[发明专利]一种用于电功率预测模型评价的精度指标构建方法

说明书

本发明涉及精度指标相关技术领域，特别是涉及一种用于电功率预测模型评价的精度指标构建方法，包括建立相对误差指标的识别框架；构建识别框架上的基本信度分配；获取识别框架上的信度函数；融合多项信度函数，生成新的精度指标。相对误差RE作为最常用且典型的精度指标，为遵从全面性、典型性等原则，需要建立用于电功率预测模型评价的包括RE的精度指标体系。挖掘RE更多有利用价值的信息，构建新的精度指标，同时解决RE与MAE、MAPE、RMSE、SDE、FEM、r等指标存在的时间跨度不一致而不能同时采用的问题，进行全方位的精度指标选择，从而更加准确、综合地评价电功率预测模型的精准度，实现模型优选，进而降低预测风险。

技术领域

本发明涉及电功率预测模型评价技术领域，特别是涉及一种用于电功率预测模型评价的精度指标构建方法。

背景技术

电功率预测，包括但不限于风电功率预测、光伏发电功率预测、负荷预测。准确的电功率预测是电力规划设计的基础和前提，也是实现电网安全经济运行的重要保障。目前有多种电功率预测模型，如灰色预测模型、神经网络预测模型、支持向量机预测模型等，这些模型从不同的角度利用数据信息来预测电功率。如何实现模型优选，需要首先对模型进行评价。选择使用单一指标对电功率预测模型进行评价时，难以全面反映模型的预测效果，而且在不同的指标下，模型的评价结果可能会发生变化，也可能存在冲突性，因此，需要从多个角度使用多个指标来对电功率预测模型进行评价，即精度指标的选择应遵从客观性、典型性等原则。

考虑预测误差的平均值大小、离散化水平、预测值同实际值的相关性等因素，选取能够反映电功率预测模型不同角度预测情况的精度评价指标：相对误差(Relative Error，RE)、平均绝对误差(Mean Absolute Error，MAE)、平均绝对百分比误差(Mean AbsolutePercentage error，MAPE)、均方根误差(Root Mean Square Error，RMSE)、误差标准差(Standard Deviation of Error，SDE)，以及可以体现预测值与实际值相关性的预测有效度(Forecasting Effective Measure，FEM)和相关系数(r)指标，进行综合评价。这些指标中，只有RE是逐点精度测量指标，RE与其他指标采用的时间跨度不一致，存在着时间点和时间段的区别。RE作为最常用且典型的精度评价指标之一，为遵从全方位原则，需要建立包括RE的精度评价指标体系。通过对RE进行处理生成新的指标，即时间段内的精度指标，其满足与上述其他指标存在时间跨度一致且评价角度不同的特点，将其用于电功率预测模型的评价指标体系，进行全方位评价电功率预测模型精准度，有利于预测系统用户和预测算法研究人员合理判别和使用预测结果。

发明内容

基于此，为了建立包括最常用且典型的RE指标的精度评价指标体系，更加全面综合地评价电功率预测模型，实现模型优选，进而降低预测风险，有必要针对RE与其他精度指标之间存在的时间跨度不一致而不能同时采用的问题，提出一种用于电功率预测模型评价的精度指标构建方法，将其用于构建电功率预测模型的评价指标体系，进行全方位评价电功率预测模型的精准度，指导预测结果合理应用，实现电功率预测模型优选。

一种用于电功率预测模型评价的精度指标构建方法，包括步骤：

建立电功率预测模型预测评价的相对误差指标的识别框架Θ_RE；

对于待评价的电功率预测模型，建立其预测评价的相对误差指标的识别框架Θ_RE；

构建识别框架Θ_RE上的基本信度分配m；

获取识别框架Θ_RE上的信度函数Bel^RE；

融合u项基于不同时间点i的信度函数生成新的精度评价指标，其中，i＝1，2，...，u，1＜u≤t，t为所述相对误差所处的不同的时间点数目；