[发明专利]一种中长期负荷数据的季节性调整方法

说明书

一种中长期负荷数据的季节性调整方法，包括以下步骤：S1：选用乘法模型；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；S7：用regARIMA模型对序列进行延拓时；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。本发明中，用电量调整精确度高，且对各种节假日期间的用电量能够进行有效调整。

技术领域

本发明涉及负荷数据调整方法，尤其涉及一种中长期负荷数据的季节性调整方法。

背景技术

对于用电量、规模以上工业增加值等时间序列，其波动随时间变化有明显的周期规律，这种现象称为季节效应。而时间序列的季节调整则是指依据一定的数学方法将具有季节效应的时间序列分解成为随时间呈明显周期变化的分量以及与时间变化基本无关的分量。

在通常的季节调整算法中，认为月度或季度时间序列数据是由四种分量组成的，分别为：长期趋势分量(T)，波动循环分量(C)，季节分量(S)与不规则分量(I)。长期趋势分量代表时间序列长期的趋势特性。波动循环分量是以数年为周期的一种景气变动。在时间序列的研究中，它们反映了时间序列的基本变化规律。季节分量是每年重复出现的循环变动，反映由于温度、降雨、假期等因素引起的，以12个月或4个季度为周期的周期影响。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，这一分量是由偶然发生的事件引起的，如罢工，意外事故，地震，恶劣气候，战争等。

1965年，著名的美国普查局X-11季节调整程序问世。它起源于1954年美国普查局的季节调整程序“模型I”，经过十几年的发展，经历12个实验版本的“模型II”，最终形成X-11。

普查局X-12-ARIMA季节调整方法是在X-11方法的基础上发展而来；如图1所示：X-12-ARIMA季节调整程序的基本流程，其中实线箭头代表程序的流程，虚线代表季节调整中实际需要经历的操作过程，通过“调整——诊断——再调整”得到序列的最佳季节调整。

目前，用于电力需求预警预测分析的数据多为从电力系统直接采集来的电量原始数据，这些数据由于存在着一些问题而无法直接应用于具体的分析中。由于电量序列具有明显的季节特征，而负荷序列内在的变化规律往往会被季节变动要素所掩盖，直接利用原始数据进行分析往往发现不了用电量数据的内在规律性。

季节分量是每年重复出现的循环变动，反映由于温度、降雨、假期等因素引起的，以12个月或4个季度为周期的周期影响，其辨识和修正方法，目前研究还比较基础。比如，美国的劳动节、感恩节，中国的春节、元宵节等。这些假日由于其循环周期不是正好一年而使得这些假日的效应往往不能被季节分解完全吸收。以春节为例，春节是中国的传统节日，由于农历与公历时间上的差别使得每年春节周期性的出现在1月20日与2月20日之间。由于X-12-ARIMA不能对中国的春节因素进行直接建模，因此需要利用其用户自定义回归变量的功能进行春节因素的回归。

因此，在进行电力需求预警与预测分析之前首先要对原始的电量数据进行季节性调整处理，以提高精度，需要适应所有节日。

发明内容

(一)发明目的

为解决背景技术中存在的技术问题，本发明提出一种中长期负荷数据的季节性调整方法，用电量调整精确度高，且对各种节假日期间的用电量能够进行有效调整。

(二)技术方案

为解决上述问题，本发明提出了一种中长期负荷数据的季节性调整方法，包括以下步骤：