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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。