[发明专利]一种基于多模型融合的售电量预测方法及其系统

说明书

技术领域

本发明涉及售电技术领域，尤其涉及一种基于多模型融合的售电量预测方法。

背景技术

随着我国电力行业的快速发展，电力系统中对售电量预测的要求越来越高，正确预测出地区销售电量的水平，为电力企业提供营销决策支持，对于指导发电厂、输配电网的合理运行，推动电力市场的发展和建设都具有十分重要的意义。

常用的预测方法很多，基本上分为传统预测法及智能预测法两类。传统预测方法主要有经验法、回归分析法、灰色预测法、时间序列法、指数平滑法等。智能预测方法主要包括有小波分析预测法、混沌预测法、模糊理论预测法、人工神经网络预测法、支持向量机预测法等。但是单一方法的应用都有其局限性，传统预测方法对不同类型的售电量预测没有统一而合理的处理方法，在气候条件、节假日等影响下稳定性较差；智能预测算法由于影响售电量变化的众多随机因素很难用数学模型描述，也给预测的准确性带来了一定困难。

因此，有必要设计一种采用多种数学方法融合技术，充分运用不同算法各种的优势，取长补短，融合形成精确的、稳定的售电量预测系统。

发明内容

本发明的目的是针对上述背景技术存在的缺陷，提供一种基于多模型融合的售电量预测方法及其系统。

为实现上述目的，本发明之一的一种基于多模型融合的售电量预测方法，其包括：

步骤S1：预测方法的选择，即根据预测方法的预测效果以及适用条件，选择预存在预测方法库中的N个售电预测方法作为融合预测方法的基本方法；

步骤S2：利用售电预测方法进行预测，即利用步骤S1中选择的每一种售电预测方法对需要预测的指定时段售电量分别进行单独预测，预测后将会得到N个预测值，即其中，N为调用预测方法库中售电预测方法的数量的和，N为自然数；

步骤S3：确定融合预测方法中各售电预测方法的权重系数，即各售电预测方法在融合预测方法中的权重大小w₁(t)、w₂(t)……w_N(t)是根据各售电预测方法在设定的前m个时段内的预测精度来进行确定，权重确定的原则是精度越高，权重越大，其中，m为预测指定时段之前已预测过的时段个数，m为自然数；

步骤S4：对调用的N个预测结果进行融合，即在t时段，将各售电预测方法的预测结果依据权重系数w₁(t)、w₂(t)……w_N(t)进行加权融合，以得到融合预测方法的预测结果预测结果通过计算公式实现

本发明之二的一种基于多模型融合的售电量预测系统，应用于售电技术领域，该预测系统由数据采集与管理单元、单模型预测单元、多模型融合预测单元及预测方法库组成；

预测方法库由若干个基本预测方法模块组成，且每一基本预测方法模块存储一预测方法模型；

数据采集与管理单元用于获取各个待预测区域的历史售电量数据，同时还对来自基于多模型融合学习的售电量预测系统各个功能单元产生的售电量预测数据、预测误差数据及相关参数数据等进行计算、处理和存储的统一管理，并提供信息检索出口和数据调用通信接口，通过数据调用通信接口将数据信息提供给单模型预测单元和多模型融合预测单元；

单模型预测单元用于根据数据采集与管理单元提供的待预测区域的历史售电量数据，调用预测方法库中多个单一预测模型进行初步预测，并整理存储预测结果数据；

多模型融合预测单元用于根据数据采集与管理单元提供的单模型预测数据计算单模型预测单元中各单一预测模型的权重系数，然后根据各种基本预测方法的预测结果依据权重系数进行加权融合，得到融合预测方法的预测结果。

综上所述，本发明一种基于多模型融合学习的预测方法及其系统，避免了使用单一预测方法应用的局限性，充分运用了不同预测算法的优势，取长补短，融合形成精确的、稳定的售电量预测方法。

附图说明

图1为本发明一种基于多模型融合的售电量预测方法流程示意图。

图2为本发明一种基于多模型融合的售电量预测系统的结构示意图。

具体实施方式

为详细说明本发明的技术内容、构造特征、所达成目的及效果，以下兹例举实施例并配合附图详予说明。

请参阅图1，本发明综合考虑各种预测模型的预测结果，以不同预测模型的输出结果为信息源，以提高预测精度为目的，运用数据融合技术对售电量预测方法进行研究。

本发明之一的一种基于多模型融合的售电量预测方法，应用于售电技术领域，该预测方法具体包括：