負荷預測中的組合預測方法與改進分析

劉結

摘 要：組合預測方法是一種優越的組合方法，在電網負荷預測中，通常和多種預測方法結合在一起，如灰色模型、指數平滑模型等，取得很好的預測效果。隨著經濟快速發展，電網運行體系也不斷完善，相應的負荷預測方法必須不斷的改進，才能適應現階段供電需求。本文就負荷預測中的組合預測方法與改進進行分析探討。

關鍵詞：負荷預測；組合預測；組合預測改進；

中圖分類號：TM714 文獻標識碼：A

組合預測是在全面考慮電力實際運行情況下，用系統定量計算公式，將外來用電量進行合理預測的方式。在電力輸送中，組合預測不可缺少，它直接關系著電力系統實現經濟調度及運行自動。現階段，隨著電力系統的快速發展，供電量也大幅度上升，如何做好電量負荷預測，不僅有利于電力穩定輸送，還可避免電力浪費。據此，本文就負荷預測中的組合預測方法與改進進行如下分析。

1 組合預測的概述

負荷預測中的組合預測是根據供電實際，對外來用電量進行預測的一種精細方式。在實際運作中，負荷預測有很多種類，如指數平滑模型及灰色模型等。就本質來看，任何一種預測模型都是對實際系統進行簡化，所包含的變量及參數均有限。就預測效果來看，每種預測方式都各有所長，均有自身的優點，組合預測法應用更廣泛，更適合于負荷預測。組合預測方法主要是通過計算個體值的平均數，來實現負荷預測，在進行負荷預測時，可以將各種預測模型的優點集中在一起，使預測結果更加精準。

2 組合預測法

在組合預測法中，涉及到很多參數，這些參數一部分是單一預測法中自帶的，一部分是單一預測方法組合后產生的。將這些參數進行深入理解，不僅能夠準確的預算電網輸電中的電量負荷，更能就電網運行操作中的變動做出靈活的調整。組合預測中，通常假設有N個單一預測方法，對應著N個預測值，用這一種預測方法進行負荷預測時，會得出一個誤差值，表示為第i種模型誤差。在計算誤差時，通常會用到平均數和數據數量，來計算加權平均數，當應用第i種模型時，計算得出的稱作第i種權重。另外，還會涉及到組合預測模型的誤差值，該誤差值是由多個單一預測模型通過矩陣計算得出，具有叫高的準確性。還有，在組合預測預測誤差平方和計算時，還涉及到一些公式，這些公式通常涉及到一些約束條件，如在求取誤差平方和時，通用到公式：K=E-1R/RTE-1R，在計算中，通常會出現權重呈負數的情形，這種情況不符合常規思維，通常需要轉換，轉換后的模型為：

J=KTEK

RTK=1

ki>0

3 遞歸等權組合預測模型

在組合預測法預測時，通常會出現預測誤差值出現負值的情況。這時，就要用到遞歸等權組合模型，將負值進行處理。該種方法在使用時較為簡單，并且易于掌握，在電力負荷預測中作為組合預測的補充方法被廣泛應用。用該中方法計算出的誤差值均小于參與組合的任意一個預測模型的誤差平方和。通常有公式，通過該公式可以計算出組合預測誤差平方和。遞歸等權組合預測模型在數據預測時，和組合預測方法一樣，也是具有N中預測方法，這N中預測方法預測得到的平均值均被標記為f（n）=fn，簡單的表示方法為：

fe（1）=1/Nf1（1）+1/Nf2（1）+1/Nf3（1）+.....1/Nfn（1）

ft（1）=1/Nf1t（1）+1/Nf2t（1）+1/Nf3t（1）+....1/Nfnt（1）

其中fit（1）（i=1，2，....N），表示該種模型值在t時刻應用地i種預測方法計算得到的，而fct（1）表示簡單平均法在t時刻的模型值。

如果在計算時，假設第N中預測方法的預測誤差值最大，則通過第i種方法得出的預測值，就能計算出N種方法的預測值，再將這N種方法組合在一起，便會得到遞歸等權組合預測值。這里注意，當fc（k）模型計算得出的誤差平方和已經達到接受水平，就可以停止迭代。

4組合預測法順序

在應用組合預測法預測電力負荷時，為了使預測結果更加精準，常將組合預測和遞歸等權組合預測結合在一起，結合之后，通常會衍生出三種單一預測模型，分別為灰色模型、自適應濾波模型及二次指數平滑模型。它們分別有各自的預測值及預測公式，也有一定的預測流程。如下：電力負荷預測開始后，先將每年的用電數據輸入，然后選擇每一種預測模型，計算出每一模型下的加權系數。同樣，將這些數據應用遞歸等權組合預測模型計算出加權系數，最后建立組合模型進行數據預測及輸出預測結果。

5 組合預測法的應用實例

對某單位某年用電量利用三種預測模型進行預測，結果表明，三種模型下的模型值都相差不大，并且和實際值之間的差異也不明顯。誤差分析表明，灰色模型得出的誤差平方和為111719，二次指數平滑模型的為119115，自適應濾波模型的為191768，由此可知，三者之中誤差平方和最小的為灰色模型。將這三種模型的誤差平方和綜合起來，便得到組合預測模型的平方和，為97958，和三者中的任何一種相比是最小的。由此可見，組合預測模型提高了電能負荷預測值，在電能負荷預測中應廣泛應用。

6 組合預測方法的改進

由于組合預測法得出的權系數不穩定，導致預測結果準確性降低，原因有如下幾點：

（1）不同的個體或不同的單位對數據的認識不同，使得同一種預測方法在不同的結果不同環境下得出的存在差異。

（2）經濟條件在不斷的變化，相應的預測技術及預測結果也會隨著變動。

（3）經濟結構的非線性關系也會影響預測結果。

目前，解決這種情況的方法通常是采用適應性算法，這種方法的基本原理就是移動樣本，提取幾個最近樣本的歷史值計算權系數。在實際應用中，應用遞推算法，以適應權系數的變化。這種方法最明顯的特點是，對不同預測模型的協方差不給予統計，在計算中只采用移動樣本，但用到的必須是樣本的歷史值。

結語

隨著用電量的不斷增加，電力負荷預測也顯得越來越重要，組合預測法由于其自身的優越性，在電力負荷預測中發揮著重要作用。但隨著經濟的快速發展，該種預測方法也要不斷的改進，才能避免電力浪費。

參考文獻

[1]唐小我.組合法預測研究[J].控制與決策，2001，8（01）：35-38.

[2]吉培榮.對灰色預測模型的分析與評價[J].水電能源科學，2000，17（02）：67-74.