[发明专利]一种基于误差修正模型的电力系统中负荷预测装置及方法

摘要

本发明涉及电力系统负荷预测技术领域，公开一种基于误差修正模型的电力系统中负荷预测装置及方法，采用因子模型方法，以回归模型为基础，将遗传算法、协整检验与误差修正模型有机结合，建立起中长期遗传回归预测模型GRM，对电网的负荷进行中长期预测；本发明相通过因子提取的方式，避免了模型自由度变高导致的模型拟合困难；其次，通过协整检验，以及设定的惩罚系数K，保证待预测电量与生成的B矩阵的成分因子序列之间存在长期稳定的关系，相较之传统多元线性回归模型建立变量间各种假设检验下的相关性，有更为严谨的理论基础；最后，遗传算法全局搜索的能力保证了提取的最优因子是全局最优解。

主权项

一种基于误差修正模型的电力系统中负荷预测方法，其特征是：采用因子模型方法，以回归模型为基础，将遗传算法、协整检验与误差修正模型有机结合，建立起中长期遗传回归预测模型GRM，对电网的负荷进行中长期预测，其步骤如下：1）、首先通过由遗传算法提供的初始种群C，以及公共因子矩阵A，生成该种群内所有个体对应的目标矩阵B，2）、然后将目标矩阵B输送至协整与回归建模模块，该回归建模模块中对因变量的群用电量，与目标矩阵B中的成分因子序列进行协整检验，3）、对于通过协整检验的目标矩阵B，建立起相应的误差修正模型，求取适应度函数值，对于未通过协整检验的目标矩阵B，直接建立四元线性回归模型，并求取目标矩阵B对应的个体适应度函数的值；4）、最后，以种群中所有个体适应度函数值作为遗传算法进行复制、交叉、变异的依据，由遗传算法模块生成新的种群，再次传递给因子提取模块以用来生成新的目标矩阵，实现算法的循环；5）、当适应度函数值满足优化准则或是遗传算法达到最大的进化代数，寻优过程结束，输出最优个体；6）、通过遗传算法寻优，得到满足协整检验的，使得适应度函数值最小的最优个体‑因子提取方案，并由此确定模型参数，进行预测；其具体实施步骤如下：开始，输入原始数据矩阵，确定滞后阶数及成分因子个数Gen=0；染色体编码，生成初始种群；提取公因子，技术目标矩阵B；协整检验建立回归/误差修正模型；适应度函数计算；是否满足优化准则判断：判断N,通过选择、交叉、变异、重插入Gen=Gen+1，至生成新一代群体，返回至提取公因子，技术目标矩阵B,继续进行；判断Y,确定模型参数，输出预测结果计算误差指标，结束。