模型，并求取目标矩阵对应的个体适应度函数的值，
4、最后以种群中所有个体适应度函数值作为遗传算法进行复制、交叉、变异的依据，由遗传算法模块生成新的种群，再次传递给因子提取模块以用来生成新的目标矩阵，实现算法的循环；
5、当适应度函数值满足优化准则或是遗传算法达到最大的进化代数，寻优过程结束，输出最优个体；
6、通过遗传算法寻优，得到满足协整检验的，使得适应度函数值最小的最优个体-因子提取方案，并由此确定模型参数，进行预测。
[0013]其GRM方法的逻辑流程具体如下:
开始，输入原始数据矩阵，确定滞后阶数及成分因子个数Gen=0;
染色体编码，生成初始种群；
提取公因子，技术目标矩阵B;
协整检验建立回归/误差修正模型；
适应度函数计算；
是否满足优化准则判断:
判断N，通过选择、交叉、变异、重插入Gen=Gen+l，至生成新一代群体，返回至提取公因子，技术目标矩阵B，继续进行；
判断Y，确定模型参数，输出预测结果计算误差指标，结束。
[0014]所述的协整检验模块工作流程，其步骤如下:
目标矩阵B;
目标矩阵向量与电量向量进行协整检验；
判断存在协整关系； 判断Y，以目标矩阵Β为基础，建立误差修正模型，至适应度函数；
判断Ν，以目标矩阵Β为基础，建立线性回归模型，至适应度函数。
[0015]所述的适应度函数计算工作流程，其步骤如下:
1)、以目标矩阵Β为基础，建立误差修正模型，计算各年拟合误差，并对拟合误差的绝对值求加和，至适应度函数；
2)、以目标矩阵Β为基础，建立多元线性回归模型，计算各年拟合误差，并对拟合误差的绝对值求加和，最后，乘以惩罚系数Κ，至适应度函数。
[0016]一种基于误差修正模型的电力系统中负荷预测装置，包括有回归预测模型、遗传回归模型、误差修正模型、协整单元组成。
[0017]
GRM模型用GA提取建立误差修正模型以及多元线性回归模型的目标矩阵Β，并进行协整检验，相比于传统的多元线性回归预测模型有了以下方面的优势:首先是使用来自各行各业量大面广的数据列，使的模型建立在更加广泛的数据基础之上，同时，通过因子提取的方式，避免了模型自由度变高导致的模型拟合困难;其次，通过协整检验，以及设定的惩罚系数Κ，保证待预测电量与生成的Β矩阵的成分因子序列之间存在长期稳定的关系，相较之传统多元线性回归模型建立变量间各种假设检验下的相关性，有更为严谨的理论基础;最后，遗传算法全局搜索的能力保证了提取的最优因子是全局最优解。
【主权项】
1.一种基于误差修正模型的电力系统中负荷预测方法，其特征是:采用因子模型方法，以回归模型为基础，将遗传算法、协整检验与误差修正模型有机结合，建立起中长期遗传回归预测模型GRM，对电网的负荷进行中长期预测，其步骤如下: 1)、首先通过由遗传算法提供的初始种群C，以及公共因子矩阵A，生成该种群内所有个体对应的目标矩阵B， 2)、然后将目标矩阵B输送至协整与回归建模模块，该回归建模模块中对因变量的群用电量，与目标矩阵B中的成分因子序列进行协整检验， 3)、对于通过协整检验的目标矩阵B，建立起相应的误差修正模型，求取适应度函数值，对于未通过协整检验的目标矩阵B，直接建立四元线性回归模型，并求取目标矩阵B对应的个体适应度函数的值； 4)、最后，以种群中所有个体适应度函数值作为遗传算法进行复制、交叉、变异的依据，由遗传算法模块生成新的种群，再次传递给因子提取模块以用来生成新的目标矩阵，实现算法的循环； 5)、当适应度函数值满足优化准则或是遗传算法达到最大的进化代数，寻优过程结束，输出最优个体； 6)、通过遗传算法寻优，得到满足协整检验的，使得适应度函数值最小的最优个体-因子提取方案，并由此确定模型参数，进行预测;其具体实施步骤如下: 开始，输入原始数据矩阵，确定滞后阶数及成分因子个数Gen=0; 染色体编码，生成初始种群； 提取公因子，技术目标矩阵B; 协整检验建立回归/误差修正模型； 适应度函数计算； 是否满足优化准则判断: 判断N，通过选择、交叉、变异、重插入Gen=Gen+l，至生成新一代群体，返回至提取公因子，技术目标矩阵B，继续进行； 判断Y，确定模型参数，输出预测结果计算误差指标，结束。2.根据权利要求1所述的一种基于误差修正模型的电力系统中负荷预测方法，其特征是:所述的协整检验模块工作流程，其步骤如下: 目标矩阵B; 目标矩阵向量与电量向量进行协整检验； 判断存在协整关系； 判断Y，以目标矩阵B为基础，建立误差修正模型，至适应度函数； 判断N，以目标矩阵B为基础，建立线性回归模型，至适应度函数。3.根据权利要求1所述的一种基于误差修正模型的电力系统中负荷预测方法，其特征是:所述的适应度函数计算工作流程，其步骤如下: 1)、以目标矩阵B为基础，建立误差修正模型，计算各年拟合误差，并对拟合误差的绝对值求加和，至适应度函数； 2)、以目标矩阵B为基础，建立多元线性回归模型，计算各年拟合误差，并对拟合误差的绝对值求加和，最后，乘以惩罚系数K，至适应度函数。4.一种基于误差修正模型的电力系统中负荷预测装置，其特征是:包括有回归预测模型、遗传回归模型、误差修正模型、协整单元组成。
【专利摘要】本发明涉及电力系统负荷预测技术领域，公开一种基于误差修正模型的电力系统中负荷预测装置及方法，采用因子模型方法，以回归模型为基础，将遗传算法、协整检验与误差修正模型有机结合，建立起中长期遗传回归预测模型GRM，对电网的负荷进行中长期预测；本发明相通过因子提取的方式，避免了模型自由度变高导致的模型拟合困难；其次，通过协整检验，以及设定的惩罚系数K，保证待预测电量与生成的B矩阵的成分因子序列之间存在长期稳定的关系，相较之传统多元线性回归模型建立变量间各种假设检验下的相关性，有更为严谨的理论基础；最后，遗传算法全局搜索的能力保证了提取的最优因子是全局最优解。
【IPC分类】G06Q10/04, G06Q50/06
【公开号】CN105447598
【申请号】CN201510849883
【发明人】陈瑞, 郭晓静, 高丽萍, 韩啸一, 杨振宇, 李雅琳, 李彩峰, 刘为民, 周燕, 李晨露, 李展高, 王朝乐, 刘丽丽, 陈帆
【申请人】国网河南省电力公司洛阳供电公司, 国家电网公司
【公开日】2016年3月30日
【申请日】2015年11月30日