[发明专利]一种基于ARIMA和SVM的企业用电最大需量预测方法

权利要求书

1.一种基于ARIMA和SVM的企业用电最大需量预测方法，其特征在于，所述方法实现过程包括：

1)从电网公司计费表TSDB中读数；

2)使用滑动平均方法添补缺失值；

3)使用K-Means聚类算法剔除离群点；使用ARIMA时序预测用电量；

4)结合天气因素和生产状况的预测，使用训练好的SVM模型决策；

5)取预测月最大值，计算未来月月最大需量。

2.根据权利要求1所述的一种基于ARIMA和SVM的企业用电最大需量预测方法，其特征在于，所述ARIMA时序预测用电量计算公式包括内容如下：

ARIMA模型包括三部分：p阶自回归模型，q阶移动平均模型和d阶差分，其中：

P阶自回归模型公式表示为：描述当前值与历史值之间的关系，用变量自身的历史时间数据对自身进行预测；

q阶移动平均模型公式表示为：关注的是自回归模型中的误差项的累加；

d阶差分为时间序列t与t-1时刻的差值的d阶差，以使时间序列平稳；

ARIMA公式表示为：。

3.根据权利要求2所述的一种基于ARIMA和SVM的企业用电最大需量预测方法，其特征在于，所述ARIMA时序预测用电量计算过程如下：

确定好p、q和d后，ARIMA模型的μ、γ、θ由最大似然和卡尔曼滤波优化得到，具体根据历史数据、当前时刻真实数据和该时刻的估计值估算该时刻的最优值，保留该时刻的协方差，再用相同方法估算下一时刻的最优值，不断的把均方误差递归得出训练数据时刻的最优值，根据训练最优值不断更新ARIMA模型的μ、γ、θ，得到ARIMA模型的具体公式；本发明使用的时间序列及一个月每天、每时或每刻的用电量，自变量为时间。

4.根据权利要求3所述的一种基于ARIMA和SVM的企业用电最大需量预测方法，其特征在于，使用ARIMA时序预测用电量的实现过程包括步骤如下：

1)根据数据得出ACF和PACF；

2)根据ACF和PACF的拖尾得到ARIMA的p,q；

3)选择差分系数I；

4)获得预测数据曲线和数据。

5.根据权利要求4所述的一种基于ARIMA和SVM的企业用电最大需量预测方法，其特征在于，所述ACF计算公式如下：

k代表滞后期数。

6.根据权利要求5所述的一种基于ARIMA和SVM的企业用电最大需量预测方法，其特征在于，所述PACF是在给定中间观测值的条件下，时间序列观测值预期过去的观测值之间的线性相关性。

7.根据权利要求4所述的一种基于ARIMA和SVM的企业用电最大需量预测方法，其特征在于，所述p、q根据ACF和PACF判断截尾得出,时间序列中拖尾指序列以指数率单调递减或震荡衰减，截尾指序列从某个时点变得非常小。

8.根据权利要求1所述的一种基于ARIMA和SVM的企业用电最大需量预测方法，其特征在于，所述K-Means聚类算法采用迭代更新的方法，每一次迭代过程都是向目标函数减小的方向进行，最终聚类结果使得目标函数取得极小值，计算过程如下：

1)给定大小为n的数据集，令O＝1，选取k个初始聚类中心Z_j(O)，j＝1，2，3，...，k，O代表不同迭代轮数的聚类中心；

2)计算每个样本数据对象与聚合中心的距离D(x_i，Z_j(O))，i＝1，2，3，…，并分类；

3)令O＝O+1，计算新的聚类中心和误差平方和准则f(目标函数)值：

4)判断：若|f(O+1)-f(O)|＜θ(f收敛)或者对象无类别变化，则算法结束，否则，O＝O+1，返回2)步。