[发明专利]电力负荷特性指标预测方法及装置

权利要求书

1.一种电力负荷特性指标预测方法，其特征在于，包括：

获取历史规模效应和历史结构效应的表征序列；

建立电力负荷负荷特性指标预测的面板数据模型，所述面板数据模型包括变系数模型、变截距模型以及混合模型三种模型；

确定所述三种模型中最优模型；

计算所述最优模型中所述规模效应和结构效应向量的系数；

获取目标地区未来规模效应和未来结构效应的预测值；

根据规模效应和未来结构效应的预测值，计算目标地区未来负荷特性指标。

2.根据权利要求1所述的电力负荷特性指标预测方法，其特征在于，建立电力负荷负荷特性指标预测的面板数据模型，包括：

根据以下公式，建立电力负荷负荷特性指标预测的面板数据模型：

y_it＝x_itβ_i+α_i+ε_it；

其中，y_it为电力负荷特性指标预测值，x_it为规模效应和结构效应向量，i为不同地区的负荷样本个体，t为时间点，α_i为不同负荷样本随机效应向量，β_i为规模效应和结构效应向量的系数，ε_it为随机误差项。

3.根据权利要求1所述的电力负荷特性指标预测方法，其特征在于，确定所述三种模型中最优模型包括：

判断个体对所述面板数据模型是否具有影响，提出假设H1：

H1：α₁＝α₂＝…＝α_N；β₁＝β₂＝…＝β_N；

若个体对所述面板数据模型具有影响，提出假设H2：

H2：β₁＝β₂＝…＝β_N；

根据以下公式，检验假设H1：

其中，F1为算假设H1的F统计量的值，S1为混合模型的残差平方和，S3为变系数模型的残差平方和，N为不同地区的负荷样本个体个数，T为时间序列长度，k为解释变量的个数；

给定显著性水平下F统计量的临界值为F_P，判断F1是否小于临界值F_P；

如果是，则接受假设H1，确定所述面板数据模型为混合模型；

如果不是，则拒绝假设H1，根据以下公式，检验假设H2：

其中，F2为算假设H2的F统计量的值，S2为变截距模型的残差平方和，S3为变系数模型的残差平方和，N为不同地区的负荷样本个体个数，T为时间序列长度，k为解释变量的个数；

判断F2是否小于临界值F_P；

如果是，则接受假设H2，确定所述面板数据模型为变截距模型；

如果不是，则拒绝假设H2，确定所述面板数据模型为变系数模型。

4.根据权利要求3所述的电力负荷特性指标预测方法，其特征在于，在确定所述面板数据模型为变截距模型之后，还包括：

采用Hausman检验，检验原假设G0与备择假设G1：

G0：个体效应与解释变量不相关；

G1：个体效应与解释变量相关；

若接受原假设G0，所述变截距模型为随机效应模型；

若拒绝原假设G0，所述变截距模型则为固定效应模型。

5.根据权利要求1所述的电力负荷特性指标预测方法，其特征在于，计算所述最优模型中所述规模效应和结构效应向量的系数，包括：

根据以下公式，计算所述最优模型中所述规模效应和结构效应向量的系数：

其中，为β_i的估计值，α_i为不同负荷样本随机效应向量，β_i为规模效应和结构效应向量的系数，N为不同地区的负荷样本个体个数，T为时间序列长度，i为不同地区的负荷样本个体，t为时间点，τ为分位数，其中0τ1，ρ_τ为分位数损失函数，y_it为电力负荷特性指标预测值，x_it为规模效应和结构效应向量。