[发明专利]一种基于双层回归模型的电力中长期负荷预测方法

说明书

本发明公开了一种基于双层回归模型的电力中长期负荷预测方法，属于电力预测技术领域。包括如下步骤：按年份收集地区因素历史数据作为样本特征；将夏季的地区负荷分割为基础负荷和降温负荷，通过计算不同年份的基础负荷，得出负荷比率；利用样本特征和负荷比率数据，将每年的迎峰度夏负荷数据构建一个回归模型；在第一层构建的回归模型的基础上，建立第二层回归模型，并对不同年份的回归结果进一步组合，同时进一步优化模型的预测精度。本发明通过构建基于多种回归算法的双层回归模型，发现地区迎峰度夏期间负荷和外部条件特征的关联性，从而对未来不同外部条件下的地区负荷进行预测，辅助地区电网系统的规划建设，提高地区电网的运行的稳定性。

技术领域

本发明属于电力预测技术领域，特别是涉及一种基于双层回归模型的电力中长期负荷预测方法。

背景技术

目前，中长期负荷预测是电力系统规划和运行研究的重要内容,也是电力系统规划建设的依据，其预测的准确性将直接影响到电力系统投资和网络布局,同时也直接关系到电网的安全、经济及可靠运行。目前的负荷预测算法大多是基于电力和地区经济的关系，如弹性系数法、产值单耗法等，或者是简单的数学模型，如线性回归模型、灰色模型等。上述算法的优点是比较直观，且简单易用；缺点是算法复杂度有限，对于变化的适应能力较弱，且预测精度有限。因此，函需提供一种基于双层回归模型的电力中长期负荷预测方法，以便于解决上述问题。

发明内容

本发明的目的在于提供一种基于双层回归模型的电力中长期负荷预测方法，通过构建基于多种回归算法的双层回归模型，发现地区迎峰度夏期间负荷和外部条件特征的关联性，从而对未来不同外部条件下的地区负荷进行预测，辅助地区电网系统的规划建设，提高地区电网的运行的稳定性，解决了现有的电力中长期负荷预测方法对电力变化的适应能力较弱且预测精度有限的问题。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种基于双层回归模型的电力中长期负荷预测方法，包括如下步骤：

步骤一，按年份收集地区因素历史数据作为样本特征；

步骤二，将夏季的地区负荷分割为基础负荷和降温负荷，通过计算不同年份的基础负荷，即不含降温负荷的地区负荷的均值，得出负荷比率：负荷比率＝(地区负荷-基础负荷)/基础负荷；

步骤三，对步骤一中的样本特征和步骤二中的负荷比率数据汇总整合，将每年的迎峰度夏负荷数据构建一个回归模型；

步骤四，在第一层构建的回归模型的基础上，建立第二层回归模型，并对不同年份的回归结果进一步组合；

步骤五，通过训练集和测试集的选择、样本特征的增加或减少以及模型参数的优化，进一步优化模型的预测精度。

进一步地，所述步骤一中，样本特征包括日最高温度值、日最低温度值、日平均温度、高温持续天数、日照等级、风速、降雨情况和最大负荷值，所有的天气数据通过爬虫程序从中国气象局官网上获取；其中，日平均温度的计算为：日平均温度＝(日最高温度+日最低温度)/2，而当天的高温持续天数是计算前连续n天温度比当天温度高的天数。

进一步地，所述步骤三和步骤四中，第一层回归模型和第二层回归模型的建立分别基于向量回归算法和随机森林回归算法构建。

本发明具有以下有益效果：

1、本发明通过构建基于多种回归算法的双层回归模型，发现地区迎峰度夏期间负荷和外部条件特征的关联性，从而对未来不同外部条件下的地区负荷进行预测，辅助地区电网系统的规划建设，提高地区电网的运行的稳定性，解决了现有的电力中长期负荷预测方法对电力变化的适应能力较弱且预测精度有限的问题。