CN105787587A - 一种基于多元回归的电网系统应急物资需求预测方法 - Google Patents

Abstract

本发明公开了一种基于多元回归的电网系统应急物资需求预测方法，包括建模、归一化处理、多元回归训练和校验等步骤，本发明综合了本地电网规模、灾害事件特征(灾害等级等)、响应等级等因素，并根据多元回归法建立数学模型，利用历史数据训练获得每个因素对应急资源预测的影响系数，最后采用预测模型，快速计算当某种灾害事件发生后对各种应急物资的需求量，指导相关部门按需储备或采购物资，保证电网抢修的顺利进行，同时避免过量储备或采购导致的资金浪费。

Description

一种基于多元回归的电网系统应急物资需求预测方法

技术领域

本发明涉及一种自然灾害后电网系统应急物资与设备需求的预测方法，特别是一种基于多元回归法的电网系统应急物资需求预测方法。

背景技术

中国沿海台风等灾害频繁，导致电网经常被破坏。为即时抢修电网，恢复对用户的正常供电，电网系统维修应急物资的保障至关重要。但由于灾害的突发性以及破坏程度的不可预测性，以及物资订购到货的滞后性，导致应急物资储备在品种、数量上，或短缺或重复冗余，导致整体保障系数下降及资金浪费。因此，应急物资的合理预测，可指导相关部门按需储备或采购物资，保证电网抢修的顺利进行，同时避免过量储备或采购导致的资金浪费。

应急物资预测是物资采购的依据和基础，预测的准确性直接关系到电网抢修方案的确定、应急资源的有效配置和投资的经济性。应急物资预测是指通过对以往应急物资使用的历史数据分析来对未来需求量的预测、分析和研究。通过运用统计学、数学、计算机、工程技术及经验分析等定性定量的方法，探索事物之间的内在联系和发展变化规律，对未来灾后的物资需求量做出预先估计和推测。应急物资预测结果的准确与否直接关系到电网的抢修速度、灾后电网的稳定运行、人民生活生产的正常运转。但要做到预测准确或较准确是很困难的，因为影响应急物资需求的因素相当多，且各地区电网分布规模和地理环境不同，各具体因素对应急物资预测的敏感度不一样。此外，历史数据样本数量少，且变量数据不全或缺失，也是重要影响因素。这些因素综合在一起导致应急物资预测具有模糊性。目前关于预测的理论和方法很多，如何利用少量的历史数据，以及缺失或不准确的变量数据，得出规划所需的预测成果是本发明的主要目标。

发明内容

本发明要解决的技术问题是：针对上述问题，提供一种能够结合各种影响应急物资需求量的因素进行需求预测方法。

本发明的技术方案是：

一种基于多元回归的电网系统应急物资需求预测方法，包括以下步骤:

一，从电网系统相关部门数据库中采集历史数据统计中各自然灾害事件发生后的各种物资的需求量，以及各种变量因素的值，拟定有n个因素与待预测量有关，每个因素代表一种影响应急物资需求量的类型，以X_mn表示第n个因素在己知的历史事件m中需求值，而A_n表示该第n个因素对预测值的影响系数，X_m表示事件中需要的应急物资需求量的预测值，并获得每一种物资的数学模型：A₁X_m1+A₂X_m2+……+A_nX_mn＝X_m；

二，在上述模型中定义X_m1表示该地区风力等级因素，X_m2表示降雨量因素，X_m3表示当地去年年度用电总量因素，对数据库中的所有历史事件中上述三个因素和需求量做归一化预处理，分别为B_n、R_n、S_n和Y_n，则归一化后的数学模型：A₁B_n+A₂R_n+A₃S_n＝Y_n；

三，根据上述归一化数学模型，输入历史数据进行多元回归训练，解出每种物资所对应的每个因素的影响系数A_n的值；

四，对训练好的预测模型输入测试数据检验预测效果，若测试误差值满足要求，则将当前事件设定的风力等级、降雨量、年度用电总量等归一化值代入解出的多元回归模型，获得的数值Y即待预测的未来应急物资需求量。

在步骤二中，对历史应急物资需求数据统一进行极差变换法的归一化处理，对每一种物资，X_n表示该事件中该物资的需求值，历史需求中的最大值和最小值用符号MAX、MIN表示，则

$Y_n=\frac{X_n-MIN}{MAX-MIN}.$

在步骤二中，以MAX1表示历史数据中的风力等级最大值，表示归一化后的风力等级因素B_n＝X_m1/MAX1。

在步骤二中，以MAX2表示历史数据中的降雨量最大值，则归一化后的降雨量因素R_n＝X_m2/MMAX2。

在步骤二中，以MAX(E)表示所有事件中的用电量最大值，PGDP表示所有事件中该地区的人均GDP，MIN(PGDP)表示所有事件中人均GDP最小值，则归一化后的用电量因素

本发明的有益效果：

综合了本地电网规模、灾害事件特征(灾害等级等)、响应等级等因素，并根据多元回归法建立数学模型，利用历史数据训练获得每个因素对应急资源预测的影响系数，最后采用上述预测模型，快速计算当某种灾害事件发生后对各种应急物资的需求量，指导相关部门按需储备或采购物资，保证电网抢修的顺利进行，同时避免过量储备或采购导致的资金浪费。多元回归法将复杂的数学概率统计方法与电网系统维护相结合，根据具体的响应等级对应急事件所需物资进行优化计算，输出准确高效的应急物资储备方案，确保储备物资满足应急需要，避免应急物资储备中重复储备和储备不足，使应急物资储备水平得到显著提升。

具体实施方式

基于多元回归法的应急物资预测方法，具体包括如下步骤：

1)从电网系统相关部门数据库中采集历史数据统计中各自然灾害事件发生后的各种物资的需求量，以及各种变量因素的值。拟定有n个因素与待预测量有关，每个因素代表一种影响应急物资需求量的类型，以X_mn表示第n个因素在己知的历史事件m中的归一化值，而A_n表示该第n个因素对预测值的影响系数，并获得以下数学模型：

A₁X₁₁+A₂X₁₂+……+A_nX_1n＝X₁；

A₁X₂₁+A₂X₂₂+……+A_nX_2n＝X₂；

A₁X_m1+A₂X_m2+……+A_nX_mn＝X_m；

X_m表示事件(时间为m)中需要的应急物资需求量的预测值，该预测值同样为历史数据中的己知值，即实际的历史事件中应急物资需求值。

2)上述数学模型中，根据实际情况，在上述模型中定义X_m1表示该地区风力等级因素，X_m2表示降雨量因素，X_m3表示当地去年年度用电总量因素(跟电网规模直接相关)；根据上述数学模型，进行归一化处理后输入历史数据进行多元回归训练，解出每个因素的影响系数A_n的值，即A₁、A₂......A_n；

3)对训练好的预测模型输入测试数据检验预测效果，直到测试误差值满足要求。然后将当前设定的风力等级、降雨量、年度用电总量等归一化值代入多元回归模型，获得的数值即待预测的未来应急物资需求量的归一化值。

为提高预测的准确度以及减少计算的误差，需要对历史应急物资需求量、灾害事件特征(风力等级、降雨量等)、本地电网规模属性进行数据预处理，具体方法如下：

1)对历史应急物资需求数据统一进行极差变换法的归一化处理，处理方法：对每一种物资，历史需求中的最大值和最小值用符号MAX、MIN表示，则数据采用公式(1)归一化处理：

$Y_n=\frac{X_n-MIN}{MAX-MIN}---\left(1\right)$

公式中，Y_n表示归一化后的需求量因素，通过上述预处理保证了各需求量之间的相对关系不变，而需求量的值转化为[0，1]区间的数值。采用该方法，所有物资的需求数量都归一化的[0,1]之间，保证数据分布的统一性。

2)对灾害事件特征的定量归一化预处理；

应急物资的需求量主要以灾害中被毁坏的数量为根据，而被毁坏的数量跟灾害的破坏力直接相关，因此，需要对这种灾害破坏力进行量化。台风灾害主要破坏力为本地风力等级以及降雨量。由于风力等级与风速度直接相关，基本成线性关系，不宜采用极差变化法处理。所以对历史数据中风力等级采用公式(2)这种直接量化法进行归一化处理，保证数据分布的统一性。

$B_n=\frac{X_{m1}}{MAX1}---\left(2\right)$

公式中，X_m1为事件中的风力等级，MAX表示历史数据中的风力最大值，B_n表示归一化后的风力等级因素。通过上述预处理保证了各需求量之间的相对关系不变，所有物资的需求数量都归一化的[0,1]之间，保证数据分布的统一性。

同理，MAX2表示历史数据中的降雨量最大值，对降雨量也采用相同方法处理得到降雨量归一化值R_n。

$R_n=\frac{X_{m2}}{MAX2}$

3)对电网规模的定量归一化预处理

应急物资的需求量主要以灾害中被毁坏的数量为根据，而被毁坏的数量还跟本地的电网规模有直接关系。通常情况下，电网规模越大的，被破坏的也越大，因此，需要定量表示这种电网规模。由于电网的复杂性，很难统计表示为一个确定的量，但对于预测问题，由于预测模型中系数能根据训练数据自动调节。只要各地的电网规模相对关系不变就可以，因此，可以用一些与电网规模直接相关的量来近似表示电网规模，如本地年度用电量，区域面积、人口等。但用这些单一的量都有一定误差，如相同电网规模下，不同产业机构，用电量就不一样，工业城市的年度用量，就比农业城市要大。本发明以年度用电量为主，其它值为辅，来计算一个相对值，表示电网规模，如公式(3)。

$S_n=\frac{X_{m3}}{MAX\left(E\right)}\·\frac{MIN\left(PGDP\right)}{{\mathrm{PGDP}}_n}---\left(3\right)$

公式中，S_n表示归一化后的各地电网规模相对值，MAX(E)表示所有城市中的用电量最大值，该值对电网规模起主导作用；PGDP_n为某案例中该地区的人均GDP，MIN(PGDP)表示所有城市中人均GDP最小值，通常人均GDP较高的地区(如工业地区)意味着生产发达，电网利用率较高，相同用电量情况下电网规模就要小一些。所以用该值辅助修正电网规模。通过上述预处理保证了各地电网规模之间的相对关系不变，都归一化到的[0,1]之间，保证数据分布的统一性。

基于本发明的应急物资需求量预测方案，可以根据上述三个影响因素量化统计得到多元回归的训练样本。

如表1所示的多元回归训练样本输入矩阵，其中，属性B为风力归一化值，属性R为降雨量归一化值，属性S为用电量归一化值，目标值为对应物资的历史需求量归一化值。然后将数据输入多元回归模型进行训练，根据均方误差最小化原则，得到回归估计函数，从而建立预测模型，接着对训练好的预测模型输入测试数据检验预测效果，若测试误差值满足要求(一般地，预测误差为变量值的0.5％至3％)则最后利用该模型对未来需求量进行预测。

表1多元回归训练样本输入矩阵

目标值	属性值X1	属性值X2	属性值X3
				Y1	B1	R1	S1
Y2	B2	R2	S2
				….	….	….	….
Yn	Bn	Rn	Sn

本发明考虑多种因素对电网系统应急物资的影响，利用历史数据训练所构建的模型中的系数，求出待求量与各变化因素之间的关系，进而得到预测的待求量。在影响系数的求解中，每一次灾害的数据可以列一个方程，历史灾害次数越多，方程的个数越多，预测的就越准确。采用专业开发语言进行开发，快速准确的计算出多元回归结果。

Claims (5)

1.一种基于多元回归的电网系统应急物资需求预测方法，其特征在于包括以下步骤:

一，从电网系统相关部门数据库中采集历史数据统计中各自然灾害事件发生后的各种物资的需求量，以及各种变量因素的值，拟定有n个因素与待预测量有关，每个因素代表一种影响应急物资需求量的类型，以X_mn表示第n个因素在己知的历史事件m中需求值，而A_n表示该第n个因素对预测值的影响系数，X_m表示事件中需要的应急物资需求量的预测值，并获得每一种物资的数学模型：A₁X_m1+A₂X_m2+……+A_nX_mn＝X_m；

二，在上述模型中定义X_m1表示该地区风力等级因素，X_m2表示降雨量因素，X_m3表示当地去年年度用电总量因素，对数据库中的所有历史事件中上述三个因素和需求量做归一化预处理，分别为B_n、R_n、S_n和Y_n，则归一化后的数学模型：A₁B_n+A₂R_n+A₃S_n＝Y_n；

三，根据上述归一化数学模型，输入历史数据进行多元回归训练，解出每种物资所对应的每个因素的影响系数A_n的值；

四，对训练好的预测模型输入测试数据检验预测效果，若测试误差值满足要求，则将当前事件设定的风力等级、降雨量、年度用电总量等归一化值代入解出的多元回归模型，获得的数值Y即待预测的未来应急物资需求量。

2.根据权利要求1所述基于多元回归的电网系统应急物资需求预测方法，其特征在于:在步骤二中，对历史应急物资需求数据统一进行极差变换法的归一化处理，对每一种物资，X_n

表示该事件中该物资的需求值，历史需求中的最大值和最小值用符号MAX、MIN表示，则 $Y_n=\frac{X_n-MIN}{MAX-MIN}.$

3.根据权利要求1所述基于多元回归的电网系统应急物资需求预测方法，其特征在于:在步骤二中，以MAX1表示历史数据中的风力等级最大值，表示归一化后的风力等级因素B_n＝X_m1/MAX1。

4.根据权利要求1所述基于多元回归的电网系统应急物资需求预测方法，其特征在于:在步骤二中，以MAX2表示历史数据中的降雨量最大值，则归一化后的降雨量因素R_n＝X_m2/MMAX2。

5.根据权利要求1所述基于多元回归的电网系统应急物资需求预测方法，其特征在于:在步骤二中，以MAX(E)表示所有事件中的用电量最大值，PGDP表示某个事件中该地区的人均GDP，MIN(PGDP)表示所有事件中人均GDP最小值，则归一化后的用电量因素。