[发明专利]一种基于改进最小二乘法的变电站站用负荷电量预测方法

说明书

技术领域

本发明涉及电力预测领域，特别涉及一种基于改进最小二乘法的变电站站用负荷电量预测方法。

背景技术

近年来，随着节能减排工作的推进，变电站的站用电管理得到重视。但是由于大多变电站没有站用电量的专门计量，对站用电量的直接研究存在一定困难；且站用电中的隔离开关、断路器等一次设备涉及输送电的安全和可靠性，其引起的电量损耗是正常且必须的，可控性不强；变电站内的站用负荷包括空调系统、照明系统、场动力电源系统等，变电站站用负荷用电属于变电站站用电量的一部分，且具有人为可控性强、数据齐全等特点，加强变电站站用负荷电量的预测，实现精细化、科学化的站用负荷用电管理，能够有效降低变电站站用负荷用电量，从而减小变电站站用电量，提高变电站站用电管理水平，对电网企业降低线损、实现节能减排目标具有积极的促进作用。

目前电量预测方法主要可分为：传统预测方法和人工智能方法。传统预测方法以趋势时间序列法、外推法、灰色模型法等为主，这些算法的原理简单、速度快，但是针对复杂系统，难以建立有效的数学模型，预测结果精度不高。人工智能方法主要包括专家系统、模糊逻辑方法和人工神经网络方法等，这些方法有着成熟的理论基础，在实际电力系统预测领域都有应用，然而它们算法复杂，不易推广。最小二乘法(又成最小平方法)是一种数学优化技术，它通过最小化误差平方和寻找数据的最佳匹配函数，由于其算法简单、计算快速，在参数估计、系统辨识、预测、预报等众多领域都有着广泛的应用，故考虑实用性和可推广性，宜选择基于最小二乘法建立变电站站用负荷电量的预测模型。但是，使用经典最小二乘法进行变电站站用负荷电量预测时仅能考虑电量、温度等显性影响因素，难以考虑变电站固定检修、设备试验等潜在影响因素，预测精度并不高。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出一种基于改进最小二乘法的变电站站用负荷电量预测方法。

本发明的目的通过以下技术方案实现：

一种基于改进最小二乘法的变电站站用负荷电量预测方法，包括以下步骤：

S1.分析变电站站用负荷电量影响因素；

S2.获取训练样本集和测试样本集；

S3.建立训练样本集的训练样本集中变电站各月站用负荷电量组成的矩阵B及训练样本集中变电站站用负荷电量各影响因素组成的N＝12*n行、10列的矩阵A；

S4.建立改进最小二乘法方程组的矩阵形式：将经典最小二乘法方程组中的固定常数项改进为随各月份变化的变量，并用c₀₁～c₁₂表示1～12月份的值；然后基于所建立的改进最小二乘法方程组，对经典最小二乘法中的系数向量X和影响因素矩阵A进行改进，最终将改进最小二乘法方程组写成A′X′＝B的矩阵形式，其中A′为影响因素矩阵，X′为系数向量；

S5.引入粒子群算法求解改进最小二乘法方程组，得到变电站站用负荷电量的回归方程；

S6.变电站站用负荷电量预测：依据步骤S5中所述的回归方程，输入测试集的相应影响因素值进行变电站站用负荷电量的预测，并依据预测结果的相对误差E_r、均方误差E和可决系数R²评价所建回归方程的性能。

所述步骤S3具体如下：

(21)对训练样本集的年份从1～n编号，定义k＝1～n，k的初始值为1，

(22)第k年变电站站用负荷电量及各影响因素值描述如下：

221)定义j＝1～12，j的初始值为1；

222)定义训练样本集中第k年j月份的变电站站用负荷电量为b_kj，影响因素值是：输送电量a_k1j、110kV母线输出电量a_k2j、10kV母线有功电量a_k3j、10kV母线无功电量a_k4j、线路电量a_k5j、电容电量a_k6j、月最高温度a_k7j、月最低温度a_k8j、月平均最高温度a_k9j、月平均最低温度a_k10j；

213)判断j是否等于12，若是，进入下一步，若不是，j＝j+1，返回步骤222)；

(23)判断k是否等于n，若是，进入下一步，若不是，k＝k+1，返回步骤(22)；

(24)建立训练样本集中变电站站用负荷电量及其影响因素的样本矩阵如下：