一种基于分类-关联-修正的电力需求预测方法与流程

本发明属于电力需求预测，具体涉及一种基于分类-关联-修正的电力需求预测方法。

背景技术：

1、电力工业的发展直接关系到社会的发达水平，对于改善国民生活水平以及推动我国经济社会发展起到了巨大的保障作用。随着城镇化、工业化进程的加快，我国电力行业面临着加快发展和加快转型的双重压力。在国家采取增加装机容量、区域联网、用户侧负荷管理等措施的情况下，我国电力供需总量处于基本平衡状态，但仍会发生一些季节性、地区性缺电现象，甚至会有较大范围的电力供需紧张的罕见局面出现，电力供需失衡情况严重制约了我国社会经济的快速发展，影响人民的正常生活。而电力需求的变化趋势对于分析电力供需形势具有重要帮助，因此，在电力供需矛盾日趋加剧的今天，对电力行业的电力需求形势进行预测具有重要的现实意义。

2、针对电力需求预测方法，国内外众多学者已经进行了大量研究。王飞燕(王飞燕.基于误差修正时间序列模型的短期电力需求预测分析[j].甘肃科技,2016,32(19):46-47+24.)采用移动平均法、时间序列法建立的电力需求预测模型对许昌市短期电力需求进行分析预测，通过将两种预测方法加权组合改进预测误差，获得了精度较高的加权组合预测模型。冯奕(冯奕,张茜,董丹丹.基于灰色预测下的城市电力需求与对策研究——以南通市为例[j].南京工程学院学报(社会科学版),2017,17(01):47-52.)分析了新经济形势下南通市电力需求的特点，探究了影响南通市电力需求的因素，利用灰色预测方法预测了南通市未来五年的电力需求，并有针对性地为南通市电力发展提出了一系列建议与对策。cao g(cao g,wu l.support vector regression with fruit fly optimization algorithmfor seasonal electricity consumption forecasting[j].energy,2016,115:734-745.)运用了支持向量机对中美两国的电力需求进行了预测，采用果蝇算法优化支持向量机模型的参数，最后利用季节指数对预测结果进行修正。xun(xun,dang y,gong y.novel greyprediction model with nonlinear optimized time response method forforecasting of electricity consumption in china[j].energy,2017,118(jan.1):473-480.)则利用粒子群算法对灰色预测模型进行优化，有效适应了中国电力需求序列的时变特征，大大提高了预测精度。zhang z(zhang z,gong y,wang z.accessible remotesensing data based reference evapotranspiration estimation modelling[j].agricultural water management,2018,210:59-69.)使用了bp神经网络、anfis模糊推断系统和季节差分算法对电力需求序列进行预测，并利用差分进化算法将每个预测算法赋权集成，取得了更好的预测效果。gonzalez-romera e(gonzalez-romera e,jaramillo-moranm a,carmona-fernandez d.forecasting of the electric energy demand trend andmonthly fluctuation with neural networks[j].computers&industrial engineering,2007,52(3):336-343.)则是将电力需求时间序列分解为趋势部分和波动部分，然后分别使用神经网络模型进行训练，从而预测西班牙的月度电力消费情况。徐新卫(徐新卫,谢尚金,周俊.基于灰色-马尔科夫的马鞍山市电力需求预测分析[j].南阳理工学院学报,2021,13(02):19-25.)将马尔科夫理论与灰色预测模型相结合，构建了灰色-马尔科夫组合预测模型，克服了灰色预测模型拟合度差的缺点，提高了模型的预测精度并有效预测了马鞍山市未来三年的电力需求量。沈澜(沈澜,夏滢铃,陈连杰.浙江省中长期电力供需预测及对策分析[j].中国能源,2022,44(07):66-73.)采用了主成分分析法和线性回归法，预测了浙江省2022年-2030年的用电需求，并结合了浙江省能源生产状况和能源发展规划预测未来中长期的电力供应。王欣(王欣,谢文华,张利君.基于shapley值组合模型的电力需求预测研究[j].内蒙古电力技术,2021,39(06):40-44+48.)利用灰色关联模型对电力需求的影响因素进行分析，基于shapley理论构建了基于gm和pso-elm的电力需求组合预测模型，取得了更高的预测精度。

技术实现思路

1、本发明的目的是为了克服现有技术的不足，而提供一种基于分类-关联-修正的电力需求预测方法，用于在电力供需矛盾日趋加剧的今天，为未来社会电力需求的预测方法提供一种参考。

2、本发明的目的是这样实现的：一种基于分类-关联-修正的电力需求预测方法，它包括以下步骤：

3、步骤1、将全社会用电量按照产业用电分为第一产业用电、第二产业用电、第三产业用电、城镇居民用电和乡村居民用电五类，利用灰色关联分析方法筛选出与全社会用电量关联程度较大的三类产业用电，建立多元回归方程；

4、步骤2、分别筛选出影响三类产业用电变化程度较大的三个影响因素，分别建立各产业用电与各自影响因素的多元回归分析方程，得到各产业用电回归预测模型，进一步综合得到全社会电力需求回归预测模型，然后以产业电量占比作为修正系数提高预测结果的准确性；

5、步骤3、利用灰色预测方法对各影响因素的未来数据进行预测，将数据分别代入各产业用电回归预测模型中，得到各产业用电预测值，进一步计算得到最终的全社会电力需求预测结果。

6、所述步骤1和步骤2利用灰色关联分析方法中的灰色关联度计算公式计算各类因素指标对电力需求的影响程度，相关计算步骤如下所示：

7、①确定电力需求量的母序列x0和影响因素指标的子序列xi：

8、x0＝(x0(1),x0(2),...,x0(n))    (1)

9、xi＝(xi(1),xi(2),...,xi(n))；i＝(1,2,...,m)    (2)

10、②对数据进行无量纲化处理，求得各序列的初值像，采用均值化处理：

11、

12、③计算关联系数：

13、

14、式中，γ为子序列xi对母序列x0在第k个指标上的关联系数；ρ称为分辨系数，通常取0.5；和分别为两级最小差和两级最大差；

15、④计算灰色关联度：

16、

17、⑤根据灰色关联度的大小对影响因素进行排序，关联度值越大，影响因素对电力需求的影响程度越高。

18、所述步骤2选取关联程度较大的因素与电力需求量建立多元回归预测模型，表达式如下式(6)所示：

19、y＝a0+b1x1+b2x2+···+bmxm    (6)

20、式中，x1,x2,x3,···xm为可控变量；a0,b1,b2,b3,···bm为模型参数。

21、所述步骤3利用灰色预测方法预测各产业用电回归模型中的影响因素变量在未来一定时间内的数据，将得到的影响因素预测数据输入到各产业用电回归预测模型中，进一步计算得到电力需求预测值；

22、采用的灰色预测为gm(1,1)模型，建模步骤如下：

23、对于时间序列为：

24、x(0)＝{x(0)(1),x(0)(2),···,x(0)(n)}    (7)

25、其一次累加生成序列为：

26、x(1)＝{x(1)(1),x(1)(2),···,x(1)(n)}    (8)

27、x(1)的紧邻均值生成序列为：

28、z(1)＝{z(1)(1),z(1)(2),···,z(1)(n)}    (9)

29、则gm(1,1)模型的灰微分方程模型为：

30、x(0)(k)+az(1)(k)＝b    (10)

31、其中，a为发展系数；b为灰色作用量；k＝2,3,···,n；

32、最终利用最小二乘法求解微分方程，可得灰色预测方程为如下式。

33、

34、本发明的有益效果：

35、(1)本发明利用数据驱动，以获取数据洞察；将电力需求量按产业用电分类，进一步从不同角度分析了影响电力需求变化的影响因素，较传统的数学模型预测电力需求量而言，更易于理解和操作，有效降低了电力需求预测的计算复杂度。

36、(2)本发明以产业用电电量占比为参数对预测精度进行修正优化，较传统的预测模型来说更加客观、真实、准确。

37、(3)本发明利用多元回归分析与灰色预测的组合预测方式，较单一的预测方式有更高的精确度。