一种基于多种电量预测模型组合的电量预测方法与系统与流程

    专利2025-03-29  21


    本发明属于电量预测,更具体地涉及一种基于多种电量预测模型组合的电量预测方法与系统。


    背景技术:

    1、建立电网企业代理购电机制,保障机制平稳运行,是进一步深化燃煤发电上网电价市场化改革提出的明确要求,对有序平稳实现工商业用户全部进入电力市场、促进电力市场加快建设发展具有重要意义。电网企业要定期预测代理购电工商业用户用电量及典型负荷曲线,现货市场运行或开展中长期分时段交易的地方,应考虑季节变更、节假日安排等因素分别预测分时段用电量。保障居民(含执行居民电价的学校、社会福利机构、社区服务中心等公益性事业用户,下同)、农业用户的用电量规模单独预测。

    2、以往电量预测研究主要基于电网总体运行特征,综合自然条件、经济状况与社会事件等因素,对全社会的用电量或是全网系统负荷进行预测,且总体用电呈现较好的周期性趋势。相较于直接参与电力市场交易的工商业用户,电网企业代理的代理购电工商业用户通常个体用电量规模小,用电一致性较差,且代理购电工商业用户群体的用电量受外部突发性事件影响较大,这些难以预测的突发性事件无疑加大了电量预测的难度。在现有电量预测技术中,有基于日数据的电量预测方法,也有基于月数据的电量预测方法,考虑到代理购电量预测有具体的考核指标要求,当电量预测有实际精度要求时,无法简单判断哪一种电量预测算法更能符合当下预测需求,或者说每种电量预测算法可能都有其适用场景。在一年中既有春、秋季这种受周期性、趋势性用电特征影响较大的季节,也有夏、冬季这种和温度关联性极强的季节,对于不同算法来说在不同季节、不同月份的预测偏差可能都各不相同。因此,如何综合考虑不同算法在一年不同时间周期的预测偏差,并满足代理购电量预测精度要求,对电量预测来说是一个很现实的问题。


    技术实现思路

    1、为解决现有技术中存在的不足,本发明提供一种基于多种电量预测模型组合的电量预测方法与系统,针对已选定的不同模型需求输入历史电量数据和不同影响因子的源数据,从稳定性以及准确性两方面出发,比较一段时间周期内不同模型的预测偏差,针对各模型稳定性、准确性两个评价结果,进行综合加权,基于权重值对已选定的多种模型进行加权组合,得到组合预测模型,预测精度优于已选定的其他模型。

    2、本发明采用如下的技术方案。

    3、本发明的第一方面提供一种基于多种电量预测模型组合的电量预测方法,包括如下步骤:

    4、步骤1,获取用户历史电量数据以及不同影响因子的源数据;

    5、步骤2,选定目前已有模型,输入历史电量数据和不同影响因子的源数据,比较设定时间周期内各类模型的预测偏差;

    6、步骤3,针对各类模型的预测偏差,计算各模型的稳定性以及准确性;

    7、步骤4,根据不同模型的稳定性和准确性数值综合加权得到各模型的权重值;

    8、步骤5,根据计算好的权重值,将不同模型进行加权组合形成电量预测组合模型,基于组合模型进行电量预测。

    9、本发明进一步包括以下优选方案。

    10、步骤1中,用户历史电量数据包括分类用户年电量数据、每月电量数据和每日电量数据,分类用户电量数据进行预处理,以如下公式所示:

    11、

    12、其中:c'j为预处理后的第j个电量数据,cj为预处理前的第j个电量数据。

    13、优选地,步骤1中,各类模型不同影响因子的源数据包括各地城市每日的最高温度、最低温度、平均温度、日历数据、地区gdp数据、分类用户每月用户数。

    14、优选地,步骤3中,通过以下公式计算各个电量预测模型的稳定性:

    15、

    16、

    17、其中,sta为计算模型在设定时间周期内的稳定性,n表示时间周期数,xi表示第i个时间周期电量预测模型是否满足5%的偏差考核要求,取值0或1,pi表示第i时间周期模型预测电量值,ei表示第i时间周期实际电量值。

    18、更进一步地,步骤3中,按照下式计算各电量预测模型的准确性:

    19、

    20、其中,acc表示模型该时间周期内的准确性,n表示时间周期数,pi表示第i时间周期模型预测电量值,ei表示第i时间周期实际电量值。

    21、优选地,步骤4中,根据各电量预测模型的准确性和稳定性,电量预测模型的权重值以如下公式表示:

    22、

    23、其中,wk表示第k个电量预测模型的权重,stak表示第k个电量预测模型的稳定性,acck表示第k个电量预测模型的准确性,m表示电量预测模型的个数。

    24、优选地,步骤5中,根据计算得到的权重值,将不同电量预测模型进行加权组合形成组合模型,以如下公式表示:

    25、

    26、其中,wk表示第k个模型的权重,xk表示第k个预测模型,y表示组合模型。

    27、更进一步地,所述电量预测方法还进一步包括步骤6,使用组合模型对待预测时段电量进行预测,当预测偏差大于设定的偏差阈值时,删除当前稳定性与准确性乘积最低的电量预测模型,重复步骤2-步骤6,直至预测误差率小于设定误差阈值,得到新的组合模型。

    28、更进一步地,按照以下公式计算组合模型的预测偏差:

    29、

    30、式中:pi表示第i个时间周期模型预测电量值,ei表示第i个时间周期实际电量值。

    31、本发明的第二方面提供一种基于多种电量预测模型组合的电量预测系统,运行实施一种基于多种电量预测模型组合的电量预测方法,包括:

    32、数据获取模块,电量预测模型训练模块,电量预测模型稳定性和准确性计算模块,电量预测模型加权模块,模型组合模块;

    33、数据获取模块,用于获取用户历史电量数据,以及各类模型不同影响因子的源数据;

    34、电量预测模型训练模块,用于针对已选定的多种模型,输入历史电量数据和不同影响因子的源数据,比较时间周期内各类模型的预测偏差;

    35、电量预测模型稳定性和准确性计算模块,用于对各类模型在时间周期内的预测偏差进行复盘分析,计算各模型的稳定性以及准确性;

    36、电量预测模型加权模块,用于针对各类模型的预测偏差,根据不同模型的稳定性和准确性数值综合加权得到各模型的权重值;

    37、模型组合模块,用于根据计算好的权重值,将不同模型进行加权组合形成组合模型,基于组合模型进行电量预测。

    38、本发明的有益效果在于,与现有技术相比,本发明提出了一种基于多种电量预测模型组合的电量预测方法与系统,针对代理购电量已有预测模型,输入历史电量数据和不同影响因子的源数据,分析各类模型在一段时间周期内的稳定性和准确性,通过综合加权的方式得到各模型的权重,根据计算好的权重值,将不同模型进行加权组合形成组合预测模型。组合预测模型的重点在于加权系数的确定,如果对各个单项预测模型的加权系数赋值合理,那么整个组合预测模型的预测精度也会相应提高。相较于现有组合预测方法,本发明提出了基于模型准确性和稳定性两大指标综合加权这样新颖的组合方式,一方面考虑到模型在过去一段时间周期内的预测准确率,体现模型整体的预测精度,另一方面结合模型在过去一段时间周期内的预测稳定性,表征模型整体的波动情况,通过加权的方式综合不同模型在过去一段时间周期内的预测表现,形成更科学、更精确的组合预测模型。


    技术特征:

    1.一种基于多种电量预测模型组合的电量预测方法,其特征在于,包括如下步骤:

    2.根据权利要求1所述的一种基于多种电量预测模型组合的电量预测方法,其特征在于:

    3.根据权利要求1所述的一种基于多种电量预测模型组合的电量预测方法,其特征在于:

    4.根据权利要求1所述的一种基于多种电量预测模型组合的电量预测方法,其特征在于:

    5.根据权利要求1或4所述的一种基于多种电量预测模型组合的电量预测方法,其特征在于:

    6.根据权利要求1所述的一种基于多种电量预测模型组合的电量预测方法,其特征在于:

    7.根据权利要求1所述的一种基于多种电量预测模型组合的电量预测方法,其特征在于:

    8.根据权利要求1或7所述的一种基于多种电量预测模型组合的电量预测方法,其特征在于:

    9.根据要求8所述的一种基于多种电量预测模型组合的电量预测方法,其特征在于:

    10.一种实现权利要求1-9任一项权利要求所述方法的基于多种电量预测模型组合的电量预测系统,包括数据获取模块,电量预测模型训练模块,电量预测模型稳定性和准确性计算模块,电量预测模型加权模块,模型组合模块;其特征在于:


    技术总结
    本发明公开了一种基于多种电量预测模型组合的电量预测方法与系统,具体为:获取用户历史电量数据,获取各类模型不同影响因子的源数据;选定目前已有模型,输入历史电量数据和不同影响因子的源数据,比较一段时间周期内各类模型的预测偏差;针对各类模型在一段时间内的预测偏差进行复盘分析,分析各模型的稳定性以及准确性;针对各类模型的预测偏差,根据不同模型的稳定性和准确性数值,通过综合加权得到各模型的权重;根据计算好的权重值,将不同模型进行加权组合形成组合模型。本发明针对电量已有预测模型,通过比较各类模型在一段时间周期内稳定性和准确性,进行加权组合,形成一个更科学、更精确的代理购电量组合预测模型。

    技术研发人员:潘熙,杨世海,黄茜,谢林枫,陈畅,于怡,孙莉,薛冰,刘恬畅,徐帅,宫昊辰,周瑶
    受保护的技术使用者:国网江苏省电力有限公司营销服务中心
    技术研发日:
    技术公布日:2024/4/29
    转载请注明原文地址:https://wp.8miu.com/read-84727.html

    最新回复(0)