本发明属于电网负荷预测技术领域，涉及一种回归式负荷预测方法，尤其是一种考虑预测误差经济代价的回归式负荷预测方法。
背景技术：
随着我国电力事业的快速发展，负荷预测已经成为供电部门最重要的工作之一。准确的负荷预测不仅有助于合理地安排电网内部发电机组的启停，保持电网的安全稳定运行，保证正常的社会生产和生活，而且可以有效降低发电成本，提高电网运行的经济性。
在负荷预测的应用中，预测误差会带来经济损失。一方面，如果预测值小于实际值，将会带来负荷损失；另一方面，如果预测值大于实际值，将会导致资源的浪费。过去一般使用平均绝对百分误差这个统计指标来衡量预测的准确性，但平均绝对百分误差没有考虑到误差的方向性，即把正误差和负误差带来的经济损失同等对待，但是误差的方向性对经济损失的量化有很大的影响，此外，在进行负荷预测时，参数的选取对预测结果的准确性有较大的影响，如何构建一种考虑预测误差经济代价的预测方法成为负荷预测中的重要问题。
技术实现要素：
本发明的目的在于克服现有技术的不足，提供一种设计合理、预测精度高且实用性强的考虑预测误差经济代价的回归式负荷预测方法。
本发明解决其技术问题是采取以下技术方案实现的：
一种考虑预测误差经济代价的回归式负荷预测方法，包括以下步骤：
步骤1、量化负荷预测误差的方向性对系统经济性的影响，建立以预测误差经济代价最小为目标的目标函数；
步骤2、建立基于负荷预测误差经济代价的预测模型；
步骤3、将基于负荷预测误差经济代价的预测模型转换成适合于分位数回归算法的形式；
步骤4、运用分位数回归算法求解该基于负荷预测误差经济代价的预测模型，得到预测模型的参数组合。
而且，所述步骤1包括以下具体步骤：
(1)根据如下计算公式量化负荷预测误差的方向性对系统经济性的影响；
其中，负荷预测误差ei的表达式如下：
ei＝yi-fβ(xi-l)
上式中，ci是i时刻的负荷预测误差导致的经济损失；p+与p-分别是实际值大于预测值的预测正误差和实际值小于预测值的预测负误差的经济惩罚系数；ei是i时刻的负荷预测误差；yi是i时刻的实际负荷值；l是预测前置时间，即在i-l时刻预测i时刻的负荷值；xi-l是i-l时刻用来预测的自变量；fβ是预测模型，β是预测模型的参数向量；fβ(xi-l)是对i时刻的实际负荷的预测值；
(2)建立如下所示的以预测误差经济代价最小为目标的目标函数；
上式中，j(β)是基于预测模型的参数向量的预测误差经济代价量化函数。
而且，所述步骤2的基于负荷预测误差经济代价的预测模型的参数如下：
上式中，arg是数学函数，表示j(β)取最小值时β的值；
而且，所述步骤3的具体方法为：
将步骤1所述的目标函数除以(p++p-)，记
则该目标函数可以写成如下形式：
并且可以得到：
由于p+与p-都大于零，并且0＜τ＜1，由此得到适合用分位数回归算法求解的模型。
而且，所述步骤4的具体步骤包括：
(1)建立针对步骤1所述目标函数的线性条件分位数的模型：
上式中，qτ和fy是条件累计分布函数；inv表示取反函数；y是随机因变量；x是多维度自变量；
(2)求解该基于预测误差经济代价的预测模型，模型的参数计算公式如下：
上式中，xi是i时刻用来预测的自变量。
本发明的优点和积极效果是：
1、本发明提供了一种考虑预测误差经济代价的回归式负荷预测方法，首先量化负荷预测误差的方向性对系统经济性的影响，建立以预测误差经济代价最小为目标的目标函数；然后建立基于预测误差经济代价的预测模型；再次将模型转换成适合于分位数回归算法的形式；最后运用分位数回归算法求解该模型，得到预测模型的最佳参数组合。本发明建立了考虑负荷预测误差经济代价的预测模型，并运用分位数回归算法求解，非常有效，实用性强。
2、本发明提供了一种考虑预测误差经济代价的回归式负荷预测方法，通过量化包含预测误差方向性的经济代价，建立以预测误差经济代价最小为目标的目标函数，在一定数据处理的基础上运用分位数回归算法求解该模型，得到预测模型的最佳参数组合。本发明提出一种考虑误差方向性的统计指标，并将预测误差的经济代价纳入预测过程，提供了一种寻找预测方法最佳参数组合的方法，有效提高了负荷预测的精度。
附图说明
图1是本发明的处理流程图。
具体实施方式
以下结合附图对本发明实施例作进一步详述：
一种考虑预测误差经济代价的回归式负荷预测方法，如图1所示，包括以下步骤：
步骤1、量化负荷预测误差的方向性对系统经济性的影响，建立以预测误差经济代价最小为目标的目标函数；
所述步骤1包括以下具体步骤：
(1)根据如下计算公式量化负荷预测误差的方向性对系统经济性的影响；
其中，负荷预测误差ei的表达式如下：
ei＝yi-fβ(xi-l)
上式中，ci是i时刻的负荷预测误差导致的经济损失；p+与p-分别是实际值大于预测值的预测正误差和实际值小于预测值的预测负误差的经济惩罚系数；ei是i时刻的负荷预测误差；yi是i时刻的实际负荷值；l是预测前置时间，即在i-l时刻预测i时刻的负荷值；xi-l是i-l时刻用来预测的自变量；fβ是预测模型，β是预测模型的参数向量；fβ(xi-l)是对i时刻的实际负荷的预测值；
(2)建立如下所示的以预测误差经济代价最小为目标的目标函数；
上式中，j(β)是基于预测模型的参数向量的预测误差经济代价量化函数。
步骤2、建立基于负荷预测误差经济代价的预测模型，该模型的参数如下：
上式中，arg是数学函数，表示j(β)取最小值时β的值；
步骤3、将基于负荷预测误差经济代价的预测模型转换成适合于分位数回归算法的形式；
所述步骤3的具体方法为：
将步骤1所述的目标函数除以(p++p-)，记
则该目标函数可以写成如下形式：
并且可以得到：
由于p+与p-都大于零，并且0＜τ＜1，由此得到适合用分位数回归算法求解的模型。
步骤4、运用分位数回归算法求解该基于负荷预测误差经济代价的预测模型，得到预测模型的最佳参数组合。
所述步骤4的具体步骤包括：
(1)建立针对步骤1所述目标函数的线性条件分位数的模型：
上式中，qτ和fy是条件累计分布函数；inv表示取反函数；y是随机因变量；x是多维度自变量；
(2)求解该基于预测误差经济代价的预测模型，模型的参数计算公式如下：
上式中，xi是i时刻用来预测的自变量。
本发明为了把预测误差的经济代价纳入预测过程，并且更好地评估负荷预测的准确性，提出一种考虑预测误差经济代价的回归式负荷预测方法，量化包含预测误差方向性的经济代价，通过一定的数据处理，运用分位数回归算法进行求解，得到预测模型的最佳参数组合，从而有效提高负荷预测的精度。
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。