[發(fā)明專利]一種時(shí)間序列交叉的供熱負(fù)荷預(yù)報(bào)工程化方法

無效

• 申請(qǐng)?zhí)枺?/td>: 201110302034.2
• 申請(qǐng)日: 2011-09-28
• 公開（公告）號(hào): CN102509169A
• 公開（公告）日: 2012-06-20
• 發(fā)明（設(shè)計(jì)）人: 齊維貴;張永明;鄧盛川;于德亮;陳烈
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 楊立超

1.一種時(shí)間序列交叉的供熱負(fù)荷預(yù)報(bào)工程化方法，其特征在于：所述方法是按照以下步驟實(shí)現(xiàn)的：

步驟一、橫向預(yù)報(bào)：將第t天第i時(shí)刻的負(fù)荷記為L_t(i)，根據(jù)橫向負(fù)荷時(shí)間序列，L_t(i)可由第i時(shí)刻的前m₁個(gè)時(shí)刻的歷史負(fù)荷預(yù)報(bào)；

步驟二、縱向預(yù)報(bào)：將第t天第i時(shí)刻的負(fù)荷記為L_t(i)，根據(jù)縱向負(fù)荷時(shí)間序列，L_t(i)可由第t天之前m₂天第i時(shí)刻的歷史負(fù)荷來預(yù)報(bào)；

步驟三、時(shí)間序列交叉預(yù)報(bào)：在橫向預(yù)報(bào)和縱向預(yù)報(bào)的基礎(chǔ)上，將兩種預(yù)報(bào)結(jié)合起來，根據(jù)最小平方誤差和原則，確定交叉預(yù)報(bào)的加權(quán)系數(shù)，得到交叉預(yù)報(bào)模型：

y_C＝f(y_H，y_V)＝k_Hy_H+k_Vy_V????????????????????????????(1)

式中：y_C為交叉預(yù)報(bào)結(jié)果，y_H為橫向預(yù)報(bào)結(jié)果，y_V為縱向預(yù)報(bào)結(jié)果；所述交叉預(yù)報(bào)的加權(quán)系數(shù)包括橫向預(yù)報(bào)權(quán)數(shù)k_H和縱向預(yù)報(bào)權(quán)數(shù)k_V。

2.根據(jù)權(quán)利要求1所述的一種時(shí)間序列交叉的供熱負(fù)荷預(yù)報(bào)工程化方法，其特征在于：所述橫向預(yù)報(bào)和縱向預(yù)報(bào)均由AR模型來實(shí)現(xiàn)，利用Yule-Walker法的建模理論以及F定階準(zhǔn)則確定AR模型，具體過程為：

步驟A、AR模型的描述：

AR模型就是自回歸模型，AR模型的系統(tǒng)函數(shù)H(z)表示為

H(z)=G1+Σi=1paiz-i---(2)]]>

AR模型的系統(tǒng)函數(shù)H(z)有極點(diǎn)而沒零點(diǎn)，模型階由分母多項(xiàng)式階p決定，表示為AR(p)；如果在白噪聲w(n)激勵(lì)下模型的輸出為x(n)，則模型輸入輸出關(guān)系的時(shí)域表達(dá)式為：

x(n)+Σi=1paix(n-i)=Gw(n)---(3)]]>

此式為AR模型的差分方程；

步驟B、Yule-Walker法估計(jì)參數(shù)：

Yule-Walker法估計(jì)參數(shù)是一種直接估計(jì)法，即直接觀測(cè)數(shù)據(jù)或者數(shù)據(jù)的采樣特性估計(jì)出模型參數(shù)；在已知其前N+1個(gè)相關(guān)函數(shù)R_x(0)，R_x(1)，L?R_x(N)或者是這N+1個(gè)相關(guān)函數(shù)的估計(jì)值，由這個(gè)N+1個(gè)值估計(jì)出模型參數(shù)a_k(k＝1，2，L，N)；

由公式(2)可知，p階AR模型有p+1個(gè)待定參數(shù)：a₁，a₂，L?a_p和系統(tǒng)增益G；

由公式(3)可知，系統(tǒng)輸出

即用n時(shí)刻之前p個(gè)值的線性組合來預(yù)報(bào)n時(shí)刻的值x(n)，預(yù)報(bào)誤差為Gw(n)；在均方誤差最小的情況下，組合系數(shù)a₁，a₂，L?a_p的選擇應(yīng)使預(yù)報(bào)誤差Gw(n)均方值最小；

令預(yù)報(bào)誤差為e(n)，有

e(n)=Gw(n)=x(n)+Σi=1paix(n-i)---(4)]]>

則

E[e2(n)]=E{G2w2(n)}=G2E{w2(n)}=G2σw2=G2---(5)]]>

式中，G²和白噪聲的方差是同時(shí)出現(xiàn)的，故將其中的一個(gè)量固定，求另一個(gè)；

在最小均方差準(zhǔn)則下，要使預(yù)報(bào)值最佳地逼近x(n)，參數(shù)a_i的選取應(yīng)該滿足：

∂E[e2(n)]∂ai=0,i=1,2,L,p.---(6)]]>

從而推倒出AR模型的正則方程，即尤勒-沃克(Yule-Walker)方程：

Rx(m)=-Σi=1paiRx(m-i)m=1,2,Lp-Σi=1paiRx(i)+G2m=0---(7)]]>

并以此方程確定AR模型的p+1個(gè)參數(shù)；

步驟C、AR模型的F檢驗(yàn)法定階：

設(shè)X_t(1≤t≤N)是零均值平穩(wěn)序列{X_t，t＝0，±1，L}一段樣本，并用AR(p)模型

進(jìn)行擬合，根據(jù)模型階數(shù)節(jié)省原則，采取由低階逐步升高的“過擬合”辦法，先對(duì)觀測(cè)數(shù)據(jù)擬合模型AR(p)(p＝1，2，L)，用遞推最小二乘估計(jì)其參數(shù)并分別計(jì)算對(duì)應(yīng)模型的殘差平方和；根據(jù)適用的模型應(yīng)具有較小的殘差平方和的特點(diǎn)，用F準(zhǔn)則判定模型的階數(shù)改變后相應(yīng)的殘差平方和變化是否顯著；

檢驗(yàn)假設(shè)即表示模型AR(p-1)是合適的；由于模型AR(p)殘差平方和為：

模型AR(p-1)的殘差平方和為：

可以證明統(tǒng)計(jì)量F服從自由度1和N-p的F分布，即

F=Q1-Q01/Q0N-p~F(1,N-p)---(11)]]>

對(duì)給定的顯著性α＝0.05或0.01，查F分布表得F(1，N-p)，并計(jì)算若F＞F_α，拒絕H₀；若F≤F_α，則接受H₀，即AR(p-1)是合適模型。

3.根據(jù)權(quán)利要求1所述的一種時(shí)間序列交叉的供熱負(fù)荷預(yù)報(bào)工程化方法，其特征在于：在步驟三中，所述交叉預(yù)報(bào)的加權(quán)系數(shù)利用最小二乘法來確定。