CN103065201B - 基于温度及节假日因素的电力用电负荷预测方法 - Google Patents

Abstract

本发明涉及电力系统中为监测、预测目的的数据处理方法，特别是一种基于温度及节假日因素的电力用电负荷预测方法，先利用历史数据建立模型，区分出节假日及工作日的用电数据，并建立一个判断的虚拟变量。再利用温度与虚拟变量建立负荷的短期预测模型，然后对模型自变量进行AIC准则下的显著性检验，最后利用模型得到短期的负荷预测值。根据模型得到的负荷预测值，由于考虑了节假日因素和温度因素，因此预测效果好，预测精度高。

Description

基于温度及节假日因素的电力用电负荷预测方法

技术领域

本发明涉及一种电力系统中为监测、预测目的的数据处理方法，特别是一种基于温度及节假日因素的电力用电负荷预测方法。

背景技术

电力用户用电信息采集系统是实施有序用电管理的重要技术平台，为实施有序用电管理过程中保证限电不拉路提供了重要技术支撑。电力负荷预测是电力用户用电信息采集系统中新发展起来的重要功能，为有序用电方案的制定和实施提供了重要依据。准确的负荷预测，可以合理制定有序用电方案，针对电力供应紧缺的情况，优化电力资源配置，将电力共需矛盾给社会带来的不利影响降至最低程度，提高经济效益和社会效益。

短期负荷预测目前主要面向电力系统调度和计划部门安排购电计划和制定运行方式，由于现行体制下的节假日较多，用户用电负荷波动较大，为了保障用户用电的可靠性，经常需要提前制定用电计划，目前的预测方法采用以用户为单元的负荷预测方法,比如时间序列预测法，灰色预测理论，宏观预测法等等，但理论依据不强，考虑的因素不足，预测精度较差，预测效果也不好。

发明内容

本发明的目的在于根据现有技术的不足之处而提供一种预测精度高、预测效果好的基于温度及节假日因素的电力用电负荷预测方法。

本发明的目的是通过以下途径来实现的：

基于温度及节假日因素的电力用电负荷预测方法，其要点在于，包括有如下步骤：

（1）电力用户用电信息采集系统提供历史数据库，存储有工作日及节假日中每天j个采集时刻的采集数据；

（2）利用历史数据库中的数据建立模型，区分出节假日及工作日的用电数据类型：建立区分工作日和节假日的虚拟变量D=(D₁,D₂,……,D_m)，当D_i=1时，表示第i天为节假日或非正常用电日，当D_i=0，表示第i天为理论正常用电日，m为天数；

（3）定义 $x^j={(x_1^j,x_2^j,.......,x_m^j)}^T={(y_{1,j},y_{1,j},y_{2,j},......,y_{m-1,j})}^T$ 为第j个采集时点的一阶超前数据集；其中x^j为历史数据中一天之内在j个采集时点的负荷数据，(y_1，j,y_1，j,y_2,j，……,y_m-1,j)为的向量转置，T表示向量转置；

（4）根据上述向量转置后的一阶超前数据集建立高阶多项式回归模型： _jD+ε_，j，其中y_，j为任意一个采集点第j个采集时点所组成的向量组，t为温度向量组，D为步骤（1）所述虚拟变量，ε_,j为残差向量；β为设定的模型参数；

（5）任意选取高阶多项式回归模型的7个变量中的K个变量进行组合，得到64种不同的模型；

（6）利用OLS算法对每种模型进行参数估计，并定义AIC=mln(RSS_k+1)+2(K+1)，其中RSS_k+1为对应模型的残差平方和；

（7）选取AIC最小时所对应的模型为最终的预测模型；

（8）根据设定的采集时点采集气象系统中温度预测值，即所要预测的当天的气温预测值；以及区分工作日和节假日的虚拟变量代入最终的预测模型；最终获得预测当天所有采集时点的短期负荷预测值。

所述的高阶多项式回归模型的7个变量具体为t^k（k=1-5，即t¹、t²、t³、t⁴、t⁵）五个变量，以及x^j和D。最终获得的短期负荷预测值为一天中所有采集时点的预测值，所述的采集时点根据一天的时间进行设定，可以设定为96个采集时点或者是48个采集时点。

本发明所提供的电力用户用电信息采集系统的负荷预测方法，先利用历史数据建立模型，区分出节假日及工作日的用电数据，并建立一个判断的虚拟变量。再利用温度与虚拟变量建立负荷的短期预测模型，然后对模型自变量进行AIC准则下的显著性检验，最后利用模型得到短期的负荷预测值。根据模型得到的负荷预测值，由于考虑了节假日因素和温度因素，因此预测效果好，预测精度高。

具体实施方式

本发明所提供的一种用于电力用户用电信息采集系统的负荷预测方法，先利用历史数据建立模型，区分出节假日及工作日的用电数据，并建立一个判断的虚拟变量。再利用温度与虚拟变量建立负荷的短期预测模型，然后对模型自变量进行AIC准则下的显著性检验，最后利用模型得到短期的负荷预测值。

其中，模型具体建立步骤如下：

（1）电力用户用电信息采集系统提供历史数据库，存储有工作日及节假日中每天j个采集时刻的采集数据；

（2）利用历史数据建立模型，区分出节假日及工作日的用电数据类型：建立区分工作日和节假日的虚拟变量D=(D₁,D₂,……,D_m)，当D_i=1时，表示第i天为节假日或非正常用电日，当D_i=0，表示第i天为理论正常用电日，m为天数；

（3）定义 $x^j={(x_1^j,x_2^j,.......,x_m^j)}^T={(y_{1,j},y_{1,j},y_{2,j},......,y_{m-1,j})}^T$ 为第j个采集时点的一阶超前数据集；

（4）建立高阶多项式回归模型： _jD+ε_,j。其中y_,j为任意一个采集点第j个采集时点所组成的向量组，t为温度向量组，D为虚拟变量，识别节假日与工作日的用电特性，ε_,j为残差向量；β为设定的模型参数；

（5）任意选取上述7个变量中的K个变量进行组合，得到64种不同的模型；

（6）利用OLS法对每种模型进行参数估计，并定义AIC=mln(RSS_k+1)+2(K+1)，其中RSS_k+1为对应模型的残差平方和；

（7）选取AIC最小时所对应的模型为最终的预测模型。

其中，所述的最终预测模型为每个采集时点的预测模型，具体预测方法的实施步骤如下：

1、根据上述步骤建立一个采集时点的最终预测模型；

2、根据实际中得到的温度预测值（该温度预测值为由气象系统提供的温度预报值），及工作日与节假日的判断（即虚拟变量D值），利用模型得到一个采集点中一个采集时点的预测值；

3、重复步骤1-2，得到一天的短期负荷预测值。

本发明未述部分与现有技术相同。

Claims (1)

1.基于温度及节假日因素的电力用电负荷预测方法，其要点在于，包括有如下步骤：

(1)电力用户用电信息采集系统提供历史数据库，存储有工作日及节假日中每天j个采集时刻的采集数据；

(2)利用历史数据库中的数据建立模型，区分出节假日及工作日的用电数据类型：建立区分工作日和节假日的虚拟变量D＝(D₁,D₂,…D_i…,D_m)，当D_i＝1时，表示第i天为节假日或非正常用电日，当D_i＝0，表示第i天为理论正常用电日，m为天数；

(3)定义 $x^j={(x_1^j,x_2^j,......,x_m^j)}^T={(y_{1,j},y_{1,j},y_{2,j},......,y_{m-1,j})}^T$ 为第j个采集时点的一阶超前数据集；其中x^j为历史数据中一天之内在j个采集时点的负荷数据，(y_1,j,y_1,j,y_2,j,……,y_m-1,j)为的向量转置，T表示向量转置；

(4)根据上述向量转置后的一阶超前数据集建立高阶多项式回归模型：其中y_,j为任意一个采集点第j个采集时点所组成的向量组，t为温度向量组，D为步骤(2)所述虚拟变量，ε_,j为残差向量；β为设定的模型参数；

(5)任意选取高阶多项式回归模型的7个变量中的K个变量进行组合，得到64种不同的模型；其中0≤K≤7；

(6)利用OLS法对每种模型进行参数估计，并定义AIC＝mln(RSS_k+1)+2(K+1)，其中RSS_k+1为对应模型的残差平方和；

(7)选取AIC最小时所对应的模型为最终的预测模型；

(8)根据设定的采集时点采集气象系统中温度预测值，即所要预测的当天的气温预测值；以及区分工作日和节假日的虚拟变量代入最终的预测模型；最终获得预测当天所有采集时点的短期负荷预测值。