[发明专利]一种基于模型族分解与集成技术的区域饱和负荷预测方法

摘要

本发明公开了一种基于模型族分解与集成技术的区域饱和负荷预测方法。在已有的负荷预测技术中，多以趋势外推、灰色预测、线性回归等单一预测方法为主，各预测方法的预测结果差异较大。本发明首先提取区域负荷增长的主要影响因素，其次选择合适的单一预测方法或模型预测区域饱和负荷，最后确定每个单一预测方法或模型的权重，从而组合预测此区域饱和负荷规模。本发明综合了各单一饱和负荷预测方法的优点，进行优化组合与综合分析，全面考虑与用电量密切相关指标的影响，结合饱和负荷判定指标集，对区域电力消费量的饱和规模及饱和年份进行预测，有助于辅助区域中长期电网规划。

主权项

一种基于模型族分解与集成技术的区域饱和负荷预测方法，包括以下步骤：(1)提取区域负荷增长的主要影响因素；(2)选择合适的单一预测方法或模型预测此区域饱和负荷；(3)利用优化组合预测模型预测此区域饱和负荷出现的时间及规模；所述的优化组合预测模型为：$Q_p=\underset{i=1}{\overset{n}{\Σ}}{k}_i{Q}_i,$其中，Q_p为优化组合预测模型的预测值，Q_i为第i个预测方法或模型的预测值，k_i为第i个预测方法或模型的权重系数；运用熵值方法，根据各个预测方法或模型预测误差序列的变异程度，确定各个预测方法或模型权重系数，运用熵值法确定权重系数的具体步骤如下：(a)将各个预测方法或模型的相对误差序列进行归一化处理$q_{ik}=e_{ik}/\underset{k=1}{\overset{n}{\Σ}}{e}_{ik},k=1,2,...,n$其中，q_ik满足$\underset{k=1}{\overset{n}{\Σ}}{q}_{ik}=1,i=1,2,...,m;$(b)计算第i个预测方法或模型的相对误差的熵值$k_i=-p\underset{k=1}{\overset{n}{\Σ}}{q}_{ik}{\mathrm{lnq}}_{ik},i=1,2,...,m;$其中，p为大于0的常数，对于第i个预测方法或模型而言，如果q_ik全部相等，即那么h_i取极大值，即h_i＝plnn，取有0≤h_i≤1；(c)计算第i个预测方法或模型相对误差序列的变异程度系数第i种预测方法或模型预测相对误差序列的变异程度系数记为d_i＝1‑h_i,i＝1,2,…,m；(d)计算各种预测方法或模型的权重系数$k_i=\frac{1}{m-1}(1-\frac{d_i}{\underset{i=1}{\overset{m}{\Σ}}{d}_i}),i=1,2,...,m$其中，权重系数满足