一種城市電力負(fù)荷短期預(yù)測的非線性回歸方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明一種城市電力負(fù)荷短期預(yù)測的非線性回歸方法，涉及城市電力負(fù)荷短期預(yù) 測領(lǐng)域。
【背景技術(shù)】
[0002] 城市電力負(fù)荷短期預(yù)測一般指預(yù)測城市未來一天或一周的負(fù)荷指標(biāo)，其意義在于 幫助調(diào)度員確定燃料供應(yīng)計(jì)劃；對運(yùn)行中的電廠出力要求提出預(yù)告。使對發(fā)電機(jī)的狀態(tài)變 化事先得以估計(jì)；可以經(jīng)濟(jì)合理地安排本網(wǎng)內(nèi)各機(jī)組的啟停，降低旋轉(zhuǎn)儲備容量；可以在 保證正常用電的情況下合理安排機(jī)組檢修計(jì)劃。城市電力負(fù)荷是隨著多種因素發(fā)生非線性 變化，負(fù)荷預(yù)測方法首先要滿足這種多元且非線性的關(guān)聯(lián)性；其次，負(fù)荷預(yù)測方法在實(shí)用中 要求具有相對的穩(wěn)定性，其預(yù)測精度不隨預(yù)測時間的變化而發(fā)生劇烈波動。
[0003] 城市電力短期負(fù)荷預(yù)測方法有經(jīng)驗(yàn)預(yù)測技術(shù)、線性回歸預(yù)測技術(shù)、時間序列預(yù)測 技術(shù)以及智能預(yù)測技術(shù)四類。
[0004] 1)、經(jīng)驗(yàn)預(yù)測技術(shù)主要依靠專家或?qū)＜医M的判斷，不是依靠數(shù)量模型，目的不是弄 清電力負(fù)荷變化的軌跡和結(jié)構(gòu)，而是給出一個方向性的結(jié)論，該方法的缺陷是預(yù)測誤差較 高，因此實(shí)際很少采用，僅在需要初步估計(jì)負(fù)荷變化時才采用。
[0005] 2)、線性回歸預(yù)測指用數(shù)理統(tǒng)計(jì)中的回歸分析方法，即通過對變量的觀測數(shù)據(jù)進(jìn) 行統(tǒng)計(jì)分析，確定變量之間的線性相關(guān)關(guān)系，從而實(shí)現(xiàn)預(yù)測的目的。該方法的缺陷如下： (1) 、實(shí)際電力負(fù)荷與影響變量之間往往是非線性關(guān)系，線性回歸模型無法反應(yīng)該關(guān)系； (2) 、該方法無法對電力負(fù)荷進(jìn)行分類合成預(yù)測，因而不適應(yīng)于不同的城市負(fù)荷預(yù)測。
[0006] 3)、時間序列預(yù)測技術(shù)不同于線性回歸技術(shù)，因變量（預(yù)測目標(biāo)）和自變量均可以 是隨機(jī)變量。如因變量是現(xiàn)在待測的電力負(fù)荷，而自變量是負(fù)荷自身的過去值。此時，因變 量和自變量均是隨機(jī)變量。該方法的主要缺陷是無法和影響負(fù)荷變化的變量關(guān)聯(lián)。
[0007] 4)、智能預(yù)測技術(shù)主要指人工神經(jīng)網(wǎng)絡(luò)方法，模擬人腦的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，通過學(xué)習(xí) 獲得合適的參數(shù)，用來映射對應(yīng)的非線性關(guān)系。該方法具有自學(xué)習(xí)、自適應(yīng)及綜合容錯能 力，但缺陷是預(yù)測不穩(wěn)定，難以理解且缺乏理論依據(jù)。

【發(fā)明內(nèi)容】

[0008] 為解決上述技術(shù)問題，本發(fā)明提供一種城市電力負(fù)荷短期預(yù)測的非線性回歸方 法，將影響城市電力負(fù)荷的因素分為每天的溫度、風(fēng)速和天氣等氣象條件，以及日期特點(diǎn)等 幾類，影響負(fù)荷變化的幾類變量與負(fù)荷之間呈非線性關(guān)系；同時，城市電力負(fù)荷一般包括三 種基本類型：工業(yè)負(fù)荷、商業(yè)負(fù)荷和民用負(fù)荷。將這些不同類型的負(fù)荷根據(jù)歷史負(fù)荷數(shù)據(jù)建 立起不同負(fù)荷與各影響變量之間的非線性關(guān)系模型，然后將多種類型的負(fù)荷復(fù)合形成城市 負(fù)荷整體的多元非線性回歸模型，采用參數(shù)估計(jì)方法求取模型各具體參數(shù)。該方法可以適 用于我國不同地區(qū)、不同發(fā)展水平的城市短期電力負(fù)荷預(yù)測，預(yù)測精度高、預(yù)測穩(wěn)定。
[0009] 本發(fā)明所采用的技術(shù)方案是：
[0010] 一種城市電力負(fù)荷短期預(yù)測的非線性回歸方法，包括以下步驟：
[0011] 步驟一：進(jìn)行負(fù)荷分析：計(jì)量統(tǒng)計(jì)城市每天的負(fù)荷，確定工業(yè)用電、商業(yè)用電和居 民用電不同的比例特性，分析每類負(fù)荷的日負(fù)荷量、日最大負(fù)荷和日最小負(fù)荷三種數(shù)據(jù)，并 分別繪制其隨上述影響因素變化的關(guān)系曲線；
[0012] 步驟二：進(jìn)行多型復(fù)合：根據(jù)統(tǒng)計(jì)的工業(yè)、商業(yè)和居民負(fù)荷比例系數(shù)，以及步驟一 求得的每類負(fù)荷的關(guān)系曲線進(jìn)行復(fù)合，分析得出全部負(fù)荷的多型非線性復(fù)合模型特性曲 線；
[0013] 步驟三：進(jìn)行多元多型復(fù)合非線性回歸模型建模：由于步驟一采用的是典型工 業(yè)、商業(yè)和居民用電特性曲線，城市整體的用電特性和這些居民用電特性之間還存在差別， 前者是工業(yè)、商業(yè)和居民用電的總和；因此需要對步驟二建立的多型復(fù)合模型中的非線性 函數(shù)的參數(shù)重新進(jìn)行估計(jì)，得到更準(zhǔn)確的多元多型復(fù)合非線性回歸模型；
[0014] 步驟四：進(jìn)行模型修正：對于步驟三得到的多元多型復(fù)合非線性回歸模型，采用 數(shù)理統(tǒng)計(jì)學(xué)中的假設(shè)檢驗(yàn)，由實(shí)測的負(fù)荷數(shù)據(jù)樣本，計(jì)算出模型預(yù)測的值，并根據(jù)預(yù)先分析 得到的各類負(fù)荷的特性進(jìn)行檢驗(yàn)，做出拒絕或接受假設(shè)該模型的判斷，從而獲得關(guān)于該模 型可信度的定量數(shù)據(jù)；
[0015] 通過上述步驟完成城市電力負(fù)荷短期預(yù)測。
[0016] 所述步驟一中：城市整體的用電特性包括對用電負(fù)荷影響較大的溫度、風(fēng)速、天 氣、日期特性。
[0017] 所述步驟一中：采用多項(xiàng)式曲線擬合方法，求取城市工業(yè)負(fù)荷與溫度之間的典型 關(guān)聯(lián)關(guān)系，明確其關(guān)系特征，同理依次求出

等周負(fù)荷的其他典型特性。.
[0018] 所述步驟二中：進(jìn)行復(fù)合得到如下的城市負(fù)荷多型復(fù)合關(guān)系式：
[0019] P = K1 (F1 (T) +F1 (W) +F1 (V) +F1 (D))
[0020] +Kc (Fc (T) +Fc (W) +Fc (V) +Fc (D))
[0021 ] +Ka (Fa (T)+Fa (W)+Fa (V)+Fa (D))
[0022] 式中，KnKjP Ka分別為工業(yè)、商業(yè)和居民用電比例系數(shù)。
[0023] 所述步驟三中：城市電力負(fù)荷的多元非線性回歸參數(shù)估計(jì)中，量測量指實(shí)際獲取 的歷史負(fù)荷，狀態(tài)變量指與溫度、天氣、風(fēng)速和日期特征有關(guān)的參數(shù)變量，變權(quán)最小二乘法 的技術(shù)細(xì)節(jié)包括：
[0024] 量測量與狀態(tài)變量之間關(guān)系的非線性量測方程可表示為：
[0025] z = h (X) +V
[0026] 其中，z為量測量，X為狀態(tài)量，h (X)為用狀態(tài)量表不的非線性量測函數(shù)，V為量測 誤差，一般假定量測誤差V服從均值為〇,標(biāo)準(zhǔn)差為σ的正態(tài)分布，并且各個量測量之間是 相互獨(dú)立的；
[0027] 由V = z_h (X)得到變權(quán)最小二乘估計(jì)目標(biāo)函數(shù)為：
[0028] minj(x) = [z-h(x)]TWw[z_h(x)]
[0029] 用標(biāo)量表示為： CN 105184388 A I兄明 3/8 頁
[0031] 式中，m表不量測量個數(shù)，Ww為量測權(quán)重矩陣，w ;為第i個量測量的權(quán)值；
[0032] 目標(biāo)函數(shù)等于各量測實(shí)際值和理論計(jì)算值差的加權(quán)平方和，狀態(tài)估計(jì)目標(biāo)是使 J(X)最小，而使J(X)最小的狀態(tài)就是所求狀態(tài)估計(jì)值。對目標(biāo)函數(shù)求最小值，即可求解出 系統(tǒng)狀態(tài)的估計(jì)量;目標(biāo)函數(shù)通過迭代求解，其迭代方程為：
[0035] 其中，x(k)，x(k+1)分別表示第k次和k+Ι次迭代后的狀態(tài)量，為量測雅 克比矩陣；G(x(k)) = HT(x(k))WwH(x(k))，稱為信息矩陣；
[0036] 權(quán)函數(shù)選用有較強(qiáng)的抗差性，又有較高效率的估值的Fair函數(shù)，F(xiàn)air分布權(quán)函數(shù) 的權(quán)因子為：
[0038] 式中，V表示余差，σ表示測量數(shù)據(jù)的標(biāo)準(zhǔn)差，按照正態(tài)分布理論，誤差在±1.5 σ 之外的概率僅為〇. 13 ;
[0039] 變權(quán)最小二乘狀態(tài)估計(jì)的初始權(quán)值采用基本加權(quán)最小二乘法的權(quán)值，從第二次迭 代開始，由每次迭代后產(chǎn)生的殘差得到權(quán)因子，由權(quán)因子重新修改各量測量的權(quán)值。通過下 式對權(quán)值進(jìn)行修改：
[0041] 式中，Hf'、分別為k和k+Ι次迭代時第i個量測量的權(quán)值，為第k次 迭代后第i個量測量的權(quán)因子。
[0042] 本發(fā)明一種城市電力負(fù)荷短期預(yù)測的非線性回歸方法，技術(shù)效果如下：
[0043] 1)、采用多元回歸模型可以將影響負(fù)荷變化的因素全部計(jì)入到預(yù)測模型中；采用 非線性回歸模型可以有效避免線性回歸模型的不足，從而提高預(yù)測的精度。
[0044] 2)、該方法適合我國不同地區(qū)、不同經(jīng)濟(jì)發(fā)展水平的城市電力負(fù)荷短期預(yù)測。
[0045] 3)、對歷史負(fù)荷樣本及其影響因素進(jìn)行關(guān)聯(lián)性分析，將歷史負(fù)荷數(shù)據(jù)按照日期類 型（工作日、節(jié)假日等）、氣象條件（溫度、風(fēng)速等）等角度進(jìn)行