[发明专利]一种基于logistic回归的饱和负荷预测方法

说明书

一种基于logistic回归的饱和负荷预测方法，利用历史负荷数据对模型参数进行估计得到logistic回归负荷预测模型通过参数的转换；将logistic回归模型简单化；将简化后模型假如高斯白噪声，得到其概率模型；利用得到的概率模型以及利用Neyman‑Fisher因子分解定理可以得到模型其中一个参数的充分统计量；利用该参数的充分统计量，在假定通解已知的情况下，利用最小二乘法可以得到其他两个参数的值；参数取值在一定取值范围内满足这些约束条件，忽略明显不符合约束公式的参数得到合适的参数范围；对所有参数取最优的误差值的参数值作为模型参数，即可求得最终的logistic模型。本发明对已有的数据有更好的模型预测精度，误差更小。

技术领域

本发明涉及一种电力负荷预测方法。特别是涉及一种利用历史负荷数据对模型参数进行估计得到logistic回归负荷预测模型的基于logistic回归的饱和负荷预测方法。

背景技术

负荷预测是电力部门重要工作之一，准确的负荷预测能够带来高得社会收益和经济收益。同时负荷预测是电网规划的基础，直接影响电网规划项目的效用与效率。负荷预测包含的数据信息量大、不确定因素多、涉及领域广，实现负荷的快速、精确预测对提升配电网规划的质量和速度具有重要意义。精确的负荷预测对于政府电网的规划项目有着重大的指导作用。

负荷预测的主要方法是灰色Verhulst预测或者运用神经网络来实现负荷预测。相比较神经网络模型，logistic回归的模型不需要大量的历史数据，与Verhulst模型相比，logistic的预测精度较高的位置不限于整个预测序列中的前M预测值。在已有的基于logistic回归负荷预测的文章中采用的是3点或4点法来得到logistic曲线的参数，然而这种方法不能避免异常或错误的数据因此具有改进的空间。从多年来国内外学者的理论与实证研究来看，logistic模型具有非常可信的识别、预测和推广能力，模型形式简单，logistic方程中仅有三个参数而其应用领域却极为广泛，可以应用在负荷预测中。

发明内容

本发明所要解决的技术问题是，提供一种对已有的数据有更好的模型预测精度，误差更小的基于logistic回归的饱和负荷预测方法。

本发明所采用的技术方案是：一种基于logistic回归的饱和负荷预测方法，包括如下步骤：

1)收集电网的负荷数据，给出改进的logistic回归模型及约束条件；

2)根据改进的logistic回归模型及约束条件确定logistic回归模型中参数c的范围；

3)将每次得到的c代入通解T＝M⁺X+ct₁中，然后利用最小二乘法公式求得logistic回归模型中参数a，b，将得到的结果代入公式求得logistic回归模型中参数m；

其中，T为Nx1的矩阵，r为负荷增长负荷速度，t为预测年份向量，m＝1/k，k为地区最大饱和负荷量，x_i为第i年的负荷量y的倒数，N为数据总年份；

c在一定取值范围内满足改进的logistic回归模型的约束条件，即得到m，a，b的参数范围。

4)判断计算结果m，a，b是否满足约束条件m0，a0，b0，若不满足直接更新c，并跳到步骤3)；若满足则计算模型检验指标的组合形式然后更新c，并跳到步骤3)；

其中，C为后验差检验：其中S₁为历史负荷数据的标准差，S₂为负荷误差序列的标准差；Q为相对残差：其中误差式中，为负荷预测值，x(i)为实际负荷值；P为精度：

5)比较满足约束条件的所有S，取最小S对应的m，a，b＝arg min S代入改进的logistic回归模型中，用于对地区电网最大饱和负荷的预测。