数学模型在用电需求预测中的应用
时间：2021-01-21 04:01:12 来源：雅意学习网 本文已影响 人 
摘 要:对用电需求预测发展进行了介绍,以几种较为经典的、具有较好预测效果的数学预测模型为基础,提出采用组合预测模型来有效提高用电需求预测的精度。
关键词:预测模型 灰色系统 线性回归 组合预测
中图分类号:TM715文献标识码:A文章编号:1674-098X(2011)10(c)-0099-01
1 国内外研究现状
用电需求预测中最主要内容是对负荷和电量进行预测,按照时间期限进行分类通常分为长期(10年以上)、中期(5年左右,以年为单位)、短期(一年以内,以月、周、日为单位)和超短期负荷预测(以小时为单位或小时内)[1]。从国内外研究情况看,关于中长期负荷预测的研究远少于短期和超短期负荷预测[2]。20世纪90年代,随着世界各国电力市场的发展,负荷预测受到了人们更加广泛的重视。而近些年来的研究兴趣已经从传统的预测方法逐步转向以软计算为代表的现代预测方法[3]。其典型的预测技术有时间序列法、回归分析法、灰色系统理论、人工神经网络方法、小波分析方法等。
2 组合预测模型的构建
组合预测法是将上述预测方法对所需预测点进行同时预测,其从本质上可分为两类,一类是模型优选法,其选取的是若干预测模型中最优模型的预测结果,该种方法所要解决的核心问题是模型的优选评价方法;另外一类是多个模型的加权拟合法,该种方法的核心问题是如何求取一组模型的最优加权系数。其中加权拟合法是应用最广泛的组合预测方法。例如方差—协方差法、误差最小法、可变权组合法等。而无论何种组合方法,基础预测模型的质量无疑会对拟合结果产生重要的影响。因此,可采用基于三指标量的综合模型,即指标总量预测、指标增长量预测、指标增长率预测。通过给这三个指标量赋予不同的权重进行预测。
而对于权重的选取所采用的是层次分析法赋权。层次分析法是一种广泛应用的综合评价分析方法,它将目标问题的有关元素分解成若干个层次,并在此基础上进行定性分析和定量分析,是把决策的思维数学化。AHP以权重向量来体现事物内在的规律性,将不同层次的权重向量进行合成来得到合成权重向量,它的每一个分量表示相应方案在评价目标中所占的份额或比重。权重向量的确定方法有很多,最常用的方法是构建判断矩阵,然后求取权重向量。确定权重向量的具体步骤如下:
(1)建立指标集,即评价的指标集,也是指评判体系中的各个因素。
(2)由专家构造两两比较矩阵A=
(3)将A归一化处理,即
(1)
(4)计算权重,即
(2)
(5)进行一致性检验,为了确保计算出的的正确性,还需要进行一致性检验。当两两判断矩阵的随机一致性比例系数时,可以认为判断矩阵一致性成立,否则应重新构造两两判断矩阵。的计算公式为:
(3)
式中,为偏离一致性指标, ,其中,为矩阵的A的最大特征根。可以看出,指标体系的确定和最终组合预测模型息息相关,因此,根据电网的实际情况制定指标体系包括4个评价准则:即模型预测误差,模型拟合度,模型专家信任度,预测结果趋势可信度。其中准则含义如下:
模型预测误差:同时利用指标总量预测、指标增长量预测、指标增长率预测三个模型进行历史数据模拟预测,根据最靠近预测时刻的若干次模拟预测计算得出模型的预测误差。
模型拟合度:通过三个模型中的各时刻的模型值和历史值之间的相对误差计算出模型拟合度。
模型专家信任度:是对预测模型以往使用情况的评价。
预测结果趋势可信度:预测结果趋势可信度是对预测模型当前预测结果的主观判断,由使用者判断预测结果和历史数据发展趋势是否一致,例如预测增长率是否符合社会经济发展规律等。
通过相关专家通过系统对该四个指标进行打分后,由系统在后台自动计算出权重后分配给各个模型,可得出相应的组合模型并得出预测值。
3 结语
计算机技术的飞速发展给供电企业的生产管理手段带来了质的变化。将先进的计算机技术与现代的预测方法相结合,以时间序列法、回归分析法、线性模型、灰色模型等预测技术为基础,建立组合预测模型,针对多种序列预测方法所得到的预测结果,综合考虑影响电力需求的多种因素,可以大大提高拟合精度,显著地改善预测效果,得出最优结果,进而有效提高电力需求预测水平。
参考文献
[1]牛东晓,曹树华,赵磊,张文文.电力负荷预测技术及其应用[M].北京:中国电力出版社,1998.
[2]李艳芳.电力负荷预测.[硕士学位论文].江西:南昌大学信息工程学院,2007.
[3]叶彬.混合智能建模技术及其在短期电力负荷预测重的应用.[博士学位论文].浙江:浙江大学电气工程学院,2006.
