[发明专利]一种通过用电量数据预测经济产出的方法

摘要

本发明公开了一种通过用电量数据预测经济产出的方法，涉及一种电力负荷预测技术领域。目前只应用线性模型进行定量分析，准确率低。本发明包括以下步骤：根据各个部门用电量与产业发展之间的数据，进行相关性检验，获得与用电量相关的产业发展数据；将获得的用电量数据输入第一预测模型中，获得对应产业发展的第一预测值；将获得的用电量数据输入第二预测模型中，获得对应产业发展的第二预测值；判断第一预测值、第二预测值的差值，当差值大于阈值时，修正第一预测模型和第二预测模型；当差值小于阈值时，取第一预测值、第二预测值的平均值作为对应产业发展的预测值。本技术方案采用非线性回归的模型，两预测模型综合监控，有效提高精度及准确性。

主权项

1.一种通过用电量数据预测经济产出的方法，其特征在于：包括以下步骤：一)根据各个部门用电量与产业发展之间的数据，进行相关性检验，获得与用电量相关的产业发展数据；二)将获得的用电量数据输入第一预测模型中，获得对应产业发展的第一预测值；三)将获得的用电量数据输入第二预测模型中，获得对应产业发展的第二预测值；四)判断第一预测值、第二预测值的差值，当差值大于阈值时，修正第一预测模型和第二预测模型；当差值小于阈值时，取第一预测值、第二预测值的平均值作为对应产业发展的预测值；其中第一预测模型的建立包括步骤：步骤S11：获取训练数据，训练数据包括行业用电量数据X和行业经济指标数据Y；行业用电量数据X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Y是对应工业行业的月度生产总值；步骤S12：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；步骤S13：将输入数据打上时序标识logX＝[logX_t,logX_t‑1,…,logX₂,logX₁]，logY＝[logY_t,logY_t‑1,…,logY₂,logY₁]；对输入数据进行时序检验，得到logX对logY的滞后阶数n；步骤S14：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S15：训练单隐层的自编码网络模型，得到网络参数W；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S16：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logX*＝WlogX，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；步骤S17：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+alogX*；用最小二乘法解得α,a＝[a₁,a₂,…,a_n],为预测模型的参数；从而获得第一预测模型；其中第二预测模型的建立包括步骤：步骤S21：获取训练数据，包括自变量行业用电量数据X和因变量行业经济指标数据Y，进行对数标准化处理；行业用电量数据X是某个工业行业的月用电量数据；行业经济指标数据Y是对应工业行业的月度行业GDP；步骤S22：构造单隐层的极限学习机模型；隐层节点数设为10个；隐层节点函数为h(x)＝[1+exp(‑x)]^‑1；步骤S23：训练单隐层的极限学习机模型，得到网络结构和对应参数W；训练的损失函数为均方误差，均方误差的表达式为：MSE＝||Y–h(X)||²；步骤S24：求解极限学习机模型，得到第二预测模型。