400-050-6600

电力负荷预测方法的分析与比较

来源:CPDA数据分析师 【北京】 马杰 张茂 / 作者: / 时间:2019-12-19

摘要:提高短期电力负荷预测精度,是保障电力系统优化决策科学性的重要手段。本文提出了灰色理论与季节指数结合模型及改进的ARIMA模型对我国南方某省夏季工作日和休息日两种类型的电力负荷进行预测分析。过MATLABSPSS软件实现预测,分别从平均相对误差、负荷预测的误差率及负荷预测的准确率,进行了比较分析并给出结论,对于工作日预测,灰色理论与季节指数结合预测模型比灰色理论模型准确;对于休息日的预测,改进的ARIMA模型较ARIMA模型准确。


关键词:短期负荷预测 灰色理论与季节指数结合 改进的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


历经数十年的研究,国内外的许多专家、学者在预测理论和方法方面做了大量的研究工作,大量技术不断引入短期负荷预测工作中,并取得了显著成果。但随着负荷受外部因素影响规律的日益复杂化,新技术不断涌现,短期负荷预测方法仍是电力系统工作者的研究热点[1]。Benaouda D,Murtagh F,Starck J L,etal(2006)提出分别对不同行业的用电负荷进行建模和预测;李明,王智灵,杨晓宇(2006)提出了负荷天气突变修正策略,增强了负荷预测模型对天气突变等因素的适应能力;Yun Z,Quan Z,Caixin S,etal(2008)考虑实时电价变化对基于日特征气象因素的短期负荷预测结果进行修正,解决了实时电价对负荷特性的影响;刘旭,罗滇生,姚建刚(2009)通过分析气象敏感负荷与实时天气因素的关系,搭建了基于实时气象因素的短期负荷预测模型;祝燕萍,方鸽飞(2012)以人体舒适度作为气象因子的处理模型,分析了多种气象因素综合作用对电力负荷的影响;李小燕,文福拴,卢恩(2013)分析了台风期间的气象因子与系统负荷之间的相关性。


本课题的研究目的是通过了解时间序列分析、灰色预测理论等基本知识,建立多种预测模型,利用这些预测模型对电力负荷进行预测分析。从工作日和休息日两个角度出发,研究提高负荷预测精度的方法。


1 灰色理论与季节指数结合模型


GM(1,1)模型应用于短期电力负荷预测时,预测结果中只有部分比较准确,具有借鉴意义,因此该方法比较适用于中长期电力负荷预测。本文提出改进模型,考虑到电力负荷预测既有一定的增长趋势又受一定季节因素的影响,采用季节指数对其进行改进。在不考虑长期趋势的影响下,采用按季平均法,即以历年的各季(月)简单算术平均数同全时期季(月)平均数相比而求得季节指数,建立灰色理论与季节指数结合模型,再对所求电力负荷进行分析预测。


学习完整数据分析案例文章:

>>>>>>>>>>点击查看pdf文档<<<<<<<<<<<

Prev article

运用数据分析方法解读武汉市政务大数据发展

Next article

空调机组报价预测——基于线性回归的数据分析案例

课程服务

认证服务

在线咨询