主权项 |
考虑舒适温度和随机变动影响的月售电量预测方法,其特征在于:所述方法的具体步骤包括以下内容;I)历史数据收集,主要包含所需预测月份之前连续几年的月售电量、日售电量以及日最高与最低温度;II)历史数据整理及参数确定;1)确定考虑舒适温度区间的月取暖系数和制冷系数由日售电量与日平均温度之间的关系确定低温阀值温度和高温阀值温度;考虑温度对月售电量影响的改进方法,分别选择低温阀值温度与高温阀值温度,当实际温度低于低温阀值温度或高于高温阀值温度才时会产生采暖措施或制冷措施;第t月中每一天的改进取暖系数和制冷系数计算公式如下:<maths num="0001"><math><![CDATA[<mrow><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><msub><mi>XHDD</mi><mi>i</mi></msub><mo>=</mo><mi>m</mi><mi>a</mi><mi>x</mi><mrow><mo>(</mo><msub><mi>T</mi><mrow><mi>r</mi><mi>e</mi><mi>f</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>-</mo><msub><mi>T</mi><mi>i</mi></msub><mo>,</mo><mn>0</mn><mo>)</mo></mrow></mrow></mtd></mtr><mtr><mtd><mrow><msub><mi>XCDD</mi><mi>i</mi></msub><mo>=</mo><mi>m</mi><mi>a</mi><mi>x</mi><mrow><mo>(</mo><msub><mi>T</mi><mi>i</mi></msub><mo>-</mo><msub><mi>T</mi><mrow><mi>r</mi><mi>e</mi><mi>f</mi><mo>,</mo><mi>h</mi></mrow></msub><mo>,</mo><mn>0</mn><mo>)</mo></mrow></mrow></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000948709240000011.GIF" wi="1133" he="142" /></maths>式中,XHDD<sub>i</sub>、XCDD<sub>i</sub>分别表示第i天的改进取暖系数和改进制冷系数;T<sub>i</sub>为第i天的日平均温度;T<sub>ref,l</sub>和T<sub>ref,h</sub>分别为低温阀值温度和高温阀值温度;根据式(1)得到第t月的改进取暖系数和改进制冷系数;<maths num="0002"><math><![CDATA[<mrow><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><msub><mi>XMHDD</mi><mi>t</mi></msub><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msub><mi>XHDD</mi><mi>i</mi></msub></mrow></mtd></mtr><mtr><mtd><mrow><msub><mi>XMCDD</mi><mi>t</mi></msub><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msub><mi>XCDD</mi><mi>i</mi></msub></mrow></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000948709240000012.GIF" wi="1076" he="231" /></maths>式中,XMHDD<sub>t</sub>、XMCDD<sub>t</sub>分别表示第t月的改进取暖系数和改进制冷系数;t为时间变量,单位为月;m表示第t月的天数;根据式(1)和式(2)求得各月份的改进取暖系数和改进制冷系数;2)整理出各月份对应的时间变量和代表月份的虚拟变量;3)确定随机变动级别利用公式(3)计算“随机变动级别”J<sub>t</sub>;<img file="FDA0000948709240000013.GIF" wi="1245" he="198" />式中,第t月的随机变动级别为J<sub>t</sub>,D<sub>t</sub>为第t月的月售电量;D<sub>t‑12</sub>为第t月去年同期的月售电量;Z<sub>t</sub>为D<sub>t</sub>相对于D<sub>t‑12</sub>所增长的百分点;fix(Z<sub>t</sub>)为Z<sub>t</sub>向零方向取整后的数值;mod(fix(Z<sub>t</sub>),5)为fix(Z<sub>t</sub>)除以5的余数;mod(‑fix(Z<sub>t</sub>),5)为fi<sub>x</sub>(Z<sub>t</sub>)的相反数除以5的余数;上述各月份求得的量为输入量,各月份的月售电量为输出量;III)模型确定;通过步骤II)得到考虑舒适温度和随机变量影响的月售电量预测线性回归模型;<maths num="0003"><math><![CDATA[<mrow><mi>l</mi><mi>o</mi><mi>g</mi><mrow><mo>(</mo><msub><mi>D</mi><mi>t</mi></msub><mo>)</mo></mrow><mo>=</mo><mi>c</mi><mo>+</mo><mi>α</mi><mi>t</mi><mo>+</mo><msub><mi>kXMHDD</mi><mi>t</mi></msub><mo>+</mo><msub><mi>lXMCDD</mi><mi>t</mi></msub><mo>+</mo><msub><mi>rJ</mi><mi>t</mi></msub><mo>+</mo><munderover><mo>Σ</mo><mrow><mi>j</mi><mo>=</mo><mn>2</mn></mrow><mn>12</mn></munderover><msub><mi>f</mi><mi>j</mi></msub><msub><mi>M</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>+</mo><msub><mi>u</mi><mi>t</mi></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000948709240000021.GIF" wi="1380" he="127" /></maths>式中,XMHDD<sub>t</sub>、XMCDD<sub>t</sub>分别表示第t月的改进取暖系数和改进制冷系数;D<sub>t</sub>为第t月的月售电量,log(D<sub>t</sub>)为D<sub>t</sub>的对数,其中j=2,3,…12;c、α、k、l、r和f<sub>j</sub>为模型的回归系数;u<sub>t</sub>为模型的误差项;J<sub>t</sub>为计算得到第t月的随机变动级别;①时间t描述月售电量的长期趋势,某月的t值计算式为;t=n+1 (5)式中,t为时间变量;n为当月距离建模起点月份之间的月份个数;②关于11个月份虚拟变量M<sub>jt</sub>1月为基础月,M的下标j=2,3,…,12分别表示2月、3月、…、12月;每个虚拟变量只能赋值0或1,且11个变量中只有一个变量为1,其余变量均为0;当第j月为2月,则M<sub>2t</sub>=1,其他M<sub>jt</sub>=0;当第j月为3月,则M<sub>3t</sub>=1,其他M<sub>jt</sub>=0,以此类推;当第j月为1月,则所有M<sub>jt</sub>=0;将历史各月份的输入与输出量按模型(4)进行建模,由最小二乘法估计出回归系数c、α、k、l、r和f<sub>j</sub>,得到完整预测模型;IV)确定预测月售电量时的输入量;输入变量的确定,时间变量t和11个月份虚拟变量都可以提前获悉其准确值,而所需预测月份的改进月取暖系数、改进月制冷系数以及随机变动级别都需提前预测,其中,改进月取暖系数和改进月制冷系数需要由所需预测月份的预测温度求得;随机变动级别其所预测月份无特大随机变动情况下赋值为0;所述特大随机变动情况包括大幅减容、经济大幅度下降或电量骤升事件;V)月售电量预测;将步骤IV)的输入量代入步骤III)的预测模型,得到月售电量预测值。 |