基于多模型組合的月度用電量預(yù)測(cè)研究

萬(wàn)義飛 雷向宇 陶思恒

廣西電網(wǎng)有限責(zé)任公司信息中心 廣西 南寧530023

引言

常用的電量預(yù)測(cè)的方法大致可以分成兩類(lèi)。一類(lèi)是基于傳統(tǒng)的數(shù)理統(tǒng)計(jì)知識(shí),主要有灰色系統(tǒng)理論、回歸分析、時(shí)間序列分析等,用于處理影響因素較為單一且數(shù)據(jù)量較小的電量預(yù)測(cè)問(wèn)題;另一類(lèi)是新興的基于機(jī)器學(xué)習(xí)的人工智能算法,主要包括SVM(支持向量機(jī))、神經(jīng)網(wǎng)絡(luò)算法、隨機(jī)森林、LSTM 算法等,這些機(jī)器學(xué)習(xí)的算法具有一定的自適應(yīng)能力和自學(xué)習(xí)的能力,能夠處理高維度、多變量、非線(xiàn)性以及時(shí)變性的問(wèn)題,挖掘出數(shù)據(jù)中隱藏的知識(shí)和價(jià)值,適用于處理數(shù)據(jù)量大的問(wèn)題。基于已有的數(shù)據(jù)單一且數(shù)據(jù)量較少的情況,選取傳統(tǒng)的統(tǒng)計(jì)數(shù)學(xué)模型進(jìn)行電量預(yù)測(cè)的研究。

11、1主要研究方法

(16)1.1

Holt-Winters方法

Holt-Winters方法是一種時(shí)間序列分析方法,適用于具有線(xiàn)性趨勢(shì)和周期波動(dòng)的非平穩(wěn)序列,利用指數(shù)平滑法(EMA)讓模型參數(shù)不斷適應(yīng)非平穩(wěn)序列的變化。Holt-Winters方法是在Holt模型的基礎(chǔ)上引入了Winters周期項(xiàng)(也叫做季節(jié)項(xiàng)),包括Winter無(wú)季節(jié)、Winter加法和Winter乘法。

Holt-Winters乘法模型有三個(gè)參數(shù),適用于具有線(xiàn)性時(shí)間趨勢(shì)和乘法模型的季節(jié)變化情形,yt的平滑序列y^t由公式:

得到,其中a(t)表示截距,b(t)表示趨勢(shì),ct表示乘法模型的季節(jié)因子,定義公式如下:

2 電量預(yù)測(cè)思路

本文建模使用的工具為Pooval Mining大數(shù)據(jù)挖掘軟件,電量預(yù)測(cè)模型思路如下:

圖1 電量預(yù)測(cè)流程

獲取電量數(shù)據(jù)。該模型選取電網(wǎng)公司2018年1月至2019年4月的16條月用電量數(shù)據(jù),選取其中13條數(shù)據(jù)用于構(gòu)建時(shí)間序列模型,3條數(shù)據(jù)用于測(cè)試模型的準(zhǔn)確性。

數(shù)據(jù)預(yù)處理。用于建模的數(shù)據(jù)包括兩個(gè)字段,日期字段和電量字段,日期字段為日期型,電量字段為數(shù)值型。

單一算法預(yù)測(cè)。首先分別用Holt-Winters方法、ARI MA 模型、線(xiàn)性回歸建立擬合模型,評(píng)估擬合情況。

3 模型結(jié)果

表1 模型預(yù)測(cè)結(jié)果

4 結(jié)語(yǔ)

本文采用多模型組合的方法,提高了用電量預(yù)測(cè)的準(zhǔn)確性,能夠在一定程度上為電網(wǎng)公司的配網(wǎng)生產(chǎn)決策提供支持。