[發(fā)明專(zhuān)利]一種基于社會(huì)經(jīng)濟(jì)因素影響的電力系統(tǒng)月度負(fù)荷的組合預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410108926.2
• 申請(qǐng)日: 2014-03-24
• 公開(kāi)（公告）號(hào): CN103853939A
• 公開(kāi)（公告）日: 2014-06-11
• 發(fā)明（設(shè)計(jì)）人: 劉志堅(jiān);楊志華;楊蕊鑫;宋琪;趙子琦;黃蓉
• 申請(qǐng)（專(zhuān)利權(quán)）人: 昆明理工大學(xué)
• 主分類(lèi)號(hào): G06F19/20
• 分類(lèi)號(hào): G06F19/20
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于社會(huì)經(jīng)濟(jì)因素影響的電力系統(tǒng)月度負(fù)荷的組合預(yù)測(cè)方法，屬于電網(wǎng)技術(shù)領(lǐng)域。

背景技術(shù)

負(fù)荷預(yù)測(cè)是電網(wǎng)規(guī)劃的重要組成部分，提高負(fù)荷預(yù)測(cè)的水平，不僅有利于供電部門(mén)進(jìn)行合理用電管理，還能提高經(jīng)濟(jì)效益。負(fù)荷預(yù)測(cè)不準(zhǔn)確，將對(duì)電力部門(mén)以及用戶(hù)產(chǎn)生很大影響：預(yù)測(cè)值與真實(shí)值過(guò)分偏低，無(wú)法滿(mǎn)足用戶(hù)需求；而過(guò)分偏高時(shí)，將會(huì)增加電力設(shè)施的投資，產(chǎn)生資源的浪費(fèi)。

影響電力系統(tǒng)月度負(fù)荷的因素很多，且很多因素與負(fù)荷之間存在多重共線(xiàn)性問(wèn)題，傳統(tǒng)線(xiàn)性回歸方法難以準(zhǔn)確描述變量之間的關(guān)系。對(duì)于影響因素的處理，由于運(yùn)行管理制度相對(duì)落后以及運(yùn)行人員水平參差不齊，導(dǎo)致歷史資料匱乏，針對(duì)小樣本數(shù)據(jù)問(wèn)題，傳統(tǒng)的統(tǒng)計(jì)學(xué)方法很難發(fā)現(xiàn)其變化規(guī)律，這樣就給預(yù)測(cè)的精度帶來(lái)了很大的困難。負(fù)荷預(yù)測(cè)比較經(jīng)典的方法有時(shí)間序列法、回歸分析法以及相關(guān)分析法等，使用的前提是負(fù)荷具有很好的線(xiàn)性化以及確定性。然而電力負(fù)荷是非線(xiàn)性、時(shí)變性和不確定性的，因此想要簡(jiǎn)單的通過(guò)一個(gè)數(shù)學(xué)關(guān)系式來(lái)表達(dá)影響因子與待預(yù)測(cè)負(fù)荷之間的非線(xiàn)性關(guān)系是非常困難的。為了克服以上困難，于是又研究提出專(zhuān)家預(yù)測(cè)、灰色預(yù)測(cè)以及神經(jīng)網(wǎng)絡(luò)理論等新的預(yù)測(cè)方法。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于社會(huì)經(jīng)濟(jì)因素影響的電力系統(tǒng)月度負(fù)荷的組合預(yù)測(cè)方法，以用于解決樣本容量有限的情況下難以發(fā)現(xiàn)事物的統(tǒng)計(jì)規(guī)律、傳統(tǒng)預(yù)測(cè)模型難以消除偏差、影響因素多重共線(xiàn)性時(shí)難以精確描述自變量與因變量之間的關(guān)系等導(dǎo)致負(fù)荷預(yù)測(cè)精度不高等問(wèn)題。

本發(fā)明的技術(shù)方案是：一種基于社會(huì)經(jīng)濟(jì)因素影響的電力系統(tǒng)月度負(fù)荷的組合預(yù)測(cè)方法，首先通過(guò)改進(jìn)灰色預(yù)測(cè)模型的方法對(duì)各社會(huì)經(jīng)濟(jì)指標(biāo)數(shù)列進(jìn)行建模，得到各社會(huì)經(jīng)濟(jì)指標(biāo)的預(yù)測(cè)值；同時(shí)針對(duì)社會(huì)經(jīng)濟(jì)指標(biāo)與電力系統(tǒng)月度負(fù)荷的變化特點(diǎn)采用偏最小二乘模型，得到月度負(fù)荷與各社會(huì)經(jīng)濟(jì)指標(biāo)的線(xiàn)性多元回歸方程；然后將各社會(huì)經(jīng)濟(jì)指標(biāo)的預(yù)測(cè)值代入線(xiàn)性多元回歸方程中，得到月度負(fù)荷的預(yù)測(cè)值；最后根據(jù)月度負(fù)荷的預(yù)測(cè)值得出相對(duì)誤差。

所述方法的具體步驟如下：

A、通過(guò)改進(jìn)灰色預(yù)測(cè)模型的方法對(duì)各社會(huì)經(jīng)濟(jì)指標(biāo)數(shù)列進(jìn)行建模，得到各社會(huì)經(jīng)濟(jì)指標(biāo)的預(yù)測(cè)值：所述改進(jìn)灰色預(yù)測(cè)模型的具體步驟如下：

A1、對(duì)原始數(shù)列進(jìn)行一次累加生成一次累加數(shù)列，運(yùn)用一次累加數(shù)列構(gòu)建一階微分方程并確定數(shù)據(jù)矩陣；

A2、采用最小二乘估計(jì)一階線(xiàn)性微分方程的待估參數(shù)；

A3、計(jì)算無(wú)偏???????????????????????????????????????????????模型的參數(shù)，；

A4、根據(jù)，的估計(jì)值，建立原始數(shù)據(jù)序列模型：

??????????????????????????（1）

其中，0≤k≤n-1時(shí)為原始數(shù)據(jù)序列的擬合值，k≥n時(shí)為原始數(shù)據(jù)序列的預(yù)測(cè)值；

B、根據(jù)月度負(fù)荷y和m個(gè)社會(huì)經(jīng)濟(jì)指標(biāo)，選取n個(gè)樣本觀測(cè)點(diǎn)，得到，，根據(jù)偏最小二乘模型，建立線(xiàn)性多元回歸方程為：

?????????????????????????????????（2）

其中，i=1,…m，m為假設(shè)的相關(guān)因素的個(gè)數(shù)；c₀為回歸方程的誤差系數(shù)，c₁,c₂,…c_m為回歸系數(shù)；,,,…,為X中各參數(shù)標(biāo)準(zhǔn)化逆過(guò)程的取值；為Y中各參數(shù)標(biāo)準(zhǔn)化逆過(guò)程的取值；

C、將得到的各社會(huì)經(jīng)濟(jì)指標(biāo)的預(yù)測(cè)值代入偏最小二乘模型所得的線(xiàn)性多元回歸分析式中，得到月度負(fù)荷的預(yù)測(cè)值；

D、將月度負(fù)荷的真實(shí)值與月度負(fù)荷的預(yù)測(cè)值的差值的絕對(duì)值除以月度負(fù)荷的真實(shí)值得到相對(duì)誤差。

本發(fā)明的工作原理是：

1、通過(guò)改進(jìn)灰色預(yù)測(cè)模型的方法預(yù)測(cè)各社會(huì)經(jīng)濟(jì)指標(biāo)，具體步驟如下：

設(shè)社會(huì)經(jīng)濟(jì)指標(biāo)的原始數(shù)據(jù)序列為：

對(duì)各個(gè)經(jīng)濟(jì)數(shù)據(jù)進(jìn)行累加，形成新的數(shù)列：

式中，。

確定數(shù)據(jù)矩陣B，Y_N（這里之所以需要確定這兩個(gè)系數(shù)矩陣是為了求一階線(xiàn)性微分方程的待估參數(shù)，。因?yàn)閼?yīng)用經(jīng)過(guò)一次累加生成的數(shù)列建模，來(lái)描述事情的發(fā)展過(guò)程，構(gòu)建下述一階微分方程）：