[发明专利]基于残差修正灰色预测模型的长期电力负荷预测方法

说明书

本发明公开一种基于残差修正灰色预测模型的长期电力负荷预测方法，应用于电力系统负荷预测技术领域，针对现有的灰色预测模型存在的随着负荷变化的波动性增强，拟合和预测效果不佳的问题；本发明在获取前n年电力负荷序列的情况下，利用线性时变参数离散灰色TDGM(1,1)模型去预测第(n+1)年的电力负荷值，再通过傅里叶级数残差修正方法去修正原有的预测模型，最终得到修正后的模拟值和预测值；本发明修正后的TDGM(1,1)模型具有更高的拟合和预测精度，提高了灰色预测模型的适应性和灵活性。

技术领域

本发明属于电力系统负荷预测领域，特别涉及一种长期电力负荷预测技术。

背景技术

长期电力负荷预测是电网规划的基础，准确的负荷预测对于制定发电厂新建计划，决定装机容量大小，保证电网安全和稳定运行等都有着极为重要的作用。一般来说，长期电力负荷的变化具有逐年增长的趋势，灰色预测模型能够较好地以指数形式拟合长期用电量的情况，因此灰色预测方法是预测长期电力负荷的有效方法；但长期电力负荷的变化也具有一定的随机性和波动性，电量并不是按照绝对的指数规律逐年递增，如果不对灰色预测模型进行修正和改进，则会出现较大的误差。

现如今已有大量的文献对基础灰色预测模型GM(1,1)进行了深入的研究和改进，其中包括对灰色模型迭代初值进行优化、在原始序列中加入缓冲算子，以及对原始序列进行数据变换等。虽然这些方法能够在一定程度上降低模型拟合时的误差、提高预测时的精度，但却无法改变GM(1,1)模型本身的局限性，即利用离散的方法去估计参数，而采用连续时间响应进行预测所造成的跳跃性误差。离散灰色模型DGM(1,1)有效地避免了从离散到连续模型转换所带来的误差，其具有白指数规律重合性、伸缩变换一致性等性质，但也存在模拟值只能为等比序列的问题。

在长期电力负荷预测过程中，灰色预测模型只对电量呈近似指数规律的单调增长序列才有较高的预测精度。但随着负荷变化的波动性增强，灰色模型的拟合和预测效果并不是很好，因而建立新的预测修正模型是十分必要的。

发明内容

针对原有灰色模型抗干扰能力差的问题，本发明提出了一种基于残差修正灰色预测模型的长期电力负荷预测方法，将线性时变参数离散灰色模型TDGM(1,1)应用到长期电力负荷预测中，线性时变参数离散灰色模型TDGM(1,1)除了具有白指数规律重合性、伸缩变换一致性的性质外，还具有线性规律重合性的性质，从而克服了原离散灰色模型DGM(1,1)模拟值增长率恒定的问题。

本发明采用的技术方案为：基于傅里叶级数残差修正TDGM(1,1)模型的长期电力负荷预测方法，包括以下步骤：

S1、获取长期电力负荷观测序列，并将观测序列进行一次累加，得到累加生成序列；

S2、根据累加生成序列建立TDGM(1,1)预测模型，并通过最小二乘法估计TDGM(1,1)预测模型的参数；

S3、对步骤S2得到的TDGM(1,1)预测模型进行修正；

S4、根据修正后的TDGM(1,1)预测模型对长期电力负荷进行预测。

进一步地，步骤S3所述对TDGM(1,1)预测模型进行修正，具体为采用傅里叶级数残差修正方法对TDGM(1,1)预测模型进行改进，包括以下步骤：

A1、根据步骤S2得到的TDGM(1,1)预测模型获取步骤S1所述长期电力负荷观测序列的一次累加表达式和还原的模拟值；

A2、根据步骤S1的观测序列与步骤A1的模拟值获取残差序列，并将该残差序列表达为傅里叶级数的形式；

A3、根据傅里叶级数表达形式的残差去修正步骤S2得到的TDGM(1,1)模型，得到修正后的TDGM(1,1)模型。

进一步地，步骤S2具体为：