一种基于模型族分解与集成技术的区域饱和负荷预测方法
【技术领域】
[0001] 本发明涉及电力负荷预测技术领域，具体地说是一种基于模型族分解与集成技术 的区域饱和负荷预测方法。
【背景技术】
[0002] 根据发达国家的经验，一个地区的电力需求增长与其经济发展阶段相一致。在经 济发展达到高峰后，其用电增长速度将放缓，甚至出现负增长，呈现饱和增长阶段特征。 2015年中国经济步入新常态，经济增速由高速增长调整为中高速增长，三次产业结构优化 效果显著，其电力需求也在发生着显著变化。中国区域经济发展极为不平衡，东部沿海地区 经济发展快于中西部地区，其部分地区电力需求已由亏转盈，电力增速放缓，开始显现饱和 增长特征。因而，针对区域经济发展及电力需求具体情况，寻找此区域确定进入饱和增长阶 段的时间及电力规模非常重要，这将直接决定最大电力需求，对电网建设工作指导贡献突 出。
[0003] 在已有的负荷预测技术中，多以趋势外推、灰色预测、线性回归等单一方法为主， 各方法的预测结果差异较大，给电力研究者和企业决策者带来了困扰。
【发明内容】
[0004] 本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于模型 族分解与集成技术的区域饱和负荷预测方法，其通过分析区域经济发展阶段与电力需求关 系，分析影响区域负荷增长的主要因素，提出适合区域饱和负荷预测的方法，预测此区域饱 和负荷出现的时间以及规模，为电网规划提供依据。
[0005] 为此，本发明采用的技术方案为:一种基于模型族分解与集成技术的区域饱和负 荷预测方法，包括以下步骤：
[0006] (1)提取区域负荷增长的主要影响因素；
[0007] 在已有研究基础上，结合当地区域实际数据，在与用电量密切相关的国民经济指 标中提取影响当地负荷增长的主要因素，这里的指标包括地区生产总值(GDP)、人口因素、 全社会固定资产投资、进出口总额、居民消费、能源消费结构、人均用电量以及各产业用电 里寺。
[0008] (2)选择合适的单一预测方法或模型预测此区域饱和负荷；
[0009] 崔凯，李敬如，赵彪等人(2008年)在《城市饱和负荷及其预测方法研究》指出，国内 外饱和负荷预测方法并不多，且所考虑的侧重点并不相同，在预测参数选择上往往差别很 大。现已有的饱和负荷预测方法基本上是采用人均饱和用电量法、空间饱和负荷密度法、计 量经济模型、基于系统动力学(灰色Verhulst模型）、S型曲线等。这些方法各有特点，可操作 性强。
[0010] (3)利用优化组合预测模型预测此区域饱和负荷出现的时间及规模;所述的优化 组合预测模型为：
[0011]
[0012]其中，Qp为优化组合预测模型的预测值，Ql为第i个预测方法或模型的预测值，1^为 第i个预测方法或模型的权值系数；
[0013] 单个预测方法或模型虽然简单、易操作，能从不同角度反映信息特征，但存在预测 方法或模型适用范围有限、反映信息不全面等特点。如果在预测过程中仅因为某个预测方 法或模型误差大而将其舍弃，则可能造成有用信息的丢失。组合预测综合利用了各单个预 测方法或模型的有用信息，并且克服单个预测方法或模型的缺陷，提高预测精度。可以通过 设定权重将各个预测结果进行综合评价。但是，在组合预测中，权重的选择十分重要，合理 的权重会大大提高预测精度，基于此，本发明运用熵值方法，根据各个预测方法或模型预测 误差序列的变异程度，确定各个预测方法或模型权重系数，运用熵值法确定权重系数的具 体步骤如下：
[0014] (a)将各个预测方法或模型的相对误差序列进行归一化处理
[0015]
[0016]
[0017] (b)计算第i个预测方法或模型的相对误差的熵值
[0018]
[0019]其中，p为大于〇的常数，对于第i个预测方法而言，如果qlk全部相等，即那 η 么hi取极大值，即hi = plnn，取/> 二 -，有0 < hi < 1; in η
[0020] (c)计算第i个预测方法或模型相对误差序列的变异程度系数
[0021 ]第i个预测方法或模型预测相对误差序列的变异程度系数记为6 = 1-lu，i = 1， 2,…，m;
[0022] (d)计算各种预测方法或模型的权重系数
[0023]
[0024]
[0025] 优化组合预测模型的基本原理是如何选择恰当的单一预测方法或模型，并求出权 重系数，以期有效地改善预测模型的拟合能力，提高预测精度。
[0026] 进一步，步骤(2)中所述的单一预测方法为：
[0027] 人均饱和电量法，以达到饱和时的人口预测值乘以达到饱和时的人均用电量预测 值，来预测全社会用电量饱和规模，表示为：
[0028] Qsl = NpopXQver,
[0029] Psl = Qsl/Tmax,
[0030] 其中：Qsl是全社会用电量，Npcip是人口数量，Q V(3r是人均用电量，PS1是年最大负荷， Tmax是最大负荷利用小时数。
[0031] 进一步，步骤(2)中所述的单一预测方法为：
[0032] 空间饱和负荷密度法，以地区不同性质土地具有不同的饱和负荷密度为依据，对 地区进行空间划分，用划分的所有空间的饱和负荷密度乘上对应的空间划分面积，求和得 到总的全社会用电量饱和规模，表示为：
[0033]
[0034]
[0035]其中：Qsl是全社会用电量，&是第i类性质土地的面积，QS1是第i类性质土地的负荷 密度，PS1是第i类性质土地的年最大负荷密度，R是最大负荷同时率。
[0036] 进一步，步骤(2)中所述的单一预测模型为：
[0037] 计量经济学模型，采用计量经济学方法，建立ECM模型，建立各个因素与分部门用 电量之间的回归模型，然后，得到总用电量的模型；
[0038] 根据本区域用电结构与产业结构的相关性搭建计量经济学模型：
[0039] (1)第一产业的用电量：
[0040] Qi = Ai+A2GDPi+ui,
[0041] 其中，Q:是第一产业用电量，Ai、A^系数，GDP:是第一产业增加值占比，m是扰动 项；
[0042] (2)第二产业的用电量：
[0043] Q2 = A3+A4GDP2+U2，
[0044] 其中Q2是第二产业用电量，A3、A4是系数，GDP2是第二产业增加值占比，u 2是扰动项；
[0045] (3)第三产业的用电量：
[0046] Q3 = A5+A6GDP3+U3，
[0047] 其中Q3是第三产业用电量，A5、A6是系数，GDP3是第三产业增加值占比，u 3是扰动项；
[0048] (4)居民用电量：
[0049] Qj = A7+A8GDP+A9P0P+U4,
[0050] 其中Qj是居民用电量，A7、A8、A9是系数，GDP是国民生产总值，POP为人口数量，U4是 扰动项；
[0051 ] (5)最大负荷：
[0052] Pi = Bi+B2GDP+B3Pj+U5，i = j+Ι，
[0053] 其中，Pi为该地区第i年最大负荷，GDP为地区生产总值，Bi、B2、B 3为常数，u5为随机 扰动项；
[0054] (6)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+居民用 电量。
[0055] 进一步，步骤(2)中所述的单一预测模型为：
[0056] 灰色 Verhulst 模型：
[0057] A.模型设定
[0058]有非负原始数据序列：
[0059] Χ0={χ0(1),χ°(2),···,Χ〇(η)},
[0060] 对进行一阶累加得到新生成的序列为：
[0061 ] X1= {xHl) ^：(2), ··· ,χΗη)}, k-
[0062] 其中：xHir) =. [ Z(i)，..々=1，2,…，
[0063] Ζ1为X1的紧邻均值生成序列：
[0064] Z1= {zHl) 乂⑵，…,ζΗη)}，
[0065] 其中：2^10=0.5χΗ?〇+0·SxHk+l)，k = 1，2，…，η_1，
[0066] 可以得到满足灰色建模三条件的GM(1，1)非线性模型：
[0067] x°(k)+az1(k) = b(z1(k) )α,
[0068] 其中a为发展系数，b为灰作用量， dXl(f)
[0069] 其白化方程为一7-+ WHi)=々(ΖΗ?))?其中t是时间； at ，
[