基于时间序列分解技术的电力负荷预测乘积模型.pdf

基于时间序列分解技术的电力负荷预测乘积模型.pdf

ID:52480894

大小:194.81 KB

页数:3页

时间:2020-03-28

基于时间序列分解技术的电力负荷预测乘积模型.pdf_第1页
基于时间序列分解技术的电力负荷预测乘积模型.pdf_第2页
基于时间序列分解技术的电力负荷预测乘积模型.pdf_第3页
资源描述:

《基于时间序列分解技术的电力负荷预测乘积模型.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第33卷第6期东北电力大学学报V01.33.No.62013年12月JournalOfNortheastDianliUniversityDec.。2013文章编号:1005—2992(2013)06—0045—03基于时间序列分解技术的电力负荷预测乘积模型王亮红(东北电力大学理学院,吉林吉林132012)摘要:电力负荷预测是电力系统安全经济运行的重要保障,其关键是预测方法及预测精度等问题。考虑到电力负荷受到长期趋势、季节变化、周期变动及不规则变动等诸多因素的影响,本文运用时间序列分解方法,建立电力负荷预测的乘积模型,并通过全社会用电量进行预测

2、与检验,结果表明了方法的有效性。关键词:电力负荷;预测;乘积模型中图分类号:TM715文献标识码:A电力负荷预测是电力部门的重要工作之一,是电力系统安全经济运行的重要保障。提高负荷预测水平,有利于制定合理的电网建设规划,合理安排电力调度、电网运行方式和机组检修计划,进而提高电力系统的经济效益和社会效益。由于是预测未来负荷,不可避免会产生误差,因此负荷预测的关键是提高精度。电力负荷预测的核心问题是预测的技术方法,许多的专家学者建立了各种不同的数学预测模型¨。目前研究比较多的方法有趋势外推法、回归模型法、时间序列法、灰色预测法、组合预测法、神经网

3、络法术和小波分析法等。由于电力负荷可以分解成长期趋势、季节变动、周期变动与不规则变动等因素,即电力负荷是这四个因素的函数,因此本文采用时间序列的分解技术J,建立电力负荷的乘积模型,并利用2003年1月份至2009年12月的全社会用电量的实际数据,通过模型求解,对2010年1至12月的电力负荷做了预测,所得到的预测曲线与实际负荷曲线趋势基本一致,误差分析说明了该方法的有效性。1时间序列分解乘积模型电力负荷变化受很多因素的影响,概括起来可以将影响因素分为四种:长期趋势因素、季节变化因素、周期变动因素和不规则变动因素。长期趋势反映了电力负荷在较长时

4、间内的发展方向,在一个相当长的时间内表现为一种近似直线的持续向上(向下或平稳)的趋势,在某些情况下,也可以表现为类似于指数趋势或其它曲线趋势的形式。假设收集到Ⅳ期电力负荷数据Y={y1,,⋯,},用,t=1,2,⋯,Ⅳ表示第t期电力负荷的长期预测值。季节变动因素是电力负荷受季节(月份、周等)变动影响所形成的一种长度和幅度固定的周期波动。季节变动因素既包括受自然季节影响所形成的波动,也包括受工作时间规律等所形成的波动,其波动长度(季度、月份或周等)是固定的,用S,t=1,2,⋯,J7v表示第t期电力负荷的季节指数。周期变动因素也称为循环变动因素

5、,它是受各种因素影响所形成的上下起伏不定的波动,它与季节波动不一样,其周期波动长度一般是不一样的,用,t=1,2,⋯,Ⅳ表示第t期电力负荷的周期变动指数。不规则变动又称为随机变动,它是受各种偶然因素影响所形成的不规则波动,用,t=1,2,⋯,Ⅳ收稿日期:2013—07—10基金项目:吉林省自然科学基金项目(201215165)作者简介:王亮红(1977一),女,吉林省桦甸市人,东北电力大学理学院讲师,硕士,主要研究方向:应用概率统计46东北电力大学学报第33卷表示第t期电力负荷的不规则变动指数。当电力负荷分解成长期趋势、季节变动、周期变动和不

6、规则变动四个因素之后,可以认为电力负荷是这四个因素的函数,对于Ⅳ期的负荷数据Y={yl,y2,⋯,},第t期的电力负荷可以表示为=,(,S,C,,f),t=1,2,⋯,Ⅳ.电力负荷分解乘积模型表示为yf=XS×C×,f,t=1,2,⋯,Ⅳ.由于不规则变动受各种偶然因素影响,实际预测中比较困难,经常把它省略掉。根据考虑因素的不同,有以下两种常用模型:模型1假设电力负荷是长期预测值和季节指数百分位数的函数,则乘积模型为=XS.(1)模型2假设电力负荷是长期预测值、季节指数百分位数和周期变动百分位数的函数,则乘积模型为=×S×C.(2)2算例及其分

7、析本文利用2003年1月份至2009年12月的全社会用电量的数据(数据来源:长江证券电力行业基础数据库),建立电力负荷乘积模型,利用该模型对2010年1至12月的全社会用电量进行预测,并与实际负荷相比较检验方法的有效性。2.1长期趋势预测从图1(n)2003—2009年84个月份的全社会用电量的散点图可以看出,负荷序列具有较明显的线性上升趋势,建立一元线性回归模型:=+,t=1,2,⋯,84,(3)采用最小二乘法估计参数,得到时间序列的长期趋势方程:=1432.9677+21.5978t,t=1,2,⋯,(4)根据(4)式可以获得电力负荷长期

8、趋势值,即趋势因素序列(见表l第4列)。4000400035o0茁3000留3000高2000黥器接1000薹50o00l234567891011121713192

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。