[发明专利]一种中长期负荷数据的季节性调整方法

权利要求书

1.一种中长期负荷数据的季节性调整方法，其特征在于，包括以下步骤：

S1：选用乘法模型，即，Y_t＝TC_t×S_t×I_t；其中，TC标识循环趋势分量；S代表季节分量；I代表不规则分量；乘法模型用于保持正值，并且随着序列水平增长其季节性波动的幅度增长的序列；

S2：对应乘法模型，在regARIMA与调整环节对序列进行对数变换；

S3：通过预调整消除闰年因素的影响；

S4：在regARIMA环节自动探测离群值；

S5：在regARIMA环节加入用户自定义回归变量估计春节效应；

S6：ARIMA建模中自动选择ARIMA模型，如果多个模型被选中，则从中选择预测扩展效果最好的模型；

S7：用regARIMA模型对序列进行延拓时，预测未来24个月的值；

S8：在X-11环节自动选取季节与趋势滤子；

S9：在X-11环节，对不规则因素修正的第一极限值与第二极限值分别为1.5和2.5。

2.根据权利要求1所述的中长期负荷数据的季节性调整方法，其特征在于，季节分量，是每年重复出现的循环变动，其反映由于温度、天气状况、假期时间的因素引起，或以一年为周期的周期影响引起；不规则分量又称为随机因子、残余变动或噪声，其变动无规律可循，分量是由偶然发生的事件引起。

3.根据权利要求1所述的中长期负荷数据的季节性调整方法，其特征在于，regARIM模块，用于对数据的预处理，包括进行序列向前和向后的延拓，离群值的检测与各种效应的先验调整。

4.根据权利要求3所述的中长期负荷数据的季节性调整方法，其特征在于，在模型的诊断方面，X-12-ARIMA提供了X-11-ARIMA已有的诊断表格和M1-M11质量控制统计量；

X-12-ARIMA，还提供了包括检验季节和交易日效应的谱估计诊断、检验季节调整稳定性的平移区间和历史修正诊断。

5.根据权利要求3所述的中长期负荷数据的季节性调整方法，其特征在于，X-12-ARIMA模块，在对用电量序列进行季节调整之前，确定用电量季节调整的原则包括：

A：先验信息与后验信息相结合：如果序列中的某些信息是已知的，将已知信息作为先验信息，加入季节调整中，得到的调整结果；

B：考虑日历效应对用电量的影响：在季节调整中，合理的考虑日历效应的影响，发现电力需求的变化规律。