[发明专利]一种通过经济增长率预测用电量增长率的方法

摘要

本发明公开了一种通过经济增长率预测用电量增长率的方法，涉及一种电力负荷预测技术领域。本发明根据各个部门产业发展与用电量之间的数据，进行相关性检验，获得与用电量相关的产业发展数据；本发明首先根据各个部门产业发展与用电量之间的数据，对经济指标和电力指标进行相关性检验，确定两者之间的相关性。根据各个部门的每月工业逐年增长率和每日电力消耗量，将数据进行对数处理。根据自编码网络，构建经济变量间的非线性回归模型，得到基于非线性回归的经济预测电力模型。经济预测电力模型的精确度要高于对数线性回归模型的结果。本技术方案采用一种精确度更高的通过经济增长率来预测用电量消耗增长率的非线性回归模型，预测精度高。

主权项

1.一种通过经济增长率预测用电量增长率的方法，其特征在于：包括以下步骤：一)根据各个部门产业发展与用电量之间的数据，进行相关性检验，获得与用电量相关的产业发展数据；二)将获得的产业发展数据输入经济预测电力模型中，获得用电量增长率预测值；其中经济预测电力模型的建立包括步骤：步骤S1：获取训练数据，训练数据包括行业用电量数据Y和行业经济指标数据X；行业用电量数据Y是某个工业行业的月用电量增量时间序列；行业经济指标数据X是对应工业行业的月度面板数据，其横截面序列为行业生产总值X¹，行业净出口值X²，行业月增长同比X³，即X＝[X¹；X²；X³]；步骤S2：将训练数据输入自回归滑动平均模型中，对训练数据X和Y进行对数标准化处理，以降低训练模型的异方差，提升模型训练的可靠性；处理后的logX和logY作为模型训练的输入数据，其中logX＝[logX¹；logX²；logX³]；步骤S3：将输入数据打上时序标识logXⁱ＝[logXⁱ_ti,logXⁱ_ti‑1,…,logX₂,logX₁](i＝1,2,3)，logY＝[logY_t,logY_t‑1,…,logY₂,logY₁]；对输入数据进行时序检验，得到logXⁱ(i＝1,2,3)对logY的滞后阶数n_i，记n＝n₁+n₂+n₃；步骤S4：构造单隐层的自编码网络模型；隐层节点数m的设置方法是：若n≥10，m＝n；若n<10，m＝2n；隐层节点函数h(x)＝[1+exp(‑x)]^‑1；步骤S5：训练单隐层的自编码网络模型，得到网络参数W＝[W₁,W₂,W₃]；对应的损失函数L(X)＝||X–h(X)||²+ρ||h’(X)||²，其中ρ代表正则系数；步骤S6：单隐层的自编码网络模型训练完成后，提取模型的隐层输出值logXⁱ*＝W_ilogXⁱ，i＝1,2,3，作为预测模型的自变量训练数据，即所提取的非线性特征值，其中W_i表示第i层节点的输出权重；步骤S7：以行业用电量数据的对数值logY作为因变量训练数据，构建基于非线性特征提取的回归模型：logY＝α+alogX¹*+blogX²*+clogX³*；用最小二乘法解得α,a＝[a₁,a₂,…,a_n1],b＝[b₁,b₂,…,b_n2],c＝[c₁,c₂,…,c_n3]为预测模型的参数；从而获得经济预测电力模型。