本發(fā)明專利技術(shù)公開了一種基于貝葉斯動(dòng)態(tài)模型的中長(zhǎng)期電力負(fù)荷預(yù)測(cè)方法，根據(jù)中長(zhǎng)期電力負(fù)荷數(shù)據(jù)的內(nèi)在變化規(guī)律，建立了具有多項(xiàng)式回歸和指數(shù)結(jié)構(gòu)的貝葉斯動(dòng)態(tài)模型，根據(jù)貝葉斯理論，由先驗(yàn)信息和測(cè)量樣本，實(shí)時(shí)地統(tǒng)計(jì)推斷下一年的電力負(fù)荷值，實(shí)現(xiàn)小樣本容量中長(zhǎng)期電力負(fù)荷的動(dòng)態(tài)遞推預(yù)測(cè)。該方法要求的樣本數(shù)據(jù)較少，而且可以通過模型監(jiān)控和主觀干預(yù)的形式，實(shí)時(shí)地跟蹤當(dāng)前的電力負(fù)荷的變化規(guī)律，這將使電力負(fù)荷預(yù)測(cè)結(jié)果更可靠，為提高中長(zhǎng)期電力負(fù)荷預(yù)測(cè)精度提供了一條有效途徑。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及電力負(fù)荷預(yù)測(cè)方法領(lǐng)域，具體為一種。
技術(shù)介紹
電網(wǎng)規(guī)劃直接關(guān)系到社會(huì)經(jīng)濟(jì)發(fā)展和能源供給，中長(zhǎng)期電力負(fù)荷預(yù)測(cè)是制定電網(wǎng)規(guī)劃的基礎(chǔ)，其準(zhǔn)確性直接影響到電力投資、網(wǎng)絡(luò)布局的合理性、能源資源供給與平衡、電力工業(yè)經(jīng)濟(jì)性。中長(zhǎng)期負(fù)荷預(yù)測(cè)是以歷史數(shù)據(jù)為基礎(chǔ)，建立有效的預(yù)測(cè)模型，尋求其變化趨勢(shì)和發(fā)展規(guī)律，預(yù)測(cè)未來負(fù)荷大小。電力負(fù)荷發(fā)展變化規(guī)律復(fù)雜多樣，受多種復(fù)雜的不確定因素影響，很準(zhǔn)確地負(fù)荷預(yù)測(cè)是十分困難的，對(duì)其理論研究一直就很重視，負(fù)荷預(yù)測(cè)方法多種多樣，常見的有電力彈性系數(shù)法、回歸分析法、趨勢(shì)外推法、灰色理論預(yù)測(cè)法等。由于負(fù)荷預(yù)測(cè)受社會(huì)經(jīng)濟(jì)發(fā)展趨勢(shì)、氣候變化等多種不確定因素影響，增加了預(yù)測(cè)的難度和模型的復(fù)雜性，對(duì)于具體電網(wǎng)負(fù)荷資料要選擇恰當(dāng)?shù)念A(yù)測(cè)模型，必要時(shí)同時(shí)采用幾種數(shù)學(xué)模型建模，對(duì)比分析，以便選擇合適模型，取得最接近歷史規(guī)律、預(yù)測(cè)精度高的模型。近年來快速發(fā)展的貝葉斯預(yù)測(cè)理論是依據(jù)先驗(yàn)信息和樣本信息推斷得到后驗(yàn)信息進(jìn)行建模，具有以下幾個(gè)顯著特點(diǎn):貝葉斯模型是一種動(dòng)態(tài)模型，它把預(yù)測(cè)分布看成是條件概率分布，預(yù)測(cè)者可根據(jù)先驗(yàn)信息求出預(yù)測(cè)分布，并運(yùn)用貝葉斯定理求得后驗(yàn)分布，并不斷對(duì)先驗(yàn)信息進(jìn)行修正；貝葉斯方法是利用先驗(yàn)信息和樣本信息進(jìn)行預(yù)報(bào)的。因此，當(dāng)預(yù)報(bào)過程中獲得新信息時(shí)(如間隔插入的標(biāo)準(zhǔn)量等)，只要將該時(shí)刻的預(yù)報(bào)信息看作得到的先驗(yàn)知識(shí)，并和此時(shí)的樣本信息結(jié)合，就能夠修正原有的預(yù)報(bào)模型，既方便又快速，進(jìn)而能夠及時(shí)地跟蹤序列的時(shí)變特性；貝葉斯動(dòng)態(tài)模型有多種結(jié)構(gòu)，如季節(jié)模型、回歸模型、多項(xiàng)式模型、噪聲模型等，而且這些模型還可以通過疊加原理組合起來表示一復(fù)雜序列，所以貝葉斯建模預(yù)報(bào)對(duì)數(shù)據(jù)沒有平穩(wěn)性限制，非常適合動(dòng)態(tài)測(cè)量非平穩(wěn)的誤差隨機(jī)序列建模預(yù)報(bào)；由于貝葉斯學(xué)派把概率看作是人們對(duì)某事物的信任程度，而不是頻率的穩(wěn)定性，因此一些主觀的認(rèn)同也能被描述成概率分布形式，這些都是有關(guān)研究對(duì)象的主觀先驗(yàn)信息。貝葉斯預(yù)測(cè)時(shí)，不僅能利用客觀的數(shù)據(jù)信息，還能利用預(yù)測(cè)者本身能夠提供的臺(tái)理的主觀先驗(yàn)信息來干預(yù)并修正模型。在這種情況下，預(yù)測(cè)者就能夠處理一些可以預(yù)料到的異常情況，對(duì)于預(yù)料不到的突發(fā)情況，可以通過貝時(shí)斯序貫監(jiān)控方法來處理。這將使貝葉斯預(yù)測(cè)結(jié)果更可靠，提高預(yù)報(bào)精度。近年來快速發(fā)展的貝葉斯預(yù)測(cè)理論在中長(zhǎng)期電力負(fù)荷預(yù)測(cè)中應(yīng)用。為了克服傳統(tǒng)的組合預(yù)測(cè)方法沒有明確考慮模型的不確定性，文獻(xiàn)[張偉.基于EM的貝葉斯模型平均組合預(yù)測(cè)及應(yīng)用研究[J].現(xiàn)代商貿(mào)工業(yè)，2010]中，應(yīng)用貝葉斯模型平均組合預(yù)測(cè)方法精確估計(jì)單項(xiàng)模型的權(quán)重。運(yùn)用支持向量機(jī)進(jìn)行中長(zhǎng)期負(fù)荷組合預(yù)測(cè)，但支持向量機(jī)對(duì)核參數(shù)、正則化參數(shù)選定存在可能，文獻(xiàn)[牛東曉，呂海濤，張?jiān)圃?貝葉斯框架下最小二乘支持向量機(jī)的中長(zhǎng)期電力負(fù)荷組合預(yù)測(cè)[J].華北電力大學(xué)學(xué)報(bào)，2008，35 (6):62-66]應(yīng)用基于貝葉斯框架下LS-SVM的中長(zhǎng)期電力負(fù)荷預(yù)測(cè)模型，給出了支持向量機(jī)估計(jì)算法的參數(shù)選擇和調(diào)整方法。空間負(fù)荷預(yù)測(cè)模型有效性很大程度上取決于對(duì)待預(yù)測(cè)空間區(qū)塊所屬等級(jí)的劃分是否正確，文獻(xiàn)[陶文斌，張粒子，潘弘等.基于雙側(cè)貝葉斯分類的空間負(fù)荷預(yù)測(cè)[J].中國(guó)電機(jī)工程學(xué)報(bào)，2007]采用基于樣本數(shù)據(jù)的雙層貝葉斯分類模型進(jìn)行空間負(fù)荷預(yù)測(cè)，提高了對(duì)樣本分類的正確性。文獻(xiàn)[胡云生，鄭繼明.基于主分量分析和遺傳神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)[J].控制理論與應(yīng)用，2008，27 (8):1-3]針對(duì)中長(zhǎng)期電力負(fù)荷預(yù)測(cè)受經(jīng)濟(jì)、人口、天氣、政策等因素，將其全部考慮進(jìn)來作為預(yù)測(cè)模型的輸入，采用主分量分析的方法將網(wǎng)絡(luò)的輸入簡(jiǎn)化，選擇貝葉斯歸一化法來訓(xùn)練網(wǎng)絡(luò)，提高了網(wǎng)絡(luò)的訓(xùn)練速度也提高了預(yù)測(cè)的精度。在利用其他方法預(yù)測(cè)時(shí)引入貝葉斯方法進(jìn)行輔助的參數(shù)估計(jì)、聚類或者做一些局部的預(yù)測(cè)，還未見完全意義上的利用貝葉斯方法來進(jìn)行中長(zhǎng)期電力負(fù)荷預(yù)測(cè)的相關(guān)研究。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的是提供一種，以實(shí)現(xiàn)小樣本容量下的中長(zhǎng)期負(fù)荷的實(shí)時(shí)預(yù)測(cè)。為了達(dá)到上述目的，本專利技術(shù)所采用的技術(shù)方案為:，其特征在于:包括以下步驟:(I)建立電力負(fù)荷數(shù)據(jù)的貝葉斯指數(shù)多項(xiàng)式回歸模型:多數(shù)的中長(zhǎng)期電力負(fù)荷數(shù)據(jù)具有接近指數(shù)變化規(guī)律的特征，可以考慮建立電力負(fù)荷數(shù)據(jù)的貝葉斯指數(shù)多項(xiàng)式回歸模型實(shí)現(xiàn)中長(zhǎng)期負(fù)荷預(yù)測(cè)。基于貝葉斯動(dòng)態(tài)預(yù)測(cè)的電力負(fù)荷模型一般由觀測(cè)方程和狀態(tài)方程組成，一般不超過二階的多項(xiàng)式就能給出較好的局部變化趨勢(shì)的擬合，二項(xiàng)式指數(shù)回歸模型可表示成:觀測(cè)方程:(1gE)i = F/Θ Jvi Vi ~N(O1Vi),狀態(tài)方程:Θi = G θ Η+ω? Co1-N(O1Wi),式中，E是電力負(fù)荷值，(1gE)i是電力負(fù)荷時(shí)間序列，Qi=i時(shí)刻的狀態(tài)參數(shù)向量，F(xiàn)i= (I, t, t2)T是i時(shí)刻的動(dòng)態(tài)回歸矩陣，本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
基于貝葉斯動(dòng)態(tài)模型的中長(zhǎng)期電力負(fù)荷預(yù)測(cè)方法，其特征在于：包括以下步驟：(1)建立電力負(fù)荷數(shù)據(jù)的貝葉斯指數(shù)多項(xiàng)式回歸模型：多數(shù)的中長(zhǎng)期電力負(fù)荷數(shù)據(jù)具有接近指數(shù)變化規(guī)律的特征，可以考慮建立電力負(fù)荷數(shù)據(jù)的貝葉斯指數(shù)多項(xiàng)式回歸模型實(shí)現(xiàn)中長(zhǎng)期負(fù)荷預(yù)測(cè)。基于貝葉斯動(dòng)態(tài)預(yù)測(cè)的電力負(fù)荷模型一般由觀測(cè)方程和狀態(tài)方程組成，一般不超過二階的多項(xiàng)式就能給出較好的局部變化趨勢(shì)的擬合，二項(xiàng)式指數(shù)回歸模型可表示成：觀測(cè)方程：(logE)i＝FiTθi+vi??vi～N(0,Vi)，狀態(tài)方程：θi＝Gθi?1+ωi??ωi～N(0,Wi)，式中，E是電力負(fù)荷值，(logE)i是電力負(fù)荷時(shí)間序列，θi＝(ai,bi,ci)T為i時(shí)刻的狀態(tài)參數(shù)向量，F(xiàn)i＝(1,t,t2)T是i時(shí)刻的動(dòng)態(tài)回歸矩陣，G=100010001]]>為狀態(tài)轉(zhuǎn)移矩陣，νi和ωi分別為互相獨(dú)立的觀測(cè)誤差和狀態(tài)誤差變量，且ωn、ωl和νn、νl(n≠l)相互獨(dú)立；(2)確定相關(guān)參量的先驗(yàn)信息：采用貝葉斯動(dòng)態(tài)模型預(yù)測(cè)遞推時(shí)，需要已知相關(guān)參量的先驗(yàn)信息，而一般情況下，參量的先驗(yàn)信息是難以獲取的，因此采用無信息的參考分析法確定相關(guān)參量的先驗(yàn)信息；在無信息參考分析中，假設(shè)觀測(cè)誤差νi服從正態(tài)分布N(0，V)，V是未知參數(shù)，狀態(tài)方程誤差ωi滿足均值為0，方差為Wi的T分布，在上述電力負(fù)荷模型中，有3個(gè)狀態(tài)參數(shù)a,b,c和1個(gè)觀測(cè)方差V，共4個(gè)未知參數(shù)，因此可根據(jù)最初獲得的4個(gè)電力負(fù)荷數(shù)據(jù)來確定θi和V的初始信息，由于在確定初始信息時(shí)采用的觀測(cè)數(shù)據(jù)太少，不可能估計(jì)或探測(cè)出參數(shù)的任何變化，因此可設(shè)Wi＝0(i＝1,2,3,4)；設(shè)Di表示i時(shí)刻及其以前時(shí)刻所有有效信息的集合，Di(i＝0)為i＝0初始信息的集合，由初始先驗(yàn)法，θ1和V在無信息條件下D0的條件聯(lián)合概率分布正比于方差的倒數(shù)V?1：P(θ1,V|D0)∝V?1??V>0根據(jù)貝葉斯公式及電力負(fù)荷數(shù)據(jù)點(diǎn)y1,y2,y3,y4可以遞推得到后驗(yàn)聯(lián)合概率分布P(θ4,V|D4)，進(jìn)而獲得θ4|D4和V?1|D4的條件邊緣分布P(θ4|D4)和P(V?1|D4)，獲得P(θ4,V|D4)后，就能求出θ4|D4和V?1|D4的后驗(yàn)分布：(θi|Di)～T[Mi,Ci](V?1|Di)～Γ[ni/2,di/2]狀態(tài)變量θi的后驗(yàn)條件概率服從均值為Mi，方差為Ci的T分布，V?1后驗(yàn)條件概率服從均值為ni/2，方差為di/2的Γ分布。求得θ4|D4和V?1|D4的條件邊緣分布后，就以此作為初始信息，對(duì)模型進(jìn)行修正；(3)電力負(fù)荷數(shù)據(jù)的遞推修正與預(yù)測(cè)：設(shè)初始信息為：ωi～T[0,Wi](θi?1|Di?1)～T[Mi?1,Ci?1](θi|Di?1)～T[Ai,Ri],Ai＝GMi?1,Ri＝GCi?1GT+Wi(V?1|Di?1)～Γ(ni?1/2,di?1/2),Si?1＝di?1/ni?1式中，Ai,Ri是狀態(tài)變量θi先驗(yàn)分布的均值和方差；Si是V的點(diǎn)估計(jì)。則觀測(cè)值yi的一步向前預(yù)測(cè)分布服從均值fi、方差Qi的T分布：(yi|Di?1)～T[fi,Qi],fi＝FiTAi,Qi＝FiTRiFi+Si?1遞推修正關(guān)系：(θi|Di)～T[Mi,Ci],(V?1|Di)～Γ[ni/2,di/2],Mi＝Ai+BieiCi＝(Si/Si?1)[Ri?BiFiTQi]ni=ni-1+1,di=di-1+Siei2/Qi,Si=di/ni]]>其中，ei＝y(tǒng)i?fi為預(yù)測(cè)誤差，Bi＝RiFi/Qi為修正系數(shù)矩陣。第k步向前預(yù)測(cè)分布：對(duì)k>0,(θi+k|Di)～T[Ai(k),Ri(k)](yi+k|Di)～T[fi(k),Qi(k)]Ai(k)＝GAi(k?1)Ri(k)＝GRi(k?1)GT+Wi其中，fi(k)=Fi++kTAi(k-1)]]>Qi(k)=Fi+kTRi(k)Fi+k+Si]]>初始值為?Ai(0)＝Mi,Ri(0)＝Ci，則電力負(fù)荷的預(yù)測(cè)值Ei為yi預(yù)測(cè)均值fi的指數(shù)函數(shù)：...
【技術(shù)特征摘要】
1.基于貝葉斯動(dòng)態(tài)模型的中長(zhǎng)期電力負(fù)荷預(yù)測(cè)方法，其特征在于:包括以下步驟: (1)建立電力負(fù)荷數(shù)據(jù)的貝葉斯指數(shù)多項(xiàng)式回歸模型: 多數(shù)的中長(zhǎng)期電力負(fù)荷數(shù)據(jù)具有接近指數(shù)變化規(guī)律的特征，可以考慮建立電力負(fù)荷數(shù)據(jù)的貝葉斯指數(shù)多項(xiàng)式回歸模型實(shí)現(xiàn)中長(zhǎng)期負(fù)荷預(yù)測(cè)。基于貝葉斯動(dòng)態(tài)預(yù)測(cè)的電力負(fù)荷模型一般由觀測(cè)方程和狀態(tài)方程組成，一般不超過二階的多項(xiàng)式就能給出較好的局部變...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：吳義純，程真英，李瑞君，
申請(qǐng)(專利權(quán))人：國(guó)家電網(wǎng)公司，國(guó)網(wǎng)安徽省電力公司培訓(xùn)中心，
類型：發(fā)明
國(guó)別省市：北京;11
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。