基于灰色預(yù)測模型的中長期售電量預(yù)測計算方法研究
開展適用于實際應(yīng)用的售電量預(yù)測模型,提高售電量預(yù)測的準(zhǔn)確率,有利于計劃用電管理,使電網(wǎng)運行方式和機組檢修計劃更為合理有效,節(jié)約資源,降低發(fā)電成本,提高電力系統(tǒng)的經(jīng)濟效益和社會效益。目前售電量預(yù)測的準(zhǔn)確率已被國網(wǎng)公司列入同業(yè)對標(biāo)考核體系中,因此開展售電量預(yù)測模型的研究具有重要意義。
1 售電量預(yù)測概述
售電量預(yù)測是對一定時期內(nèi)市場銷售的電力總量的預(yù)測,根據(jù)預(yù)測目的不同可以分為超短期預(yù)測、短期預(yù)測、中期預(yù)測和長期預(yù)測。常用的預(yù)測方法包括神經(jīng)網(wǎng)絡(luò)模型、平滑指數(shù)法、時間序列法等,但這些模型在收斂速度、預(yù)測精度和數(shù)據(jù)要求上均有不同程度的限制。售電量容易受GDP、地區(qū)經(jīng)濟發(fā)展?fàn)顩r、人口和氣候等因素的影響,預(yù)測過程中不僅需要考慮影響因子,還需達到較高的預(yù)測精度?;疑A(yù)測模型適用于貧信息下的分析和預(yù)測,在中長期售電量預(yù)測中受到廣泛的關(guān)注,因此本文立足于某省的實際情況對中長期售電量預(yù)測情況進行了研究。
2 灰色預(yù)測模型理論
灰色預(yù)測模型基于關(guān)聯(lián)空間、光滑離散度函數(shù)建立灰導(dǎo)數(shù)與灰微分方程,用離散數(shù)列構(gòu)建隨機動態(tài)預(yù)測模型?;疑A(yù)測模型的有點在于所需數(shù)據(jù)量少,不考慮歷史數(shù)據(jù)的分布規(guī)律和變化趨勢,運算過程簡便,預(yù)測結(jié)果易于檢驗。但改方法的缺點在于數(shù)據(jù)離散程度越大,預(yù)測精度越差,因此許多理論方法對此采取了多種方式進行改進,如對歷史數(shù)據(jù)進行平滑處理、模型參數(shù)修正等。
GM(1,1)及改進方法是最為常用的灰色預(yù)測模型,該模型由單變量的一階微分方程構(gòu)成。
2.1 構(gòu)建GM(1,1)模型
設(shè)原始數(shù)據(jù)列為:,并將其一階累加(AGO)得到數(shù)據(jù)列,其中。
定義數(shù)列的緊鄰均值則稱新數(shù)列為的緊鄰均值數(shù)列。
GM(1,1)模型滿足方程:,即,這里a, b為待辨識參數(shù),a稱為“發(fā)展系數(shù)”,b稱為“灰作用量”,令,,,那么根據(jù)矩陣的乘法形式:,可由最小二乘法求出a ,b的值,并將數(shù)據(jù)進行累減(IAGO)還原得到預(yù)測數(shù)據(jù)表達式
2.2 模型檢驗
模型建立后,需進行模型精度檢驗,通常采用小誤差概率檢驗法。在小誤差概率檢驗法中,,置信水平為0.5,執(zhí)行區(qū)間半長取0.6745,其意義是誤差擺動落在指定區(qū)間的數(shù)量,依據(jù)統(tǒng)計學(xué)理論,p值越大表示吻合精度越高。
當(dāng)預(yù)測結(jié)果誤差過大時,證明該數(shù)列不適合用GM(1,1)模型,此時可通過計算數(shù)列“級比”的方法預(yù)先大致判定是否可用GM(1,1)來預(yù)測
如果能落入到區(qū)間,則可以用GM(1,1)模型來預(yù)測。
2.3 灰色預(yù)測模型的改進方法
灰色預(yù)測模型預(yù)測精度的高低主要取決于原始數(shù)列的光滑性,改善原始數(shù)列的光滑度是提高預(yù)測精度的有效方法之一,理論研究表明,通過變換可以有效提高原始數(shù)列的光滑度。
3 灰色預(yù)測模型在售電量預(yù)測中的應(yīng)用
本文選取2012-2017年某省年度售電量數(shù)據(jù),其中2012-2016年數(shù)據(jù)為基礎(chǔ)數(shù)據(jù),2017年數(shù)據(jù)為預(yù)測驗證數(shù)據(jù),通過灰色模型及改進模型進行預(yù)測,這里改進模型中取。經(jīng)測算,使用傳統(tǒng)模型預(yù)測得到的年售電量為1437.6億KW*h,使用改進模型預(yù)測得到的年售電量為1432.4億KW*h,與實際數(shù)據(jù)相比,相對誤差分別是-4.28%,-4.63%。
由此可知,灰色預(yù)測法的傳統(tǒng)模型和改進模型準(zhǔn)確率相差較小。但考慮到改進模型可改善原始數(shù)據(jù)的光滑性,提高預(yù)測精度,因此月度售電量使用改進模型進行預(yù)測。以2012-2016年月度售電量數(shù)據(jù)為輸入,預(yù)測2017年各月度售電量,并與實際售電量對比,可得1-3月預(yù)測誤差為-7.1%,10%,4.6%;4-6月預(yù)測誤差為2.1%,1.5%,4.7%;7-9月預(yù)測誤差為11.2%,13.5%,4.5%;10-12月預(yù)測誤差為1%,2.6%,2.5%。
從上述預(yù)測結(jié)果可知,月度售電量的準(zhǔn)確率波動較大,但,落在區(qū)域內(nèi),因此改進灰色預(yù)測模型具有適用性。但分析基礎(chǔ)數(shù)據(jù)發(fā)現(xiàn),原始數(shù)據(jù)光滑性較差導(dǎo)致預(yù)測精度不夠理想。歷年各季度售電量有逐步增長的趨勢,其光滑性比月度數(shù)據(jù)明顯增強,因此可通過預(yù)測季度售電量來計算月度售電量。根據(jù)灰色預(yù)測模型計算得2017年各季度預(yù)測結(jié)果分別為340.5億KW*h,339.1億KW*h,383.7億KW*h,370.0億KW*h,相對誤差分別是2.45%,2.77%,9.99%,2.06%。
定義“占季比” 為各月度售電量占所在季度售電量的比重。取2013-2017年每月售電量占季比的加權(quán)平均數(shù),依據(jù)“近大遠小”原則設(shè)定權(quán)重,根據(jù)下面公式結(jié)合前5年各月占季比數(shù)據(jù)計算預(yù)測月度售電量:
式中:為權(quán)重系數(shù);為第年月售電量預(yù)測,為第年月占季比。
結(jié)合“近大遠小”原則取,計算可得2017年各月度預(yù)測售電量,其中2月份預(yù)測誤差為10.27%,7月、8月預(yù)測誤差為9.8%和14.6%,其他月份預(yù)測值的絕對誤差均低于5%,因此2月,7月和8月的預(yù)測值均需要修正。
3.1 2月份售電量預(yù)測值修正
在計算月度售電量預(yù)測值過程中,歷年月度售電量占季比的權(quán)重賦值僅考慮“近大遠小”的規(guī)律,忽略春節(jié)假期所在月份對售電量的影響。
設(shè)預(yù)測第n年的月售電量,被預(yù)測年份1-2月平均日用電量為,受春節(jié)放假影響時段的平均日用電量為,則這兩類平均日用電量的比值為,預(yù)測某月的售電量時可取歷年數(shù)據(jù)的加權(quán)平均值。假設(shè),分別為為每年1月和2月受春節(jié)假期影響時段的天數(shù),D為2月份總天數(shù)。一般認為受春節(jié)假期影響時段為春節(jié)前2天至節(jié)后7天。從而有
式中,分別表示第n年1月、2月售電量預(yù)測值,從而可以算出第n年1月及2月份修正值。通過上述方法計算出正常時段的平均日用電量,預(yù)測2017年2月份正常時段的平均日用電量為113.25億KW*h,預(yù)測相對誤差為1.83%。
3.2 7-8月售電量預(yù)測值修正
7-8月產(chǎn)生誤差的原因主要是售電量對溫度變化異常敏感,2016-2017年夏季氣溫較高,連續(xù)高溫天數(shù)較往年更多,空調(diào)制冷負載上升,導(dǎo)致預(yù)測值與實際值相差較大。但通過預(yù)測溫度來預(yù)測售電量,將使得預(yù)測誤差進一步擴大。經(jīng)測算,當(dāng)兩個增長率均值的權(quán)重取值為0.5時準(zhǔn)確率較高。通過上述公式計算得到2017年7月售電量預(yù)測值為123.41億KW*h,相對誤差為5.37%,8月售電量預(yù)測值為163.33億KW*h,相對誤差為0.04%。
4 結(jié)語
本文通過運用灰色預(yù)測模型及其改進方法進行了實例驗證,通過預(yù)測結(jié)果對比,證實了灰色預(yù)測理論在售電量預(yù)測中的適用性和有效性。但在運用過程中還需根據(jù)實際情況進行分析,選擇合適的灰色預(yù)測工具,才能保證預(yù)測結(jié)果的準(zhǔn)確性,對供電企業(yè)管理起到相應(yīng)的作用。
本文來源:《企業(yè)科技與發(fā)展》:http://m.00559.cn/w/qk/21223.html
- 為什么發(fā)表論文都不開雜志社的發(fā)票呢?
- 2021-2022年CSCD中國科學(xué)引文數(shù)據(jù)庫來源期刊列表-理科南大核心目錄完整版
- CSCD中國科學(xué)引文數(shù)據(jù)庫來源期刊列表(2023-2024年度)南大核心目錄
- 融媒體環(huán)境下地方新聞網(wǎng)站媒體的發(fā)展路徑
- 創(chuàng)新與繼承:70周年獻禮片“三杰”研究
- 人本導(dǎo)向下的城市更新規(guī)劃思路探索——以上海松江區(qū)中山街道老城區(qū)為例
- 預(yù)制裝配式地鐵車站施工技術(shù)
- 從框架理論看“中國學(xué)習(xí)的人”
- 互聯(lián)網(wǎng)環(huán)境下古都洛陽城市形象建構(gòu)與傳播探析
- 價值工程在房地產(chǎn)開發(fā)管理分工中應(yīng)用
- 2023JCR影響因子正式公布!
- 國內(nèi)核心期刊分級情況概覽及說明!本篇適用人群:需要發(fā)南核、北核、CSCD、科核、AMI、SCD、RCCSE期刊的學(xué)者
- 我用了一個很復(fù)雜的圖,幫你們解釋下“23版最新北大核心目錄有效期問題”。
- 重磅!CSSCI來源期刊(2023-2024版)最新期刊目錄看點分析!全網(wǎng)首發(fā)!
- CSSCI官方早就公布了最新南核目錄,有心的人已經(jīng)拿到并且投入使用!附南核目錄新增期刊!
- 北大核心期刊目錄換屆,我們應(yīng)該熟知的10個知識點。
- 注意,最新期刊論文格式標(biāo)準(zhǔn)已發(fā)布,論文寫作規(guī)則發(fā)生重大變化!文字版GB/T 7713.2—2022 學(xué)術(shù)論文編寫規(guī)則
- 盤點那些評職稱超管用的資源,1,3和5已經(jīng)“絕種”了
- 職稱話題| 為什么黨校更認可省市級黨報?是否有什么說據(jù)?還有哪些機構(gòu)認可黨報?
- 《農(nóng)業(yè)經(jīng)濟》論文投稿解析,難度指數(shù)四顆星,附好發(fā)選題!