【技术实现步骤摘要】
一种参数自适应的用电量预测方法及其系统
本专利技术涉及用电量测量
,尤其涉及一种参数自适应的用电量预测方法及其实现该方法的系统。
技术介绍
在电力系统中,售电量预测具有重要意义。例如,通过对售电量的预测分析,电力企业可以更合理地确定销售总定额,从而制定相关决策指导发电厂、输配电网的合理运行;准确的电量预测能够使电力企业有效地控制利润平衡——通过预算收入合理安排支出(如项目投入、线路铺设、变压器检修等),这在目前国家电网公司每年业绩考核制度下扮演者重要角色。目前月度用电量预测方法可分为两大类:传统的预测方法和基于人工智能的预测方法,前者根据数学和统计学原理对负荷的历史变化规律以及外部影响因素进行分析,主要包括回归分析法、时间序列法以及灰色模型预测法等;后者利用不同的人工智能模型直接建立输入输出之间复杂的非线性映射关系,主要有人工神经网络预测法、支持向量机法以及组合模型预测法等。而传统的时间预测模型ARIMA本质上是线性模型,其在处理光滑、且规律性好的时间序列能够得到很好的效果,但是在处理规律性较差的时间序列却得不到好的效果。X12-ARIMA法中心思想为采用中心化移动加权平均法逐项分解原始时间序列,接着分别利用对应的预测方法对其进行建模,最终合成所需的时间序列。X12算法中季节周期性分量的预测与初值alpha有很大的关系,因此对alpha的取值准确与否直接关系到最终的预测结果的准确度。传统的方法是根据经验进行选取,选取的值是否准确依赖极其丰富的经验,以及对每个地区或者整体的用电情况 ...
【技术保护点】
1.一种参数自适应的用电量预测方法,其特征在于,包括:/n1.1.采集原始时间序列
【技术特征摘要】
1.一种参数自适应的用电量预测方法,其特征在于,包括:
1.1.采集原始时间序列D,获取n+1年的历史用电数据,选取最近一年的数据作为验证集,其它数据作为训练集;
1.2.利用X12分解算法对原始时间序列D进行分解,获取趋势分量DTC、季节周期分量DSF与随机分量DIR,消除原始时间序列中不同分量之间的相互影响;
1.3.利用ARIMA算法对趋势分量进行预测;
1.4.利用自适应加权求和算法对季节周期分量进行预测;
1.5.利用平均法对随机分量进行预测;
1.6.利用X12算法将三种预测分量进行合成,预测用电量;
其中,1.4中的自适应加权求和算法包括:
1.4.1.初始化alpha矩阵,将上下阈值{0.1,0.5}和上下阈值{0.6,0.8}进行合并,作为一个整体的矩阵,初始化输出矩阵为12×1的矩阵;
1.4.2.将训练集以12为步长进行划分,建立两层循环,外面的循环从1到12,里面的循环从1开始,12为步长,训练集数据总长度为终止条件,将1×LEN的训练集矩阵划分为12×YEAR的矩阵,其中LEN为数据总长度,YEAR为训练集年数;
1.4.3.计算上一步中得到的矩阵每一行的方差和阈值,方差计算公式为:
其中Var为方差,n为矩阵中每一行的数据总数,Xi为该行中第i个数据,为该行所有数据的平均值;
阈值T的计算公式为:
T=0.6*(max(X)–min(X)),X代表该行中的数据,
若该行的方差Var小于该行的阈值T,则选择{0.1,0.5}作为该行alpha微调时的起始与终止,否则选择{0.6,0.8}作为该行alpha微调时的起始与终止;
1.4.4.以0.01为步长,生成起始与终止范围以内的一系列alpha值;针对其中每一个值α,基于以下公式求和:
D
SFn+1,j
=αD
SFn,j
+α(α-1)D
SFn-1,j
+...+α(α-1)
n-1
D
SF1,j
其中,j代表月,DSFn+1,j为预测值;
1.4.5.将预测值与验证集的数据进行比较,找到均方差最小的α值;
1.4.6.根据得到的α值,计算下一年的季节周期分量预测值:
D
SFn+2,j
=αD
SFn+1,j
+α(α-1)D
SFn,j
+...+α(α-1)
n
D
SF1,j
。
2.根据权利要求1所述的参数自适应的用电量预测方法,其特征在于:
1.2包括:
1.2.1.利用X12分解算法,分别使用加法模型和乘法模型,对原始时间序列进行分解;
1.2.2.分别计算使用加法模型分解出的季节周期分量的方差V1和使用加法模型分解出的季节周期分量的方差V2,
1.2.3.如果V1<V2,则保留使用加法模型分解出的数据,否则,保留使用乘法模型分解出的数据。
3.根据权利要求1所述的参数自适应的用电量预测方法,其特征在于:
1.3包括:
1.3.1.利用ADF检验方法检验当前时间序列是否为平稳序列,
1.3.2.如果当前时间序列是平稳的,执行1.3.3,否则,对当前时间序列进行一阶差分,执行1.3.1;
1.3.3.ARIMA建模,根据AIC准则或者BIC准则确定最优的ARIMA模型参数;
1.3.4.模型检验:计算上一步中得到的模型的残差,检验残差是否为白噪声,若残差序列属于白噪声,模型有效,否则重新建模、检验;
1.3.5.使用模型预测趋势分量。
4.根据权利要求1所述的参数自适应的用电量预测方法,其特征在于:
1.5预测公式具体为:
D
IRn+2,j
=(D
IRn+1,j
+D
IRn,j
+...+D
IR2,j
+D
IR1,j
)/(n+1)
其中,DIRn+2,j为预测值。
5.根据权利要求2所述的参数自适应的用电量预测方法,其特征在于:
1.6具体为:若保留使用乘法模型分解出的数据,则使用下面公式进行合成:
D=D
TCp
×D
SFp
×D
IRp
否则,使用下面公式进行合成:
D=D
TCp
+DSFp+DIRp
其中DTCp、...
【专利技术属性】
技术研发人员:袁玉宝,常生强,张向平,申光鹏,张奎仲,杜宝瑞,平凯,曹晓光,徐宪清,杜晓刚,冯新民,刘晓琳,孟鹏华,杨萌,
申请(专利权)人:石家庄科林电气股份有限公司,石家庄科林云能信息科技有限公司,
类型:发明
国别省市:河北;13
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。