[发明专利]一种短期月售电量预测方法

权利要求书

1.一种短期月售电量预测方法，其特征在于，包括：

采用对数-加法模型作为时间序列分析模型，将月售电量序列Y进行对数变换得到时间序列对象Y_d，用LOESS模型将时间序列对象Y_d分解为趋势分量Y_t，季节周期分量Y_s以及随机分量Y_r；

对趋势分量Y_t建立ARIMA模型，并应用ARIMA模型预测月售电量趋势；

预测当期月售电量的季节周期分量Y_s以及随机分量Y_r；

用LOESS模型将月售电量各分量预测值还原作为最终的月售电量预测。

2.按照权利要求1所述的方法，其特征在于，对趋势分量Y_t建立ARIMA模型包括：步骤1，建立月售电量趋势分量Y_t的ARIMA模型为：

式中：ω_t为月售电量趋势分量序列；d为差分次数；B为滞后算子，Y_t为月售电量趋势分量序列经d次差分后形成的平稳序列；ε为预测的残差；μ为序列的均值；β₁，β₂，…，β_p为自回归系数；p为自回归阶数；θ₁，θ₂，…，θ_q为移动平均系数；q为移动平均阶数；

步骤2，确定月售电量趋势分量Y_t的最优差分次数d并对其进行d阶差分；

步骤3，判断月售电量趋势分量Y_t是否为平稳序列，若是进行下一步，若否则返回步骤2；

步骤4，确定ARIMA模型阶数，对月售电量趋势分量Y_t建立ARIMA模型，并进行参数估计；

步骤5，检验ARIMA模型的残差是否满足独立正态分布，若是则进行下一步，若否则返回步骤3；

步骤6，结合预测的当期月售电量的季节周期分量Y_s以及随机分量Y_r；用所建立的ARIMA模型测当期月售电量的趋势分量。

3.按照权利要求2所述的方法，其特征在于，判断月售电量趋势分量Y_t是否为平稳序列包括用ADF检验法对差分结果进行平稳性检验，直到序列平稳。

4.按照权利要求2所述的方法，其特征在于，确定ARIMA模型阶数为ARIMA模型指定参数p和参数q包括三种情况：自相关系数逐渐减小到零，偏自相关系数p阶后减小到零对应的ARIMA模型的参数模型为：ARIMA(p，d，0)；自相关系数q阶后减少到零，偏自相关系数逐渐减小到零，对应的ARIMA模型的参数模型为：ARIMA(0，d，q)；自相关系数逐渐减少为零，偏自相关系数逐渐减小到零，对应的ARIMA模型的参数模型为：ARIMA(p，d，q)。

5.按照权利要求4所述的方法，其特征在于，当自相关系数与偏自相关系数不完全符合三种情况时，对多个备选模型进行拟合，并通过比较AIC值来得到最合理的模型，比较标准是AIC值最小值为选择的模型。

6.按照权利要求4所述的方法，其特征在于，检验ARIMA模型的残差是否满足独立正态分布的判断为：残差满足均值为0的正态分布，对于任意的滞后阶数，残差的自相关系数都为零；否则，残差间有关联，重新构建模型。

7.按照权利要求4所述的方法，其特征在于，季节周期分量Y_s的计算为：将季节分量完全周期性分解，使历史年同月的季节分量相同，预测月的季节分量与历史年同月的季节分量相同，公式为：

式中：为i年、j月的月售电量季节周期分量。

8.按照权利要求4所述的方法，其特征在于，随机分量的计算方法包括：采用对历史随机分量同期值取平均，其值作为当期月售电量的随机分量。