基于計量經(jīng)濟-灰色理論的多變量電力負荷預測方法

韓富堯 劉亞偉

?

基于計量經(jīng)濟-灰色理論的多變量電力負荷預測方法

韓富堯 劉亞偉

（東北電力大學電氣工程學院，吉林吉林 132012）

為了充分考慮城市發(fā)展變化的多元性與預測電力負荷過程中的各種影響變量，提高電網(wǎng)規(guī)劃中電力負荷的預測精度，本文提出了基于計量經(jīng)濟-灰色理論的多變量電力負荷預測方法。該方法首先通過電力負荷與各變量之間的相關性分析，確定預測過程中與電力負荷強度相關的各影響變量。然后利用統(tǒng)計學中的計量經(jīng)濟理論，找到彼此之間的聯(lián)系，建立電力負荷與各變量之間的數(shù)學預測模型。最后再利用灰色理論對目標年各變量的值進行預測，以解決數(shù)據(jù)匱乏、波動的不確定性所帶來的難題，并帶入數(shù)學模型，完成預測。工程實例驗證了該方法是正確和有效的。

電力負荷預測；多變量；相關性分析；計量經(jīng)濟理論；灰色理論

電力負荷預測（power load forecasting, PLF）是電力系統(tǒng)規(guī)劃中的前提，是城市電網(wǎng)建設的基礎，為電力設備的選址定容和系統(tǒng)安全調(diào)度、經(jīng)濟運行提供了重要的依據(jù)，因此PLF對未來的配電網(wǎng)規(guī)劃十分關鍵，必不可少[1]。

近年來，人們對PLF進行了大量的探索和研究，得到了許多新的理論和方法，如用地仿真預測方法、模糊理論數(shù)據(jù)挖掘預測法、趨勢預測方法、負荷密度指標預測方法、時間序列分析預測方法等各種方法[2]。文獻[3]通過對歷史負荷數(shù)據(jù)的挖掘，利用協(xié)調(diào)系數(shù)解決了同類負荷在不同元胞內(nèi)分布不均的問題。文獻[4-5]通過對樣本數(shù)據(jù)的挖掘，確定各影響變量的權重，分別利用模糊評價理論和貼進度理論得到負荷的密度指標體系。文獻[6-8]利用混沌理論，通過單變量時間序列重構相空間，以獲得理想的預測結果。但上述方法要么未考慮當?shù)厝丝凇⒔?jīng)濟水平、建設面積等因素對PLF產(chǎn)生的影響[9]，要么僅考慮單變量對負荷變化的影響，噪聲影響太大，不能對負荷做出精確的預測。

為此，本文綜合考慮PLF過程中多個影響變量，進而求取強相關變量，提出了基于計量經(jīng)濟-灰色理論的多變量PLF模型，通過引入各主要影響變量，準確反映了電力負荷的發(fā)展規(guī)律，提高了預測的準確性。

1 各變量與電力負荷之間的相關性分析

電力系統(tǒng)是一個復雜、多變量系統(tǒng)，長期受到很多影響因素的制約，多種因素共同作用以決定其未來的發(fā)展趨勢及狀態(tài)。同時，系統(tǒng)的每一個變量、影響因素都不是單獨存在的，彼此相互之間是聯(lián)系、影響的。這種聯(lián)系一般可以描述為一定的數(shù)量關系，即函數(shù)關系，但更多時候是一種不確定的關系，稱之為相關關系[10]。

在PLF過程中，為了找到電力負荷與各變量之間的這種不確定的關系，需對其進行相關性分析，以確定影響PLF的強相關變量，提高其預測精度。因為考慮所有因素的影響既不現(xiàn)實，也耗時耗力，且掌握了這些強相關變量的變化規(guī)律，就能夠把握負荷的發(fā)展規(guī)律。但由于分析過程中各變量數(shù)據(jù)和電力負荷之間的度量單位不同，無法對各變量與電力負荷直接進行相關性分析，故需要對各變量做無量綱處理，對其數(shù)據(jù)進行歸一化，即

通過電力負荷與各變量之間的相關性分析，可以確定影響PLF的主要的影響變量，簡化了預測過程中其余弱相關變量的影響，以這些主導因素共同作用為前提，去預測規(guī)劃區(qū)內(nèi)電力負荷的發(fā)展態(tài)勢，使負荷預測結果更加可靠、準確。

2 基于計量經(jīng)濟-灰色理論的多變量預測模型

PLF中有很多預測分析方法，其中計量經(jīng)濟-灰色理論可以對PLF中電力負荷與各強相關因素進行定量描述，以建立數(shù)學模型，是電力負荷多變量預測中一種十分重要方法[11-13]。

計量經(jīng)濟理論中的回歸方程是多變量預測模型的基礎，通過對影響變量和電力負荷的歷史數(shù)據(jù)進行分析，確定彼此之間的關系，其數(shù)學模型可以描述為

式中，=1, …,；為變量的數(shù)目；Y為規(guī)劃區(qū)內(nèi)電力負荷；1i,2i, …,x為各強相關影響變量；0,1, …,為待估參數(shù)；為隨機擾動變量。

通過對各強相關影響變量1i,2i, …,x進行次觀測，得組觀測值，即

對于式（3），如果待估參數(shù)和電力負荷的的估算值已經(jīng)得到，就可以由式（4），通過最小二乘法求取待估參數(shù)，即

（4）

對所求得到的方程進行檢驗（即顯著性檢驗），以判斷方程是否顯著性成立，是否可用于電力負荷的預測。

灰色系統(tǒng)理論是鄧聚龍教授于1982年提出的一種分析貧信息系統(tǒng)分析方法[14-16]，對數(shù)據(jù)較少的小樣本通過灰色生成和變換，完成對系統(tǒng)的行為序列的模擬和預測。近年來，灰色理論已在人口、建筑、經(jīng)濟、電力規(guī)劃等多個領域得到廣泛實施應用，并取得良好效果[17]。

考慮到電力負荷逐年增長有一定確定性，但也存在著隨經(jīng)濟、人口、固定資產(chǎn)投資等因素波動變化的不確定性，且各變量歷史數(shù)據(jù)較為匱乏，屬于典型的小樣本、貧信息、不確定的灰色系統(tǒng)，可以利用灰色理論對目標年各變量進行預測，以提取有效信息，忽略無效信息，深入挖掘各變量的潛在規(guī)律和發(fā)展趨勢，進而掌握負荷的變化規(guī)律。

3 實例分析

以河南省某市為例，綜合考慮影響電力負荷發(fā)展的多個變量，并結合規(guī)劃區(qū)的實際發(fā)展情況，根據(jù)經(jīng)驗并從不同的角度通過初步分析選取幾個影響變量：人口、GDP、固定資產(chǎn)投資、人均可支配收入、建成區(qū)面積、住宅的銷售面積等。

查找分析得到的各影響變量的統(tǒng)計數(shù)據(jù)和負荷的歷史數(shù)據(jù)見表1。

對表1中的各變量和電力負荷歷史數(shù)據(jù)進行歸一化處理，以便對其數(shù)據(jù)之間進行近一步的分析，歸一化結果見表2。

表1 規(guī)劃區(qū)各變量歷史數(shù)據(jù)

表2 各變量數(shù)據(jù)歸一化結果

將各變量與電力負荷之間進行相關性分析，深度挖掘其統(tǒng)計數(shù)據(jù)下潛在的內(nèi)在規(guī)律，以確定電力負荷的主要影響變量，各變量與電力負荷之間的相關性關系見表3。

表3 各變量與電力負荷之間的相關系數(shù)

可以看出，人口、GDP、固定資產(chǎn)投資、人均可支配收入、建成區(qū)面積這5個變量與電力負荷之間的相關系數(shù)都大于0.9，為強相關變量，而住宅的銷售面積與電力負荷的相關系數(shù)僅為0.803，相關性相對較差，可以剔除出去[18]。故在多變量預測模型中，可以選定人口、GDP、固定資產(chǎn)投資、人均可支配收入、建成區(qū)面積作為影響的各變量。

分析各變量與電力負荷的關系，并進行Matlab編程，然后在對其進行殘差分析，殘差序圖如圖1所示。由殘差序圖可以看出，第一個點是預測中的異常點，剔除出去，可以求得多變量預測模型，即

式中，擬合優(yōu)度2=0.9998，說明99.98%的影響因素可以由該模型進行加以解釋，且擬合度較好。該模型的統(tǒng)計量=1733.9，且對于樣本容量=9，變量數(shù)=5的分布的臨界值為0.05(5,3)=9.01，存在＞0.05(5,3)，通過顯著性檢驗，可以應用此計量經(jīng)濟-灰色理論多變量預測模型進行預測。

圖1 殘差序圖

利用灰色理論對目標年（2014年）規(guī)劃區(qū)各變量的數(shù)據(jù)進行預測，所得的結果見表4。

將目標年（2014）的各變量數(shù)據(jù)代入多變量預測模型中，預測目標年電力負荷的值見表5。

由表5可以看出，通過考慮影響電力負荷發(fā)展的各變量，所建立的計量經(jīng)濟-灰色理論在多變量預測模型進行預測，極大提高了PLF的預測精度，可以將該模型用于實際的電力工程預測。

表4 目標年規(guī)劃區(qū)各變量預測值

表5 預測結果及誤差分析

4 結論

電力負荷預測作為未來電網(wǎng)規(guī)劃的標桿和依據(jù)，對電網(wǎng)的建設有著至關重要的作用。本文通過以下兩方面的處理使得該方法在未來的電網(wǎng)規(guī)劃中得以推廣、應用。

1）考慮PLF過程中各種影響變量，同時將計量經(jīng)濟和灰色理論相結合建立預測模型，充分發(fā)揮了兩者優(yōu)越性。

2）所建立的基于計量經(jīng)濟-灰色理論的多變量預測模型能更精確地把握當?shù)氐膶嶋H狀況，提高了預測精度。

[1] 肖白, 周潮, 穆鋼. 空間電力負荷預測方法綜述與展望[J]. 中國電機工程學報, 2013, 33(25): 78-92.

[2] 唐祥玲, 王平, 李思岑, 等. 基于方差-協(xié)方差組合預測的中長期電力負荷預測研究[J]. 電氣技術, 2015, 16(1): 15-18.

[3] 肖白, 楊修宇, 穆鋼, 等. 基于元胞歷史數(shù)據(jù)的負荷密度指標法[J]. 電網(wǎng)技術, 2014, 38(4): 1014-1019.

[4] 符楊, 曹家麟, 謝楠, 等. 基于模糊綜合評價的負荷密度指標選取新方法[J]. 電網(wǎng)技術, 2007, 31(18): 19-22.

[5] 符楊, 朱蘭, 曹家麟. 基于模糊貼近度理論的負荷密度指標求取新方法[J]. 電力系統(tǒng)自動化, 2007, 31(19): 46-49, 90.

[6] 呂金虎, 張鎖春. 加權一階局域法在電力系統(tǒng)短期負荷預測中的應用[J]. 控制理論與應用, 2002, 19(5): 767-770.

[7] 李天云, 劉自發(fā). 電力系統(tǒng)負荷的混沌特性及預測[J]. 中國電機工程學報, 2000, 20(11): 36-40.

[8] 尤勇, 盛萬興, 王孫安. 一種新型斷區(qū)負荷預測模型的研究及應用[J]. 中國電機工程學報, 2002, 22(9): 15-18.

[9] 肖白, 楊修宇, 穆鋼, 等. 基于多變量分析的城市電網(wǎng)空間負荷預測方法[J]. 東北電力大學學報, 2013, 33(1): 39-44.

[10] 程其云, 王有元, 陳偉根. 基于改進主成分分析的短期負荷預測方法[J]. 電網(wǎng)技術, 2005, 29(3): 64-67.

[11] 李鵬飛. 加瑪力汗·庫馬什, 常喜強. 幾種電力負荷預測方法的比較[J]. 電氣技術, 2011, 12(6): 49-52.

[12] 李艷梅, 孫薇. 多元線性回歸分析在用電量預測中的應用[J]. 華北電力技術, 2003(11): 40-41.

[13] 雷紹蘭, 孫才新, 周湶, 等. 電力短期負荷的多變量時間序列線性回歸預測方法研究[J]. 中國電機工程學報, 2006, 26(2): 25-29.

[14] 陳辰旭, 楊耿杰, 郭謀發(fā). 改進的GM(1,1)模型在配電網(wǎng)日負荷預測中的應用[J]. 電氣技術, 2012, 13(5): 14-17, 21.

[15] Morita H, Zhang Dp, Tamura Y. Long-term load forecasting using grey system theory[J]. Electrical Engineering in Japan, 2007, 115(2): 11-20.

[16] 余建明, 燕飛, 楊文宇. 等中長期電力負荷的變權灰色組合預測模型[J]. 電網(wǎng)技術, 2005, 29(17): 26-29.

[17] 鄭志杰, 李磊, 趙蘭明. 考慮數(shù)據(jù)不確定性的中長期電力負荷預測[J]. 電力系統(tǒng)保護與控制, 2011, 39(7): 123-126, 132.

[18] 丁浩, 榮蓉. 基于多元線性回歸模型和灰色理論的山東省用電量預測[J]. 河南科學, 2013(9): 1535- 1539.

Multivariate Power Load Forecasting Method based on Econometrics and Grey Theory

Han Fuyao Liu Yawei

(Electrical Engineering College, Northeast Dianli University, Jilin, Jilin 132012)

In order to fully consider the diversity of urban development and the various influencing factors in the process of power load forecasting, and improve the forecast accuracy of power network plan, a method of multivariate power load forecasting based on the econometrics and grey theory is proposed. Firstly, this method determines strong correlation factors of the power load in the forecasting process through the correlation analysis between the power load and the variables. Then we find the connection between each other through the econometric theory of statistics, and establish the mathematical model for forecasting between the power load and the variables. Finally, we predict the value of each variable in the target year in order to solve the problems caused by the lack of data and the uncertainty of fluctuation. and brought them into the mathematical model in order to complete the load forecasting. An engineering example shows that the method is correct and effective.

power load forecasting; variables; correlation analysis; econometric theory; grey theory

韓富堯（1989-），男，山東省濟南市人，碩士研究生，主要從事城市電網(wǎng)規(guī)劃、電力系統(tǒng)負荷預測的研究工作。