[发明专利]一种基于复合型不对称随机波动模型的短期负荷预测方法

说明书

本发明公开了一种基于复合型不对称随机波动模型的短期负荷预测方法，步骤1：负荷时间序列F_t的分解；步骤2：基于不对称SV模型的负荷预测方法；步骤3：预测及预测效果评价。本发明提供的一种基于复合型不对称随机波动模型的短期负荷预测方法，改进了随机波动模型的波动方程，通过增加不对称项或示性函数，同时放宽了ε_t,η_t不相关假设，在模型中从两个维度计及波动的不对称效应的影响，同时考虑了不对称转换阶段的平滑过渡问题。从而发掘蕴含在负荷时间序列二阶矩里的信息，提高负荷预测精度。

技术领域

本发明涉及一种基于复合型不对称随机波动模型的短期负荷预测方法，属于电力负荷预测技术领域。

背景技术

目前，短期负荷预测对于电网的经济调度运行有着重要的意义。随着我国电力系统建设的推进，电源侧大量新型能源不断接入，电网侧大量新型设备尤其是大型电力电子设备不断投运，需求侧用户行为呈现出更复杂的模式和特征，这些因素电力负荷时间序列表现出更为复杂的波动特征。

随机波动(Stochastic Volatility，SV)模型是一种有效的负荷预测模型，经典SV模型要求ε_t表示测度方程的随机扰动，服从标准正态分布，假设ε_t,η_t不相关，η_t表示波动方程的随机扰动。经典随机波动模型虽然能对负荷时间序列的波动性进行刻画，但由于其方程结构的对称性，无法体现负荷时间序列的波动不对称性特征。

有研究表明，电力负荷波动性存在不对称特征，同样单位的正冲击和负冲击，对未来的电力负荷波动具有不一样的影响，如模型不能体现这种影响差异，显然丢失了部分可以用来提高预测精度的信息。不对称SV模型通过调整ε_t,η_t的相关矩阵，可以实现对负荷时间序列波动性的描述，但有些情况下负荷时间序列不对称特征复杂，需要对模型做进一步的推广和改进。

发明内容

目的：为了克服现有技术中存在的不足，本发明提供一种基于复合型不对称随机波动模型的短期负荷预测方法。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

一种基于复合型不对称随机波动模型的短期负荷预测方法，包括如下步骤：

步骤1：负荷时间序列F_t的分解；

步骤2：基于不对称SV模型的负荷预测方法；

步骤3：预测及预测效果评价。

作为优选方案，所述步骤1包括：

步骤1.1：应用乘法模型对电力负荷时间序列建模：

F_t＝T*S*C*I_t (1)

T,S,C,I_t依次为趋势分量、季节分量、周期分量、不规则变动分量。

作为优选方案，其特征在于：

所述趋势分量，基于对该负荷时间序列的趋势分析，利用线性模型或指数模型刻画；

所述线性模型：其中a，b为线性模型参数；

所述指数模型：其中a，b为指数模型参数；

所述季节分量，基于对该负荷时间序列的季节分量分析，利用改进X11法进行季节调整，

其中，X_t＝[x₁,x₂,…x_i…,x₃₆₅]，为X_t在整个样本空间的延拓，x_i为每个序列数值的季节因素折算系数，i取从1到365的自然数；