[发明专利]用于月度用电预测模型的温度指数构建方法

说明书

技术领域

本发明涉及用电预测领域，特别涉及一种用于月度用电预测模型的温度指数构建 方法。

背景技术

现有的用电预测模型有GM灰色预测模型、ARIMA模型、回归模型等。

1、GM灰色预测模型

基于用电数据本身的趋势，通过实际数据的累加生成灰色系统，得到规律较强的 曲线之后，用指数曲线拟合生成模型，再利用生成模型得到的数据通过累加逆运算——累 减生成得到还原模型，由还原模型作为预测模型。

2、电力弹性系数

一种系数计算法，把影响用电的因素(如气温)和用电量两者之间计算弹性系数， 即气温每增加1％，带来用电量变量百分之多少。根据历史数据对弹性进行估算，把得到的 弹性系数和新的气温变化结合，从而对新的用电量的变化进行估计和预测。

3、ARIMA模型

自回归移动平均模型(ARIMA)是基于用电量本身的自身规律进行刻画的模型。如 果用电序列{y_t}的当前值不仅与自身过去值有关，而且还与其以前进入系统的外部冲击e 存在一定依存关系，则在用模型刻画这种动态特征时，模型中既包括自身的滞后项，也包括 过去的外部冲击。一般模型表达为ARIMA(p，d，q)，其中，p为用电序列{y_t}的滞后阶数，q为 外部冲击e的滞后阶数，d为差分次数。其一般结构为：

y_t＝φ₁y_t-1+φ₂y_t-2+…+φ_py_t-p+ε_t+θ₁ε_t-1+θ₂ε_t-2+…θ_qε_t-q

利用滞后算子，此模型可写为：

Φ(B)y_t＝Θ(B)ε_t

实际中，为了保证数据的平稳性，常常先对数据进行差分，然后建立模型，即：Φ (B)B^dy_t＝Θ(B)ε_t，这就是ARIMA模型。

若序列的当前值还受到其他变量的影响，则需要建立ARIMA-X模型，即：

其中{y_t},{x_t}为平稳序列，或者经过差分后的平稳序列，{y_t}为用电量，{x_t}为影 响用电的因素。

4、多元线性回归

为了刻画多个因素对用电的线性影响，线性回归模型可对用电量先估计系数后， 在使用拟合的模型进行预测。其基本回归表达式为：

y_t＝b₀+b₁x_1t+b₂x_2t+...+b_qx_qt+e_t

其中q个x为影响用电的因素，y为用电量。通过最小二乘估计法，估计系数b，然后 利用估计的系数和x的取值，以及方程式表达的关系，求得y的预测值。

5、随机森林模型

随机森林回归模型，由很多决策树回归组成的组合回归模型，且参数集是独立同 分布的随机向量，在给定自变量X下，每个决策树回归模型都有一票投票权来选择最优的回 归结果，最后输出所有的投票判别结果或是得到估计的平均值。

随机森林回归的基本方法是：首先利用自助法从原始训练集抽取k个样本，然后对 k个样本分别建立k个决策树模型，得到k种回归结果；最后根据k种回归结果对每个记录进 行投票表决决定其最终回归。不仅有效抑制训练样本噪音和解决属性缺失，还不容易出现 过度拟合。在构建随机森林的过程中生成一个泛化误差的内部无偏估计，使预测结果更加 精确。