考慮舒適溫度和隨機變動影響的月售電量預測方法技術

本發明專利技術公開了一種考慮舒適溫度和隨機變動影響的月售電量預測方法，首先考慮舒適溫度區間的存在，即選擇低溫閥值溫度與高溫閥值溫度，當實際溫度低于低溫閥值溫度或高于高溫閥值溫度時采取采暖措施或制冷措施，由此對月售電量預測線性回歸模型的月度取暖系數和制冷系數進行修正；其次，考慮隨機變動的影響，提出“隨機變動級別”將隨機變動量化，并將其量化值作為月售電量影響因素納入月售電量回歸預測模型。最后，在常規月售電量預測線性回歸模型基礎上，考慮以上兩點改進措施，形成考慮舒適溫度和隨機變動影響的月售電量預測線性回歸模型。本發明專利技術更好地建立溫度與月售電量的關系，合理地考慮隨機變動對月售電量的影響，提高月售電量預測精度。

【技術實現步驟摘要】

本專利技術涉及電力系統電量預測
，具體涉及電力系統中月售電量預測方法，尤其涉及考慮舒適溫度和隨機變動影響的月售電量預測方法。
技術介紹
月售電量預測是指在對歷史資料進行整理和分析的情況下，采用一定手段對未來月售電量進行估計或表述。無論是國家電網公司的同業對標考核制度，還是在電力市場環境下的電力營銷工作，月售電量預測都是其中一項重要內容。如何提高月售電量預測精度是電力企業極為關心且致力于研究的重要問題，其作用主要有以下幾個方面：⑴滿足同業對標指標考核的要求。⑵有效地控制利潤平衡。⑶有效地挖掘潛在電力客戶。⑷有效地制定電力決策。⑸有效地制定月度發電計劃。同業對標指標要求月售電量預測精度需要達到96％，但實際情況中預測精度往往只能達到93～94％左右，離考核目標有一定的差距，需要找到突破口完成該項指標。目前，已經存在多種月售電量的預測方法，例如單耗法、曲線擬合、時間序列、回歸分析、灰色預測、神經網絡、模糊技術和遺傳算法等，在實際的電量預測中也都取得了較為理想的效果。其中回歸分析法是研究最多且應用最廣泛的一種，該方法利用歷史數據可以建立月售電量和其相關影響因素的關系，進而由這些因素未來的數據預測出未來的月售電量值。月售電量預測常規線性回歸模型一般考慮國民生產總值、社會固定資產、人口、時間、溫度、節假日天數以及不同月份等影響因素，不過存在著兩方面的不足：一方面，模型中考慮溫度的基本思路為選擇某一閥值溫度作為區分高溫和低溫的臨界溫度，當實際溫度低于或高于該閥值溫度時產生采暖或制冷措施從而影響電量負荷，但在實際生活中，在一定的舒適溫度區間內往往不存在采暖和制冷措施；另一方面，由于隨機因素(如政治變動)不易量化的原因，現有研究幾乎都舍棄了隨機變動對月售電量的影響，這不僅使有嚴重隨機變動的月份預測誤差較大，同時也由于該月的售電量已經成為異常值，將該異常值進一步用于后期的預測時，后期預測誤差也可能隨之增大。
技術實現思路
本專利技術的目的是克服常規月售電量預測線性回歸模型的不足，提出考慮舒適溫度和隨機變動影響的月售電量預測線性回歸模型。該模型針對常規的月售電量預測線性回歸模型忽略了存在舒適溫度區間且忽略了隨機變動影響而導致預測精度可能不高的問題，提出兩種相應的改進措施：選擇低溫閥值溫度與高溫閥值溫度，當實際溫度低于低溫閥值溫度或高于高溫閥值溫度才時會產生采暖措施或制冷措施；用“隨機變動級別”將隨機變動量化，并將其量化值作為月售電量影響因素納入月售電量回歸預測模型。實現本專利技術目的之技術方案是：首先，考慮舒適溫度區間的存在——選擇低溫閥值溫度與高溫閥值溫度，認為當實際溫度低于低溫閥值溫度或高于高溫閥值溫度才時會產生采暖措施或制冷措施，由此對月售電量預測線性回歸模型的月度取暖系數和制冷系數進行修正；其次，考慮隨機變動的影響——提出“隨機變動級別”將隨機變動量化，并將其量化值作為月售電量影響因素納入月售電量回歸預測模型。最后，在常規月售電量預測線性回歸模型基礎上，考慮以上兩點改進措施，形成考慮舒適溫度和隨機變動影響的月售電量預測線性回歸模型。所述方法的具體步驟如下：I)歷史數據收集。主要包含所需預測月份之前連續幾年的月售電量、日售電量以及日最高與最低溫度。II)歷史數據整理及參數確定。1)考慮舒適溫度區間的月取暖系數和制冷系數由日售電量與日平均溫度之間的關系確定低溫閥值溫度和高溫閥值溫度。常規的月售電量預測線性回歸模型為：log(Dt)=c+αt+kMHDDt+lMCDDt+Σj=212fjMjt+ut---(1-1)]]>式中：t為時間變量，單位為月；MHDDt、MCDDt分別表示第t月的取暖系數和制冷系數；Dt為第t月的月售電量，log(Dt)為Dt的對數；c、α、k、l、fj(j＝2,3,…12)為模型的回歸系數；ut為模型的誤差項。其中第t月的取暖系數MHDDt和制冷系數MCDDt。采暖系數表示平均氣溫低于低溫閥值溫度的大小，采暖系數越大，說明氣溫越低，需要的采暖強度越大；制冷系數表示平均氣溫高于高溫閥值溫度的大小，制冷系數越大，說明氣溫越高，需要的制冷強度越大。第t月中每一天的取暖系數和制冷系數計算公式如下：HDDi=max(Tref-Ti,0)CDDi=max(Ti-Tref,0)---(1-2)]]>式(3)中：HDDi、CDDi分別表示第i天的取暖系數和制冷系數；Ti為第i天的日平均溫度，其值為第i天最高溫度與最低溫度的平均值；Tref為閥值溫度，它是區分高溫和低溫的臨界溫度，其值可由日售電量與日平均溫度關系曲線的最小值點進行確定。根據上式，進而得到第t月的取暖系數和制冷系數：MHDDt=Σi=1mHDDiMCDDt=Σi=1mCDDi---(1-3)]]>式中：MHDDt、MCDDt分別表示第t月的取暖系數和制冷系數；m表示第t月的天數。如上所述，月售電量預測常規線性回歸模型考慮溫度對月售電量的影響時，其基本思路為選擇某一閥值溫度作為區分高溫和低溫的臨界溫度，當實際溫度低于或高于該閥值溫度時產生采暖或制冷措施從而影響電量負荷，但在實際生活中，在一定的舒適溫度區間內往往不存在采暖和制冷措施。本專利技術提出考慮溫度對月售電量影響的改進方法：分別選擇低溫閥值溫度與高溫閥值溫度，當實際溫度低于低溫閥值溫度或高于高溫閥值溫度才時會產生采暖措施或制冷措施。由此，對月售電量預測常規線性回歸模型中溫度與月售電量之間的關系式，即式(1-2)～(1-3)進行改進。第t月中每一天的改進取暖系數和制冷系數計算公式如下：XHDDi=max(Tref,l-Ti,0)XCDDi=max(Ti-Tref,h,0)---(1)]]>式(1)中：XHDDi、XCDDi分別表示第i天的改進取暖系數和改進制冷系數；Ti為第i天的日平均溫度；Tref,l和Tref,h分別為低溫閥值溫度和高溫閥值溫度，其值可根據地區日售電量與日平均溫度的關系曲線進行確定，確定依據為當溫度低于低溫閥值溫度或高于高溫閥值溫度時，日電量有明顯的線性上升趨勢(即出現了采暖措施或制冷措施使得電量上升)，而溫度在低溫閥值溫度和高溫閥值溫度之間時，電量基本保持不變(即溫度舒適，無采暖措施或制冷措施)。根據式(1)，得到第t月的改進取暖系數和改進制冷系數：XMHDDt=Σi=1mXHDDiXMCDDt=Σi=1mXCDDi---(2)]]>式(2)中：XMHDDt、XMCDDt分別表示第t月的改進取暖系數和改進制冷系數；m表示第t月的天數。根據式(1)和式(2)求得各月份的改進取暖系數和改進制冷系數。2)其次，整理出各月份對應的時間變量和代表月份的虛擬變量。3)計算各月份的隨機變動級別。隨機變動是指由于隨機因素或突發事件發生而引起的變動。在進行月售電量預測時，若某月發生較大隨機變動，該月的月售電量往往會表現異常，從而導致該月的月售電量預測誤差較大。同時，若繼續將該月的月售電量異常值用于建模，也將進一步影響后期的預測效果。在這種情況下，一種常用的方法是利用異常數據辨識法尋找異常電量數據并加以剔除，然而該方法存在以下問題：建模樣本較少時，直接剔除異常電量數據會使樣本進一步減少，不利于建模與預測；所謂的異常數據，如本文檔來自技高網...

【技術保護點】
考慮舒適溫度和隨機變動影響的月售電量預測方法，其特征在于：所述方法的具體步驟包括以下內容；I)歷史數據收集，主要包含所需預測月份之前連續幾年的月售電量、日售電量以及日最高與最低溫度；II)歷史數據整理及參數確定；1)確定考慮舒適溫度區間的月取暖系數和制冷系數由日售電量與日平均溫度之間的關系確定低溫閥值溫度和高溫閥值溫度；考慮溫度對月售電量影響的改進方法，分別選擇低溫閥值溫度與高溫閥值溫度，當實際溫度低于低溫閥值溫度或高于高溫閥值溫度才時會產生采暖措施或制冷措施；第t月中每一天的改進取暖系數和制冷系數計算公式如下：XHDDi=max(Tref,l-Ti,0)XCDDi=max(Ti-Tref,h,0)---(1)]]>式中，XHDDi、XCDDi分別表示第i天的改進取暖系數和改進制冷系數；Ti為第i天的日平均溫度；Tref,l和Tref,h分別為低溫閥值溫度和高溫閥值溫度；根據式(1)得到第t月的改進取暖系數和改進制冷系數；XMHDDt=Σi=1mXHDDiXMCDDt=Σi=1mXCDDi---(2)]]>式中，XMHDDt、XMCDDt分別表示第t月的改進取暖系數和改進制冷系數；t為時間變量，單位為月；m表示第t月的天數；根據式(1)和式(2)求得各月份的改進取暖系數和改進制冷系數；2)整理出各月份對應的時間變量和代表月份的虛擬變量；3)確定隨機變動級別利用公式(3)計算“隨機變動級別”Jt；式中，第t月的隨機變動級別為Jt，Dt為第t月的月售電量；Dt?12為第t月去年同期的月售電量；Zt為Dt相對于Dt?12所增長的百分點；fix（Zt）為Zt向零方向取整后的數值；mod（fix(Zt),5)為fix(Zt)除以5的余數；mod(?fix(Zt),5)為fix(Zt)的相反數除以5的余數；上述各月份求得的量為輸入量，各月份的月售電量為輸出量；III)模型確定；通過步驟II)得到考慮舒適溫度和隨機變量影響的月售電量預測線性回歸模型；log(Dt)=c+αt+kXMHDDt+lXMCDDt+rJt+Σj=212fjMjt+ut---(4)]]>式中，XMHDDt、XMCDDt分別表示第t月的改進取暖系數和改進制冷系數；Dt為第t月的月售電量，log(Dt)為Dt的對數，其中j＝2,3,…12；c、α、k、l、r和fj為模型的回歸系數；ut為模型的誤差項；Jt為計算得到第t月的隨機變動級別；①時間t描述月售電量的長期趨勢，某月的t值計算式為；t＝n＋1????(5)式中，t為時間變量；n為當月距離建模起點月份之間的月份個數；②關于11個月份虛擬變量Mjt1月為基礎月，M的下標j＝2,3,…,12分別表示2月、3月、…、12月；每個虛擬變量只能賦值0或1，且11個變量中只有一個變量為1，其余變量均為0；當第j月為2月，則M2t＝1，其他Mjt＝0；當第j月為3月，則M3t＝1，其他Mjt＝0，以此類推；當第j月為1月，則所有Mjt＝0；將歷史各月份的輸入與輸出量按模型(4)進行建模，由最小二乘法估計出回歸系數c、α、k、l、r和fj，得到完整預測模型；IV)確定預測月售電量時的輸入量；輸入變量的確定，時間變量t和11個月份虛擬變量都可以提前獲悉其準確值，而所需預測月份的改進月取暖系數、改進月制冷系數以及隨機變動級別都需提前預測，其中，改進月取暖系數和改進月制冷系數需要由所需預測月份的預測溫度求得；隨機變動級別其所預測月份無特大隨機變動情況下賦值為0；所述特大隨機變動情況包括大幅減容、經濟大幅度下降或電量驟升事件；V)月售電量預測；將步驟IV)的輸入量代入步驟III)的預測模型，得到月售電量預測值。...

【技術特征摘要】
1.考慮舒適溫度和隨機變動影響的月售電量預測方法，其特征在于：所述方法的具體步驟包括以下內容；I)歷史數據收集，主要包含所需預測月份之前連續幾年的月售電量、日售電量以及日最高與最低溫度；II)歷史數據整理及參數確定；1)確定考慮舒適溫度區間的月取暖系數和制冷系數由日售電量與日平均溫度之間的關系確定低溫閥值溫度和高溫閥值溫度；考慮溫度對月售電量影響的改進方法，分別選擇低溫閥值溫度與高溫閥值溫度，當實際溫度低于低溫閥值溫度或高于高溫閥值溫度才時會產生采暖措施或制冷措施；第t月中每一天的改進取暖系數和制冷系數計算公式如下：XHDDi=max(Tref,l-Ti,0)XCDDi=max(Ti-Tref,h,0)---(1)]]>式中，XHDDi、XCDDi分別表示第i天的改進取暖系數和改進制冷系數；Ti為第i天的日平均溫度；Tref,l和Tref,h分別為低溫閥值溫度和高溫閥值溫度；根據式(1)得到第t月的改進取暖系數和改進制冷系數；XMHDDt=Σi=1mXHDDiXMCDDt=Σi=1mXCDDi---(2)]]>式中，XMHDDt、XMCDDt分別表示第t月的改進取暖系數和改進制冷系數；t為時間變量，單位為月；m表示第t月的天數；根據式(1)和式(2)求得各月份的改進取暖系數和改進制冷系數；2)整理出各月份對應的時間變量和代表月份的虛擬變量；3)確定隨機變動級別利用公式(3)計算“隨機變動級別”Jt；式中，第t月的隨機變動級別為Jt，Dt為第t月的月售電量；Dt-12為第t月去年同期的月售電量；Zt為Dt相對于Dt-12所增長的百分點；fix（Zt）為Zt向零方向取整后的數值；mod（fix(Zt),5)為fix(Zt)除以5的余數；mod(-fix(Zt),5)為fix(Zt)的相反數除以5的余數；...

【專利技術屬性】
技術研發人員：陳濤，程超，張林，周寧，張同尊，萬朝輝，
申請(專利權)人：國家電網公司，國網重慶市電力公司，重慶大學，
類型：發明
國別省市：北京;11