电网投资规模组合预测模型的确定方法及装置与流程

本申请属于电网投资规模预测领域，尤其涉及一种电网投资规模组合预测模型的确定方法及装置、电网投资规模预测方法及装置。
背景技术：
：随着建设坚强电网战略目标的提出，特别是近年来智能电网建设的深入，电网投资增速不断提升。在这一背景下，电网公司亟需提高电网规划的科学性，增强优化能源资源配置的能力，以及提高电网企业的抗风险能力。研究电网投资理论与方法，规范电网企业的投资行为，建立一套科学的电网投资决策体系对于降低投资决策风险、提升投资决策水平、提高电网投资效益、增强电网企业的持续发展能力至关重要。国内传统上，电力公司在制定投资规模的时候，将电网规划和投资预算分别进行，然而，采用这种方式，往往很难真正实现最有效地资源调配，实现规划目标。近年来电力公司逐步开始推行“项目的计划和预算”的方法。该方法是一种将规划—计划—预算结合在一起的系统控制方法，摒弃了按各个部门往年预算基数为基础的预算方法，很好地规避或减轻了传统上由于投资规划和预算分开执行而导致的诸多弊端，例如预算执行力不足、脱离企业本身特点、缺少弹性等。但现有技术中常用的一种电网投资规模测算是从下往上开展的加和汇总，该种方法得到的电网投资规模未以历史数据为依据，具有投资规模确定不准确的问题。现有技术中另一常用的电网投资规模测算方法为采用单一投资规模测算方法进行投资预算，这种方法存在考虑问题不全面，可靠度低的问题。技术实现要素：本申请提供一种电网投资规模组合预测模型的确定方法及装置、电网投资规模预测方法及装置，用于解决现有技术中单一投资规模测算方法存在可靠度低的问题。为了解决上述技术问题，本申请的一实施例提供一种电网投资规模组合预测模型的确定方法，包括：获取过去n年每年的电网投资额实际值；利用多种预测方法预测过去n年每年的电网投资额；利用多种误差指标对每种预测方法的预测结果进行评价；根据误差指标的评价结果计算各误差指标的权重；利用未知系数组合所述预测方法的预测结果以得到过去n年每年的组合预测结果；利用所述误差指标对组合预测结果进行评价；根据误差指标的权重和组合预测结果对应的误差指标的评价结果构造目标函数；计算目标函数最优时未知系数的具体值，利用未知系数的具体值组合所述预测方法从而得到组合预测函数。本申请另一实施例还提供一种电网投资规模预测方法，包括：利用上一实施例得到组合预测函数；利用所述多种预测方法预测电网投资额，将所述多种预测方法的预测结果代入组合预测函数中得到组合预测结果。本申请再一实施例提供一种电网投资规模组合预测模型的确定装置，包括：获取模块，用于获取过去n年每年的电网投资额实际值；预测模块，用于利用多种预测方法预测过去n年每年的电网投资额；第一评价模块，用于利用多种误差指标对每种预测方法的预测结果进行评价；权重计算模块，用于根据误差指标的评价结果计算各误差指标的权重；组合模块，用于利用未知系数组合所述预测方法的预测结果以得到过去n年每年的组合预测结果；第二评价模块，用于利用所述误差指标对组合预测结果进行评价；目标函数构建模块，用于根据误差指标的权重和组合预测结果对应的误差指标的评价结果构造目标函数；建模模块，用于计算目标函数最优时未知系数的具体值，利用未知系数的具体值组合所述预测方法从而得到组合预测函数。本申请又一实施例还提供一种电网投资规模预测装置，包括：组合预测函数确定模块，用于利用上一实施例所述的电网投资规模组合预测装置得到组合预测函数；预测模块，用于利用所述多种预测方法预测电网投资额，将所述多种预测方法的预测结果代入组合预测函数中得到组合预测结果。本申请能够将多种预测方法的预测结果进行最优组合，提高了电网投资预测结果的可信度。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例的电网投资规模组合预测模型的确定方法流程图；图2为本申请实施例的误差指标权重计算过程流程图；图3为本申请实施例的电网投资规模组合预测装置的结构图；图4为本申请实施例的电网投资规模预测装置的结构图。具体实施方式为了使本申请的技术特点及效果更加明显，下面结合附图对本申请的技术方案做进一步说明，本申请也可有其他不同的具体实例来加以说明或实施，任何本领域技术人员在权利要求范围内做的等同变换均属于本申请的保护范畴。在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。如图1所示，图1为本申请实施例的电网投资规模组合预测模型的确定方法流程图。本实施例所述的方法能够将多种预测方法的预测结果以最优的方式进行组合，为后续电网投资规模确定提供依据。具体的，包括：步骤101：获取过去n年每年的电网投资额实际值。n为自然数，本申请对n的具体取值不作限定，例如过去n年可以为过去14年(2003年至2016年)。步骤102：利用多种预测方法预测过去n年每年的电网投资额。步骤103：利用多种误差指标对每种预测方法的预测结果进行评价。误差指标以函数的形式体现，误差指标的评价结果即为误差指标的函数值，例如表三中的数据。步骤104：根据误差指标的评价结果计算各误差指标的权重。实施时，根据各误差指标的评价结果所提供信息量的大小来确定权重，具体计算方法将在后续实施方式中继续说明，此处不再赘述。步骤105：利用未知系数组合上述预测方法的预测结果以得到过去n年每年的组合预测结果。实施时，通过如下公式组合每年的预测结果：其中，yc表示组合预测结果，xk表示第k个预测方法的系数(在本步骤中，xk为未知量)，yk表示第k个预测方法的预测结果，m表示预测方法种数。步骤106：利用上述多个误差指标对组合预测结果进行评价，以得到组合预测结果对应的误差指标的评价结果。步骤107：根据误差指标的权重和组合预测结果对应的误差指标的评价结果构造目标函数。详细的说，目标函数的表达式为：其中，wi表示第i个误差指标的权重，fi(yc)表示组合预测结果对应的第i个误差指标的评价结果，fi(yc)为未知系数xk,k∈[1,2,···,m]的函数，n表示误差指标种数，yc表示组合预测结果。步骤108：计算目标函数最优时未知系数的具体值，利用未知系数的具体值组合上述多个预测方法从而得到组合预测函数。详细的说，组合预测函数的表达式为：其中，yc表示组合预测结果，xk表示第k个预测方法的系数(通过步骤107的计算，xk已为已知量)，yk表示第k个预测方法的预测结果，m表示预测方法种数。本实施例将多种方法的测算结果进行了最优组合，能够提高电网投资测算结果的可信度。一些实施方式中，多种预测方法包括但不限于比例系数预测法、二次指数平滑预测法、回归预测模型法及灰色预测模型法。下面对这几种预测方法进行详细说明：(1)比例系数预测法：比例系数预测法是一种经典预测方法，其原理为假定今后的投资额与过去有相同的增长比例，用历史数据求出比例系数，按比例预测未来的发展，设第m年的电网投资额为am，第n年的电网投资额为an，则从第n年至第m年(n<m)投资额平均增长率为：由此可预测第l年的电网投资额：al＝am(1+k)l-m(2)(2)二次指数平滑预测法二次指数平滑预测法是一种线性趋势外推的预测技术，主要过程如下：首先，在一次指数平滑序列(st(1)＝αxt+(1-α)st-1(1)，t＝1,2,……,t，其中，平滑系数α的范围为0<α＜1)的基础上，计算二次指数平滑序列：st(2)＝αst(1)+(1-α)st-1(2)，t＝1,2,……,t(3)其中，st(1)、st-1(1)表示一次平滑指数，st(2)、st-1(2)表示二次平滑指数。然后，确定预测直线的截距和斜率：最后，得到预测公式：其中，xt表示第t年电网投资额，xt+l表示第t+l年电网投资额。(3)回归预测模型方法在一元线性回归中，自变量是可控制或可以精确观察的变量(如时间)，用x表示，以年为单位，因变量是依赖于x的随机变量(如电网投资额)，用y表示，假设x与y的关系为：y＝a+bx+ε(7)其中，ε是随机误差，也称为随机干扰，服从正态分布n(0,σ2)，a、b及σ2为不依赖于x的未知参数。通过如下公式估计a、b。式(8)中的xi表示时间序列(年份)，yi表示电网投资额，n表示数据序列个数。当a、b的估计值和求出后，便得出y对x的线性回归方程式：(4)灰色预测模型方法gm(1，1)是最常用的一种灰色预测模型，它是由一个只包含单变量的一阶微分方程构成的模型，是作为预测的一种有效的模型，是gm(1，n)模型的特例。设有代表电网投资规模的时间变量，将其原始数据序列记为x(0)。x(0)＝[x(0)(1),x(0)(2),…,x(0)(n)](10)用1－ago生成一阶累加生成序列x(1)＝[x(1)(1),x(1)(2),…,x(1)(n)](11)其中x(1)序列满足下述一阶线性微分方程模型根据导数定义，有若以离散形式表示，微分项可写成其中x值只能取时刻k和k+1的均值，即式(12)可改写成将上述结果写成矩阵形式有简记为yn＝ba(17)式中上述方程组中，yn和b为已知量，a为待定参数。利用矩阵求导公式，可得将所求得的代回原来的微分方程(12)，有解之可得写成离散形式(令x(1)(1)＝x(0)(1))，得下式对此式再做累减还原，得原始数列x(0)的灰色预测模型为表示电网投资额第k+1年测算值，分别表示一阶累加序列第k+1年、第k年数值，x(0)(1)为电网投资数据序列第1年值，为求解得到的参数。一些实施方式中，误差指标包括但不限于：平均绝对误差、均方误差、平均绝对百分比误差及均方百分比误差。下面对这几种误差指标进行详细说明：(1)平均绝对误差(meanabsoluteerror，mae)平均绝对误差的计算公式为：其中，yt表示电网投资额实际值，表示电网投资额的预测值，即预测结果，n表示历史年数。(2)均方误差(meansquareerror，mse)均方误差是测算误差平方之和的平均数，能够避免正负误差不能相加的问题。均方误差的公式为：(3)平均绝对百分比误差(meanabsolutepercentageerror，mape)平均绝对百分比误差的计算公式为：(4)均方百分比误差(meansquarepercentageerror，mspe)均方百分比误差的计算公式为：一些实施方式中，上述步骤104在具体实施时，可采用熵权法(entropymethod)根据误差指标的评价结果(即函数值)计算各误差指标的权重，熵权法是根据各误差指标的评价结果所提供信息量的大小来确定权重的方法，它是一种客观赋权的方法，体现了客观信息中误差指标的评价作用大小。下面结合图2对熵权法进行详细说明：步骤201：设用m个误差指标评价n个预测方法。xij′表示第j个预测方法的第i个误差指标的函数值，根据各预测方法下的多个误差指标的函数值形成原始数据矩阵x：x＝(x'ij)m×n,i＝1,…,m；j＝1,…,n(27)步骤202：对矩阵x归一化得到矩阵rr＝(rij)m×ni＝1,…,m；j＝1,…,n(28)式中，rij表示第j个预测方法在第i个误差指标上的标准值，rij∈[0,1]。对于大者为优的收益性指标：对于小者为优的成本性指标：步骤203：计算第j个预测方法在第i个误差指标上的标准值的概率：步骤204：计算第i个误差指标的熵值ei：其中步骤205：计算第i个指标的权值ωi：其中，0≤ωi≤1，一些实施方式中，利用差分进化算法计算目标函数最优时未知系数的具体值。下面对差分进化算法进行详细的说明：(1)初始化利用np个维数为d的实数值参数向量作为每一代的种群，每个个体表示为：xi，g(i＝1，2，……，np)(34)其中，xi，g表示每一代种群，可以具体表述为(x1,x2,x3,…,xd)i,g，x1,x2,x3,…,xd代表所求组合方法中的组合系数，d表示组合系数的个数；i表示个体在种群中的序列；g表示进化代数；np表示种群规模，在最小化过程中np保持不变。为了建立优化搜索的初始点，种群必须被初始化。通常寻找初始种群的一个方法是从给定边界约束内的值中随机选择。在差分进化算法(de)研究中，一般假定对所有随机初始化种群均符合均匀概率分布。设参数变量的界限为则：其中，i＝1，2，……，np；j＝1，3，……，d；rand(0，1)为在[0，1]之间产生的均匀随机数。如果预先可以得到问题的初步解，初始种群也可以通过对初步解加入正态分布随机偏差来产生，这样可以提高重建效果。(2)变异对于每个目标向量xi，g(i＝1，2，……，np)，基本de算法的变异向量如下产生：vi,g+1＝xr1,g+f·(xr2,g-xr3,g)(36)其中，随机选择的序号r1，r2和r3互不相同，且r1，r2和r3与目标向量序号i也应不同，所以须满足np≥4。变异算子f∈[0，2]是一个实常数因数，控制偏差变量的放大作用。(3)交叉为了增加干扰参数向量的多样性，引入交叉操作。则试验向量变为：ui,g+1＝(u1i,g+1,u2i,g+1,...,udi,g+1)(37)(i＝1，2，……，np；j＝1，3，……，d)(38)其中，randb(j)表示产生[0，1]之间随机数发生器的第j个估计值；rnbr(i)∈1，2，…；d表示一选择的序列，用它来确保ui,g+1至少从ui,g+1；获得一个参数；cr表示交叉算子，取值范围为[0，1]。(4)选择为决定试验向量ui,g+1，是否会成为下一代中的成员，de按照贪婪准则将试验向量与当前种群中的目标向量进行比较。如果目标函数要被最小化，那么具有较小目标函数值的向量将在下一代种群中赢得一席地位。下一代中的所有个体都比当前种群的对应个体更佳或者至少一样好。注意在de选择程序中试验向量只与一个个体相比较，而不是与现有种群中的所有个体相比较。(5)边界条件的处理。在有边界约束的问题中，确保产生新个体的参数值位于问题的可行域中是必要的，一个简单方法是将不符合边界约束的新个体用在可行域中随机产生的参数向量代替。即：若或者那么：(i＝1，2，……，np；j＝1，3，……，d)(39)另外一个方法是根据式(39)重新产生试验向量，然后进行交叉操作，直到产生的新个体满足边界约束为止，但这样做效率较低。通过上述实施例得到组合预测函数后就可对未来年份的年电网投资额进行逐年预测。具体的，首先利用上述多个预测方法预测未来一年的电网投资额，将该多个预测方法的预测结果代入组合预测函数中得到组合预测结果。基于同一发明构思，本申请实施例中还提供了一种电网投资规模组合预测模型的确定装置及电网投资规模预测装置，如下面的实施例所述。由于该装置解决问题的原理与上述方法相似，因此该装置的实施可以参见上述方法的实施，重复之处不再赘述。如图3所示，图3为本申请实施例的电网投资规模预测模型的确定装置结构图。该装置可以通过逻辑电路实现运行于智能终端，例如手机、平板电脑等设备中，或者以功能模块的方式由软件实现各部件的功能，运行于所述智能终端上。具体的，包括：获取模块301，用于获取过去n年每年的电网投资额实际值；预测模块302，用于利用多种预测方法预测过去n年每年的电网投资额；第一评价模块303，用于利用多种误差指标对每种预测方法的预测结果进行评价；权重计算模块304，用于根据误差指标的评价结果计算各误差指标的权重；组合模块305，用于利用未知系数组合所述预测方法的预测结果以得到过去n年每年的组合预测结果；第二评价模块306，用于利用所述误差指标对组合预测结果进行评价；目标函数构建模块307，用于根据误差指标的权重和组合预测结果对应的误差指标的评价结果构造目标函数；建模模块308，用于计算目标函数最优时未知系数的具体值，利用未知系数的具体值组合所述预测方法从而得到组合预测函数。如图4所示，图4为本申请实施例的电网投资规模预测装置结构图。具备的，包括：组合预测函数确定模块401，用于根据上述实施例所述的电网投资规模组合预测装置得到组合预测函数；预测模块402，用于利用上述多个预测方法预测电网投资额，将多个预测方法的预测结果代入组合预测函数中得到组合预测结果。为了更清楚说明本申请技术方案，下面以一详细实施例进行说明：(1)获得2003年至2015年的电网投资规模，电网投资规模及售电量数据如表一所示：表一：(2)利用比例系数预测法、二次指数平滑预测法、回归预测法及灰色预测法对过去2003至2015年每年的电网投资额进行预测，预测结果如表二所示：表二：年份实际值比例系数法二次指数平滑回归预测灰色预测2003754.1754.10754.10821.16754.102004842.9864.07913.941061.661444.3220051124.4990.081364.701302.151577.0420061635.341134.472094.261542.651721.9520071936.661299.912272.211783.151880.1820082249.141489.482564.662023.652052.9420092835.961706.693368.292264.152241.58201023871955.592656.612504.652447.5620112720.442240.772927.382745.142672.4620122679.462567.552693.902985.642918.0320133035.56412941.993320.863226.143186.1620143370.31923371.023698.603466.643478.9320153862.62773862.634322.623707.143798.60(3)利用mae、mse、mape及mspe对比例系数预测法、二次指数平滑预测法、回归预测法及灰色预测法的预测结果进行评价，得到每种预测方法的多个误差指标函数值，如表三所示：表三：(4)利用熵权法计算得到各误差指标的权重，计算结果如表四所示：表四：maemsemapemspe熵权0.253120.272720.240150.23402(5)构建目标函数，最小化该目标函数以得到组合预测函数的未知系数：min0.25312*fmae(yc)+0.27272*fmse(yc)+0.24015*fmape(yc)+0.23402*fmspe(yc)yc＝x1*yp+x2*ys+x3*yr+x4*yg其中，x1+x2+x3+x4＝1，x1，x2，x3，x4>0。yc表示组合预测结果，yp表示比例系数预测法的预测结果，ys表示二次指数平滑预测法的预测结果，yr表示回归预测法的预测结果，yg表示灰色预测法的预测结果。fmae表示平均绝对误差指标，fmse表示均方误差指标，fmape,平方绝对百分比误差指标，fmspe表示均方百分比误差指标，x1、x2、x3、x4表示系数。运用差分优化算法计算结果如表五所示。表五：(6)根据表五所示的系数可以得出组合预测函数为yc＝0.2888*yp+0.1072*ys+0.1606*yr+0.4434*yg根据该组合预测函数、比例系数预测法、二次指数平滑预测法、回归预测模型法及灰色预测模型法预测结果如表六所示：表六：年份组合预测结果比例系数法二次指数平滑回归预测灰色预测20164264.1350254425.9245874784.2624973947.63484147.64302120174707.6386475071.3685025245.9000424188.13314528.76130620185193.8540135810.9391555707.5375884428.63144944.89975720195728.1722366658.363296169.1751334669.12975399.27630520206316.693667629.3694576630.8126794909.6285895.404567本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。以上所述仅用于说明本申请的技术方案，任何本领域普通技术人员均可在不违背本申请的精神及范畴下，对上述实施例进行修饰与改变。因此，本申请的权利保护范围应视权利要求范围为准。当前第1页12