CN105956698A - 基于iowga算子和新鲜预测精度的电力负荷组合预测方法 - Google Patents

Abstract

一种基于IOWGA算子和新鲜预测精度的电力负荷组合预测方法。其包括获取历史电力负荷数据x_t的N期历史序列；计算第i种预测模型第t期预测值的预测精度a_it；计算由t(t＝1,2,…N)时刻预测精度序列{a_it,i＝1,2,…m}所诱导产生的IOWGA算子组合预测值I_OWGAωt；计算t(t＝1,2,…N)时刻基于IOWGA算子组合预测值I_OWGAωt的组合新鲜预测精度q_t；建立以新鲜预测精度q_t为准则的基于IOWGA算子组合预测值I_OWGAωt的组合预测模型，然后求解该组合预测模型而得到m种单项预测模型的加权系数；利用加权系数计算中长期电力负荷预测值等步骤。本发明方法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，使得中长期电力系统负荷预测更加准确。

Description

基于IOWGA算子和新鲜预测精度的电力负荷组合预测方法

技术领域

本发明属于电网规划运行技术领域，特别是涉及一种基于IOWGA算子和新鲜预测精度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权重，尚需进一步的研究和探索。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于IOWGA算子和新鲜预测精度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IOWGA算子和新鲜预测精度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)获取历史电力负荷数据x_t的N期历史序列{x_t,t＝1，2，…N}，然后确定进行预测时所使用的m种单项预测模型，，令x_it为第i种预测模型第t期预测值，t＝1,2,…N，i＝1,2,…m；

步骤2)计算第i种预测模型第t期预测值的预测精度a_it，对于第i种单项预测模型，能够得到预测精度序列{a_it,t＝1，2，…N}；

步骤3)计算由t(t＝1，2，…N)时刻预测精度序列{a_it,i＝1，2，…m}所诱导产生的IOWGA算子组合预测值I_OWGAωt；

步骤4)计算t(t＝1,2,…N)时刻基于IOWGA算子组合预测值I_OWGAωt的组合新鲜预测精度q_t；

步骤5)建立以新鲜预测精度q_t为准则的基于IOWGA算子组合预测值I_OWGAωt的组合预测模型，然后求解该组合预测模型而得到m种单项预测模型的加权系数{ω_i，i＝1，2，…m}，并且满足

步骤6)利用上述m种单项预测模型的加权系数{ω_i，i＝1，2，…m}，计算出中长期电力负荷预测值。

在步骤2)中，所述的预测精度a_it由下式计算：

$a_{it}=\left\{\begin{array}{cc}1-\left|e_{it}\right|& \left|e_{it}\right|\≤1\\ 0& \left|e_{it}\right|\≥1\end{array}\right.$

其中e_it为第i种预测模型第t期预测值x_it的预测误差：

$e_{it}=\left\{\begin{array}{cc}1& (x_t-x_{it})/x_t<-1\\ (x_t-x_{it})/x_t& -1\&le;(x_t-x_{it})/x_t\&le;1\\ 1& (x_t-x_{it})/x_t>1\end{array}\right..$

在步骤3)中，所述的IOWGA算子组合预测值I_OWGAωt的计算公式如下：

$I_{OWGA\mathrm{\&omega;}t}(<a_{1t},x_{1t}>,<a_{2t},x_{2t}>,...<a_{mt},x_{mt}>)=\underset{i=1}{\overset{m}{\&Pi;}}{x}_{a-index\left(it\right)}^{{\mathrm{\&omega;}}_i};$

上式中，x_it为第i种预测模型第t期的预测值，a_it是第i种预测模型第t期预测值的预测精度，ω_i为第i种预测模型在组合预测模型中的权重，a-index(i)是分量a_1t，a_2t，…，a_mt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I_OWGAωt的组合新鲜预测精度q_t由下式计算：

$q_t=\frac{t}{\underset{t=1}{\overset{N}{\&Sigma;}}t}(1-|\frac{x_t-\underset{i=1}{\overset{m}{\&Pi;}}{x}_{a-index\left(it\right)}^{{\mathrm{\&omega;}}_i}}{x_t}\left|\right)$

其中，为新鲜度函数；x_t为历史电力负荷数据；为IOWGA算子组合预测值I_OWGAωt。

在步骤5)中，所述的建立以新鲜预测精度q_t为准则的基于IOWGA算子组合预测值I_OWGAωt的组合预测模型，然后求解该组合预测模型而得到m种单项预测模型的加权系数的方法如下：

以新鲜预测精度q_t为准则的基于IOWGA算子组合预测值I_OWGAωt的组合预测模型如下式所示：

$\left\{\begin{array}{cc}\max M=\underset{t=1}{\overset{N}{\&Sigma;}}{q}_t& t=1,2,\mathrm{...},m\\ s.t.& {\&Sigma;}_{i=1}^m{\mathrm{\&omega;}}_i=1,\\ {\mathrm{\&omega;}}_i\&GreaterEqual;0,& i=1,2,\mathrm{...},m\\ & q_t=\frac{t}{\underset{t=1}{\overset{N}{\&Sigma;}}t}(1-|\frac{x_t-\underset{i=1}{\overset{m}{\&Pi;}}{x}_{a-index\left(it\right)}^{{\mathrm{\&omega;}}_i}}{x_t}\left|\right)\end{array}\right.$

求解上式，即可得到m种单项预测模型的加权系数{ω_i，i＝1，2，…m}。

在步骤6)中，所述的利用m种单项预测模型的加权系数{ω_i，i＝1，2，…m}，计算出中长期电力负荷预测值的方法如下：首先计算出m种单项预测模型对N+p(p≤5)期电力负荷的预测值x_i(N+p)，然后利用步骤5)中求取的m种单项预测模型的加权系数{ω_i，i＝1，2，…m}，计算出第N+p(p≤5)期的电力负荷预测值为：

$x_{N+p}=\underset{i=1}{\overset{m}{\&Sigma;}}{\mathrm{\&omega;}}_i{x}_{i(N+p)}.$

本发明提供的基于IOWGA算子和新鲜预测精度的电力负荷组合预测方法有益效果：

与现有电力负荷组合预测方法相比，本方法基于IOWGA算子，充分考虑了各单项预测模型在不同时间的预测精度，使得组合预测模型的加权系数随着不同时刻预测精度的变化而变化，这样可使组合预测模型具有动态性，并且引入新鲜度函数，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，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IOWGA算子和新鲜预测精度的电力负荷组合预测方法的流程图；

具体实施方式

下面结合附图和具体实施例对本发明提供的基于IOWGA算子和新鲜预测精度的电力负荷组合预测方法进行详细说明；应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明；

如图1所示，本发明提供的基于IOWGA算子和新鲜预测精度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)获取历史电力负荷数据x_t的N期历史序列{x_t，t＝1，2，…N}，然后确定进行预测时所使用的m种单项预测模型，令x_it为第i种预测模型第t期预测值，t＝1,2,…N，i＝1,2,…m；

步骤2)计算第i种预测模型第t期预测值的预测精度a_it，对于第i种单项预测模型，能够得到预测精度序列{a_it,t＝1，2，…N}；

步骤3)计算由t(t＝1，2，…N)时刻预测精度序列{a_it,i＝1，2，…m}所诱导产生的IOWGA算子组合预测值I_OWGAωt；

步骤4)计算t(t＝1,2,…N)时刻基于IOWGA算子组合预测值I_OWGAωt的组合新鲜预测精度q_t；

步骤5)建立以新鲜预测精度q_t为准则的基于IOWGA算子组合预测值I_OWGAωt的组合预测模型，然后求解该组合预测模型而得到m种单项预测模型的加权系数{ω_i,i＝1,2,…m}，并且满足

步骤6)利用上述m种单项预测模型的加权系数{ω_i,i＝1,2,…m}，计算出中长期电力负荷预测值。

在步骤2)中，所述的预测精度a_it由下式计算：

$a_{it}=\left\{\begin{array}{cc}1-\left|e_{it}\right|& \left|e_{it}\right|\&le;1\\ 0& \left|e_{it}\right|\&GreaterEqual;1\end{array}\right.$

其中e_it为第i种预测模型第t期预测值x_it的预测误差：

$e_{it}=\left\{\begin{array}{cc}1& (x_t-x_{it})/x_t<-1\\ (x_t-x_{it})/x_t& -1\&le;(x_t-x_{it})/x_t\&le;1\\ 1& (x_t-x_{it})/x_t>1\end{array}\right.$

在步骤3)中，所述的IOWGA算子组合预测值I_OWGAωt的计算方法如下：

IOWGA算子的定义为：

设<a₁,x₁>,<a₂,x₂>,…<a_m,x_m>为m个二维数组，m维非负向量{ω_i,i＝1,2,…m}满足归一化条件则令：

$I_{OWGA}(<a_1,x_1>,<a_2,x_2>,...<a_m,x_m>)=\underset{i=1}{\overset{m}{\&Pi;}}{x}_{a-index\left(i\right)}^{{\mathrm{\&omega;}}_i}$

称I_OWGA为m维诱导有序几何加权平均算子，a_i称为诱导值；其中a-index(i)是分量a₁，a₂，…，a_m按从大到小排列的第i个位置下标；

依据上述定义，所述的IOWGA算子组合预测值I_OWGAωt由下式计算：

$I_{OWGA\mathrm{\&omega;}t}(<a_{1t},x_{1t}>,<a_{2t},x_{2t}>,...<a_{mt},x_{mt}>)=\underset{i=1}{\overset{m}{\&Pi;}}{x}_{a-index\left(it\right)}^{{\mathrm{\&omega;}}_i};$

上式中，x_it为第i种预测模型第t期的预测值，a_it是第i种预测模型第t期预测值的预测精度，ω_i为第i种预测模型在组合预测模型中的权重，a-index(i)是分量a_1t，a_2t，…，a_mt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I_OWGAωt的组合新鲜预测精度q_t由下式计算：

$q_t=\frac{t}{\underset{t=1}{\overset{N}{\&Sigma;}}t}(1-|\frac{x_t-\underset{i=1}{\overset{m}{\&Pi;}}{x}_{a-index\left(it\right)}^{{\mathrm{\&omega;}}_i}}{x_t}\left|\right)$

其中，为新鲜度函数；x_t为历史电力负荷数据；为IOWGA算子组合预测值I_OWGAωt；

此步骤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，越是接近预测点的负荷变化，对负荷未来的发展趋势贡献越大，在表征精度时引入新鲜度函数，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，所述的建立以新鲜预测精度q_t为准则的基于IOWGA算子组合预测值I_OWGAωt的组合预测模型，然后求解该组合预测模型而得到m种单项预测模型的加权系数的方法如下：

以新鲜预测精度q_t为准则的基于IOWGA算子组合预测值I_OWGAωt的组合预测模型如下式所示：

$\left\{\begin{array}{cc}\max M=\underset{t=1}{\overset{N}{\&Sigma;}}{q}_t& t=1,2,\mathrm{...},m\\ s.t.& {\&Sigma;}_{i=1}^m{\mathrm{\&omega;}}_i=1,\\ {\mathrm{\&omega;}}_i\&GreaterEqual;0,& i=1,2,\mathrm{...},m\\ & q_t=\frac{t}{\underset{t=1}{\overset{N}{\&Sigma;}}t}(1-|\frac{x_t-\underset{i=1}{\overset{m}{\&Pi;}}{x}_{a-index\left(it\right)}^{{\mathrm{\&omega;}}_i}}{x_t}\left|\right)\end{array}\right.$

上式中，以各单项预测模型的新鲜预测精度q_t之和最大作为目标函数；显然，新鲜预测精度越大q_t，组合预测的相对误差越小，组合预测模型的效果越好；求解上式，即可得到m种单项预测模型的加权系数{ω_i,i＝1,2,…m}。

在步骤6)中，所述的利用m种单项预测模型的加权系数{ω_i,i＝1,2,…m}，计算出中长期电力负荷预测值的方法如下：首先计算出m种单项预测模型对N+p(p≤5)期电力负荷的预测值x_i(N+p)，然后利用步骤5)中求取的m种单项预测模型的加权系数{ω_i,i＝1,2,…m}，计算出第N+p(p≤5)期的电力负荷预测值为：

$x_{N+p}=\underset{i=1}{\overset{m}{\&Sigma;}}{\mathrm{\&omega;}}_i{x}_{i(N+p)}$

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；

本发明提供的基于IOWGA算子和新鲜预测精度的电力负荷组合预测方法采用诱导有序几何加权平均算子(induced ordered weighted geometry averagingoperator，IOWGA)，基于预测精度准则，结合“进大远小”的原则引入新鲜度函数，依据单项预测模型在各个时刻的预测精度的高低进行有序赋权，建立相应的确定加权系数优化模型，由此实现对中长期电力负荷的准确预测；本方法充分考虑了单项预测模型在不同时间的预测精度和“近大远小”原则，使建立的预测模型更贴近实际情况，从而能够更精确地预测出中长期电力负荷。

Claims (6)

1.一种基于IOWGA算子和新鲜预测精度的电力负荷组合预测方法，其特征在于：所述的基于IOWGA算子和新鲜预测精度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)获取历史电力负荷数据x_t的N期历史序列{x_t,t＝1,2,…N}，然后确定进行预测时所使用的m种单项预测模型，令x_it为第i种预测模型第t期预测值，t＝1,2,…N，i＝1,2,…m；

步骤2)计算第i种预测模型第t期预测值的预测精度a_it，对于第i种单项预测模型，能够得到预测精度序列{a_it,t＝1,2,…N}；

步骤3)计算由t(t＝1,2,…N)时刻预测精度序列{a_it,i＝1,2,…m}所诱导产生的IOWGA算子组合预测值I_OWGAωt；

步骤4)计算t(t＝1,2,…N)时刻基于IOWGA算子组合预测值I_OWGAωt的组合新鲜预测精度q_t；

步骤5)建立以新鲜预测精度q_t为准则的基于IOWGA算子组合预测值I_OWGAωt的组合预测模型，然后求解该组合预测模型而得到m种单项预测模型的加权系数{ω_i,i＝1,2,…m}，并且满足

步骤6)利用上述m种单项预测模型的加权系数{ω_i,i＝1,2,…m}，计算出中长期电力负荷预测值。

2.根据权利要求1所述的基于IOWGA算子和新鲜预测精度的电力负荷组合预测方法，其特征在于：在步骤2)中，所述的预测精度a_it由下式计算：

$a_{it}=\left\{\begin{array}{cc}1-\left|e_{it}\right|& \left|e_{it}\right|\&le;1\\ 0& \left|e_{it}\right|\&GreaterEqual;1\end{array}\right.$

其中e_it为第i种预测模型第t期预测值x_it的预测误差：

$e_{it}=\left\{\begin{array}{cc}1& (x_t-x_{it})/x_t<-1\\ (x_t-x_{it})/x_t& -1\&le;(x_t-x_{it})/x_t\&le;1\\ 1& (x_t-x_{it})/x_t>1\end{array}\right..$

3.根据权利要求1所述的基于IOWGA算子和新鲜预测精度的电力负荷组合预测方法，其特征在于：在步骤3)中，所述的IOWGA算子组合预测值I_OWGAωt的计算公式如下：

$I_{OWGA\mathrm{\&omega;}t}(<a_{1t},x_{1t}>,<a_{2t},x_{2t}>,...<a_{mt},x_{mt}>)=\underset{i=1}{\overset{m}{\&Pi;}}{x}_{a-index\left(it\right)}^{{\mathrm{\&omega;}}_i};$

上式中，x_it为第i种预测模型第t期的预测值，a_it是第i种预测模型第t期预测值的预测精度，ω_i为第i种预测模型在组合预测模型中的权重，a-index(i)是分量a_1t，a_2t，…，a_mt按从大到小排列的第i个位置下标，上述参数中i＝1,2,…m。

4.根据权利要求1所述的基于IOWGA算子和新鲜预测精度的电力负荷组合预测方法，其特征在于：在步骤4)中，所述的基于IOWGA算子组合预测值I_OWGAωt的组合新鲜预测精度q_t由下式计算：

$q_t=\frac{t}{\underset{t=1}{\overset{N}{\&Sigma;}}t}(1-|\frac{x_t-\underset{i=1}{\overset{m}{\&Pi;}}{x}_{a-index\left(it\right)}^{{\mathrm{\&omega;}}_i}}{x_t}\left|\right)$

其中，为新鲜度函数；x_t为历史电力负荷数据；为IOWGA算子组合预测值I_OWGAωt。

5.根据权利要求1所述的基于IOWGA算子和新鲜预测精度的电力负荷组合预测方法，其特征在于：在步骤5)中，所述的建立以新鲜预测精度q_t为准则的基于IOWGA算子组合预测值I_OWGAωt的组合预测模型，然后求解该组合预测模型而得到m种单项预测模型的加权系数的方法如下：

以新鲜预测精度q_t为准则的基于IOWGA算子组合预测值I_OWGAωt的组合预测模型如下式所示：

$\left\{\begin{array}{cc}\max M=\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}{q}_t& t=1,2,...,m\\ s.t.& {\mathrm{\&Sigma;}}_{i=1}^m{\mathrm{\&omega;}}_i=1,\\ {\mathrm{\&omega;}}_i\&GreaterEqual;0,& i=1,2,...,m\\ & q_t=\frac{t}{\underset{t=1}{\overset{N}{\&Sigma;}}t}(1-|\frac{x_t-\underset{i=1}{\overset{m}{\&Pi;}}{x}_{a-index\left(it\right)}^{{\mathrm{\&omega;}}_i}}{x_t}\left|\right)\end{array}\right.$

求解上式，即可得到m种单项预测模型的加权系数{ω_i,i＝1,2,…m}。

6.根据权利要求1所述的基于IOWGA算子和新鲜预测精度的电力负荷组合预测方法，其特征在于：在步骤6)中，所述的利用m种单项预测模型的加权系数{ω_i,i＝1,2,…m}，计算出中长期电力负荷预测值的方法如下：首先计算出m种单项预测模型对N+p(p≤5)期电力负荷的预测值x_i(N+p)，然后利用步骤5)中求取的m种单项预测模型的加权系数{ω_i,i＝1,2,…m}，计算出第N+p(p≤5)期的电力负荷预测值为：

$x_{N+p}=\underset{i=1}{\overset{m}{\&Sigma;}}{\mathrm{\&omega;}}_i{x}_{i(N+p)}.$