基于人體舒適度的臺區日用電量的預測方法與流程

本發明涉及一種基于人體舒適度的臺區日用電量的預測方法，屬于電網用電
技術領域：
。
背景技術：
：用電量預測是電網公司制定生產綜合計劃制定經營計劃的關鍵基礎，合理準確的預測結論會給公司的經營決策帶來正向效應，反之就會導致公司經營策略的背離，因此對未來季度或者年度的用電量預測顯得至關重要。縱覽國內外市場預測技術可知，現有的用電量預測技術可以歸結為三類，但是都不能解決用電量預測的關鍵問題。第一類用電量預測技術是依據歷史用電量的實際發生值進行趨勢外推，預測結論所包含的信息就是基于預測期的經濟環境沿襲上一周期的發展模式，例如中國專利101976301。但是如果預測周期內的用電形勢發生了較大改變或者方向性的掉頭，該方法無法預測，因此在當前經濟不穩定時期，該類方法的預測結論常常較實際發生的偏差較大。第二類用電量預測技術是基于預測人員的經驗判斷預測年的增長幅度，預測人員會根據當前的經濟形勢、和自己的預測經驗開展預測，這種對經濟形勢的判斷僅局限于定性分析層面，而無法定量到具體的預測模型上，而對于預測的經驗增長則更加依賴于預測人員個人的綜合判斷能力，預測結果的可信度不能得到有效保證。第三類用電量預測技術是采用不同的算法對歷史用電量實際發生值進行外推，從算法上解決用電量預測問題。但是現有的算法較為復雜，并且對用電量的預測的精度也不夠。在電力系統中，臺區是指(一臺)變壓器的供電范圍或區域，它是電力系統中的最小資產單元，而臺區的日用電量預測受諸多氣候因子的影響，如氣溫、濕度、風速等，其中，氣溫作為臺區日用量諸多影響因子中最顯著的一個，其大小的變化將引起預測值的變化，特別在夏季、冬季表現得非常明顯，然而現有的氣溫數據往往只顯示環境的溫度，但是這種氣溫數據并沒有充分考慮濕度、風速等對人體感應的溫度(體感溫度)的影響，因此常規不能完全體現人體感應的真實溫度，也就無法精確估算這種綜合情況對日用電量預測產生的影響，導致日用電量預測結果的精確性進一步降低。技術實現要素：本發明所要解決的技術問題是，臺區日用電量預測的方法復雜，且精確度低。為了解決上述問題，提供一種基于人體舒適溫度的臺區日用電量的預測方法，在利用周幾系數修正的線性回歸模型實現臺區日用電量預測的基礎上，根據體感溫度計算出氣溫補償量并進行修正，從而提高臺區待預測日的日用電量數值預測的精確性。本發明解決以上技術問題的技術方案：基于人體舒適度的臺區日用電量的預測方法，包括如下步驟：s1、獲取臺區待預測日的平均溫度、最高溫度、最低溫度、濕度、風速參數和臺區待預測日前幾日的對應參數，帶入指定的模型中計算出臺區待預測日的平均體感溫度、最高體感溫度、最低體感溫度以及臺區待預測日前幾日的平均體感溫度、最高體感溫度、最低體感溫度；s2、根據公式判斷待預測日的最高體感溫度、最低體感溫度以及待預測日前幾日的最高體感溫度平均值、最低體感溫度平均值所處的人體舒適度區間v(i)；s3、根據確定的待預測日的最高體感溫度、最低體感溫度以及待預測日前幾日的最高體感溫度平均值、最低體感溫度平均值所處的人體舒適度區間，按照指定公式計算補償量的大小；s4、獲取根據基于周幾系數修正的一元線性回歸模型(平均體感溫度影響因子)計算出的臺區待預測日的非修正預測日用電量，并將非修正預測日用電量與得到的補償量進行疊加，計算得到臺區的修正預測日用電量。作為本發明的進一步改進，進一步的，在s1中，平均體感溫度、最高體感溫度或最低體感溫度的計算滿足如下公式：其中，tg為平均體感溫度，tgm為最高體感溫度，tgn為最低體感溫度，t為日平均氣溫，tm為日最高氣溫，tn為日最低氣溫，u為平均相對濕度，v為平均風速。作為本發明的進一步改進，進一步的，待預測日前幾日為所述待預測日前4-10天。作為本發明的進一步改進，進一步的，在s2中，臺區待預測日的最高體感溫度、最低體感溫度以及臺區待預測日前幾日的最高體感溫度平均值、最低體感溫度平均值的人體舒適度區間滿足如下公式：其中，tgmi為最高體感溫度，tgni為最低體感溫度。作為本發明的進一步改進，進一步的，在s3中，(1)當待預測日的最高體感溫度對應的溫度區間為4，待預測日之前幾日的最高體感溫度平均值、最低體感溫度平均值對應的溫度區間為3時，在非修正預測日用電量上疊加正補償量△l1，且滿足如下公式：△l1＝k1*(tgmi-34.5)其中，k1為氣溫補償系數；(2)當待預測日的最高體感溫度、最低體感溫度對應的溫度區間為3，待預測日之前幾日最高體感溫度平均值對應的溫度區間為4時，在非修正預測日用電量上疊加負補償量△l2，且滿足如下公式：△l2＝k2*(tgmi-34.5)其中，k2為氣溫補償系數；(3)當待預測日的最高體感溫度對應的溫度區間為5，待預測日之前幾日的最高體感溫度平均值對應的溫度區間為4，在非修正預測日用電量上疊加正補償量△l3，且滿足如下公式：△l3＝k3*(tgmi-37.5)其中，k3為氣溫補償系數；(4)當待預測日的最高體感溫度和待預測日之前幾日的最高體感溫度平均值對應的溫度區間均大于等于4，且待預測日的最大氣溫小于待預測日之前幾日的最高體感溫度的平均值tgmp，在非修正預測日用電量上疊加正補償量△l4，且滿足如下公式：△l4＝k4*(tgmp-tgmi)其中，k4為氣溫補償系數；(5)當待預測日最低體感溫度對應的溫度區間為2，待預測日之前幾日的最高體感溫度平均值、最低體感溫度平均值對應的溫度區間為3，在非修正預測日用電量上疊加正補償量△l5，且滿足如下公式：△l5＝k5*(5-tgni)其中，k5為氣溫補償系數；(6)當待預測日最高體感溫度、最低體感溫度對應的溫度區間為3，待預測日之前幾日的最低體感溫度的平均值對應的溫度區間為2，在非修正預測日用電量上疊加負補償量△l6，且滿足如下公式：△l6＝k6*(tgni-5)其中，k6為氣溫補償系數；(7)當待預測日的最低體感溫度tgni對應的溫度區間為1，待預測日之前幾日的最低體感溫度tgni平均值對應的溫度區間為2時，在非修正預測日用電量上疊加正補償量△l7，且滿足如下公式：△l7＝k7*(1-tgni)其中，k7為氣溫補償系數；(8)當待預測日和待預測日之前幾日的氣溫對應的溫度區間不滿足上述任一情況時，令補償量為0。作為本發明的進一步改進，更進一步的，氣溫補償系數k1—k7的計算方法如下：s31，從臺區的歷史數據中查詢氣溫條件與待預測日和待預測日之前幾日的氣溫所在的溫度區間相同的最近一次的日期；s32，從歷史數據中提取該日期根據回歸模型預測得到的非修正預測日用電量di以及該日期的實際用電量ds，計算得到它們的差值db；s33，將該日期對應的差值db以及氣溫條件帶入對應補償量公式中，計算得出氣溫補償系數。作為本發明的進一步改進，進一步的，在s4中，根據基于周幾系數修正的一元線性回歸模型(平均體感溫度影響因子)計算出的臺區待預測日的非修正預測日用電量的方法包括如下步驟：s41、從歷史日中由“近向遠”尋找標準周；s42、根據標準周的7天日用電量獲取周幾比例系數k，即：k＝[1,d2/d1,d3/d1,d4/d1,d5/d1,d6/d1,d7/d1](3)；其中，d1為標準周周一的臺區用電量，d2為標準周周二的臺區用電量，d3為標準周周三的臺區用電量，d4為標準周周四的臺區用電量，d5為標準周周五的臺區用電量，d6為標準周周六的臺區用電量，d7為標準周周日的臺區用電量；s43、將臺區歷史日實際用電量di根據周幾比例系數修正獲取歷史日實際用電量修正值di’，即：d'i＝di/k(i)i＝1,2,...,7(4)；s44、根據臺區用電量修正值、平均體感溫度，建立一元線性回歸模型，即：d'＝a*tg+b(5)；其中變量為：平均體感溫度tg；s45、通過氣象數據庫查詢得到靠近預測日的平均氣溫t、最高氣溫tmax、最低氣溫tmin、濕度rh、風速v的歷史氣象數據，其中i-1代表預測日前一天，依次類推，帶入式(1)，得到歷史日的平均體感溫度；s46、將靠近預測日的s45所得的平均體感溫度代入公式(5)，即：s47、對線性回歸方程(6)采用最小二乘法公式擬合，計算出線性回歸方程(6)中的各常數，即a、b；s48、將a、b以及預測日的影響因子代入n元線性回歸模型(5)，可以得到預測日的修正用電量其中i代表預測日，i+1代表預測日后一天，依次類推；即：s49、將預測日的修正日用電量進行周幾比例系數修正，根據周幾分別乘以對應的周幾比例系數，獲取預測用電量，即：作為本發明的進一步改進，更進一步的，s41中標準周的尋找條件為：(1)該周的7天都處在人體比較舒適區間3，即v(i)＝3，i＝1～7；(2)該周的7天再加上該周之前2天、之后2天，總共11天都是非節日。作為本發明的進一步改進，更進一步的，在s4后還包括節假日預測用電量補償；具體為：當待預測日為普通日時，不進行補償；當待預測日為節日時，節日用電量預測值為去年同期的用電量值的k倍(k一般取0.8～1.6。通過去年該節日和前年該節日用電量之比，比如清明節、元旦節等)。總之，本發明的優點主要體現在：本發明設計精巧，操作簡單，計算量較小，在通過一元線性回歸模型計算得到臺區待預測日的非修正預測日用電量的基礎上，充分考慮風速、濕度等其他因素對體感溫度的影響，以及不同體感溫度對用電量的影響，通過將體感溫度劃分成不同的區間，再判斷待預測日的相關體感溫度和待預測日前幾日對應體感溫度的平均值所處的氣溫區間來確定應該補償的用電量，從而對非修正預測日用電量進行修正，從而提高了臺區待預測日用電量數值預測的精確性。附圖說明圖1是本發明的步驟示意圖；圖2是本發明的氣溫補償系數計算過程示意圖。具體實施方式本發明的目的、優點和特點，將通過下面優選實施例的非限制性說明進行圖示和解釋。這些實施例僅是應用本發明技術方案的典型范例，凡采取等同替換或者等效變換而形成的技術方案，均落在本發明要求保護的范圍之內。請參閱圖1，本發明揭示了一種基于人體舒適溫度的臺區日用電量的預測方法，包括如下步驟：s1、獲取臺區待預測日的平均溫度、最高溫度、最低溫度、濕度、風速參數和臺區待預測日前幾日的對應參數，帶入指定的模型中計算出臺區待預測日的平均體感溫度、最高體感溫度、最低體感溫度以及臺區待預測日前幾日的平均體感溫度、最高體感溫度、最低體感溫度；s2、根據公式判斷待預測日的最高體感溫度、最低體感溫度以及待預測日前幾日的最高體感溫度平均值、最低體感溫度平均值所處的人體舒適度區間v(i)；s3、根據確定的待預測日的最高體感溫度、最低體感溫度以及待預測日前幾日的最高體感溫度平均值、最低體感溫度平均值所處的人體舒適度區間，按照指定公式計算補償量的大小；s4、獲取根據基于周幾系數修正的一元線性回歸模型(平均體感溫度影響因子)計算出的臺區待預測日的非修正預測日用電量，并將非修正預測日用電量與得到的補償量進行疊加，計算得到臺區的修正預測日用電量。在s1中，平均體感溫度、最高體感溫度或最低體感溫度的計算滿足如下公式：其中，tg為平均體感溫度，tgm為最高體感溫度，tgn為最低體感溫度，t為日平均氣溫，tm為日最高氣溫，tn為日最低氣溫，u為平均相對濕度，v為平均風速。待預測日前幾日為所述待預測日前4-10天。在s2中，臺區待預測日的最高體感溫度、最低體感溫度以及臺區待預測日前幾日的最高體感溫度平均值、最低體感溫度平均值的人體舒適度區間滿足如下公式：其中，tgmi為最高體感溫度，tgni為最低體感溫度。如公式所見，定義了五個人體舒適度區間。當v(i)＝5時，酷熱，減少室外活動，盡可能打開所有空調。當v(i)＝4時，炎熱、需要打開空調。當v(i)＝3時，溫和、人體相對適應。當v(i)＝2時，很冷，要穿棉衣，加強運動。v(i)＝1時，酷冷，需要采取保暖措施，打開制熱設備。在s3中，(1)當待預測日的最高體感溫度對應的溫度區間為4，待預測日之前幾日的最高體感溫度平均值、最低體感溫度平均值對應的溫度區間為3時，在非修正預測日用電量上疊加正補償量△l1，且滿足如下公式：△l1＝k1*(tgmi-34.5)其中，k1為氣溫補償系數；(2)當待預測日的最高體感溫度、最低體感溫度對應的溫度區間為3，待預測日之前幾日最高體感溫度平均值對應的溫度區間為4時，在非修正預測日用電量上疊加負補償量△l2，且滿足如下公式：△l2＝k2*(tgmi-34.5)其中，k2為氣溫補償系數；(3)當待預測日的最高體感溫度對應的溫度區間為5，待預測日之前幾日的最高體感溫度平均值對應的溫度區間為4，在非修正預測日用電量上疊加正補償量△l3，且滿足如下公式：△l3＝k3*(tgmi-37.5)其中，k3為氣溫補償系數；(4)當待預測日的最高體感溫度和待預測日之前幾日的最高體感溫度平均值對應的溫度區間均大于等于4，且待預測日的最大氣溫小于待預測日之前幾日的最高體感溫度的平均值tgmp，在非修正預測日用電量上疊加正補償量△l4，且滿足如下公式：△l4＝k4*(tgmp-tgmi)其中，k4為氣溫補償系數；(5)當待預測日最低體感溫度對應的溫度區間為2，待預測日之前幾日的最高體感溫度平均值、最低體感溫度平均值對應的溫度區間為3，在非修正預測日用電量上疊加正補償量△l5，且滿足如下公式：△l5＝k5*(5-tgni)其中，k5為氣溫補償系數；(6)當待預測日最高體感溫度、最低體感溫度對應的溫度區間為3，待預測日之前幾日的最低體感溫度的平均值對應的溫度區間為2，在非修正預測日用電量上疊加負補償量△l6，且滿足如下公式：△l6＝k6*(tgni-5)其中，k6為氣溫補償系數；(7)當待預測日的最低體感溫度tgni對應的溫度區間為1，待預測日之前幾日的最低體感溫度tgni平均值對應的溫度區間為2時，在非修正預測日用電量上疊加正補償量△l7，且滿足如下公式：△l7＝k7*(1-tgni)其中，k7為氣溫補償系數；(8)當待預測日和待預測日之前幾日的氣溫對應的溫度區間不滿足上述任一情況時，令補償量為0。氣溫補償系數k1—k7的計算方法如下：s31，從臺區的歷史數據中查詢氣溫條件與待預測日和待預測日之前幾日的氣溫所在的溫度區間相同的最近一次的日期；s32，從歷史數據中提取該日期根據回歸模型預測得到的非修正預測日用電量di以及該日期的實際用電量ds，計算得到它們的差值db；s33，將該日期對應的差值db以及氣溫條件帶入對應補償量公式中，計算得出氣溫補償系數。在s4中，根據基于周幾系數修正的線性回歸模型計算出的臺區待預測日的非修正預測日用電量的方法包括如下步驟：s41、從歷史日中由“近向遠”尋找標準周；s42、根據標準周的7天日用電量獲取周幾比例系數k，即：k＝[1,d2/d1,d3/d1,d4/d1,d5/d1,d6/d1,d7/d1](3)；其中，d1為標準周周一的臺區用電量，d2為標準周周二的臺區用電量，d3為標準周周三的臺區用電量，d4為標準周周四的臺區用電量，d5為標準周周五的臺區用電量，d6為標準周周六的臺區用電量，d7為標準周周日的臺區用電量；s43、將臺區歷史日實際用電量di根據周幾比例系數修正獲取歷史日實際用電量修正值di’，即：d'i＝di/k(i)i＝1,2,...,7(4)；s44、根據臺區用電量修正值、平均體感溫度，建立一元線性回歸模型，即：d'＝a*tg+b(5)；其中變量為：平均體感溫度tg；s45、通過氣象數據庫查詢得到靠近預測日的平均氣溫t、最高氣溫tmax、最低氣溫tmin、濕度rh、風速v的歷史氣象數據，其中i-1代表預測日前一天，依次類推，帶入式(1)，得到歷史日的平均體感溫度；s46、將靠近預測日的s45所得的平均體感溫度代入公式(5)，即：s47、對線性回歸方程(6)采用最小二乘法公式擬合，計算出線性回歸方程(6)中的各常數，即a、b；s48、將a1、b以及預測日的影響因子代入n元線性回歸模型(5)，可以得到預測日的修正用電量其中i代表預測日，i+1代表預測日后一天，依次類推；即：s49、將預測日的修正日用電量進行周幾比例系數修正，根據周幾分別乘以對應的周幾比例系數，獲取預測用電量，即：s41中標準周的尋找條件為：(1)該周的7天都處在人體比較舒適的區間3，即v(i)＝3，i＝1～7；(2)該周的7天再加上該周之前2天、之后2天，總共11天都是非節日。在s4后還包括節假日預測用電量補償；具體為：當待預測日為普通日時，不進行補償；當待預測日為節日時，節日用電量預測值為去年同期的用電量值的k倍(k一般取0.8～1.6。通過去年該節日和前年該節日用電量之比，比如清明節、元旦節等)。實施例1本實施例為氣溫修正案例：以南通地區的某配電臺區(江海13組，臺區編號：14000000014460)，為例，其日用電量(單位：千瓦時)如表1所示：日期實際用電量周幾平均溫度最高溫度最低溫度濕度風速2016/7/09246.58623.225.121.6933.12016/7/10244.86725.931.722.884.85.72016/7/11236.45125.830.823.185.63.22016/7/12249.96224.432.32384.14.42016/7/13235.89325.331.422.471.81.82016/7/14237.61425.431.920.572.91.72016/7/15228.04527.132.123.779.12.62016/7/16260.4462630.223.480.74.22016/7/17254.53724.126.223.389.14.22016/7/18233.341242523.3953.32016/7/19235.69224.427.523.190.93.32016/7/20238.86325.929.723.989.42.6表1臺區的歷史用電量和氣象數據本案例的電量預測分為三個步驟：一、尋找周幾比例系數；二、一元線性回歸預測，三、補償修正。一、尋找周幾比例系數將表1中的氣象數據代入公式(1)中，可以得到歷史日的平均體感溫度tg、最高體感溫度tgm、最低體感溫度tgn，即有如表2所示：從表1中尋找標準周，發現2016年7月9日～2016年7月15日是滿足s41的標準周，該標準周滿足以下兩點：(1)2016年7月9日～2016年7月15日離節日超過兩天。(2)2016年7月9日～2016年7月15日的人體舒適度都為3。根據標準周2016年7月9日～2016年7月15日的實際用電量可知，d1＝236.45,d2＝249.96,d3＝235.89,d4＝237.61,d5＝228.04,d6＝246.58，d7＝244.86。將數據帶入式(3)，得到周幾比例系數k。k＝[1,1.0571,0.9976,1.0049,0.9644,1.0428,1.0356]；二、一元線性回歸預測從表1可知，2016年7月16日～2016年7月20日的實際電量分別為260.44,254.53,233.34,235.69,238.86,經過式(4)，可得實際用電量修正值，分別為249.75、245.78、233.34、222.96、239.43。將修正值的數據代入方程(6)，對該方程進行最小二乘法公式擬合，可以計算出線性回歸方程(6)中的各常數，如下：a＝1.3334，b＝202.0606。表3預測日的預測氣象數據將表3中的氣象數據代入公式(1)中，可以得到預測日的平均體感溫度tg、最高體感溫度tgm、最低體感溫度tgn，即有如表4所示：日期周幾舒適度平均體感溫度最高體感溫度最低體感溫度2016/7/214328.573332.473326.17332016/7/225329.506731.506727.20672016/7/236329.160030.060028.46002016/7/247330.093333.793327.09332016/7/251430.953335.753328.2533表4臺區的預測日體感溫度將表4的預測日體感溫度數據和常數帶入方程(7)，可得：再將所得的數據代入方程(8)，得到預測值：經查實，2016年7月21日至7月25日的臺區用電量真實值如下：對比預測值與真實值可知，預測日i～i+3用電量預測值的相對誤差在5％以內，達到預測要求。但是，預測日i+4用電量預測值超過了10％，誤差較大，需要進行氣溫補償修正。三、氣溫補償修正的具體方法為：由表4可知，待預測日i+4的人體舒適度區間為4，而待預測日之前幾日的人體舒適度區間區間為3，此時需要在非修正預測用電量上疊加正補償量△l1，且滿足如下公式：△l1＝k1*(tgmi-34.5)其中，△l1為補償量，k1為氣溫補償系數。在該臺區中,k1＝25，故有：對比可知預測日i～i+4用電量預測值的相對誤差都在5％以內，達到預測要求。實施例2本實施例為節假日修正案例：以南通地區的某配電臺區(江海13組，臺區編號：14000000014460)，為例，其日用電量(單位：千瓦時)如表5所示：日期實際用電量周幾平均溫度最高溫度最低溫度濕度風速2016/3/19218.48611.615.88.578.30.62016/3/20216.27710.312.58.285.20.92016/3/21204.9511419.99.778.40.42016/3/22210.55212.818.87.959.10.42016/3/23206.2939.212.86.975.10.32016/3/24205.6549.114.64.662.20.32016/3/25200.0959.415.74.564.70.42016/3/26204.3610.211.98.8900.52016/3/27208.7871419.79.375.90.52016/3/28218.6411622.61078.10.62016/3/29206.73215.518.213.781.30.52016/3/30217.32320.728.313.878.90.9表5臺區的歷史用電量和氣象數據本案例的電量預測分為三個步驟：一、尋找周幾比例系數；二、一元線性回歸預測，三、補償修正。一、尋找周幾比例系數將表5中的氣象數據代入公式(1)中，可以得到歷史日的平均體感溫度tg、最高體感溫度tgm、最低體感溫度tgn，即有如表6所示：表6臺區的歷史用電量和體感溫度從表6中尋找標準周，發現2016年3月19日～2016年3月25日是滿足s41的標準周，該標準周滿足以下兩點：(1)2016年3月19日～2016年3月25日離節日超過兩天。(2)2016年3月19日～2016年3月25日的人體舒適度都為3。根據標準周2016年3月19日～2016年3月25日的實際用電量可知，d1＝204.95,d2＝210.55,d3＝206.29,d4＝205.65,d5＝200.09,d6＝218.48，d7＝216.27。將數據帶入式(3)，得到周幾比例系數k。k＝[1,1.0273,1.0065,1.0034,0.9763,1.0660,1.0552]；二、一元線性回歸預測從表5可知，2016年3月26日～2016年3月30日的實際電量分別為217.78,220.30,218.64,212.37,218.73,經過式(4)，可得實際用電量修正值，分別為204.3、208.78、218.64、206.73、217.32。將修正值的數據代入方程(6)，對該方程進行最小二乘法公式擬合，可以計算出線性回歸方程(6)中的各常數，如下：a＝1.3334，b＝202.0606。日期周幾平均溫度最高溫度最低溫度濕度風速2016/3/3141619.612.69112016/4/1521.131.614.578.612016/4/2611.112.49.877.90.42016/4/3711.913.89.892.51.12016/4/4110.911.99.8941.3表7預測日的預測氣象數據將表7中的氣象數據代入公式(1)中，可以得到預測日的平均體感溫度tg、最高體感溫度tgm、最低體感溫度tgn，即有如表8所示：日期周幾舒適度平均體感溫度最高體感溫度最低體感溫度2016/3/314319.233322.833315.83332016/4/15323.506734.006716.90672016/4/26313.660014.960012.36002016/4/37315.200017.100013.10002016/4/41314.233315.233313.1333將表8的預測日體感溫度數據和常數帶入方程(7)，可得：再將所得的數據代入方程(8)，得到預測值：經查實，2016年3月31日至4月4日的臺區用電量真實值如下：對比預測值與真實值可知，預測日i～i+3用電量預測值的相對誤差在5％以內，達到預測要求。但是，預測日i+4用電量預測值超過了10％，誤差較大，需要進行氣溫補償修正。三、補償修正2016年4月4日是清明節，需要進行定值補償，具體見表9。去年勞動節日用電量臺區用電量年度比m253.561.02表9清明節定值修正從表9可以得到5月1日用電量預測值為258.63千瓦時；對比可知預測日i～i+4用電量預測值的相對誤差都在5％以內，達到預測要求。除上述實施例外，本發明還可以有其他實施方式。凡采用等同替換或等效變換形成的技術方案，均落在本發明要求的保護范圍。當前第1頁12