本發(fā)明屬于電網(wǎng)負(fù)荷預(yù)測(cè)技術(shù)領(lǐng)域，涉及一種回歸式負(fù)荷預(yù)測(cè)方法，尤其是一種考慮預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的回歸式負(fù)荷預(yù)測(cè)方法。

背景技術(shù)：

隨著我國電力事業(yè)的快速發(fā)展，負(fù)荷預(yù)測(cè)已經(jīng)成為供電部門最重要的工作之一。準(zhǔn)確的負(fù)荷預(yù)測(cè)不僅有助于合理地安排電網(wǎng)內(nèi)部發(fā)電機(jī)組的啟停，保持電網(wǎng)的安全穩(wěn)定運(yùn)行，保證正常的社會(huì)生產(chǎn)和生活，而且可以有效降低發(fā)電成本，提高電網(wǎng)運(yùn)行的經(jīng)濟(jì)性。

在負(fù)荷預(yù)測(cè)的應(yīng)用中，預(yù)測(cè)誤差會(huì)帶來經(jīng)濟(jì)損失。一方面，如果預(yù)測(cè)值小于實(shí)際值，將會(huì)帶來負(fù)荷損失；另一方面，如果預(yù)測(cè)值大于實(shí)際值，將會(huì)導(dǎo)致資源的浪費(fèi)。過去一般使用平均絕對(duì)百分誤差這個(gè)統(tǒng)計(jì)指標(biāo)來衡量預(yù)測(cè)的準(zhǔn)確性，但平均絕對(duì)百分誤差沒有考慮到誤差的方向性，即把正誤差和負(fù)誤差帶來的經(jīng)濟(jì)損失同等對(duì)待，但是誤差的方向性對(duì)經(jīng)濟(jì)損失的量化有很大的影響，此外，在進(jìn)行負(fù)荷預(yù)測(cè)時(shí)，參數(shù)的選取對(duì)預(yù)測(cè)結(jié)果的準(zhǔn)確性有較大的影響，如何構(gòu)建一種考慮預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的預(yù)測(cè)方法成為負(fù)荷預(yù)測(cè)中的重要問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種設(shè)計(jì)合理、預(yù)測(cè)精度高且實(shí)用性強(qiáng)的考慮預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的回歸式負(fù)荷預(yù)測(cè)方法。

本發(fā)明解決其技術(shù)問題是采取以下技術(shù)方案實(shí)現(xiàn)的：

一種考慮預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的回歸式負(fù)荷預(yù)測(cè)方法，包括以下步驟：

步驟1、量化負(fù)荷預(yù)測(cè)誤差的方向性對(duì)系統(tǒng)經(jīng)濟(jì)性的影響，建立以預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)最小為目標(biāo)的目標(biāo)函數(shù)；

步驟2、建立基于負(fù)荷預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的預(yù)測(cè)模型；

步驟3、將基于負(fù)荷預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的預(yù)測(cè)模型轉(zhuǎn)換成適合于分位數(shù)回歸算法的形式；

步驟4、運(yùn)用分位數(shù)回歸算法求解該基于負(fù)荷預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的預(yù)測(cè)模型，得到預(yù)測(cè)模型的參數(shù)組合。

而且，所述步驟1包括以下具體步驟：

(1)根據(jù)如下計(jì)算公式量化負(fù)荷預(yù)測(cè)誤差的方向性對(duì)系統(tǒng)經(jīng)濟(jì)性的影響；

其中，負(fù)荷預(yù)測(cè)誤差ei的表達(dá)式如下：

ei＝y(tǒng)i-fβ(xi-l)

上式中，ci是i時(shí)刻的負(fù)荷預(yù)測(cè)誤差導(dǎo)致的經(jīng)濟(jì)損失；p+與p-分別是實(shí)際值大于預(yù)測(cè)值的預(yù)測(cè)正誤差和實(shí)際值小于預(yù)測(cè)值的預(yù)測(cè)負(fù)誤差的經(jīng)濟(jì)懲罰系數(shù)；ei是i時(shí)刻的負(fù)荷預(yù)測(cè)誤差；yi是i時(shí)刻的實(shí)際負(fù)荷值；l是預(yù)測(cè)前置時(shí)間，即在i-l時(shí)刻預(yù)測(cè)i時(shí)刻的負(fù)荷值；xi-l是i-l時(shí)刻用來預(yù)測(cè)的自變量；fβ是預(yù)測(cè)模型，β是預(yù)測(cè)模型的參數(shù)向量；fβ(xi-l)是對(duì)i時(shí)刻的實(shí)際負(fù)荷的預(yù)測(cè)值；

(2)建立如下所示的以預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)最小為目標(biāo)的目標(biāo)函數(shù)；

上式中，j(β)是基于預(yù)測(cè)模型的參數(shù)向量的預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)量化函數(shù)。

而且，所述步驟2的基于負(fù)荷預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的預(yù)測(cè)模型的參數(shù)如下：

上式中，arg是數(shù)學(xué)函數(shù)，表示j(β)取最小值時(shí)β的值；是所求預(yù)測(cè)模型的參數(shù)向量。

而且，所述步驟3的具體方法為：

將步驟1所述的目標(biāo)函數(shù)除以(p++p-)，記再令

則該目標(biāo)函數(shù)可以寫成如下形式：

并且可以得到：

由于p+與p-都大于零，并且0＜τ＜1，由此得到適合用分位數(shù)回歸算法求解的模型。

而且，所述步驟4的具體步驟包括：

(1)建立針對(duì)步驟1所述目標(biāo)函數(shù)的線性條件分位數(shù)的模型：

上式中，qτ和fy是條件累計(jì)分布函數(shù)；inv表示取反函數(shù)；y是隨機(jī)因變量；x是多維度自變量；

(2)求解該基于預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的預(yù)測(cè)模型，模型的參數(shù)計(jì)算公式如下：

上式中，xi是i時(shí)刻用來預(yù)測(cè)的自變量。

本發(fā)明的優(yōu)點(diǎn)和積極效果是：

1、本發(fā)明提供了一種考慮預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的回歸式負(fù)荷預(yù)測(cè)方法，首先量化負(fù)荷預(yù)測(cè)誤差的方向性對(duì)系統(tǒng)經(jīng)濟(jì)性的影響，建立以預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)最小為目標(biāo)的目標(biāo)函數(shù)；然后建立基于預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的預(yù)測(cè)模型；再次將模型轉(zhuǎn)換成適合于分位數(shù)回歸算法的形式；最后運(yùn)用分位數(shù)回歸算法求解該模型，得到預(yù)測(cè)模型的最佳參數(shù)組合。本發(fā)明建立了考慮負(fù)荷預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的預(yù)測(cè)模型，并運(yùn)用分位數(shù)回歸算法求解，非常有效，實(shí)用性強(qiáng)。

2、本發(fā)明提供了一種考慮預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的回歸式負(fù)荷預(yù)測(cè)方法，通過量化包含預(yù)測(cè)誤差方向性的經(jīng)濟(jì)代價(jià)，建立以預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)最小為目標(biāo)的目標(biāo)函數(shù)，在一定數(shù)據(jù)處理的基礎(chǔ)上運(yùn)用分位數(shù)回歸算法求解該模型，得到預(yù)測(cè)模型的最佳參數(shù)組合。本發(fā)明提出一種考慮誤差方向性的統(tǒng)計(jì)指標(biāo)，并將預(yù)測(cè)誤差的經(jīng)濟(jì)代價(jià)納入預(yù)測(cè)過程，提供了一種尋找預(yù)測(cè)方法最佳參數(shù)組合的方法，有效提高了負(fù)荷預(yù)測(cè)的精度。

附圖說明

圖1是本發(fā)明的處理流程圖。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明實(shí)施例作進(jìn)一步詳述：

一種考慮預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的回歸式負(fù)荷預(yù)測(cè)方法，如圖1所示，包括以下步驟：

步驟1、量化負(fù)荷預(yù)測(cè)誤差的方向性對(duì)系統(tǒng)經(jīng)濟(jì)性的影響，建立以預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)最小為目標(biāo)的目標(biāo)函數(shù)；

所述步驟1包括以下具體步驟：

(1)根據(jù)如下計(jì)算公式量化負(fù)荷預(yù)測(cè)誤差的方向性對(duì)系統(tǒng)經(jīng)濟(jì)性的影響；

其中，負(fù)荷預(yù)測(cè)誤差ei的表達(dá)式如下：

ei＝y(tǒng)i-fβ(xi-l)

上式中，ci是i時(shí)刻的負(fù)荷預(yù)測(cè)誤差導(dǎo)致的經(jīng)濟(jì)損失；p+與p-分別是實(shí)際值大于預(yù)測(cè)值的預(yù)測(cè)正誤差和實(shí)際值小于預(yù)測(cè)值的預(yù)測(cè)負(fù)誤差的經(jīng)濟(jì)懲罰系數(shù)；ei是i時(shí)刻的負(fù)荷預(yù)測(cè)誤差；yi是i時(shí)刻的實(shí)際負(fù)荷值；l是預(yù)測(cè)前置時(shí)間，即在i-l時(shí)刻預(yù)測(cè)i時(shí)刻的負(fù)荷值；xi-l是i-l時(shí)刻用來預(yù)測(cè)的自變量；fβ是預(yù)測(cè)模型，β是預(yù)測(cè)模型的參數(shù)向量；fβ(xi-l)是對(duì)i時(shí)刻的實(shí)際負(fù)荷的預(yù)測(cè)值；

(2)建立如下所示的以預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)最小為目標(biāo)的目標(biāo)函數(shù)；

上式中，j(β)是基于預(yù)測(cè)模型的參數(shù)向量的預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)量化函數(shù)。

步驟2、建立基于負(fù)荷預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的預(yù)測(cè)模型，該模型的參數(shù)如下：

上式中，arg是數(shù)學(xué)函數(shù)，表示j(β)取最小值時(shí)β的值；是所求預(yù)測(cè)模型的參數(shù)向量。

步驟3、將基于負(fù)荷預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的預(yù)測(cè)模型轉(zhuǎn)換成適合于分位數(shù)回歸算法的形式；

所述步驟3的具體方法為：

將步驟1所述的目標(biāo)函數(shù)除以(p++p-)，記再令

則該目標(biāo)函數(shù)可以寫成如下形式：

并且可以得到：

由于p+與p-都大于零，并且0＜τ＜1，由此得到適合用分位數(shù)回歸算法求解的模型。

步驟4、運(yùn)用分位數(shù)回歸算法求解該基于負(fù)荷預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的預(yù)測(cè)模型，得到預(yù)測(cè)模型的最佳參數(shù)組合。

所述步驟4的具體步驟包括：

(1)建立針對(duì)步驟1所述目標(biāo)函數(shù)的線性條件分位數(shù)的模型：

上式中，qτ和fy是條件累計(jì)分布函數(shù)；inv表示取反函數(shù)；y是隨機(jī)因變量；x是多維度自變量；

(2)求解該基于預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的預(yù)測(cè)模型，模型的參數(shù)計(jì)算公式如下：

上式中，xi是i時(shí)刻用來預(yù)測(cè)的自變量。

本發(fā)明為了把預(yù)測(cè)誤差的經(jīng)濟(jì)代價(jià)納入預(yù)測(cè)過程，并且更好地評(píng)估負(fù)荷預(yù)測(cè)的準(zhǔn)確性，提出一種考慮預(yù)測(cè)誤差經(jīng)濟(jì)代價(jià)的回歸式負(fù)荷預(yù)測(cè)方法，量化包含預(yù)測(cè)誤差方向性的經(jīng)濟(jì)代價(jià)，通過一定的數(shù)據(jù)處理，運(yùn)用分位數(shù)回歸算法進(jìn)行求解，得到預(yù)測(cè)模型的最佳參數(shù)組合，從而有效提高負(fù)荷預(yù)測(cè)的精度。

需要強(qiáng)調(diào)的是，本發(fā)明所述的實(shí)施例是說明性的，而不是限定性的，因此本發(fā)明包括并不限于具體實(shí)施方式中所述的實(shí)施例，凡是由本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明的技術(shù)方案得出的其他實(shí)施方式，同樣屬于本發(fā)明保護(hù)的范圍。