[发明专利]一种基于社会经济因素影响的电力系统月度负荷的组合预测方法

说明书

技术领域

本发明涉及一种基于社会经济因素影响的电力系统月度负荷的组合预测方法，属于电网技术领域。

背景技术

负荷预测是电网规划的重要组成部分，提高负荷预测的水平，不仅有利于供电部门进行合理用电管理，还能提高经济效益。负荷预测不准确，将对电力部门以及用户产生很大影响：预测值与真实值过分偏低，无法满足用户需求；而过分偏高时，将会增加电力设施的投资，产生资源的浪费。

影响电力系统月度负荷的因素很多，且很多因素与负荷之间存在多重共线性问题，传统线性回归方法难以准确描述变量之间的关系。对于影响因素的处理，由于运行管理制度相对落后以及运行人员水平参差不齐，导致历史资料匮乏，针对小样本数据问题，传统的统计学方法很难发现其变化规律，这样就给预测的精度带来了很大的困难。负荷预测比较经典的方法有时间序列法、回归分析法以及相关分析法等，使用的前提是负荷具有很好的线性化以及确定性。然而电力负荷是非线性、时变性和不确定性的，因此想要简单的通过一个数学关系式来表达影响因子与待预测负荷之间的非线性关系是非常困难的。为了克服以上困难，于是又研究提出专家预测、灰色预测以及神经网络理论等新的预测方法。

发明内容

本发明提供了一种基于社会经济因素影响的电力系统月度负荷的组合预测方法，以用于解决样本容量有限的情况下难以发现事物的统计规律、传统预测模型难以消除偏差、影响因素多重共线性时难以精确描述自变量与因变量之间的关系等导致负荷预测精度不高等问题。

本发明的技术方案是：一种基于社会经济因素影响的电力系统月度负荷的组合预测方法，首先通过改进灰色预测模型的方法对各社会经济指标数列进行建模，得到各社会经济指标的预测值；同时针对社会经济指标与电力系统月度负荷的变化特点采用偏最小二乘模型，得到月度负荷与各社会经济指标的线性多元回归方程；然后将各社会经济指标的预测值代入线性多元回归方程中，得到月度负荷的预测值；最后根据月度负荷的预测值得出相对误差。

所述方法的具体步骤如下：

A、通过改进灰色预测模型的方法对各社会经济指标数列进行建模，得到各社会经济指标的预测值：所述改进灰色预测模型的具体步骤如下：

A1、对原始数列进行一次累加生成一次累加数列，运用一次累加数列构建一阶微分方程并确定数据矩阵；

A2、采用最小二乘估计一阶线性微分方程的待估参数；

A3、计算无偏                                               模型的参数，；

A4、根据，的估计值，建立原始数据序列模型：

                          （1）

其中，0≤k≤n-1时为原始数据序列的拟合值，k≥n时为原始数据序列的预测值；

B、根据月度负荷y和m个社会经济指标，选取n个样本观测点，得到，，根据偏最小二乘模型，建立线性多元回归方程为：

                                 （2）

其中，i=1,…m，m为假设的相关因素的个数；c₀为回归方程的误差系数，c₁,c₂,…c_m为回归系数；,,,…,为X中各参数标准化逆过程的取值；为Y中各参数标准化逆过程的取值；

C、将得到的各社会经济指标的预测值代入偏最小二乘模型所得的线性多元回归分析式中，得到月度负荷的预测值；

D、将月度负荷的真实值与月度负荷的预测值的差值的绝对值除以月度负荷的真实值得到相对误差。

本发明的工作原理是：

1、通过改进灰色预测模型的方法预测各社会经济指标，具体步骤如下：

设社会经济指标的原始数据序列为：

对各个经济数据进行累加，形成新的数列：

式中，。

确定数据矩阵B，Y_N（这里之所以需要确定这两个系数矩阵是为了求一阶线性微分方程的待估参数，。因为应用经过一次累加生成的数列建模，来描述事情的发展过程，构建下述一阶微分方程）：