基于春节影响时期分析的中期负荷智能预测

发布时间：2021-12-10 03:52

　　针对传统春节效应影响时期按经验选取以及物理意义模糊的问题,提出了一种适于用电量春节效应调整新方案,以估计和消除春节效应对电量的影响。首先提出一种确定春节效应影响时期的方法;然后基于X-12-ARIMA模型形成一种春节效应调整新方案,对原始电量序列进行修正,以减小春节效应影响月份的预测误差;最后利用支持向量机模型,进行某省月度负荷用电量预测算例分析,验证该春节效应调整方法的正确性和有效性。算例表明,所提出的春节效应调整方法可有效改善用电量数据质量,有助于对中期负荷用电量做出更为精准的预测。 

【文章来源】：智慧电力. 2020,48(09)北大核心

【文章页数】：7 页

【部分图文】：

春节效应对用电量的影响权重系数

本文提出的计及春节效应的月度电量预测模型框架如图2所示，主要包括3部分。(1）春节效应影响时期的确定。首先，利用网格搜索法和最小二乘法，建立线性拟合模型，选取使SSR(nb,nd,na)达到最小的nb,nd和na，分别作为春节效应节前、节中和节后的影响时期。

基于春节效应影响时期确定方法的研究，分析春节效应对2010年1月1日至2014年12月31日日用电量数据的影响。利用网格搜索法，可求解出最优春节效应影响时期为：春节效应节前影响时期为7天，节中影响时期为3天，节后影响时期为12天。此时日用电量与春节效应影响权重之间的线性拟合结果如图3所示。从图3可以看出：春节效应一般体现在1月、2月以及部分年份的3月；在非春节时期，用电量水平基本保持在正常水平；在春节效应影响时期，用电量水平相对于正常水平有所下降，并且，节前用电量自正常水平逐渐减少，节中用电量基本维持不变，节后用电量逐步恢复到正常水平。

【参考文献】：
期刊论文
[1]基于基因表达式编程的中长期电力负荷预测挖掘[J]. 傅靖,王栋,白阳,胡楠.  电力信息与通信技术. 2020(05)
[2]基于WD-CS-SVM的超短期风电功率组合预测[J]. 刘家敏,李聪睿,周志浩,李升.  电力工程技术. 2019(05)
[3]基于集合经验模式分解的ARIMA行业售电量预测模型[J]. 林女贵.  电力科学与技术学报. 2019(02)
[4]基于信息再修正的负荷协调预测方法研究[J]. 陈轶玮,高强,王林梅,李秀磊,刘丽新.  电力工程技术. 2019(02)
[5]基于协整-格兰杰因果检验和季节分解的中期负荷预测[J]. 刘俊,赵宏炎,刘嘉诚,潘良军,王楷.  电力系统自动化. 2019(01)
[6]基于X-12-ARIMA季节分解与年度电量校正的月度电量预测[J]. 张强,王毅,李鼎睿,朱文俊.  电力建设. 2017(01)
[7]考虑季度供电量二重性的最优GM（1,N）短期电量预测方法[J]. 冯天瑞,欧阳森,吴裕生,王克英.  电力需求侧管理. 2015(05)
[8]X-12-ARIMA中调整类似春节效应的模型研究及应用[J]. 贺凤羊,刘建平.  数量经济技术经济研究. 2013 (06)
[9]春节模型的设计与应用[J]. 石刚.  统计研究. 2013(01)
[10]基于参数优化的最小二乘支持向量机状态估计方法[J]. 陈刚,闫飞,龚啸,王烨.  电力系统保护与控制. 2011(19)



本文编号：3531855