电力负荷特性指标预测方法及装置制造方法及图纸

本申请提供的一种电力负荷特性指标预测方法及装置，该方法中，获取历史规模效应和历史结构效应的表征序列，建立电力负荷负荷特性指标预测的面板数据模型，检验所述面板模型，根据检验结果确定所述三种模型中最优模型，计算所述最优模型中所述规模效应和结构效应向量的系数，获取目标地区未来规模效应和未来结构效应的预测值，根据规模效应和未来结构效应的预测值，计算目标地区未来负荷特性指标。将规模效应和结构效应通过面板数据模型与电力负荷特性指标建立定量关系，采用分位数回归确定面板数据模型系数，得到电力负荷特性指标在不同分位数下的预测值，清晰的反映电力负荷特性指标随规模效应和结构效应调整的变化情况。

【技术实现步骤摘要】
电力负荷特性指标预测方法及装置
本申请涉及电力系统规划领域，尤其涉及一种电力负荷特性指标预测方法及装置。
技术介绍
电力系统运行总的目标是在安全、可靠、经济的前提下，为各类用户不间断地提供优质电能，满足各类电力负荷的要求。各类用户构成各式各样的电力负荷，各种电力负荷又呈现不同的大小和特性，并且电能的生产和消费同时进行，不能储存，所以准确地预测电力负荷是制定电力规划的重要基础性工作，也是保持国民经济健康可持续发展的需要。准确地预测电力负荷需要对负荷特性进行分析。负荷特性分析主要分析负荷率和峰谷差率，负荷率和峰谷差率称为负荷特性指标，影响负荷特性指标的因素主要分为两种，一种是规模效应，另一种是结构效应。规模效应主要为GDP，结构效应主要为第二产业和第三产业的占比。目前，电力负荷预测多采用基于时间序列的统计分析回归模型的负荷预测方法，即时间序列模型法。时间序列模型法是根据历史时间序列的规律进行外推，适合进行近期预测，如果加于人工干预，采用递推式预测，也可以进行中远期预测。时间序列模型法是一种依据电力负荷历史统计数据，找到其随时间变化的规律，建本文档来自技高网...

【技术保护点】
1.一种电力负荷特性指标预测方法，其特征在于，包括：/n获取历史规模效应和历史结构效应的表征序列；/n建立电力负荷负荷特性指标预测的面板数据模型，所述面板数据模型包括变系数模型、变截距模型以及混合模型三种模型；/n确定所述三种模型中最优模型；/n计算所述最优模型中所述规模效应和结构效应向量的系数；/n获取目标地区未来规模效应和未来结构效应的预测值；/n根据规模效应和未来结构效应的预测值，计算目标地区未来负荷特性指标。/n

【技术特征摘要】
1.一种电力负荷特性指标预测方法，其特征在于，包括：
获取历史规模效应和历史结构效应的表征序列；
建立电力负荷负荷特性指标预测的面板数据模型，所述面板数据模型包括变系数模型、变截距模型以及混合模型三种模型；
确定所述三种模型中最优模型；
计算所述最优模型中所述规模效应和结构效应向量的系数；
获取目标地区未来规模效应和未来结构效应的预测值；
根据规模效应和未来结构效应的预测值，计算目标地区未来负荷特性指标。


2.根据权利要求1所述的电力负荷特性指标预测方法，其特征在于，建立电力负荷负荷特性指标预测的面板数据模型，包括：
根据以下公式，建立电力负荷负荷特性指标预测的面板数据模型：
yit＝xitβi+αi+εit；
其中，yit为电力负荷特性指标预测值，xit为规模效应和结构效应向量，i为不同地区的负荷样本个体，t为时间点，αi为不同负荷样本随机效应向量，βi为规模效应和结构效应向量的系数，εit为随机误差项。


3.根据权利要求1所述的电力负荷特性指标预测方法，其特征在于，确定所述三种模型中最优模型包括：
判断个体对所述面板数据模型是否具有影响，提出假设H1：
H1：α1＝α2＝…＝αN；β1＝β2＝…＝βN；
若个体对所述面板数据模型具有影响，提出假设H2：
H2：β1＝β2＝…＝βN；
根据以下公式，检验假设H1：



其中，F1为算假设H1的F统计量的值，S1为混合模型的残差平方和，S3为变系数模型的残差平方和，N为不同地区的负荷样本个体个数，T为时间序列长度，k为解释变量的个数；
给定显著性水平下F统计量的临界值为FP，判断F1是否小于临界值FP；
如果是，则接受假设H1，确定所述面板数据模型为混合模型；
如果不是，则拒绝假设H1，根据以下公式，检验假设H2：



其中，F2为算假设H2的F统计量的值，S2为变截距模型的残差平方和，S3为变系数模型的残差平方和，N为不同地区的负荷样本个体个数，T为时间序列长度，k为解释变量的个数；
判断F2是否小于临界值FP；
如果是，则接受假设H2，确定所述面板数据模型为变截距模型；
如果不是，则拒绝假设H2，确定所述面板数据模型为变系数模型。


4.根据权利要求3所述的电力负荷特性指标预测方法，其特征在于，在确定所述面板数据模型为变截距模型之后，还包括：
采用Hausman检验，检验原假设G0与备择假设G1：
G0：个体效应与解释变量不相关；
G1：个体效应与解释变量相关；
若接受原假设G0，所述变截距模型为随机效应模型；
若拒绝原假设G0，所述变截距模型则为固定效应模型。


5.根据权利要求1所述的电力负荷特性指标预测方法，其特征在于，计算所述最优模型中所述规模效应和结构效应向量的系数，包括：
根据以下公式，计算所述最优模型中所述规模效应和结构效应向量的系数：



其中，为βi的估计值，αi为不同负荷样本随机效应向量，βi为规模效应和结构效应向量的系数，N为不同地区的负荷样本个体个数，T为时间序列长度，i为不同地区的负荷样本个体，t为时间点，τ为分位数，其中0<τ<1，ρτ为分位数损失函数，yit为电力负荷特性指标预测值，xit为规模效应和结构效应向量。


6.一种电力负荷特性指标预测装置，其特征在于，包括：
第一获取模块，用...

【专利技术属性】
技术研发人员：王凌谊，顾洁，陈宇，王志敏，刘民伟，赵岳恒，赵爽，张秀钊，
申请(专利权)人：云南电网有限责任公司，
类型：发明
国别省市：云南;53