《基于数据挖掘的中长期电力负荷预测》
本文是关于电力负荷方面电大毕业论文范文和电力负荷和数据挖掘和预测类论文怎么写.
[摘 要]用电量预测作为电力市场需求预测,是电力生产和发展的基本依据,准确的电量预测是实现电网安全、经济运行的前提.本文通过建立组合预测模型,对某地区2018-2022年度最大负荷进行分析预测,算例表明,文中提出的组合预测模型预测精度较高,实用性强.是一种有效的负荷预测方法.
[关键词]电力 数据挖掘 组合模型 负荷预测
中图分类号：G712 文献标识码：A 文章编号：1009-914X（2019）01-0194-01
一、前言
当前,我国发展进入新常态,电力消费随之产生新常态的变化,因此电力行业急需建立符合当前形势变化的负荷预测机制,以了解用户用电行为及未来区域用电量.中长期电力负荷预测是电力行业进行电力宏观调控、电网规划等重大决策的重要依据,开展电力行业中长期电力预测,加强电力市场的发展方向的科学把控,可提高企业投资效益、经营效益.
中长期预测的方法主要有：灰色预测法、时间序列法等,由于电力负荷预测比较复杂,影响负荷的因素复杂且不确定,单一的预测模型对电力预测均会产生较大的误差,本文研究构建组合预测模型,可有效提高电力负荷分析预测的质量和准确性.
二、组合预测模型构建
对于中长期电力负荷预测,主要关注预测发展趋势的准确性和可靠性,往往面临样本数据较少的情况,因此,会导致各种预测算法缺乏精准性.
本文构建的组合预测方法是将多种单一模型所突出的优点,进行最优组合.利用灰色预测及时间序列模型分别对区域用电量进行分析,将以上两种方法的相对误差进行分析,建立组合预测方程,进行组合预测.该方法既能拟合预测和实际曲线趋势,又可以表达精准的电力中长期预测趋势.
三、区域用电负荷预测分析
通过对国家统计局分省年度数据搜集、整理,统计某地区近五年用电量数据,开展区域用电负荷预测分析.
(一)灰色预测模型
（1）构建模型
将2013-2017年度的区域最大负荷数据作为原始数据 序列开始建模,得到灰色模型参数.
x（t+1）等于32814.857803exp（0.035113t）-31716.177801
-a等于0.035113<0.3,GM（1,1）模型预测精度较高,可进行中长期预测.通过C与P综合评定模型的精度,得到最大负荷的灰色预测结果：0.5 （2）残差序列建模 对残差序列建模分析得到灰色模型参数. x（t+1）等于142.685838exp（0.242641t）-85.541578 -a等于0.1242631<0.3,GM（1,1）模型预测精度较高,可进行中长期预测.通过C与P综合评定模型的精度,得到：C=0.3444<0.5,评价好；p=1.0000,评价很好. 将观测值与最大负荷预测值进行比较,通过误差检验对灰色预测方法的有效性进行检验,灰色模型的平均误差为2.27%,拟合效果较好.由此得到未来2018-2022年全社会最大负荷的预测值： 表1 最大负荷预期值 单位：万千瓦 （1）数据平稳化 由于该地区最大负荷具有很强的非平稳性,因此进行平稳化处理,对一阶差分进行ADF检验,可以得到t等于-3.53<-3.4,p=0.0429,处理后的数据时间序列基本平稳,符合平稳化的要求. （2）模型参数确定 对处理后的数据进行自相关系数ACF和偏自相关系数PACF计算,数值表现出趋势特征,认为该时间序列符合ARMA模型,设p等于2,q等于2,建立ARIMA（2,1,2）模型. 经计算,R方等于0.972,接近1,拟合效果较好.得到ARIMA（2,1,2）模型为： 最大负荷bct等于68.173-0.844bct-1-0.994bct-2-0.664εt-1-0.858εt-2+εt 经检验残差序列为白噪声序列,通过检验. （3）最大负荷预测 经计算拟合值的平均相对误差为3.13%,差值非常小,说明ARIMA（2,1,2）模型具有良好的预测效果. 表2 最大负荷预测 单位：万千瓦 为提高负荷预测的精确度,将以上两种单一模型所突出的优点进行最优组合.综合灰色预测、时间序列等方法对最大负荷进行分析预测,根据相对误差确定其权重以进行组合预测,以平均相对误差为依据确定各方法的组合预测权重,得到组合预测方程为： M等于0.42037037*Y1+0.57962963*Y2 其中,M：最大负荷 Y1：灰色分析预测值 Y2：时间序列法预测值 由此,可以得到2018-2022年该区域最大负荷的组合预测值,见表3. 表3 最大负荷预测值 单位：万千瓦 本文是基于数据挖掘的中长期电力负荷预测研究,通过构建组合预测模型,基本实现较精准负荷预测的期望. （1）以数据挖掘思想为基础,对用电量预测,是满足电力生产和发展的需要,保证电网安全、经济运行的基础. （2）基于灰色預测以及时间序列分析模型,构建组合预测模型预测精度较高,实用性强,是一种可靠的负荷预测方法. 参考文献 [1]杨凛,李巍.基于数据挖掘的电力负荷预测[J].自动化与仪器仪表.2018（03）. [2]陈浩.以电力客户行为数据挖掘为基础的营销策略研究[D].北京：华北电力大学,2017. [3]邱剑.电力中文文本数据挖掘技术及其在可靠性中的应用研究[D].杭州：浙江大学,2016. [4]甘霖.组合预测模型在中长期电力负荷预测中的应用[D].南昌：南昌航空大学,2015. 作者简介： 许小亮（1990年12月）,男,河北承德,硕士； 陈小峰（1980年2月）,男,天津,高级工程师,博士； 刘春光（1992年7月）,男,河北迁安,硕士； 夏保冰（1989年3月）,男,山东茌平,硕士； 刘学军（1969年2月）,男,天津,高级工程师,高级经济师,硕士. 数据来源于国家统计局网站. 归纳总结，本文论述了关于电力负荷方面的大学硕士和本科毕业论文以及电力负荷和数据挖掘和预测相关电力负荷论文开题报告范文和职称论文写作参考文献资料. 电力负荷引用文献:(二)时间序列预测模型
(三)组合预测
四、小结
[1] 优秀电力负荷预测论文题目 电力负荷预测专业论文题目怎样拟
[2] 电力负荷专业论文题目 电力负荷论文标题怎样定
[3] 新颖的电力负荷预测论文参考文献 电力负荷预测论文参考文献数量是多少
