[发明专利]一种区域用电量预测方法、装置及系统

说明书

本发明公开了一种区域用电量预测方法、装置及系统，其中，区域用电量预测方法包括：筛选出对目标区域用电量影响的关键经济指标；将所述关键经济指标作为输入数据输入至预测模型中，预测目标区域用电量。本技术方案采用改进的蝙蝠算法对SVM进行参数优化，以实现收敛速度快、全局最优、预测精度高的目标。

技术领域

本申请涉及用电量预测技术领域，特别涉及一种区域用电量预测方法、装置及系统。

背景技术

电力行业的发展必须通过不断提高电网的运行效率来满足经济社会发展及人民生活用电的需求。正确的判断和预测未来的电力需求变化趋势对于电力企业准确、科学、合理的进行规划，提高电力系统运行的稳定性和经济性具有至关重要的意义。宏观经济同全社会用电量呈现出一定程度的波动相关性，以经济指标走势为参考依据，可以从社会发展角度判断电量的预期增长范围。从宏观环境来看，我国的电力需求变化与经济发展趋势具有密切关系，经济水平的提升可通过电力需求增长加以反映。因此，经济发展过程中的宏观总量、产业结构和地域特征等因素都会对电力需求产生影响。探究两者之间的关系，可以更好地把握电力需求未来的发展。因此，考虑并分析宏观经济信号，并对区域用电量预测方法进行研究具有重要理论价值和现实意义。

针对用电量预测方法，传统电力需求预测方法着重于电力需求时间序列内在规律，或电力需求时间序列与经济因素时间序列之间数学上的关联，如回归分析法、时间序列法、灰色预测法等。

回归分析法是利用数理统计原理，对大量的统计数据进行数学处理，并确定用电量或用电负荷与某些自变量例如人口、国民经济产值等之间的相关关系，建立一个相关性较好的数学模式即回归方程，并加以外推，用来预测今后的用电量。根据变量的个数，回归分析可以分为一元回归分析和多元回归分析。

时间序列预测法是应用较早、最为广泛、发展比较成熟的一种方法。它把负荷数据看作是一个按季节、按周、按天以及按小时周期性变化的时间序列，根据负荷的历史资料，建立一个数学模型来描述电力负荷这个随机变量变化过程的统计规律性，在数学模型的基础上确立负荷预测的数学表达式，对未来的负荷进行预测。在时间序列法中常采用的技术有：卡尔曼滤波、状态估计、Box-Jenkins模型、自回归动平均模型等。其中，处理随机时间序列问题的最有效的方法是Box-Jenkins的时间序列法。

灰色系统理论将一切随机变化量看作是在一定范围内变化的灰色量，常用累加生成和累减生成的方法，将杂乱无章的原始数据整理成规律性较强的生成数据序列，形成灰色模型的微分方程。应用灰色理论进行负荷预测，具有样本少、计算简单、精度高和实用性好的优点。

在负荷预测问题中，对于回归分析法，必须预先人为给定回归线类型，若给定的不合适将直接影响预测精度。同时对不同的系统由于负荷特点不尽相同，也很难建立起具有通用性的负荷预测模型。回归分析有两个难点:一是回归变量的选取，应选取主要因素而忽略次要因素；二是变量因素的量化涉及到计量经济学的范畴，过于麻烦。

虽然时间序列法比回归法更适用于短期负荷预测，但这种经典方法建模过程比较复杂，因此限制了这种模型在实际短期负荷预测中的有效使用。该方法对历史数据准确性要求高，坏数据对预测影响很大，因此对坏数据处理要求严格；在天气和温度变化不大的时候，该模型容易取得比较满意的结果；当天气变化较大或遇到节假日等情况，这种方法存在较大的预测误差，而且预测步数越长，预测精度越差。

对于灰色预测法，其缺点是当数据离散程度较大时，由于数据灰度较大预测精度会较差，所以应用于电力系统中长期负荷预测中，仅仅是最近的几个数据精度较高，其它较远的数据只反映趋势值和规划值。

从理论上讲，灰色预测模型可以适用于任何非线性变化的负荷指标预测，但由于灰色预测模型是呈指数(增长或者递减)变化的模型，其预测精度与被预测对象的变化规律密切相关，当原始数据波动情况如上下连续波动、指数波动、倍数波动时，预测的精度就较差。