基于氣溫變化的電網(wǎng)日用電量預測方法
【技術(shù)領域】
[0001] 本發(fā)明涉及電網(wǎng)電量預測技術(shù)領域,具體是一種基于氣溫變化的電網(wǎng)日電量預測 方法。
【背景技術(shù)】
[0002] 電力需求除了受到經(jīng)濟發(fā)展的影響及其行業(yè)自身周期性規(guī)律影響外,還受到其它 外在因素的影響。要進行電力的科學合理調(diào)度,需要考慮的因素很多,也很復雜。工業(yè)在一 定時期內(nèi)是比較穩(wěn)定的,不穩(wěn)定的是居民生活用電,而居民大功率耗電設備是制冷、取暖等 設備,該些設備的使用與氣溫等氣象要素密切相關(guān),因此分析用電量與氣溫的關(guān)系進而利 用氣溫等要素預測用電量就成為可能。所W研究氣象因素對電力需求規(guī)律的影響規(guī)律,在 此基礎之上建立合適的電力需求預測模型是提高電力預測精度的關(guān)鍵。因此,將氣象因素 用于用電量預測是目前該一研究領域的熱點。
【發(fā)明內(nèi)容】
[0003] 本發(fā)明提供一種基于氣溫變化的電網(wǎng)日用電量預測方法,通過該方法能夠彌補現(xiàn) 有預測方法的不足之處,進而能夠?qū)﹄娋W(wǎng)日用電量進行更準確的預測,為電力市場分析與 電網(wǎng)規(guī)劃人員把握日用電量變化規(guī)律提供參考依據(jù)。
[0004] 為解決上述技術(shù)問題,本發(fā)明采用如下技術(shù)方案:
[0005] -種基于氣溫變化的電網(wǎng)日用電量預測方法,包括如下步驟:
[0006] (1)獲取歷史樣本區(qū)間的數(shù)據(jù),包括每天的日用電量、日平均氣溫、日最低氣溫W 及日最高氣溫;
[0007] (2)對歷史樣本區(qū)間的數(shù)據(jù)日用電量進行分解,總用電量分為W下兩個組成部 分:
[0008] E = RG+ET
[0009] 其中,E表示每日的總用電量;護表示用電量隨時間而增長的部分,稱為經(jīng)濟電量; 護表示由氣溫變化導致的用電量,稱為氣溫電量;
[0010] 采用線性時間趨勢回歸方程計算經(jīng)濟電量護,經(jīng)濟電量隨時間變化的回歸方程如 下:
[00川 巧'+風+戸'從+£?,
[0012] 其中,week為工作日與周末的虛擬變量(week,工作日取值為1,周末或假日取值 為0),£ t表示殘差項;a、目、Y表示常數(shù);
[001引 做從歷史樣本數(shù)據(jù)的日用電量中剔除經(jīng)濟電量,即得到歷史樣本區(qū)間的氣溫電 量;
[0014] (4)采用分離出來的氣溫電量數(shù)據(jù)構(gòu)建氣溫與氣溫電量之間關(guān)系的預測模型,女口 下所示:
[0015] 與=a(,+"1 (r - r。) + A
[0016] 其中,T表示每日平均氣溫,T。表示氣溫電量變化的臨界溫度,e t表示隨機誤差 項;
[0017] (5)通過對模型殘差的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的分析,W當日氣溫電量為因 變量,氣溫電量的滯后項為自變量,采用ARM算法對上述氣溫電量的預測模型進行改進, 如下所示:
[001 引 £',/ 二的 + 仿| 斬 / +... +聽 +公(r - jp+&',:
[0019] (6)對預測方法進行回代檢驗和應用檢驗,W判斷模型的預測精度;
[0020] (7)預測電網(wǎng)日用電量:
[002。 獲取目標區(qū)間的數(shù)據(jù),利用步驟(2)的計算方法得到出經(jīng)濟電量,利用步驟(5)中 的預測模型得到氣溫電量,再將經(jīng)濟電量與氣溫電量加總進而得到預測日用電量。
[0022] 步驟(2)中,還包括進一步分離經(jīng)濟電量,采用一階自回歸模型,計量方程如下:
[0023] 怎,('=a(, + Clf 1 巧 + W, + <?,
[0024] 其中,擾動項e t為白噪聲過程,A6和分別表示日用電量的當期值和滯后一期 值。
[00巧]步驟(3)中,還包括對日用電量和氣溫進行敏感性分析,得到氣溫影響日用電量 的臨界氣溫,然后從氣溫高于臨界氣溫的日用電量中分離出氣溫電量。
[0026] 步驟(4)中,還包括對所構(gòu)建的預測模型進行t檢驗、R2檢驗和F檢驗。
[0027] 由W上技術(shù)方案可知,本發(fā)明將日用電量分解為氣溫電量與經(jīng)濟電量,構(gòu)建氣溫 電量和氣溫之間的預測模型,并引入ARM算法對模型進行改進,再針對經(jīng)濟電量構(gòu)建線性 時間趨勢回歸模型,該模型使用的氣溫因素能夠準確地反映日用電量隨經(jīng)濟電量的波動情 況,并據(jù)此準確預測日用電量大小,從而為電網(wǎng)調(diào)控、運營提供依據(jù)。
【附圖說明】
[002引圖1為本發(fā)明的方法流程圖;
[0029] 圖2為本發(fā)明具體實施例對安徽省2013年夏季日用電量進行預測的預測值與實 際值的比較圖。
【具體實施方式】
[0030] 下面,W安徽省2013年逐日用電量作為實施例來說明本發(fā)明一種基于氣溫變化 的電網(wǎng)日用電量預測方法的【具體實施方式】,包括W下步驟:
[0031] 步驟(1);采集安徽省2013年逐日用電量、日平均氣溫、日最高氣溫和日最低氣溫 的數(shù)據(jù)。
[0032] 在對歷史樣本數(shù)據(jù)按季節(jié)對日用電量與日平均氣溫、日最高氣溫和日最低氣溫進 行相關(guān)性分析發(fā)現(xiàn),首先,冬季日用電量與日平均氣溫、最高氣溫與最低氣溫的相關(guān)系數(shù)顯 著為負,該說明氣溫的下降導致用電量的上升。而春、秋季日用電量與氣溫雖然也是負相 關(guān)關(guān)系,但是相關(guān)系數(shù)較小且在統(tǒng)計上并不顯著,該季節(jié)一般氣溫都很適宜,人體感覺較為 舒適,所w用電量基本維持在正常水平,不會有太大的波動。夏季日用電量與日平均氣溫、 最高氣溫與最低氣溫的相關(guān)系數(shù)皆在1 %的統(tǒng)計性水平上顯著為正,且相關(guān)系數(shù)也遠遠高 于冬季。從氣溫與日用電量相關(guān)系數(shù)的大小來看,日平均氣溫與用電量的相關(guān)系數(shù)最大 (0.8165)。據(jù)此,采用安徽省夏季為研究對象,重點分析日平均氣溫與用電量的關(guān)系。
[0033] (2)對歷史樣本區(qū)間的數(shù)據(jù)日用電量進行分解,采用線性時間趨勢回歸方程得到 日用電量的長期變化趨勢項,即為經(jīng)濟電量,總用電量分為W下兩個組成部分:
[0034] E = RG+ET
[003引其中,E表示夏季每日的總用電量,E嗦示用電量隨時間而增長的部分,該主要是 由于國民經(jīng)濟的快速發(fā)展和人民生活水平的提高導致的,簡稱"經(jīng)濟電量"。護表示由氣溫 變化導致的用電量,簡稱"氣溫變量"。采用線性時間趨勢回歸方程計算經(jīng)濟電量,經(jīng)濟電量 隨時間變化的回歸方程如下:
[0036] E(,'二a + pt+yweek+€t
[0037] 其中,E6表示表示用電量隨時間而增長的部分,即經(jīng)濟電量;由于考慮到周末的用 電量較工作日有很大的差異,因此采用week反映工作日與周末的虛擬變量(week,工作日 取值為1,周末或假日取值為0) ; £ t表示殘差項。
[0038] 選取安徽省2013年2月10日到6月14日為樣本數(shù)據(jù)進行回歸,選擇該段時期計 算的經(jīng)濟電量應該更準確,因為該段時間的用電量受氣溫影響作用很小。采用STATA軟件 對上式進行最小二乘法回歸,可得經(jīng)濟電量隨時間變化的線性趨勢方程如下:
[0039] E"= 31176. 81+17. 403t+1431. 354week
[0040] 巧4. 70) (4. 14) (4. 51)
[0041] F = 18. 73, R2= 0. 2:M9
[0042] 從上式的回歸結(jié)果可W看出線性趨勢的擬合優(yōu)度太低(只有0. 2349),為了更準 確的分離經(jīng)濟電量,接下來再采用時間序列數(shù)據(jù)分析方法計算經(jīng)濟電量。在該里采用最簡 單的一階自回歸模型AR(1),計量方程如下:
[0043] Ef=a^+a^Ef_j+w^+s^
[0044] 其中,擾動項e,為白噪聲過程,和正分別表示日用電量的當期值和滯后一 期值。采用STATA軟件對上式進行最小二乘法回歸,可得經(jīng)濟電量的回歸方程形式如下:
[0045] £6*= 6518. 65+0. 787E 6*_1+889. 399wt
[0046] (4. 63) (18. 46) (5. 17)
[0047] F = 200. 29, R2= 0. 7680
[0048] (3)從歷史樣本數(shù)據(jù)的日用電量中剔除經(jīng)濟電量,即得到歷史樣本區(qū)間的氣溫電 量;
[0049] 日用電量與氣溫間的相互關(guān)系表明,日用電量與氣溫的在冬季和夏季高度相關(guān), 而在春、秋季則關(guān)系不大,季節(jié)的差異主要體現(xiàn)在氣溫的差異。那么由此可知一定存在一個 高溫闊值,當氣溫高于高溫闊值時,日用電量隨著氣溫的變化而變化,而當氣溫低于高溫闊 值時,日用電量不隨氣溫的變化而變化。W rc作為單位,對安徽省2013年夏季日用電量按 照溫度進行分組,為減少波動性,將同一溫度下的日用電量取平均值,通過分析可W確定日 用電量對氣溫的敏感點為25C,只有當日平均氣溫高于該溫度時,日用電量才會有顯著的 增加,此時就應該考慮增加用電計劃。
[0050] (4)采用分離出來的氣溫電量數(shù)據(jù)構(gòu)建氣溫與氣溫電量之間關(guān)系的預測模型;
[0051]
【主權(quán)項】
1. 一種基于氣溫變化的電網(wǎng)日用電量預測方法,其特征在于,包括如下步驟: (1) 獲取歷史樣本區(qū)間的數(shù)據(jù),包括每天的日用電量、日平均氣溫、日最低氣溫以及日 最商氣溫; (2) 對歷史樣本區(qū)間的數(shù)據(jù)日用電量進行分解,總用電量分為以下兩個組成部分: E=Eg+Et 其中,E表示每日的總用電量;0表示用電量隨時間而增長的部分,稱為經(jīng)濟電量;Et表 示由氣溫變化導致的用電量,稱為氣溫電量; 采用線性時間趨勢回歸方程計算經(jīng)濟電量A經(jīng)濟電量隨時間變化的回歸方程如下:
其中,week為工作日與周末的虛擬變量(week,工作日取值為1,周末或假日取值為0),et表不殘差項;a、0y表不常數(shù); (3) 從歷史樣本數(shù)據(jù)的日用電量中剔除經(jīng)濟電量,即得到歷史樣本區(qū)間的氣溫電量; (4) 采用分離出來的氣溫電量數(shù)據(jù)構(gòu)建氣溫與氣溫電量之間關(guān)系的預測模型,如下所 示:
其中,T表示每日平均氣溫,I;表示氣溫電量變化的臨界溫度,et表示隨機誤差項; (5) 通過對模型殘差的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的分析,以當日氣溫電量為因變量, 氣溫電量的滯后項為自變量,采用ARMA算法對上述氣溫電量的預測模型進行改進,如下所 示:
【專利摘要】本發(fā)明提供一種基于氣溫變化的電網(wǎng)日用電量預測方法,包括以下步驟:獲取歷史樣本區(qū)間的數(shù)據(jù);對日用電量進行分解,將其分解為氣溫電量與經(jīng)濟電量;采用分離出來的氣溫電量數(shù)據(jù)構(gòu)建氣溫與氣溫電量之間關(guān)系的預測模型;采用ARMA算法對上述模型進行改進;對預測模型進行回代檢驗和應用檢驗,以判斷模型的預測精度。本發(fā)明從電網(wǎng)日用電量入手,首先將日用電量分解為經(jīng)濟電量和氣溫電量,再構(gòu)建氣溫與日用電量之間的預測模型,根據(jù)日氣溫變化和經(jīng)濟發(fā)展形勢就可以分別預測出每日的經(jīng)濟電量和氣溫電量,將經(jīng)濟電量和氣溫電量加總就可以得到電網(wǎng)日用電量,從而為電網(wǎng)調(diào)控提供重要的依據(jù)。
【IPC分類】G06Q10-04, G06Q50-06
【公開號】CN104616079
【申請?zhí)枴緾N201510056866
【發(fā)明人】宣寧平, 榮秀婷, 葉彬, 葛斐, 王寶
【申請人】國家電網(wǎng)公司, 國網(wǎng)安徽省電力公司經(jīng)濟技術(shù)研究院
【公開日】2015年5月13日
【申請日】2015年2月4日