一种基于改进离差绝对值和准则的电力负荷组合预测方法与流程

文档序号:12365986阅读:332来源:国知局
本发明属于电网规划运行
技术领域
,特别是涉及一种基于改进离差绝对值和准则的电力负荷组合预测方法。
背景技术
:电力负荷预测是电网扩展规划、调度运行、电源建设的重要决策依据,对于保障电网安全、经济、优质运行具有重要意义。随着电力体制改革的深入进行,电力市场化改革重启,对于电力企业的市场化运行,提高电力负荷的中长期预测精度是电网经济安全运行的重要保障。组合预测方法能够利用各个单项预测方法的优点及包含的有用信息,减少单项预测方法带来的预测风险。但是如何合理准确地确定各个单项预测方法的加权,尚需进一步的研究和探索。技术实现要素:为了解决上述问题,本发明的目的在于提供一种基于改进离差绝对值和准则的电力负荷组合预测方法。为了达到上述目的,本发明提供的基于改进离差绝对值和准则的电力负荷组合预测方法包括按顺序执行的下列步骤:步骤1)对于电力负荷的N期历史数据序列{xt,t=1,2,...N},利用m种单项预测模型对其进行预测,令xit为第i种预测方法第t期预测值,t=1,2,...N,i=1,2,...m,设{ωi,i=1,2,...m}为m种单项预测模型在组合预测中的加权系数,并满足步骤2)计算第i种预测方法第t期预测值的预测精度ait,对于第i种单项预测模型,得到预测精度序列{ait,t=1,2,...N};步骤3)计算由上述t(t=1,2,...N)时刻预测精度序列{ait,i=1,2,...m}所诱导产生的IOWGA算子组合预测值IOWGAωt;步骤4)计算t(t=1,2,...N)时刻基于上述IOWGA算子组合预测值IOWGAωt的组合新鲜离差绝对值Jt;步骤5)在上述组合新鲜离差绝对值Jt的基础上,建立基于改进离差绝对值和准则的组合预测模型,并求解该模型而得到各单项预测模型的加权系数;步骤6)利用上一步骤求得的各单项预测模型加权系数计算出中长期电力负荷的预测值。在步骤2)中,所述的预测精度ait由下式计算:ait=1-|eit||eit|≤10|eit|≥1]]>其中eit为xit的预测误差:eit=1(xt-xit)/xt<-1(xt-xit)/xt-1≤(xt-xit)/xt≤11(xt-xit)/xt>1.]]>在步骤3)中,所述的IOWGA算子的定义如下:设<a1,x1>,<a2,x2>,...<am,xm>为m个二维数组,m维非负向量{ωi,i=1,2,...m}满足归一化条件则令:IOWGA(<a1,x1>,<a2,x2>,...<am,xm>)=Πi=1mxa-index(i)ωi]]>称IOWGA为m维诱导有序几何加权平均算子,ai称为诱导值,其中a-index(i)是分量a1,a2,…,am按从大到小排列的第i个位置下标。在步骤3)中,所述的IOWGA算子的组合预测值IOWGAωt由下式计算:IOWGAωt(<a1t,x1t>,<a1t,x2t>,...<amt,xmt>)=Πi=1mxa-index(it)ωi]]>上式中,xit为第i种预测模型第t期的预测值,ait是第i种预测模型第t期预测值的预测精度,ωi为第i种预测模型在组合预测模型中的加权,a-index(i)是分量a1t,a2t,…,amt按从大到小排列的第i个位置下标,上述参数中i=1,2,...m。在步骤4)中,所述的基于IOWGA算子组合预测值IOWGAωt的组合新鲜离差绝对值Jt由下式定义:Jt=t2Σt=1Nt2|xt-Πi=1mxa-index(it)ωi|.]]>在步骤5)中,所述的基于改进离差绝对值和准则的组合预测模型如下式所示:minM=Σt=1NJt,t=1,2,...,ms.t.Σi=1mωi=1,ωi≥0,i=1,2,...,mJt=t2Σt=1Nt2|xt-Πi=1mxa-index(it)ωi|]]>上式中,Jt为组合新鲜离差绝对值,以其和最小为目标函数,即为改进离差绝对值和准则,求解上式,即可得到各个单项预测模型的加权系数{ωi,i=1,2,...m},从而计算出电力负荷预测值。在步骤6)中,所述的中长期电力负荷的预测值计算方法如下:计算m种单项预测模型对N+p(p≤5)期电力负荷的预测值xi(N+p),利用步骤5)中求得的m种单项预测模型的加权系数{ωi,i=1,2,...m},则第N+p(p≤5)期的电力负荷预测值为:xN+p=Σi=1mωixi(N+p).]]>本发明提供的基于改进离差绝对值和准则的电力负荷组合预测方法的有益效果:与现有电力负荷组合预测方法相比,本方法基于改进离差绝对值和准则,充分考虑了各单项预测方法在不同时间的预测精度,使得组合模型加权系数随着不同时刻预测精度的变化而变化,使得组合预测模型具有动态性;引入新鲜度函数,克服了没有区别对待不同历史阶段预测精度的缺点,符合越接近预测点的负荷变化对负荷预测的准确性影响越大的实际情况;改进离差绝对值和准则,更有利于处理异常点带来的误差,使得中长期电力系统负荷预测更加准确。附图说明图1为本发明提供的基于改进离差绝对值和准则的电力负荷组合预测方法流程图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图、附表及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。如图1所示,本发明提供的基于改进离差绝对值和准则的电力负荷组合预测方法包括按顺序执行的下列步骤:步骤1)对于电力负荷的N期历史数据序列{xt,t=1,2,...N},利用m种单项预测模型对其进行预测,令xit为第i种预测方法第t期预测值,t=1,2,...N,i=1,2,...m,设{ωi,i=1,2,...m}为m种单项预测模型在组合预测中的加权系数,并满足步骤2)计算第i种预测方法第t期预测值的预测精度ait,对于第i种单项预测模型,得到预测精度序列{ait,t=1,2,...N};步骤3)计算由上述t(t=1,2,...N)时刻预测精度序列{ait,i=1,2,...m}所诱导产生的IOWGA算子组合预测值IOWGAωt;步骤4)计算t(t=1,2,...N)时刻基于上述IOWGA算子组合预测值IOWGAωt的组合新鲜离差绝对值Jt;步骤5)在上述组合新鲜离差绝对值Jt的基础上,建立基于改进离差绝对值和准则的组合预测模型,并求解该模型而得到各单项预测模型的加权系数;步骤6)利用上一步骤求得的各单项预测模型加权系数计算出中长期电力负荷的预测值。在步骤2)中,所述的预测精度ait由下式计算:ait=1-|eit||eit|≤10|eit|≥1]]>其中eit为xit的预测误差:eit=1(xt-xit)/xt<-1(xt-xit)/xt-1≤(xt-xit)/xt≤11(xt-xit)/xt>1.]]>在步骤3)中,所述的IOWGA算子的定义如下:设<a1,x1〉,〈a2,x2〉,...〈am,xm>为m个二维数组,m维非负向量{ωi,i=1,2,...m}满足归一化条件则令:IOWGA(<a1,x1>,<a2,x2>,...<am,xm>)=Πi=1mxa-index(i)ωi]]>称IOWGA为m维诱导有序几何加权平均算子,ai称为诱导值,其中a-index(i)是分量a1,a2,…,am按从大到小排列的第i个位置下标。在步骤3)中,所述的IOWGA算子的组合预测值IOWGAωt由下式计算:IOWGAωt(<a1t,x1t>,<a1t,x2t>,...<amt,xmt>)=Πi=1mxa-index(it)ωi]]>上式中,xit为第i种预测模型第t期的预测值,ait是第i种预测模型第t期预测值的预测精度,ωi为第i种预测模型在组合预测模型中的加权,a-index(i)是分量a1t,a2t,…,amt按从大到小排列的第i个位置下标,上述参数中i=1,2,...m。在步骤4)中,所述的基于IOWGA算子组合预测值IOWGAωt的组合新鲜离差绝对值Jt由下式定义:Jt=t2Σt=1Nt2|xt-Πi=1mxa-index(it)ωi|]]>在该定义中,离差绝对值中引入了新鲜度函数新鲜度函数是数据挖掘中的一个概念,用来表述数据在挖掘中所受到的重视程度,越是新近产生的数据,越应该受到重视。在电力负荷预测中,越是接近预测电的负荷变化对负荷未来的发展趋势贡献越大,在表征离差时引入新鲜度函数,与预测中“近大远小”的原则相一致,有利于提高预测准确性。在步骤5)中,所述的基于改进离差绝对值和准则的组合预测模型如下式所示:minM=Σt=1NJt,t=1,2,...,ms.t.Σi=1mωi=1,ωi≥0,i=1,2,...,mJt=t2Σt=1Nt2|xt-Πi=1mxa-index(it)ωi|]]>上式中,Jt为组合新鲜离差绝对值,以其和最小为目标函数,即为改进离差绝对值和准则,求解上式,即可得到各个单项预测模型的加权系数{ωi,i=1,2,...m},从而计算出电力负荷预测值。在步骤6)中,所述的中长期电力负荷的预测值计算方法如下:计算m种单项预测模型对N+p(p≤5)期电力负荷的预测值xi(N+p),利用步骤5)中求得的m种单项预测模型的加权系数{ωi,i=1,2,...m},则第N+p(p≤5)期的电力负荷预测值为:xN+p=Σi=1mωixi(N+p).]]>本发明方法采用采用诱导有序几何加权平均算子(inducedorderedweightedgeometryaveragingoperator,IOWGA),结合“进大远小”的原则引入新鲜度函数,改进离差绝对值和准则,建立相应的确定加权系数优化模型,可实现对中长期电力负荷的准确预测。本发明方法充分考虑单项预测方法在不同时间的预测精度,能够消除异常点数据带来的误差,使建立的预测模型更贴近实际情况,从而可更精确地预测出中长期电力负荷。以上所述仅为本发明的较佳实施实例而已,并不用以限制本发明,凡在本发明的精神和原则之内所做的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。当前第1页1 2 3 
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1