400-050-6600

電力負荷預測方法的分析與比較

來源:CPDA數據分析師 【北京】 馬杰 張茂 / 作者: / 時間:2019-12-19

摘要:提高短期電力負荷預測精度,是保障電力系統優化決策科學性的重要手段。本文提出了灰色理論與季節指數結合模型及改進的ARIMA模型對我國南方某省夏季工作日和休息日兩種類型的電力負荷進行預測分析。過MATLABSPSS軟件實現預測,分別從平均相對誤差、負荷預測的誤差率及負荷預測的準確率,進行了比較分析并給出結論,對于工作日預測,灰色理論與季節指數結合預測模型比灰色理論模型準確;對于休息日的預測,改進的ARIMA模型較ARIMA模型準確。


關鍵詞:短期負荷預測 灰色理論與季節指數結合 改進的ARIMA模型


ABSTRACT: The improvement of accuracy of short-term load forecasting is an important method to ensure the scientific decision of power system optimization. In this paper, four kinds of forecasting methods, such as gray theory, gray theory and seasonal index combination model, ARIMA model and improved ARIMA model, are used to forecast the two types of power load in summer working day and rest day in southern China. To achieve the forecast, the four methods are compared and analyzed from the average relative error, the error rate of load forecasting and the accuracy rate of load forecasting through MATLAB and SPSS. For the forecast of the rest day, the gray theoretical prediction model and the improved ARIMA model are recommended, but for the forecast of the working day, gray theory and seasonal index combination model are recommended.


Key words: short-term power load forecasting  gray theory and seasonal index combination model  ARIMA model  improved ARIMA model    

 

0 引言


歷經數十年的研究,國內外的許多專家、學者在預測理論和方法方面做了大量的研究工作,大量技術不斷引入短期負荷預測工作中,并取得了顯著成果。但隨著負荷受外部因素影響規律的日益復雜化,新技術不斷涌現,短期負荷預測方法仍是電力系統工作者的研究熱點[1]。Benaouda D,Murtagh F,Starck J L,etal(2006)提出分別對不同行業的用電負荷進行建模和預測;李明,王智靈,楊曉宇(2006)提出了負荷天氣突變修正策略,增強了負荷預測模型對天氣突變等因素的適應能力;Yun Z,Quan Z,Caixin S,etal(2008)考慮實時電價變化對基于日特征氣象因素的短期負荷預測結果進行修正,解決了實時電價對負荷特性的影響;劉旭,羅滇生,姚建剛(2009)通過分析氣象敏感負荷與實時天氣因素的關系,搭建了基于實時氣象因素的短期負荷預測模型;祝燕萍,方鴿飛(2012)以人體舒適度作為氣象因子的處理模型,分析了多種氣象因素綜合作用對電力負荷的影響;李小燕,文福拴,盧恩(2013)分析了臺風期間的氣象因子與系統負荷之間的相關性。


本課題的研究目的是通過了解時間序列分析、灰色預測理論等基本知識,建立多種預測模型,利用這些預測模型對電力負荷進行預測分析。從工作日和休息日兩個角度出發,研究提高負荷預測精度的方法。


1 灰色理論與季節指數結合模型


GM(1,1)模型應用于短期電力負荷預測時,預測結果中只有部分比較準確,具有借鑒意義,因此該方法比較適用于中長期電力負荷預測。本文提出改進模型,考慮到電力負荷預測既有一定的增長趨勢又受一定季節因素的影響,采用季節指數對其進行改進。在不考慮長期趨勢的影響下,采用按季平均法,即以歷年的各季(月)簡單算術平均數同全時期季(月)平均數相比而求得季節指數,建立灰色理論與季節指數結合模型,再對所求電力負荷進行分析預測。


學習完整數據分析案例文章:

>>>>>>>>>>點擊查看pdf文檔<<<<<<<<<<<

Prev article

運用數據分析方法解讀武漢市政務大數據發展

Next article

空調機組報價預測——基于線性回歸的數據分析案例

課程服務

認證服務

在線咨詢

色惰日本视频网站