基于非等距加权灰色模型和模糊聚类排序线损率预测方法
【技术领域】
[0001] 本发明属于线损预测技术领域，尤其涉及一种基于非等距加权灰色模型和模糊聚 类排序线损率预测方法。
【背景技术】
[0002] 线损预测中，依照历史数据的纯数据预测是一种简单有效的预测方法，先校对线 损计算具有工作量小的特点。数据预测就是从看似杂乱无章的历史数据中，找到隐藏规律， 对数据未来的发展趋势进行分析判断组合预测是利用各种预测模型，应用在年线损率预测 以及月线损率预测上十分适用；基于层次分析法-灰色综合关联及多灰色模型组合建模 的线损率预测《电网技术》2011年第6期|张勇军石辉翟伟芳何昌皓；重庆大学-李自 若-基于神经网络的A市电网理论线损率的预测。
[0003] 现有的预测方法由于考虑线损影响因素较少因此预测偏差较大。
【发明内容】
[0004] 本发明的目的在于提供一种基于非等距加权灰色模型和模糊聚类排序线损率预 测方法，旨在解决解决线损预测中，不考虑的经济增长因素，外界环境因素对线损率影响， 预测偏差较大的问题。
[0005] 本发明是这样实现的，一种基于非等距加权灰色模型和模糊聚类排序线损率预测 方法包括以下步骤：
[0006] 步骤一，模型建立
[0007] 设原女台数据序列为 x(。）（t) = (x(0) (tj，x(0) (t2)，…，x(0) (tn));
[0008] 这里以经济增长数据作为坐标取ati为本年度⑶P与上年度⑶P的差值，进行基 于经济增长变化的序列累加#士,）= 匕)軋，i = 1，2, 3,…，n ;建立常参数微分方程 k=\ 生成累加序列：
[0009]
【主权项】
1. 一种基于非等距加权灰色模型和模糊聚类排序线损率预测方法，其特征在于，该基 于非等距加权灰色模型和模糊聚类排序线损率预测方法： 以网供电量、电网投资、全社会用电量、第一产业用电量、第二产业用电量、第三产业用 电量做为各年份线损率的特征数据，并选取预测样本作为对比对象，按照各性状与对比对 象的相似度，将历史数据进行模糊聚类排序； 根据影响因素对历史数据进行模糊聚类排序，引入权值矩阵，将排列好顺序的历史数 据赋予权值，使得各个数据对于灰色建模的影响不等。
2. 如权利要求1所述的基于非等距加权灰色模型和模糊聚类排序线损率预测方法，其 特征在于，累加序列生具体方法如下： 以经济增长数据作为坐标取Λ ti为本年度GDP与上年度GDP的差值，进行基于经济增 长变化的序列累加
3. 如权利要求1所述的基于非等距加权灰色模型和模糊聚类排序线损率预测方法，其 特征在于，对历史数据进行模糊聚类排序的方法： 选取网供电量、电网投资、全社会用电量为特征数据，全社会用电量包括第一产业、第 二产业和第三产业，初始化样本数据矩阵，进行数据标准化： 综合评价对象X = (X1, x2,…，X1J，每个对象由m个指标表示其形状，Xi= (X n, xi2，… xim)(i = 1，2,…，n)，构成原始的数据矩阵X= (Xipnxm;对原始数据矩阵进行无量纲 处理，并将数据压缩到区间[〇，1]上，添加一个对比对象x n+1，及各个指标的标准值， 然后构造出模糊相似矩阵R= 0^)(η+1)χ(π+1);采用相似系数法中的数量积法计算rij，
将R改造成模糊等价矩阵R*即存在一个最小自然数k(k < η)，使得传递闭包t (R)= Rk，对于一切大于k的自然数m，恒有Rn1= R \此时，t (R)为模糊等价矩阵，采用二次方法求 传递闭包，对已建立的模糊等价矩阵，取定阈值λ，若Irij彡λ (1彡i, j彡η)则X JP X』归 为一类，再让λ由大变小，得到由细到粗的分类，以此进行模糊聚类序； 从数据中分析出与xn+1为一类的对象，即找出η+1行中除η+1的最大值，则此最大值的 列下标即为最优对象所在行的行号，借助另一个一维矩阵记下对象所在行的序号；将数据 矩阵中与xn+1为一类的对象的各指标置为零；重复以上步骤直到全部对象排序完毕。
4. 如权利要求1所述的基于非等距加权灰色模型和模糊聚类排序线损率预测方法，其 特征在于，引入权值矩阵将模糊聚类排序后的线损率历史数据赋予权值即：
其中，W为权递增因子，取W = 1~2。
5.如权利要求1所述的基于非等距加权灰色模型和模糊聚类排序线损率预测方法，其 特征在于，时间响应序列求解后需要残差修正： 分析预测值与实际值的相对误差，根据误差分析结果划定误差符号和误差绝对值的马 尔科夫链状态区间并根据划分状态集分别计算概率转移矩阵得到基于Markov残差修正的 预测结果。
【专利摘要】本发明公开了一种基于非等距加权灰色模型和模糊聚类排序线损率预测方法，以网供电量、电网投资、全社会用电量、第一产业用电量、第二产业用电量、第三产业用电量做为各年份线损率的特征数据，并选取预测样本作为对比对象，按照各性状与对比对象的相似度，将历史数据进行模糊聚类排序；根据影响因素对历史数据进行模糊聚类排序，引入权值矩阵，将排列好顺序的历史数据赋予权值，使得各个数据对于灰色建模的影响不等。本发明进一步优化了预测结果的作用，将经济因素对于线损率预测的影响最小化；弥补了历史数据因易受到经济因素增长而使预测结果产生误差的不足；组合预测可以避免单一模型丢失信息的缺憾，减小了随机性，提高了预测精度。
【IPC分类】G06Q10-04, G06Q50-06
【公开号】CN104751254
【申请号】CN201510195397
【发明人】王峥, 于光耀, 王司阳, 梁伟, 陈培育, 刘亚丽
【申请人】国家电网公司, 国网天津市电力公司
【公开日】2015年7月1日
【申请日】2015年4月23日