專利名稱：一種基于電力用戶數(shù)據(jù)的短期負(fù)荷預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種負(fù)荷預(yù)測方法，尤其是涉及一種基于電力用戶數(shù)據(jù)的短期負(fù)荷預(yù)測方法。
背景技術(shù)：
傳統(tǒng)上的電力負(fù)荷預(yù)測主要關(guān)注的是電力系統(tǒng)生產(chǎn)計劃和電力系統(tǒng)運行方式的具體安排，具體方法有以下幾種。I)最小二乘擬合法。這種方法把負(fù)荷序列的發(fā)展趨勢用方程式表示出來，進而利用趨勢方程式來預(yù)測負(fù)荷未來的變化。最小二乘擬合法具有預(yù)測速度快和外推特性好的優(yōu)勢，但是不僅對歷史數(shù)據(jù)要求高，而且僅僅適合負(fù)荷序列波動不大的平穩(wěn)時間序列情況，無法詳細(xì)地考慮各種影響負(fù)荷的因素。2)回歸分析法。由給定的多組自變量和因變量的資料，研究各自變量和因變量之間的關(guān)系，形成回歸方程后，如給定各自變量數(shù)值，即能求出因變量值，再形成負(fù)荷的預(yù)測?；貧w分析法的優(yōu)缺點和最小二乘擬合法類似，它對歷史上從未出現(xiàn)過的情況有較好的預(yù)測值，但同時也存在模型初始化難度大以及用線性方法描述比較復(fù)雜的情況過于簡單的問題。3)專家系統(tǒng)方法能模擬人類的思維和決策過程，對求解問題給出相當(dāng)于專家水平的答案。鑒于運行人員經(jīng)驗的重要性和專家系統(tǒng)理論的日益成熟，一般來說，把專家系統(tǒng)應(yīng)用于短期負(fù)荷預(yù)測是切實可行的。有效的專家系統(tǒng)是建立在負(fù)荷分布之間的邏輯型和句法型關(guān)系基礎(chǔ)上的，它能幫助經(jīng)驗不足的運行人員識別各種類型的特殊事件等對負(fù)荷的影響，得出較為精確的負(fù)荷預(yù)測結(jié)果。這種方法計算量少、預(yù)測精度高，但提取系統(tǒng)的有關(guān)規(guī)則較為困難，而且須花費大量人力、物力、財力來對數(shù)據(jù)庫進行充分的調(diào)查分析。4)人工神經(jīng)網(wǎng)絡(luò)方法人工神經(jīng)網(wǎng)絡(luò)是模仿人腦工作方式的一種信息處理方式，神經(jīng)網(wǎng)絡(luò)可以通過“學(xué)習(xí)”，自適應(yīng)地產(chǎn)生適合當(dāng)前情況的新規(guī)則。這種方法通過模擬人腦這種由大量神經(jīng)元經(jīng)過復(fù)雜的連接而形成的一種高復(fù)雜、非線性、并行處理的信息處理系統(tǒng)，來處理大量復(fù)雜的數(shù)據(jù)信息。人工神經(jīng)網(wǎng)絡(luò)方法引入了非線性模擬概念，可以充分考慮影響負(fù)荷變化規(guī)律的因素，因此預(yù)測精度較高。但這種方法較為復(fù)雜；樣本數(shù)據(jù)要求高，容易出現(xiàn)樣本選擇困難的問題；網(wǎng)絡(luò)收斂速度慢，有時陷入局部最小值，出現(xiàn)不收斂的情況。5)灰色預(yù)測方法在灰色系統(tǒng)理論的研究中，各類系統(tǒng)被分成白色、黑色和灰色三種:“白”和“黑”指信息完全已知和信息完全未知，“灰”則指信息不完全，部分已知、部分未知?；疑到y(tǒng)理論認(rèn)為任何隨機過程都是在一定幅值范圍及一定時間變化內(nèi)的灰色量，在對灰色過程的處理上，是通過原始數(shù)據(jù)的整理(如累加或者累減)來尋找數(shù)據(jù)規(guī)律，其對隨機過程的典型性(如平穩(wěn)性、概率分布等)無任何限制。由于大多數(shù)系統(tǒng)都是廣義的能量系統(tǒng)，累加后的指數(shù)規(guī)律便是普遍的一種變化規(guī)律，灰色過程經(jīng)此處理后生成的數(shù)列有了較強的規(guī)律，隨機性得到弱化，因而有可能對變化過程作較長時間的描述，建立起微分方程模型求解?；疑A(yù)測方法的優(yōu)點是:短期預(yù)測精度高、要求負(fù)荷數(shù)據(jù)少、不考慮分布規(guī)律、不考慮變化趨勢、運算方便易于檢驗。同時此技術(shù)也存在以下缺點:數(shù)據(jù)離散程度越大則預(yù)測精度越差；不適合長期預(yù)測。綜上所述，最小二乘擬合法和回歸分析法并不適合短期負(fù)荷預(yù)測；人工神經(jīng)網(wǎng)絡(luò)法過于復(fù)雜，在統(tǒng)一的系統(tǒng)內(nèi)不易產(chǎn)生標(biāo)準(zhǔn)解；專家系統(tǒng)法雖然在短期預(yù)測上較為精確，但需要耗費太多的人力物力，且無法實現(xiàn)自動化，不適合應(yīng)用在面向大量用電客戶的反竊電系統(tǒng)上；灰色預(yù)測法適合大量隨機量的和值，不適合單一用戶的隨機量預(yù)測。

發(fā)明內(nèi)容
本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種預(yù)測精度高、預(yù)測速度快的基于電力用戶數(shù)據(jù)的短期負(fù)荷預(yù)測方法。本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn):一種基于電力用戶數(shù)據(jù)的短期負(fù)荷預(yù)測方法，其特征在于，包括以下步驟:I)數(shù)據(jù)采集單元采集單個電力用戶的負(fù)荷數(shù)據(jù)，并將其傳輸給數(shù)據(jù)處理單元；2)數(shù)據(jù)處理單元根據(jù)建立的短期負(fù)荷預(yù)測模型對接收的數(shù)據(jù)進行處理，得到下一時刻的負(fù)荷預(yù)測值。所述的短期負(fù)荷預(yù)測模型根據(jù)時間序列方法建立，具體過程如下:I)建立樣本數(shù)據(jù)的自回歸滑動平均模`型`ARMA，該模型如公式(I)所示，
權(quán)利要求
1.一種基于電力用戶數(shù)據(jù)的短期負(fù)荷預(yù)測方法，其特征在于，包括以下步驟: 1)數(shù)據(jù)采集單元采集單個電力用戶的負(fù)荷數(shù)據(jù)，并將其傳輸給數(shù)據(jù)處理單元； 2)數(shù)據(jù)處理單元根據(jù)建立的短期負(fù)荷預(yù)測模型對接收的數(shù)據(jù)進行處理，得到下一時刻的負(fù)荷預(yù)測值。
2.根據(jù)權(quán)利要求1所述的一種基于電力用戶數(shù)據(jù)的短期負(fù)荷預(yù)測方法，其特征在于，所述的短期負(fù)荷預(yù)測模型根據(jù)時間序列方法建立，具體過程如下: 1)建立樣本數(shù)據(jù)的自回歸滑動平均模型ARMA，該模型如公式(I)所示，
3.根據(jù)權(quán)利要求2所述的一種基于電力用戶數(shù)據(jù)的短期負(fù)荷預(yù)測方法，其特征在于，所述的對ARMA模型的進行辨識具體過程如下: 21)根據(jù)公式(2)對ARMA模型進行零變換，
4.根據(jù)權(quán)利要求3所述的一種基于電力用戶數(shù)據(jù)的短期負(fù)荷預(yù)測方法，其特征在于，所述的以95%概率原則對Pk和akk進行“拖尾”及“截尾”的判定具體為: 如果滿足條件
5.根據(jù)權(quán)利要求4所述的一種基于電力用戶數(shù)據(jù)的短期負(fù)荷預(yù)測方法，其特征在于，所述的對ARMA模型的進行參數(shù)估計具體為: 先通過Yule-Walker方程解出供的估計:
全文摘要
本發(fā)明涉及一種基于電力用戶數(shù)據(jù)的短期負(fù)荷預(yù)測方法，包括以下步驟1)數(shù)據(jù)采集單元采集單個電力用戶的負(fù)荷數(shù)據(jù)，并將其傳輸給數(shù)據(jù)處理單元；2)數(shù)據(jù)處理單元根據(jù)建立的短期負(fù)荷預(yù)測模型對接收的數(shù)據(jù)進行處理，得到下一時刻的負(fù)荷預(yù)測值。與現(xiàn)有技術(shù)相比，本發(fā)明具有預(yù)測精度高、預(yù)測速度快等優(yōu)點。
文檔編號G06Q10/04GK103208036SQ201310148049
公開日2013年7月17日 申請日期2013年4月25日 優(yōu)先權(quán)日2013年4月25日
發(fā)明者羅祾, 張浙波, 金家培, 童旭 申請人:國家電網(wǎng)公司, 上海市電力公司, 華東電力試驗研究院有限公司