一种基于日特征向量优化的灰色模型电量预测方法技术

本发明专利技术公开了一种基于日特征向量优化的灰色模型电量预测方法，方法采用灰色等维递补模型作为主要预测模型，并采用日特征向量法预测出最近十天的日用电量数据，将日用电量数据与当月预测数据相结合得到本月及下个月的准确度较高的月用电量预测结果。本发明专利技术的电量预测方法，简单易行，效果明显，可以作为分行业电量预测的主要方法和电力系统电量预测的辅助修正方法。

【技术实现步骤摘要】
一种基于日特征向量优化的灰色模型电量预测方法
本专利技术涉及一种基于日特征向量优化的灰色模型电量预测方法，属于电力营销智能应用

技术介绍
电力电量预测是电网企业科学合理安排各项生产经营活动，保证电网安全稳定运行的重要基础工作，也是政府部门制定电力相关政策的重要依据。当前经济结构调整日益深化，电力市场环境复杂多变，经济社会发展对电力电量的需求呈现新的变化态势，特别是电力体制改革不断深化，市场开放程度日益扩大，电力市场主体增加，如何有效提高电量预测特别是中短期电量预测准确性成为各市场主体面临的共同课题。月用电量数据的中短期预测有多种方法，其中灰色等维递补预测是一种较为有效的方法。但是，使用某一种预测方法会加大预测的不确定性，多种方法的组合预测可以降低单一方法的预测缺陷带来的问题。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种基于日特征向量优化的灰色模型电量预测方法，运用日特征向量法及等维递补灰色模型方法，实现月用电量的预测。为解决上述技术问题，本专利技术提供一种基于日特征向量优化的灰色模型电量预测方案。首先用日特征向量法预测未来十天的日用电量，然后以12本文档来自技高网...

【技术保护点】
一种基于日特征向量优化的灰色模型电量预测方法，其特征在于，包括以下步骤：1)根据日特征向量法计算出从预测日开始未来十天的日用电量数据；2)通过灰色模型算法预测当月的月用电量；3)基于等维递补和灰色模型算法预测下月的月用电量。

【技术特征摘要】
1.一种基于日特征向量优化的灰色模型电量预测方法，其特征在于，包括以下步骤：1)根据日特征向量法计算出从预测日开始未来十天的日用电量数据；2)通过灰色模型算法预测当月的月用电量；3)基于等维递补和灰色模型算法预测下月的月用电量。2.根据权利要求1所述的一种基于日特征向量优化的灰色模型电量预测方法，其特征在于，所述步骤1)日用电量数据的计算方法为：1-1)计算气象因子，分别计算各历史日最高温度、最低温度、平均温度和湿度四个子因素与预测日的匹配系数，计算公式如下：其中，Sj为第j个子因素的匹配系数，j＝1,2,3,4，分别代表最高温度、最低温度、平均温度和湿度，minj为第j个子因素预测日与历史日差值的最小绝对值，maxj为第j个子因素预测日与历史日差值的最大绝对值，valuej为第j个子因素预测日与历史日差值的绝对值，ρ为调整系数；然后对每个子因素的匹配系数做加权平均即得到气象因子T：1-2)计算时间因子D，计算公式如下：其中，β1为日衰减系数，β2为周衰减系数，t为预测日与历史日的日期差值，mod为取余函数，int为取整函数；1-3)计算星期因子W，计算公式如下：W＝1-|f(X1)-f(X0)|(4)其中，f(X1)为历史日的星期类型，f(X0)为预测日的星期类型，X1的取值为周一，周二，周三，周四，周五，周六，周日，f(X1)的取值为：f(周一)＝0.1，f(周二)＝f(周三)＝f(周四)＝0.2，f(周五)＝0.3，f(周六)＝0.7，f(周日)＝1；1-4)计算综合相似系数，采用气象因子、时间因子、星期因子相乘的方式得到综合相似系数，取综合相似系数最大的前5名作为相似日集合，对相似日的日用电量以相似系数作为权重进行加权平均后作为预测日的日用电量。3.根据权利要...

【专利技术属性】
技术研发人员：周琪，方超，仲春林，刘烨，熊政，季聪，李昆明，吕辉，邵俊，郑飞，徐明珠，张开振，
申请(专利权)人：江苏方天电力技术有限公司，国网江苏省电力公司，国家电网公司，
类型：发明
国别省市：江苏,32