[發明專利]用于月度用電預測模型的溫度指數構建方法

在審

• 申請號: 201510919996.0
• 申請日: 2015-12-10
• 公開（公告）號: CN105574608A
• 公開（公告）日: 2016-05-11
• 發明（設計）人: 何為;李新;李晨;李科;張睿;史爽;魯萬波;龔金國;劉宏鯤;喻開志;馬云蓓
• 申請（專利權）人: 四川省電力公司供電服務中心;國家電網公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 成都信博專利代理有限責任公司 51200
• 代理人: 崔建中

技術領域

本發明涉及用電預測領域，特別涉及一種用于月度用電預測模型的溫度指數構建 方法。

背景技術

現有的用電預測模型有GM灰色預測模型、ARIMA模型、回歸模型等。

1、GM灰色預測模型

基于用電數據本身的趨勢，通過實際數據的累加生成灰色系統，得到規律較強的 曲線之后，用指數曲線擬合生成模型，再利用生成模型得到的數據通過累加逆運算——累 減生成得到還原模型，由還原模型作為預測模型。

2、電力彈性系數

一種系數計算法，把影響用電的因素(如氣溫)和用電量兩者之間計算彈性系數， 即氣溫每增加1％，帶來用電量變量百分之多少。根據歷史數據對彈性進行估算，把得到的 彈性系數和新的氣溫變化結合，從而對新的用電量的變化進行估計和預測。

3、ARIMA模型

自回歸移動平均模型(ARIMA)是基于用電量本身的自身規律進行刻畫的模型。如 果用電序列{y_t}的當前值不僅與自身過去值有關，而且還與其以前進入系統的外部沖擊e 存在一定依存關系，則在用模型刻畫這種動態特征時，模型中既包括自身的滯后項，也包括 過去的外部沖擊。一般模型表達為ARIMA(p，d，q)，其中，p為用電序列{y_t}的滯后階數，q為 外部沖擊e的滯后階數，d為差分次數。其一般結構為：

y_t＝φ₁y_t-1+φ₂y_t-2+…+φ_py_t-p+ε_t+θ₁ε_t-1+θ₂ε_t-2+…θ_qε_t-q

利用滯后算子，此模型可寫為：

Φ(B)y_t＝Θ(B)ε_t

實際中，為了保證數據的平穩性，常常先對數據進行差分，然后建立模型，即：Φ (B)B^dy_t＝Θ(B)ε_t，這就是ARIMA模型。

若序列的當前值還受到其他變量的影響，則需要建立ARIMA-X模型，即：

其中{y_t},{x_t}為平穩序列，或者經過差分后的平穩序列，{y_t}為用電量，{x_t}為影 響用電的因素。

4、多元線性回歸

為了刻畫多個因素對用電的線性影響，線性回歸模型可對用電量先估計系數后， 在使用擬合的模型進行預測。其基本回歸表達式為：

y_t＝b₀+b₁x_1t+b₂x_2t+...+b_qx_qt+e_t

其中q個x為影響用電的因素，y為用電量。通過最小二乘估計法，估計系數b，然后 利用估計的系數和x的取值，以及方程式表達的關系，求得y的預測值。

5、隨機森林模型

隨機森林回歸模型，由很多決策樹回歸組成的組合回歸模型，且參數集是獨立同 分布的隨機向量，在給定自變量X下，每個決策樹回歸模型都有一票投票權來選擇最優的回 歸結果，最后輸出所有的投票判別結果或是得到估計的平均值。

隨機森林回歸的基本方法是：首先利用自助法從原始訓練集抽取k個樣本，然后對 k個樣本分別建立k個決策樹模型，得到k種回歸結果；最后根據k種回歸結果對每個記錄進 行投票表決決定其最終回歸。不僅有效抑制訓練樣本噪音和解決屬性缺失，還不容易出現 過度擬合。在構建隨機森林的過程中生成一個泛化誤差的內部無偏估計，使預測結果更加 精確。