基于气温变化的电网日用电量预测方法技术

本发明专利技术提供一种基于气温变化的电网日用电量预测方法，包括以下步骤：获取历史样本区间的数据；对日用电量进行分解，将其分解为气温电量与经济电量；采用分离出来的气温电量数据构建气温与气温电量之间关系的预测模型；采用ARMA算法对上述模型进行改进；对预测模型进行回代检验和应用检验，以判断模型的预测精度。本发明专利技术从电网日用电量入手，首先将日用电量分解为经济电量和气温电量，再构建气温与日用电量之间的预测模型，根据日气温变化和经济发展形势就可以分别预测出每日的经济电量和气温电量，将经济电量和气温电量加总就可以得到电网日用电量，从而为电网调控提供重要的依据。

【技术实现步骤摘要】
基于气温变化的电网日用电量预测方法
本专利技术涉及电网电量预测
，具体是一种基于气温变化的电网日电量预测方法。
技术介绍
电力需求除了受到经济发展的影响及其行业自身周期性规律影响外，还受到其它外在因素的影响。要进行电力的科学合理调度，需要考虑的因素很多，也很复杂。工业在一定时期内是比较稳定的，不稳定的是居民生活用电，而居民大功率耗电设备是制冷、取暖等设备，这些设备的使用与气温等气象要素密切相关，因此分析用电量与气温的关系进而利用气温等要素预测用电量就成为可能。所以研究气象因素对电力需求规律的影响规律，在此基础之上建立合适的电力需求预测模型是提高电力预测精度的关键。因此，将气象因素用于用电量预测是目前这一研究领域的热点。
技术实现思路
本专利技术提供一种基于气温变化的电网日用电量预测方法，通过该方法能够弥补现有预测方法的不足之处，进而能够对电网日用电量进行更准确的预测，为电力市场分析与电网规划人员把握日用电量变化规律提供参考依据。为解决上述技术问题，本专利技术采用如下技术方案：一种基于气温变化的电网日用电量预测方法，包括如下步骤：(1)获取历史样本区间的数据，包括每天的日用电量、日平均气温、日最低气温以及日最高气温；(2)对历史样本区间的数据日用电量进行分解，总用电量分为以下两个组成部分：E＝EG+ET其中，E表示每日的总用电量；EG表示用电量随时间而增长的部分，称为经济电量；ET表示由气温变化导致的用电量，称为气温电量；采用线性时间趋势回归方程计算经济电量EG，经济电量随时间变化的回归方程如下：其中，week为工作日与周末的虚拟变量(week，工作日取值为1，周末或假日取值为0)，εt表示残差项；α、β、γ表示常数；(3)从历史样本数据的日用电量中剔除经济电量，即得到历史样本区间的气温电量；(4)采用分离出来的气温电量数据构建气温与气温电量之间关系的预测模型，如下所示：其中，T表示每日平均气温，T0表示气温电量变化的临界温度，εt表示随机误差项；(5)通过对模型残差的自相关函数和偏自相关函数的分析，以当日气温电量为因变量，气温电量的滞后项为自变量，采用ARMA算法对上述气温电量的预测模型进行改进，如下所示：(6)对预测方法进行回代检验和应用检验，以判断模型的预测精度；(7)预测电网日用电量：获取目标区间的数据，利用步骤(2)的计算方法得到出经济电量，利用步骤(5)中的预测模型得到气温电量，再将经济电量与气温电量加总进而得到预测日用电量。步骤(2)中，还包括进一步分离经济电量，采用一阶自回归模型，计量方程如下：其中，扰动项εt为白噪声过程，和分别表示日用电量的当期值和滞后一期值。步骤(3)中，还包括对日用电量和气温进行敏感性分析，得到气温影响日用电量的临界气温，然后从气温高于临界气温的日用电量中分离出气温电量。步骤(4)中，还包括对所构建的预测模型进行t检验、R2检验和F检验。由以上技术方案可知，本专利技术将日用电量分解为气温电量与经济电量，构建气温电量和气温之间的预测模型，并引入ARMA算法对模型进行改进，再针对经济电量构建线性时间趋势回归模型，该模型使用的气温因素能够准确地反映日用电量随经济电量的波动情况，并据此准确预测日用电量大小，从而为电网调控、运营提供依据。附图说明图1为本专利技术的方法流程图；图2为本专利技术具体实施例对安徽省2013年夏季日用电量进行预测的预测值与实际值的比较图。具体实施方式下面，以安徽省2013年逐日用电量作为实施例来说明本专利技术一种基于气温变化的电网日用电量预测方法的具体实施方式，包括以下步骤：步骤(1)：采集安徽省2013年逐日用电量、日平均气温、日最高气温和日最低气温的数据。在对历史样本数据按季节对日用电量与日平均气温、日最高气温和日最低气温进行相关性分析发现，首先，冬季日用电量与日平均气温、最高气温与最低气温的相关系数显著为负，这说明气温的下降导致用电量的上升。而春、秋季日用电量与气温虽然也是负相关关系，但是相关系数较小且在统计上并不显著，该季节一般气温都很适宜，人体感觉较为舒适，所以用电量基本维持在正常水平，不会有太大的波动。夏季日用电量与日平均气温、最高气温与最低气温的相关系数皆在1％的统计性水平上显著为正，且相关系数也远远高于冬季。从气温与日用电量相关系数的大小来看，日平均气温与用电量的相关系数最大(0.8165)。据此，采用安徽省夏季为研究对象，重点分析日平均气温与用电量的关系。(2)对历史样本区间的数据日用电量进行分解，采用线性时间趋势回归方程得到日用电量的长期变化趋势项，即为经济电量，总用电量分为以下两个组成部分：E＝EG+ET其中，E表示夏季每日的总用电量，EG表示用电量随时间而增长的部分，这主要是由于国民经济的快速发展和人民生活水平的提高导致的，简称“经济电量”。ET表示由气温变化导致的用电量，简称“气温变量”。采用线性时间趋势回归方程计算经济电量，经济电量随时间变化的回归方程如下：其中，EG表示表示用电量随时间而增长的部分，即经济电量；由于考虑到周末的用电量较工作日有很大的差异，因此采用week反映工作日与周末的虚拟变量(week，工作日取值为1，周末或假日取值为0)；εt表示残差项。选取安徽省2013年2月10日到6月14日为样本数据进行回归，选择这段时期计算的经济电量应该更准确，因为这段时间的用电量受气温影响作用很小。采用STATA软件对上式进行最小二乘法回归，可得经济电量随时间变化的线性趋势方程如下：EG＝31176.81+17.403t+1431.354week(84.70)(4.14)(4.51)F＝18.73，R2＝0.2349从上式的回归结果可以看出线性趋势的拟合优度太低(只有0.2349)，为了更准确的分离经济电量，接下来再采用时间序列数据分析方法计算经济电量。在这里采用最简单的一阶自回归模型AR(1)，计量方程如下：其中，扰动项εt为白噪声过程，和分别表示日用电量的当期值和滞后一期值。采用STATA软件对上式进行最小二乘法回归，可得经济电量的回归方程形式如下：EGt＝6518.65+0.787EGt-1+889.399wt(4.63)(18.46)(5.17)F＝200.29，R2＝0.7680(3)从历史样本数据的日用电量中剔除经济电量，即得到历史样本区间的气温电量；日用电量与气温间的相互关系表明，日用电量与气温的在冬季和夏季高度相关，而在春、秋季则关系不大，季节的差异主要体现在气温的差异。那么由此可知一定存在一个高温阈值，当气温高于高温阈值时，日用电量随着气温的变化而变化，而当气温低于高温阈值时，日用电量不随气温的变化而变化。以1℃作为单位，对安徽省2013年夏季日用电量按照温度进行分组，为减少波动性，将同一温度下的日用电量取平均值，通过分析可以确定日用电量对气温的敏感点为25℃，只有当日平均气温高于该温度时，日用电量才会有显著的增加，此时就应该考虑增加用电计划。(4)采用分离出来的气温电量数据构建气温与气温电量之间关系的预测模型；其中，T表示每日平均气温且大于25℃，T0表示气温电量变化的临界温度25℃，εt表示随机误差项。(5)考虑到日用电量具有累积效应，前期用电量会影响当期日用电量，持续的高温也会产生累计效应影响当期用电量，以当本文档来自技高网...

【技术保护点】
一种基于气温变化的电网日用电量预测方法，其特征在于，包括如下步骤：(1)获取历史样本区间的数据，包括每天的日用电量、日平均气温、日最低气温以及日最高气温；(2)对历史样本区间的数据日用电量进行分解，总用电量分为以下两个组成部分：E＝EG+ET其中，E表示每日的总用电量；EG表示用电量随时间而增长的部分，称为经济电量；ET表示由气温变化导致的用电量，称为气温电量；采用线性时间趋势回归方程计算经济电量EG，经济电量随时间变化的回归方程如下：EtG=α+βt+γweek+ϵt]]>其中，week为工作日与周末的虚拟变量(week，工作日取值为1，周末或假日取值为0)，εt表示残差项；α、β、γ表示常数；(3)从历史样本数据的日用电量中剔除经济电量，即得到历史样本区间的气温电量；(4)采用分离出来的气温电量数据构建气温与气温电量之间关系的预测模型，如下所示：EtT=α0+α1(T-T0)+ϵt]]>其中，T表示每日平均气温，T0表示气温电量变化的临界温度，εt表示随机误差项；(5)通过对模型残差的自相关函数和偏自相关函数的分析，以当日气温电量为因变量，气温电量的滞后项为自变量，采用ARMA算法对上述气温电量的预测模型进行改进，如下所示：EtT=α0+α1Et-1T+...+αpEt-pT+β(T-T0)+ϵt;]]>(6)对预测方法进行回代检验和应用检验，以判断模型的预测精度；(7)预测电网日用电量：获取目标区间的数据，利用步骤(2)的计算方法得到出经济电量，利用步骤(5)中的预测模型得到气温电量，再将经济电量与气温电量加总进而得到预测日用电量。...

【技术特征摘要】
1.一种基于气温变化的电网日用电量预测方法，其特征在于，包括如下步骤：(1)获取历史样本区间的数据，包括每天的日用电量、日平均气温、日最低气温以及日最高气温；(2)对历史样本区间的数据日用电量进行分解，总用电量分为以下两个组成部分：E＝EG+ET其中，E表示每日的总用电量；EG表示用电量随时间而增长的部分，称为经济电量；ET表示由气温变化导致的用电量，称为气温电量；采用线性时间趋势回归方程计算经济电量EG，经济电量随时间变化的回归方程如下：其中，week为工作日与周末的虚拟变量(week，工作日取值为1，周末或假日取值为0)，εt表示残差项；α、β、γ表示常数；(3)从历史样本数据的日用电量中剔除经济电量，即得到历史样本区间的气温电量；(4)采用分离出来的气温电量数据构建气温与气温电量之间关系的预测模型，如下所示：其中，α0和α1表示将气温和用电量数据带入计量模型回归得到的回归系数，T表示每日平均气温，T0表示气温电量变化的临界温度，εt表示随机误差项；(5)通过对模型残差的自相关函数和偏自相关函数的分析，以当日气温电量为因变量，气温电量的滞后项为自变量，采用ARMA算法对上述气温电量的预测模型进行改进，如下所示：其中，E...

【专利技术属性】
技术研发人员：宣宁平，荣秀婷，叶彬，葛斐，王宝，
申请(专利权)人：国家电网公司，国网安徽省电力公司经济技术研究院，
类型：发明
国别省市：北京;11