考虑舒适温度和随机变动影响的月售电量预测方法

摘要

本发明公开了一种考虑舒适温度和随机变动影响的月售电量预测方法，首先考虑舒适温度区间的存在，即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时采取采暖措施或制冷措施，由此对月售电量预测线性回归模型的月度取暖系数和制冷系数进行修正；其次，考虑随机变动的影响，提出“随机变动级别”将随机变动量化，并将其量化值作为月售电量影响因素纳入月售电量回归预测模型。最后，在常规月售电量预测线性回归模型基础上，考虑以上两点改进措施，形成考虑舒适温度和随机变动影响的月售电量预测线性回归模型。本发明更好地建立温度与月售电量的关系，合理地考虑随机变动对月售电量的影响，提高月售电量预测精度。

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：$\left\{\begin{array}{c}{\mathrm{XHDD}}_i=max(T_{ref,l}-T_i,0)\\ {\mathrm{XCDD}}_i=max(T_i-T_{ref,h},0)\end{array}\right.---\left(1\right)$式中，XHDD_i、XCDD_i分别表示第i天的改进取暖系数和改进制冷系数；T_i为第i天的日平均温度；T_ref,l和T_ref,h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；$\left\{\begin{array}{c}{\mathrm{XMHDD}}_t=\underset{i=1}{\overset{m}{\Sigma }}{\mathrm{XHDD}}_i\\ {\mathrm{XMCDD}}_t=\underset{i=1}{\overset{m}{\Sigma }}{\mathrm{XCDD}}_i\end{array}\right.---\left(2\right)$式中，XMHDD_t、XMCDD_t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_t；式中，第t月的随机变动级别为J_t，D_t为第t月的月售电量；D_t‑12为第t月去年同期的月售电量；Z_t为D_t相对于D_t‑12所增长的百分点；fix（Z_t）为Z_t向零方向取整后的数值；mod（fix(Z_t),5)为fix(Z_t)除以5的余数；mod(‑fix(Z_t),5)为fi_x(Z_t)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；$log\left(D_t\right)=c+\alpha t+{\mathrm{kXMHDD}}_t+{\mathrm{lXMCDD}}_t+{\mathrm{rJ}}_t+\underset{j=2}{\overset{12}{\Sigma }}{f}_j{M}_{jt}+u_t---\left(4\right)$式中，XMHDD_t、XMCDD_t分别表示第t月的改进取暖系数和改进制冷系数；D_t为第t月的月售电量，log(D_t)为D_t的对数，其中j＝2,3,…12；c、α、k、l、r和f_j为模型的回归系数；u_t为模型的误差项；J_t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_jt1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_2t＝1，其他M_jt＝0；当第j月为3月，则M_3t＝1，其他M_jt＝0，以此类推；当第j月为1月，则所有M_jt＝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_j，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。