本發(fā)明涉及軌道交通用電指標的預測技術領域,具體涉及一種面向軌道交通的用電指標預測的方法。
背景技術:
城市軌道交通具有運量大、快捷舒適、安全、準點、保護環(huán)境、節(jié)約能源、占地少等特點,已經(jīng)成為各大中型城市解決道路交通擁堵問題的主要手段。隨著我國社會經(jīng)濟的飛速發(fā)展及城市化進程的日益推進,我國城市軌道交通建設的規(guī)模不斷擴大,城市軌道交通對城市電網(wǎng)的電能質(zhì)量及暫態(tài)過程影響已日漸顯現(xiàn)。
城市軌道交通供電系統(tǒng)負責為電動列車提供牽引電力,并為各種運營設備提供動力照明電源,是城市電網(wǎng)的用電大戶。因此急需提供一種能夠預測出未來軌道交通的電力負荷在未來時期的變化趨勢的方法,以便為用電管理部門下達指標提供參考。
技術實現(xiàn)要素:
為了解決上述問題,本發(fā)明提供了一種面向軌道交通的用電指標預測的方法,具體技術方案如下:
一種面向軌道交通的用電指標預測的方法包括以下步驟:
(1)建立用電指標的灰色系統(tǒng)gm(1,1)模型:
設x(0)為原始數(shù)據(jù)序列x(0)=[x(0)(1),x(0)(2),x(0)(3)…x(0)(n)];①
對該數(shù)據(jù)列進行一次疊加,生成新的數(shù)據(jù)數(shù)列為x(1)=[x(1)(1),x(1)(2),x(1)(3)…x(1)(n)];②
依照新數(shù)據(jù)序列編號規(guī)律對新數(shù)據(jù)序列,建立對應的白化微分方程為
式中a、b為方程參數(shù),記做
在最小二乘準則下yn=bp的解為
式⑤即為gm(1,1)參數(shù)a、b的矩陣辨識計算式,式中(btb)-1bt事實上是數(shù)據(jù)矩陣b的廣義逆矩陣,其中
式中,b為(n-1)階數(shù)據(jù)矩陣,yn為數(shù)據(jù)向量,p為參數(shù)向量,令z(1)為x(1)的均值序列z(1)=[z(1)(2),z(1)(3),z(1)(4)…z(1)(n)];⑧
由式③得式⑧的白化微分方程為
z(1)(k)=0.5x(1)(k)+0.5x(1)(k-1);⑨
可以得到灰色系統(tǒng)gm(1,1)預測模型為
對
(2)采用后驗差檢驗法對用電指標的灰色系統(tǒng)gm(1,1)模型的預測精度進行檢驗:根據(jù)后驗差比值與小誤差概率的取值判別用電指標的灰色系統(tǒng)gm(1,1)模型的精度:
令x(0)為原始序列,
x(0)(k)的方差
殘差
殘差ε(0)(k)的平均值
ε(0)(k)的方差
后驗差比值
小誤差概率
按照后驗差比值c與小誤差概率p這兩個指標綜合評定用電指標的灰色系統(tǒng)gm(1,1)模型的精度:
c≤0.35且p≥0.95表示用電指標的灰色系統(tǒng)gm(1,1)模型的精度為一級;
c≤0.5且p≥0.8表示用電指標的灰色系統(tǒng)gm(1,1)模型的精度為二級;
c≤0.65且p≥0.7表示用電指標的灰色系統(tǒng)gm(1,1)模型的精度為三級;
c>0.65且p<0.7表示用電指標的灰色系統(tǒng)gm(1,1)模型的精度為四級。
進一步,如果用電指標的灰色系統(tǒng)gm(1,1)模型的精度經(jīng)檢驗不合格,則建立用電指標的灰色系統(tǒng)gm(1,1)殘差模型進行修正;具體步驟如下:
根據(jù)灰色系統(tǒng)gm(1,1)模型的預測數(shù)據(jù)的殘差q(0)(t),定義殘差序列
檢查殘差序列q(0)(t)是否非負,如果殘差序列q(0)(t)存在負值,則對其進行正化處理,采用的方法是將殘差數(shù)列中的每一個數(shù)值加上一個適當?shù)恼龜?shù)
還原后得到灰色系統(tǒng)gm(1,1)模型的殘差模型為:
進一步,所述用電指標包括客流量能耗指標、車輛周轉(zhuǎn)量指標、客運周轉(zhuǎn)量指標、車站動力能耗指標;所述客運量能耗指標的計算方式為:年(月)總耗電量/客流總量,單位為度/人次;所述車輛周轉(zhuǎn)量指標的計算方式為:年(月)總耗電量/車輛運行總里程,單位為度/車·km;所述客運周轉(zhuǎn)量指標的計算方式為:年(月)總耗電量/客運周轉(zhuǎn)總量,單位為度/人·km;所述車站動力能耗指標的計算方式為:年(月)總耗電量/(站×天),單位:度/站·天。
本發(fā)明的有益效果為:本發(fā)明提供的一種面向軌道交通的用電指標預測的方法通過建立用電指標的灰色系統(tǒng)gm(1,1)模型以及其殘差模型對用電指標進行合理客觀的預測,直觀的預測出電力負荷在未來時期的變化趨勢及狀態(tài),從而為電能指標的下達提供一定的參考價值。本發(fā)明提供的一種面向軌道交通的用電指標預測的方法能夠進行長期預測,且所需原始數(shù)據(jù)量少,預測精度較高,計算方便,使得數(shù)據(jù)處理簡便、快速、準確性好,適用性強。
具體實施方式
為了更好的理解本發(fā)明,下面結合具體實施例對本發(fā)明作進一步說明:
一種面向軌道交通的用電指標預測的方法的實質(zhì)是對原始數(shù)據(jù)序列進行一次累加生成,使其成為有規(guī)律性的數(shù)列,然后再建立gm(1,1)模型,即建立微分方程,求解該微分方程,得到方程的參數(shù)a、u值,最后得到累加數(shù)列的灰色預測模型,進行預測。用電指標包括客流量能耗指標、車輛周轉(zhuǎn)量指標、客運周轉(zhuǎn)量指標、車站動力能耗指標;所述客運量能耗指標的計算方式為:年(月)總耗電量/客流總量,單位為度/人次;所述車輛周轉(zhuǎn)量指標的計算方式為:年(月)總耗電量/車輛運行總里程,單位為度/車·km;所述客運周轉(zhuǎn)量指標的計算方式為:年(月)總耗電量/客運周轉(zhuǎn)總量,單位為度/人·km;所述車站動力能耗指標的計算方式為:年(月)總耗電量/(站×天),單位:度/站·天;一種面向軌道交通的用電指標預測的方法具體包括以下步驟:
建立用電指標的灰色系統(tǒng)gm(1,1)模型:
設x(0)為原始數(shù)據(jù)序列x(0)=[x(0)(1),x(0)(2),x(0)(3)…x(0)(n)];①
對該數(shù)據(jù)列進行一次疊加,生成新的數(shù)據(jù)數(shù)列為x(1)=[x(1)(1),x(1)(2),x(1)(3)…x(1)(n)];②
依照新數(shù)據(jù)序列編號規(guī)律對新數(shù)據(jù)序列,建立對應的白化微分方程為
式中a、b為方程參數(shù),記做
在最小二乘準則下yn=bp的解為
式⑤即為gm(1,1)參數(shù)a、b的矩陣辨識計算式,式中(btb)-1bt事實上是數(shù)據(jù)矩陣b的廣義逆矩陣,其中
式中,b為(n-1)階數(shù)據(jù)矩陣,yn為數(shù)據(jù)向量,p為參數(shù)向量,令z(1)為x(1)的均值序列z(1)=[z(1)(2),z(1)(3),z(1)(4)…z(1)(n)];⑧
由式③得式⑧的白化微分方程為
z(1)(k)=0.5x(1)(k)+0.5x(1)(k-1);⑨
可以得到灰色系統(tǒng)gm(1,1)預測模型為
對
預測模型建立后,通常要利用已知的歷史資料對模擬預測值的精度進行檢驗,以判定模型是否合適可用。gm(1,1)模型的預測精度有多種檢驗方法,主要的有殘差大小檢驗法、關聯(lián)度檢驗法、后驗差檢驗法,這里采用后驗差檢驗法:根據(jù)后驗差比值與小誤差概率的取值判別用電指標的灰色系統(tǒng)gm(1,1)模型的精度:
令x(0)為原始序列,
x(0)(k)的方差
殘差
殘差ε(0)(k)的平均值
ε(0)(k)的方差
后驗差比值
小誤差概率
一個好的預測,要求c越小越好,一般要求c≤0.35,最大不超過0.65。預測好壞的另一個指標是小誤差概率要大。所謂小誤差是指絕對偏差
按照p與c的大小,可將預測精度分為4個等級,各個等級標準如表1,如果經(jīng)檢驗不合格,可以建立gm(1,1)殘差模型進行修正。指標c越小越好,c越小表示s1越大,s2越小。s1越大,表明歷史數(shù)據(jù)方差大,歷史數(shù)據(jù)就越離散。s2越小,表明殘差方差越小,殘差離散程度大。c小,表明盡管歷史數(shù)據(jù)很離散,而模型所得的預測值與實際值之差并不太離散。指標p越大越好,p越大,表示殘差與殘差平均值之差小于給定值0.6745s1的點越多。按照c與p兩個指標,可以綜合評定預測模型的精度:
c≤0.35且p≥0.95表示用電指標的灰色系統(tǒng)gm(1,1)模型的精度為一級;
c≤0.5且p≥0.8表示用電指標的灰色系統(tǒng)gm(1,1)模型的精度為二級;
c≤0.65且p≥0.7表示用電指標的灰色系統(tǒng)gm(1,1)模型的精度為三級;
c>0.65且p<0.7表示用電指標的灰色系統(tǒng)gm(1,1)模型的精度為四級;
電指標的灰色系統(tǒng)gm(1,1)模型的精度以及驗證結果如表1的等級標準所示:
表1等級標準
如果用電指標的灰色系統(tǒng)gm(1,1)模型的精度經(jīng)檢驗結果為不合格,則建立用電指標的灰色系統(tǒng)gm(1,1)殘差模型進行修正;具體步驟如下:
根據(jù)灰色系統(tǒng)gm(1,1)模型的預測數(shù)據(jù)的殘差q(0)(t),定義殘差序列
檢查殘差序列q(0)(t)是否非負,如果殘差序列q(0)(t)存在負值,則對其進行正化處理,采用的方法是將殘差數(shù)列中的每一個數(shù)值加上一個適當?shù)恼龜?shù)
還原后得到灰色系統(tǒng)gm(1,1)模型的殘差模型為:
以下是根據(jù)地鐵1號線2012-2016年的能耗情況,采用本發(fā)明進行預測2017年、2018年的能耗結果:
表2地鐵1號線2012-2016年的能耗情況:
根據(jù)表2統(tǒng)計分析出2012-2016年的最大能耗、最小能耗、能耗極差、能耗方差、能耗平均值和標準差情況:最大能耗:306kw·h;最小能耗:108kw·h;能耗極差:198kw·h;能耗方差:7314.3kw·h;能耗平均值:85.523681kw·h;標準差情況:248.4kw·h;進而預測出后兩年的能耗數(shù)據(jù):2017年為348.522299kw·h;2018年為379.224496kw·h。
本發(fā)明不局限于以上所述的具體實施方式,以上所述僅為本發(fā)明的較佳實施案例而已,并不用以限制本發(fā)明,凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等,均應包含在本發(fā)明的保護范圍之內(nèi)。