一种用于电功率预测模型评价的精度指标构建方法技术

本发明专利技术涉及精度指标相关技术领域，特别是涉及一种用于电功率预测模型评价的精度指标构建方法，包括建立相对误差指标的识别框架；构建识别框架上的基本信度分配；获取识别框架上的信度函数；融合多项信度函数，生成新的精度指标。相对误差RE作为最常用且典型的精度指标，为遵从全面性、典型性等原则，需要建立用于电功率预测模型评价的包括RE的精度指标体系。挖掘RE更多有利用价值的信息，构建新的精度指标，同时解决RE与MAE、MAPE、RMSE、SDE、FEM、r等指标存在的时间跨度不一致而不能同时采用的问题，进行全方位的精度指标选择，从而更加准确、综合地评价电功率预测模型的精准度，实现模型优选，进而降低预测风险。

A Method of Establishing Accuracy Index for Electric Power Prediction Model Evaluation

The present invention relates to the related technical fields of precision indicators, in particular to a method for constructing precision indicators for evaluating electric power prediction models, including establishing a recognition framework of relative error indicators, constructing a basic reliability allocation on the recognition framework, obtaining a reliability function on the recognition framework, and integrating multiple reliability functions to generate new accuracy indicators. Relative error RE is the most commonly used and typical accuracy index. In order to comply with the principles of comprehensiveness and typicality, it is necessary to establish an accuracy index system including RE for the evaluation of electric power prediction model. Mining more valuable information of RE, building new precision indicators, solving the problem that RE and MAE, MAPE, RMSE, SDE, FEM, R and other indicators have inconsistent time span and can not be used at the same time, and making a comprehensive selection of accuracy indicators, so as to evaluate the accuracy of electric power prediction model more accurately and comprehensively, achieve model optimization, and then reduce the prediction risk.

【技术实现步骤摘要】
一种用于电功率预测模型评价的精度指标构建方法
本专利技术涉及电功率预测模型评价
，特别是涉及一种用于电功率预测模型评价的精度指标构建方法。
技术介绍
电功率预测，包括但不限于风电功率预测、光伏发电功率预测、负荷预测。准确的电功率预测是电力规划设计的基础和前提，也是实现电网安全经济运行的重要保障。目前有多种电功率预测模型，如灰色预测模型、神经网络预测模型、支持向量机预测模型等，这些模型从不同的角度利用数据信息来预测电功率。如何实现模型优选，需要首先对模型进行评价。选择使用单一指标对电功率预测模型进行评价时，难以全面反映模型的预测效果，而且在不同的指标下，模型的评价结果可能会发生变化，也可能存在冲突性，因此，需要从多个角度使用多个指标来对电功率预测模型进行评价，即精度指标的选择应遵从客观性、典型性等原则。考虑预测误差的平均值大小、离散化水平、预测值同实际值的相关性等因素，选取能够反映电功率预测模型不同角度预测情况的精度评价指标：相对误差(RelativeError，RE)、平均绝对误差(MeanAbsoluteError，MAE)、平均绝对百分比误差(MeanAbsolutePercentageerror，MAPE)、均方根误差(RootMeanSquareError，RMSE)、误差标准差(StandardDeviationofError，SDE)，以及可以体现预测值与实际值相关性的预测有效度(ForecastingEffectiveMeasure，FEM)和相关系数(r)指标，进行综合评价。这些指标中，只有RE是逐点精度测量指标，RE与其他指标采用的时间跨度不一致，存在着时间点和时间段的区别。RE作为最常用且典型的精度评价指标之一，为遵从全方位原则，需要建立包括RE的精度评价指标体系。通过对RE进行处理生成新的指标，即时间段内的精度指标，其满足与上述其他指标存在时间跨度一致且评价角度不同的特点，将其用于电功率预测模型的评价指标体系，进行全方位评价电功率预测模型精准度，有利于预测系统用户和预测算法研究人员合理判别和使用预测结果。
技术实现思路
基于此，为了建立包括最常用且典型的RE指标的精度评价指标体系，更加全面综合地评价电功率预测模型，实现模型优选，进而降低预测风险，有必要针对RE与其他精度指标之间存在的时间跨度不一致而不能同时采用的问题，提出一种用于电功率预测模型评价的精度指标构建方法，将其用于构建电功率预测模型的评价指标体系，进行全方位评价电功率预测模型的精准度，指导预测结果合理应用，实现电功率预测模型优选。一种用于电功率预测模型评价的精度指标构建方法，包括步骤：建立电功率预测模型预测评价的相对误差指标的识别框架ΘRE；对于待评价的电功率预测模型，建立其预测评价的相对误差指标的识别框架ΘRE；构建识别框架ΘRE上的基本信度分配m；获取识别框架ΘRE上的信度函数BelRE；融合u项基于不同时间点i的信度函数生成新的精度评价指标，其中，i＝1，2，...，u，1＜u≤t，t为所述相对误差所处的不同的时间点数目；所述待评价的电功率预测模型的预测时间尺度相同，包括但不限于年、月、日、时、分；所述电功率预测包括但不限于风电功率预测、光伏发电功率预测，以及负荷预测。与现有技术相比，本专利技术的有益效果是：构建新的精度评价指标，能够挖掘作为衡量精度最常用且最典型的指标相对误差RE更多有利用价值的信息，同时解决RE与MAE、MAPE、RMSE、SDE、FEM、r等指标存在的时间跨度不一致而不能同时采用的问题，实现基于全方位原则的精度评价指标选择，从而更加准确、综合地评价预测模型的精准度，实现电功率预测模型优选，为电功率的预测提供数据支撑，进而降低预测风险。附图说明图1为本专利技术一种用于电功率预测模型评价的精度指标构建方法的工作流程图。具体实施方式下面结合附表、附图和具体实施例对本专利技术做进一步详细的说明。如图1所示为一种用于电功率预测模型评价的精度指标构建方法的工作流程图，包括：步骤S101，建立电功率预测模型评价的相对误差指标的识别框架ΘRE，具体过程如下：待评价的电功率预测模型数目为s；i个时间点的j个待评价电功率预测模型预测评价的相对误差为{REij}；所述i＝1，2，...，u，1＜u≤t；所述t为所述相对误差所处的不同的时间点数目；所述j＝1，2，...，v，1＜j≤s；Ej＝{RE1j，RE2j，...，REuj}；集合{E1，E2，...，Es}的幂集个数为2s，其中存在的非空集、单一集合的幂集有：{E1}、{E2}、...、{Es}；所述识别框架ΘRE＝{{E1}，{E2}，...，{Es}}；所述Ej是所述识别框架ΘRE的幂集，所述电功率预测包括但不限于风电功率预测、光伏发电功率预测、负荷预测；步骤S102，构建识别框架ΘRE上的基本信度分配m，具体过程如下：将所述Ej中相对误差REij归一化处理得到Ej的基本可信数mi(Ej)：所述mi为所述识别框架ΘRE上基于不同时间点i的基本信度分配，所述i＝1，2，...，u，1＜u≤t；m为所述识别框架ΘRE上的基本信度分配；m(Ej)∈[0，1]，存在且步骤S103，获取识别框架ΘRE的信度函数BelRE，具体过程如下：信度函数与所述mi一一对应,i＝1，2，...，u，1＜u≤t；；所述为ΘRE上基于不同时间点i的信度函数；步骤S104，融合u项信度函数生成新的精度评价指标，其步骤包括：所述信度函数基于Dempster合成法则两两融合，记为所述和是ΘRE上2个彼此独立证据的信度函数，m1和m2分别是其对应的基本信度分配；对于所述若存在m(Ej)＞0，则集合Ej为识别框架ΘRE上基本信度分配m的焦点元素；所述m1对应的焦点元素为c1，c2，...，cp，其中1＜p≤v；所述m2对应的焦点元素为d1，d2，...，dq，其中1＜q≤v；m1→2(E)为所述信度函数所对应的基本信度分配，其特征在于：x＝1，2，...，p，y＝1,2，...，q；所述根据所述基本信度分配m1→2(E)的公式，与下一个信度函数继续合成，直至u项信度函数融合完毕，合成后的信度函数为其所对应的基本信度分配m1→u(E)为新的精度评价指标，将其用于构建电功率预测模型的评价指标体系，进行全方位评价电功率预测模型的预测精准度，实现模型优选。以上所述实施例仅表达了本专利技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本专利技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进，这些都属于本专利技术的保护范围。因此，本专利技术专利的保护范围应以所附权利要求为准。本文档来自技高网...

【技术保护点】
1.一种用于电功率预测模型评价的精度指标构建方法，其特征在于，包括步骤：对于待评价的电功率预测模型，建立其预测评价的相对误差指标的识别框架ΘRE；构建识别框架ΘRE上的基本信度分配m；获取识别框架ΘRE上的信度函数Bel

【技术特征摘要】
1.一种用于电功率预测模型评价的精度指标构建方法，其特征在于，包括步骤：对于待评价的电功率预测模型，建立其预测评价的相对误差指标的识别框架ΘRE；构建识别框架ΘRE上的基本信度分配m；获取识别框架ΘRE上的信度函数BelRE；融合u项基于不同时间点i的信度函数生成新的精度评价指标，其中，i＝1，2，...，u，1＜u≤t，t为所述相对误差所处的不同的时间点数目；所述待评价的电功率预测模型的预测时间尺度相同，包括但不限于年、月、日、时、分；所述电功率预测包括但不限于风电功率预测、光伏发电功率预测，以及负荷预测。2.根据权利要求1所述的用于电功率预测模型评价的精度指标构建方法，其特征在于，所述识别框架ΘRE的建立过程如下：待评价的电功率预测模型数目为s；所述i个时间点的j个待评价电功率预测模型的相对误差为{REij}；所述i＝1,2，...，u，1＜u≤t；所述j＝1，2，...，υ，1<j≤s；Ej＝{RE1j，RE2j，...，REuj}；集合{E1，E2，...，Es}的幂集个数为2s，其中存在的非空集、单一集合的幂集有：｛E1}、{E2}、…、{Es}；所述识别框架ΘRE＝{{E1}，{E2}，…，{Es}}；所述Ej是所述识别框架ΘRE的幂集，3.根据权利要求2所述的用于电功率预测模型评价的精度指标构建方法，其特征在于，构...

【专利技术属性】
技术研发人员：崔琼，舒杰，黄磊，吴志锋，王浩，
申请(专利权)人：中国科学院广州能源研究所，
类型：发明
国别省市：广东,44