一种中长期电量预测方法及系统技术方案

本发明专利技术公开了一种中长期电量预测方法，包括步骤：获取待处理基础数据并进行预处理和相关性检验，筛选出若干影响因素并进行季节分解，得到第一规则分量数据与第一不规则分量数据；对第一规则分量数据进行滞后数确定和降维处理，得到第二规则分量数据；对第一不规则分量数据进行平稳性检验，得到第二分量不规则数据；采用不同的预构建模型进行分量预测，得到相应的分量预测值，对分量预测值进行累加组合得到最终预测值。本发明专利技术实施例提供了一种中长期电量预测方法及系统，能够在广泛考虑多类型影响因素的基础上，对中长期的电量进行预测，从而有效地提高了负荷预测的精确度，进而有效地提高了电网规划的经济性及保障了电力市场的有序推进。

【技术实现步骤摘要】
一种中长期电量预测方法及系统
本专利技术涉及电网用电量预测
，尤其涉及一种中长期电量预测方法及系统。
技术介绍
近年来，中国改革开放进入深水区，国内经济结构正经历深刻调整，负荷需求变化与经济社会发展关系愈发密切。同时，随着信息化时代的到来，数据统计精度、发布频度与信息化程度不断提升，数据的类型、体量及统计口径都得到有效扩充，很多细化的行业类、景气类指数不断推出，为中长期负荷预测提供了充足数据来源与良好的数据基础。但经济社会、行业结构、相关政策、气象条件等多方面因素之前的耦合关系复杂，难以明确对中长期负荷需求的影响程度，且预测的时间跨度长、不确定因素多，因此中长期负荷预测是个复杂的多维、非线性的不确定性问题。目前，围绕中长期负荷需求预测这一主题已开展了大量的研究，主要围绕以下两个方面来展开：一是根据电力需求与影响因素的相关关系，结合相应模型进行预测，常用方法有国民生产总值(GrossDomesticProduct，GDP)综合电耗法、弹性系数法、经济周期分析法等；二是从电力数据的时序发展规律出发，外延递推负荷发展趋势并得到相应的预测值，如指数平滑法、灰度预测、差分自回归移动平均(AutoregressiveIntegratedMovingAverage，ARIMA)方法等。其中，第一类方法在相关影响因素的关键程度考虑有所欠缺，一般来说，电力负荷与相关影响因素之间存在粘滞效应，影响因素变化先行于负荷发展，因此需要精确量化相关因素对电力负荷在时序上的滞后影响；而第二类方法关注的是电力数据的内生特征，对外生变量的考虑有所欠缺，同时，常用的计量模型对数据的平稳性要求严格，在数据非线性特征反映方面要做出一定让步，导致该类方法对非线性数据的预测精度欠优，需要进一步研究数据的分离预测，使得每一部分的数据特征都能被有效反映。综上所述，目前负荷预测方法主要是通过寻找电力需求的时序发展规律及其与各种相关因素的历史相关性建立数学模型，进而回归外推实现预测。但现有预测方法仍然存在改进空间，一是对影响因素关键性及时滞效应的影响考究不深；二是需要进一步挖掘相关因素的非线性特征，拓宽预测模型的适用范围及预测效果稳定性。
技术实现思路
本专利技术实施例提供了一种中长期电量预测方法及系统，以解决对影响因素关键性及时滞效应的影响考究不深，以及需要进一步挖掘相关因素的非线性特征而导致负荷预测精确度不高的技术问题，从而在广泛考虑多类型影响因素的基础上，对中长期的电量进行预测，进而有利于提高负荷预测的精确度，有效地提高了电网规划的经济性及保障了电力市场的有序推进。为解决上述问题，一方面，本专利技术的第一实施例提供了一种中长期电量预测方法，包括以下步骤：获取待处理基础数据；对所述基础数据进行预处理和相关性检验，筛选出若干影响因素及对应的负荷时间序列；根据所述负荷时间序列，对若干影响因素进行季节分解，得到第一规则分量数据与第一不规则分量数据；对所述第一规则分量数据进行滞后数确定和降维处理，得到第二规则分量数据；对第一不规则分量数据进行平稳性检验，得到第二分量不规则数据；分别采用不同的预构建模型对所述第二规则分量数据与所述第二不规则分量数据进行分量预测，得到相应的分量预测值；对各个分量预测值进行组合，得到最终负荷预测值。进一步地，所述待处理的基础数据包括地区经济类数据、地区居民生活类数据、地区社会主产能类数据和地区气象类数据。进一步地，所述对所述基础数据进行预处理和相关性检验，筛选出若干影响因素及对应的负荷时间序列，具体为：采用拉格朗日插值法对所述基础数据进行空缺填补，得到空缺填补后的基础数据；通过计算所述空缺填补后的基础数据与最大负荷间的相关系数，筛选出相关系数大于0.8的若干影响因素及对应的负荷时间序列。进一步地，所述根据所述负荷时间序列，对若干影响因素进行季节分解，得到第一规则分量数据与第一不规则分量数据，具体为：采用regARIMA的回归方程，对所述若干影响因素进行平稳性预处理；通过X-11-ARIMA工具，根据所述对应的负荷时间序列将平稳性预处理后的若干影响因素分解为第一规则分量数据和第一不规则分量数据。进一步地，所述对所述第一规则分量数据进行滞后数确定和降维处理，得到第二规则分量数据；对所述第一不规则分量数据进行平稳性检验，得到第二分量不规则数据，具体为：根据ADF检验法和Jonhenson协整检验法确定所述第一规则分量的滞后期数，根据PCA对所述滞后期数进行降维处理，得到第二规则分量数据；根据ADF检验法确定所述第一不规则分量数据对应的第二不规则分量数据。进一步地，所述分别采用不同的预构建模型对所述第二规则分量数据与所述第二不规则分量数据进行分量预测，得到相应的分量预测值，具体为：采用核心预测模型对所述第二规则分量数据进行分量预测，得到规则分量预测值；采用序列自相关模型对第二不规则分量数据进行分量预测，得到不规则分量预测值；其中，所述核心预测模型包括多元线性回归模型、支持向量机模型和随机森林模型，所述序列自相关模型包括AR模型、MA模型和ARIMA模型。另一方面，本专利技术第二实施例提供了一种中长期电量预测系统，包括数据获取模块、数据筛选模块、季节分解模块、分量处理模块、分量预测模块和分量组合模块；所述数据获取模块，用于获取待处理基础数据；所述数据筛选模块，用于对所述基础数据进行预处理和相关性检验，筛选出若干影响因素及对应的负荷时间序列；所述季节分解模块，用于根据所述负荷时间序列，对若干影响因素进行季节分解，得到第一规则分量数据与第一不规则分量数据；所述分量处理模块，用于对所述第一规则分量数据进行滞后数确定和降维处理，得到第二规则分量数据；对所述第一不规则分量数据进行平稳性检验，得到第二分量不规则数据；所述分量预测模块，用于分别采用不同的预构建模型对所述第二规则分量数据与所述第二不规则分量数据进行分量预测，得到相应的分量预测值；所述分量组合模块，用于对各个分量预测值进行组合，得到最终负荷预测值。进一步地，所述待处理的基础数据包括地区经济类数据、地区居民生活类数据、地区社会主产能类数据和地区气象类数据。进一步地，所述筛选模块，具体用于：采用拉格朗日插值法对所述基础数据进行空缺填补，得到空缺填补后的基础数据；通过计算所述空缺填补后的基础数据与最大负荷间的相关系数，筛选出相关系数大于0.8的若干影响因素及对应的负荷时间序列。进一步地，所述季节分解模块，具体用于：采用regARIMA的回归方程，对所述若干影响因素进行平稳性预处理；通过X-11-ARIMA工具，根据所述对应的负荷时间序列将平稳性预处理后的若干影响因素分解为第一规则分量数据和第一不规则分量数据。本专利技术实施例提供一种中长期电量预测方法及系统，以解决对影响因素关键性及时滞效应的影响考究不深，以及需要进一步挖掘相关因素的非线性特征而导致负荷预测精确度不高的技术问题，从而在广泛考虑多类型影响因素的基础上，对中长期的电量进行预测，进而有效地提高了负荷预测的精确度，有效地提高了电网规划的经济性及保障了电力市场的有序推进。附图说明图1是本专利技术提供的一种中长期电量预测方法的流程示意图；图2是本专利技术提供的一种中长期电量预测系统的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中本文档来自技高网...

【技术保护点】
1.一种中长期电量预测方法，其特征在于，包括以下步骤：获取待处理基础数据；对所述基础数据进行预处理和相关性检验，筛选出若干影响因素及对应的负荷时间序列；根据所述负荷时间序列，对若干影响因素进行季节分解，得到第一规则分量数据与第一不规则分量数据；对所述第一规则分量数据进行滞后数确定和降维处理，得到第二规则分量数据；对所述第一不规则分量数据进行平稳性检验，得到第二分量不规则数据；分别采用不同的预构建模型对所述第二规则分量数据与所述第二不规则分量数据进行分量预测，得到相应的分量预测值；对各个分量预测值进行组合，得到最终负荷预测值。

【技术特征摘要】
1.一种中长期电量预测方法，其特征在于，包括以下步骤：获取待处理基础数据；对所述基础数据进行预处理和相关性检验，筛选出若干影响因素及对应的负荷时间序列；根据所述负荷时间序列，对若干影响因素进行季节分解，得到第一规则分量数据与第一不规则分量数据；对所述第一规则分量数据进行滞后数确定和降维处理，得到第二规则分量数据；对所述第一不规则分量数据进行平稳性检验，得到第二分量不规则数据；分别采用不同的预构建模型对所述第二规则分量数据与所述第二不规则分量数据进行分量预测，得到相应的分量预测值；对各个分量预测值进行组合，得到最终负荷预测值。2.如权利要求1所述中长期电量预测方法，其特征在于，所述待处理的基础数据包括地区经济类数据、地区居民生活类数据、地区社会主产能类数据和地区气象类数据。3.如权利要求1所述的中长期电量预测方法，其特征在于，所述对所述基础数据进行预处理和相关性检验，筛选出若干影响因素及对应的负荷时间序列，具体为：采用拉格朗日插值法对所述基础数据进行空缺填补，得到空缺填补后的基础数据；通过计算所述空缺填补后的基础数据与最大负荷间的相关系数，筛选出相关系数大于0.8的若干影响因素及对应的负荷时间序列。4.如权利要求1所述的中长期电量预测方法，其特征在于，所述根据所述负荷时间序列，对若干影响因素进行季节分解，得到第一规则分量数据与第一不规则分量数据，具体为：采用regARIMA的回归方程，对所述若干影响因素进行平稳性预处理；通过X-11-ARIMA工具，根据所述对应的负荷时间序列将平稳性预处理后的若干影响因素分解为第一规则分量数据和第一不规则分量数据。5.如权利要求1所述的中长期电量预测方法，其特征在于，所述对所述第一规则分量数据进行滞后数确定和降维处理，得到第二规则分量数据；对第一不规则分量数据进行平稳性检验，得到第二分量不规则数据，具体为：根据ADF检验法和Jonhenson协整检验法确定所述第一规则分量的滞后期数，根据PCA对所述滞后期数进行降维处理，得到第二规则分量数据；根据ADF检验法确定所述第一不规则分量数据对应的第二不规则分量数据。6.如权利要求4所述的中长期电量预测方法，其特征在于，所述...

【专利技术属性】
技术研发人员：张志，杜延菱，崔慧军，张隽，李远卓，邢晶，谢亮，赵堃，宋庆昌，徐忱，耿艳，
申请(专利权)人：国网冀北电力有限公司，
类型：发明
国别省市：北京,11