本發(fā)明涉及電力市場，尤其涉及一種利用自適應arima模型預測用電狀況及異常數(shù)據(jù)診斷方法。

背景技術(shù)：

1、隨著全球經(jīng)濟的發(fā)展，電力行業(yè)的重要性越來越受到人們的關(guān)注，然而，電力市場的不確定性和復雜性使得電力價格和需求的預測變得困難，現(xiàn)有的對電力價格和電力需求的預測方法存在一定的缺陷和局限性，例如預測準確度低、預測時間長等。

2、因此需要設計一種利用自適應arima模型預測用電狀況及異常數(shù)據(jù)診斷方法，來解決現(xiàn)有的預測技術(shù)存在的預測準確度低、預測時間長等問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明旨在解決現(xiàn)有技術(shù)中存在的缺點，而提出了一種利用自適應arima模型預測用電狀況及異常數(shù)據(jù)診斷方法。

2、為了實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

3、一種利用自適應arima模型預測用電狀況的方法，具體包括以下步驟：

4、s1、數(shù)據(jù)收集：通過目標網(wǎng)站收集標的地電力市場的當前時間的歷史電力數(shù)據(jù)、實時電力數(shù)據(jù)及網(wǎng)站預測電力數(shù)據(jù)；

5、s2、數(shù)據(jù)處理：對所述歷史電力數(shù)據(jù)歸一化到0-1之間后，劃分為訓練集和測試集，并將時間序列數(shù)據(jù)轉(zhuǎn)換為監(jiān)督學習數(shù)據(jù)；

6、s3、模型構(gòu)建及訓練：構(gòu)建arima模型，對所述訓練集進行模型訓練，根據(jù)最小化信息準則，先循環(huán)獲得最佳p、q值，再循環(huán)獲得最佳d值，其中，p表示ar模型的階數(shù)，q表示ma模型的階數(shù)，d表示差分次數(shù)；

7、s4、電價和需求預測：采用訓練好的arima模型，使用所述測試集進行預測并將預測結(jié)果進行數(shù)據(jù)還原；

8、s5、模型評估：計算arima模型的預測誤差并可視化預測結(jié)果。

9、進一步地，所述電力數(shù)據(jù)包括電價數(shù)據(jù)和用電需求數(shù)據(jù)。

10、進一步地，所述根據(jù)最小化信息準則，先循環(huán)獲得最佳p、q值，再循環(huán)獲得最佳d值為：使用p值最大為m1、q值最大為m2的arma模型，p、q值分別從1遍歷到各自最大值，根據(jù)最小化信息準則，選擇最佳的arma模型的階數(shù)，即最佳p、q值，其中，m1為8至15的正整數(shù)，m2為8至15的正整數(shù)；設置d的范圍為0到n，寫for循環(huán)將所述最佳p、q值和d值進行組合代入model.fit()，根據(jù)最小化信息準則，獲得最佳d值；其中，n為大于等于4的正整數(shù)。

11、進一步地，所述最小化信息準則為aic信息準則。

12、進一步地，所述計算arima模型的預測誤差包括，將arima模型的預測結(jié)果分別與所述實時電力數(shù)據(jù)比較得到相應預測誤差。

13、進一步地，所述模型評估的指標包括均方根誤差、均方誤差、平均絕對誤差、r平方中的一種或多種。

14、進一步地，所述預測指對未來一天進行預測。

15、進一步地，所述歷史電力數(shù)據(jù)指當前時間的歷史y天的電力數(shù)據(jù)，y=3、4、5、6、7、8。

16、本發(fā)明還公開了一種用電狀況異常數(shù)據(jù)診斷方法，應用所述預測用電狀況方法中，采用箱線法或蓋帽法診斷所述歷史電力數(shù)據(jù)中的異常數(shù)據(jù)并進行處理。

17、進一步地，本發(fā)明的用電狀況異常數(shù)據(jù)診斷方法還包括，將預測結(jié)果進行數(shù)據(jù)還原前，對預測結(jié)果進行異常范圍檢測，剔除異常值。

18、本發(fā)明提供的一種利用自適應arima模型預測用電狀況及異常數(shù)據(jù)診斷方法，與現(xiàn)有技術(shù)相比：

19、本發(fā)明利用自適應arima模型預測用電狀況的方法，利用arima模型進行電價和需求的預測，將arima模型應用于電力市場中的電價和需求數(shù)據(jù)，以預測未來的電價和需求，根據(jù)歷史數(shù)據(jù)和當前市場情況，動態(tài)地調(diào)整模型參數(shù)，提高了預測的準確性和穩(wěn)定性。

技術(shù)特征：

1.利用自適應arima模型預測用電狀況的方法，其特征在于，具體包括以下步驟：

2.根據(jù)權(quán)利要求1所述的利用自適應arima模型預測用電狀況的方法，其特征在于，所述電力數(shù)據(jù)包括電價數(shù)據(jù)和用電需求數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的利用自適應arima模型預測用電狀況的方法，其特征在于，所述根據(jù)最小化信息準則，先循環(huán)獲得最佳p、q值，再循環(huán)獲得最佳d值為：

4.根據(jù)權(quán)利要求3所述的利用自適應arima模型預測用電狀況的方法，其特征在于，所述最小化信息準則為aic信息準則。

5.根據(jù)權(quán)利要求1所述的利用自適應arima模型預測用電狀況的方法，其特征在于，所述計算arima模型的預測誤差包括，將arima模型的預測結(jié)果分別與所述實時電力數(shù)據(jù)比較得到相應預測誤差。

6.根據(jù)權(quán)利要求1所述的利用自適應arima模型預測用電狀況的方法，其特征在于，所述模型評估的指標包括均方根誤差、均方誤差、平均絕對誤差、r平方中的一種或多種。

7.根據(jù)權(quán)利要求1所述的利用自適應arima模型預測用電狀況的方法，其特征在于，所述預測指對未來一天進行預測。

8.根據(jù)權(quán)利要求1所述的利用自適應arima模型預測用電狀況的方法，其特征在于，所述歷史電力數(shù)據(jù)指當前時間的歷史y天的電力數(shù)據(jù)，y=3、4、5、6、7、8。

9.一種用電狀況異常數(shù)據(jù)診斷方法，應用于權(quán)利要求1-8任一項所述的預測用電狀況方法中，其特征在于：采用箱線法或蓋帽法診斷所述歷史電力數(shù)據(jù)中的異常數(shù)據(jù)并進行處理。

10.根據(jù)權(quán)利要求9所述的用電狀況異常數(shù)據(jù)診斷方法，其特征在于，還包括，將預測結(jié)果進行數(shù)據(jù)還原前，對預測結(jié)果進行異常范圍檢測，剔除異常值。

技術(shù)總結(jié)
本發(fā)明公開了一種利用自適應ARIMA模型預測用電狀況的方法，包括：S1、數(shù)據(jù)收集；S2、數(shù)據(jù)處理；S3、模型構(gòu)建及訓練；S4、電價和需求預測；S5、模型評估。本發(fā)明還公開了一種用電狀況異常數(shù)據(jù)診斷方法，應用于自適應ARIMA模型預測用電狀況的方法中。本發(fā)明的預測用電狀況的方法，利用ARIMA模型進行電價和需求的預測，將ARIMA模型應用于電力市場中的電價和需求數(shù)據(jù)，以預測未來的電價和需求，根據(jù)歷史數(shù)據(jù)和當前市場情況，動態(tài)地調(diào)整模型參數(shù)，提高了預測的準確性和穩(wěn)定性。

技術(shù)研發(fā)人員：李建勇,吳光焱,鄧蜀云,汪文濤
受保護的技術(shù)使用者：深圳博浩遠科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19