[發明專利]一種區域配電網負荷需求混合預測方法

在審

• 申請號: 202110598894.9
• 申請日: 2021-05-31
• 公開（公告）號: CN113537553A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 陳雪;林劍;陳大才;翁曉春;郭智源;喻婧;李繼宇;賴舉添;張再偉
• 申請（專利權）人: 國網福建省電力有限公司經濟技術研究院;國網福建省電力有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

本發明涉及一種區域配電網負荷需求混合預測方法，包含數據收集、數據處理、不同方法預測、不同方法預測結果綜合計算。數據預處理結合收集的數據，對數據信息中存在的異常值、遺漏數據等進行處理。組合預測方法，包含了多元線性回歸、灰色預測、支持向量機預測三種預測方法，結合樣本收集，計算出不同方法的預測偏差。組合預測方法結果的權重確定是應用變異系數方法，根據預測偏差對不同方法的權重進行最終確定。該組合方法有效避免了無關數據和異常數據的干擾及其影響，同時結合不同方法的組合應用并結合相應的預測誤差效果確定各個方法計算結果的權重，能夠有效提升預測結果的精確程度，從而實現區域配電網電力需求的精準預測。

技術領域

本發明涉及屬于區域配電網用負荷預測應用領域，特別是一種區域配電網負荷需求混合預測方法。

背景技術

電力工業是國民經濟的基礎產業，電網企業投資策略的科學性、合理性是企業管理策略研究的核心內容之一。當前經濟社會發展與內外部環境變化，給電網公司經營帶來了嚴峻挑戰。因此結合負荷需求的增長，科學合理的確定投資規模，優化投資策略是重中之重，通過系統分析結合區域發展現狀，結合不同類型預測方法，精準確定負荷需求，能夠為資源的科學合理配置提供輔助決策支撐，實現投入產出成效清晰化、投資安排科學合理化、業務管理精益化。

目前，當前主要的區域配電網負荷需求預測方法主要有線性規劃、灰色預測、神經網絡等智能預測方法。該類方法各有特點，適用性較為單一，預測精度無法滿足當前精準規劃需求，例如灰色預測只考慮數據的內在聯系，沒有充分結合當前負荷需求的復雜影響要素，BP神經網絡預測模型在小樣本數據處理上存在一定的問題，在學習樣本數量有限時，精度難以保證；樣本數量很多時，泛化性能又不高。綜上所述，單一模型相對簡單，且由于負荷需求受多種內外部復雜因素影響，因此單一方法對于區域負荷需求的預測存在一定的缺陷與問題。

支持向量機是一種以結構風險最小化原理為基礎的新算法，具有其它以經驗風險最小化原理為基礎的算法難以比擬的優越性，同時由于它是一個凸二次優化問題，能夠保證得到的極值解是全局最優解。即支持向量機能在有限樣本情況下，精度既高同時泛化性能也強。隨著深度學習算法的引用與運用能夠為負荷需求的精準預測提供一定支撐與參考，但是當前研究深度不足，實踐性不強，仍存在訓練效率低以及迭代次數多等問題，且沒有充分考量當前電網企業投資慣性等特點，沒有充分考量不同形勢下負荷需求的變化特性，預測精準程度有待進一步加強。

發明內容

有鑒于此，本發明的目的是提供一種區域配電網負荷需求混合預測方法，該方法有效避免了相關方法模型單一的影響，充分融合不同方法模型特點，并結合預測偏差科學設定不同方法模型預測結果權重，可以保證負荷需求的預測結果科學合理，并且綜合考量電網企業發展以及社會經濟發展的相關特點。

本發明采用以下方案實現：一種區域配電網負荷需求混合預測方法，包括以下步驟：

步驟S1：獲取基礎數據；

步驟S2：進行數據預處理；

步驟S3：進行組合預測模型構建；

步驟S4：通過步驟S3構建的模型進行混合預測。

進一步地，所述基礎數據包括歷史負荷數據、經濟總量、經濟結構、經濟布局和供電面積。

進一步地，步驟S2中所述數據預處理包括但不限于直接刪除、暫且保留、使用統計量替換、缺失值填補和穩健統計量與穩健回歸。

進一步地，所述步驟S3的具體內容為：

步驟S31：搭建灰色預測模型；

步驟S32：搭建多元線性回歸預測模型；

步驟S33：搭建支持向量機預測模型。

進一步地，所述步驟S31的具體內容為：