测估计值。 本方法的预测估计值经过修正 拟合和检验的双重处理获得， 因此通过本发明预 测方法获得的预测估计值更加可靠， 可信度更 高， 对主、 客观评价耦合更有效。 权利要求书3页 说明书10页 附图2页 CN 115511230 A 2022.12.23 CN 115511230 A 1.一种电能替代潜力分析 预测方法， 其特 征在于， 包括如下步骤： 获取电能替代量的影响因素， 对所述影响因素进行量 化， 获得多个替代因子； 获取每个所述替代 因子与所述电能替代量的关联度， 根据 所述关联度获取主观权重集 合和客观权 重集合； 对所述主观权 重集合和所述 客观权重集合进行融合， 获得融合权 重； 结合所述融合权重对多个所述替代 因子进行修正拟合， 获得基于多个替代 因子的修正 拟合值； 通过检验函数对多个所述 替代因子进行计算， 获得检验数据值； 根据所述基于多个替代 因子的修正拟合值和所述检验数据值构建预测模型， 根据 所述 预测模型， 获得 预测估计值。 2.根据权利要求1所述电能替代潜力分析预测方法， 其特征在于， 所述获取电能替代量 的影响因素， 对所述影响因素进行量 化， 获得多个替代因子， 具体包括： 获取所述影响因素， 通过量化函数对所述影响因素进行量化， 根据量化结果获得多个 所述替代因子； 其中， 所述 量化函数为： ， 其中， t为年度， T表示第T年度， 和 均为替代因子， 其中， 表示t年度的每一个所 述影响因素， 表示t‑1年度的每一个 所述影响 因素， 1≤i≤N， N为所述电能替代量的影响 因素的个数， 为第i个所述影响因素对所述电能替代量在t年度消费的影响值， 为技术 进步参数， α 为 替代参数， β 为投入项参数。 3.根据权利要求1所述电能替代潜力分析预测方法， 其特征在于， 所述获取每个所述替 代因子与所述电能替代量的关联度， 根据所述关联度获取主观权重集合和客观权重集合， 具体包括： 通过灰色关联分析法获取多个所述替代 因子与所述电能替代量的关联度， 根据 所述关 联度获取 所述主观权 重集合和所述 客观权重集合； 其中， 所述主观权重集合为 ， 所述客观权重集合为 ， 为 主观权重， 为客观权重。 4.根据权利要求3所述电能替代潜力分析预测方法， 其特征在于， 所述对所述主观权重 集合和所述 客观权重集合进行融合， 获得融合权 重， 包括： 获取所述主观权 重的信息熵和所述 客观权重的信息熵； 对所述主观权重的信 息熵和所述客观权重的信 息熵的序列进行归一化处理， 得到归一 化信息熵； 根据所述归一 化信息熵获取 所述主观权 重的融合系数和所述 客观权重的融合系数； 根据所述主观权重和所述主观权重的融合系数、 以及所述客观权重和所述客观权重的 融合系数， 获取融合权 重。 5.根据权利要求4所述电能替代潜力分析预测方法， 其特征在于， 所述根据所述归一化 信息熵获取 所述主观权 重的融合系数和所述 客观权重的融合系数包括：权　利　要　求　书 1/3 页 2 CN 115511230 A 2将所述归一化信 息熵中的较大值作为第 一信息熵， 所述归一化信 息熵中的较小值作为 第二信息熵， 其中， 所述第二信息熵等于1与所述第一信息熵的差； 当所述主观权重的信 息熵和所述客观权重的信 息熵为定性指标时， 将所述第 一信息熵 作为所述主观权 重的融合系数， 所述第二信息熵作为所述 客观权重的融合系数； 当所述主观权重的信 息熵和所述客观权重的信 息熵为定量指标时， 将所述第 一信息熵 作为所述 客观权重的融合系数， 所述第二信息熵作为所述主观权 重的融合系数。 6.根据权利要求1所述电能替代潜力分析预测方法， 其特征在于， 所述结合所述融合权 重对多个所述 替代因子进行修 正拟合， 获得基于多个替代因子的修 正拟合值， 具体包括： 通过修正拟合模型对多个所述替代 因子进行修正拟合， 获得所述基于多个替代 因子的 修正拟合值； 其中， 所述 修正拟合模型为： ， 其中， 为t年度的基于多个替代因子的修正拟合值， 为所述融合权重， 为估计参 数， 为修正参数， 为替代因子 。 7.根据权利要求1所述电能替代潜力分析预测方法， 其特征在于， 所述通过检验函数对 多个所述 替代因子进行计算， 获得检验数据值， 具体包括： 将多个所述 替代因子分组， 得到多组替代因子数据； 建立修正拟合神经网络， 并利用多组所述替代 因子数据对所述修正拟合神经网络进行 训练， 得到多个神经网络； 建立检验函数， 利用所述检验函数对多个所述神经网络的输出数据进行计算， 得到检 验数据值。 8.根据权利要求7所述电能替代潜力分析预测方法， 其特征在于， 所述建立修正拟合神 经网络， 包括： 建立修正拟合神经网络模型， 得到所述 修正拟合神经网络； 其中， 所述 修正拟合神经网络模型的输出层的函数为： ， 其中， 为所述修正拟合神经网络模型的输出层的第i个神经元的输出数据； i=1, 2,....,q， q为 所述输出层的神经元个数， 为第i个输入样本数据； 为所述输出层第i个 神经元和所述修正拟合神经网络模型的输入层第j个神经元的连接权值； 为所述修正拟 合神经网络模型的隐藏层中第i个神经 元阈值； M为所述输入层的神经 元个数。 9.根据权利要求8所述电能替代潜力分析预测方法， 其特征在于， 所述将多个所述替代 因子分组， 得到多组替代因子数据包括： 将多个所述 替代因子分成两组， 分别为第一组替代因子数据和第二组替代因子数据； 利用多组所述替代因子数据对所述修正拟合神经网络进行训练， 得到多个神经网络， 包括： 利用所述第一组替代因子数据对所述修正拟合神经网络进行训练， 得到第一神经网权　利　要　求　书 2/3 页 3 CN 115511230 A 3