一种基于指数平滑的电力系统灰色负荷预测方法
【技术领域】
[0001] 本发明设及电力系统负荷预测领域，特别是一种基于指数平滑的电力系统灰色负 荷预测方法。
【背景技术】
[0002] 随着电力工业的蓬勃发展，随着我国电力体制改革的不断加深，对电力负荷预测 理论方法的研究越来越重要。负荷预测是根据负荷的历史数据及其相关影响因素，分析负 荷的变化规律，综合考虑影响负荷变化的原因，使用一定的负荷预测模型和研究方法，估计 未来某一时间段内的负荷数值的过程。其主要任务是预测未来电力负荷的空间和时间分 布。电力负荷预测的主要目的就是通过大量的历史数据进行预测提供负荷的发展情况及其 水平，为电力生产部口及管理部口制定未来相应生产计划和发展规划提供基本依据。确定 各供电区各规划年供电量、供用电最大负荷和规划地区总的电力发展水平、确定各规划年 用电负荷的基本构成。正确地预测电力负荷，既是为了保证无条件供应国民经济各部口及 人民生活W充足的电力的需求，也是电力工业自身健康持续发展的需要。
[0003] 指数平滑法是生产预测中常用的一种方法，在所有预测方法中，指数平滑是用的 最多的一种。指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它 是用过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是 任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。
[0004] 灰色系统理论法在建模中被广泛应用于处理数据，误差小，计算过程简便。灰色理 论将无规律的历史数据经过累加后，使其成为增长数列，利用微分方程拟合，从而进行未来 数据的预测。它着重研究模糊数学、概率统计所不能解决的"不确定、贫信息、小样的"问题， 并依据信息覆盖，通过序列生成寻求现实规律。其主要特点是少数据建模。
[0005] 由于已知的用电需求受政治、经济、气候等相关因素的影响，使得观测数据序列具 有随机性和不确定性，造成灰色预测模型的精度降低。因此本专利将指数平滑法和灰色预 测模型相结合，利用指数平滑法对原始数据序列进行加权并生成新的序列，平滑掉一些波 动性较大、容易产生较大误差的历史数据，使其变换成规律性强的呈指数变化的序列，并对 灰色模型的背景值进行优化，从而大幅度提高灰色预测模型的预测精度。
[0006] 随着灰色预测模型在电力负荷预测方面的不断应用，提出多种优化型的灰色负荷 预测方法，对电力工业具有重大意义。
【发明内容】
[0007] 本发明的目的在于提供一种基于指数平滑的灰色负荷预测方法，该改进型模型很 大程度改善了其原始观测数据序列的随机性和不确定性，提高了该负荷预测模型的预测精 度，能够为电力系统电力规划提供有效依据。
[000引为实现上述目的，本发明的技术方案是：一种基于指数平滑的电力系统灰色负荷 预测方法，按如下步骤实现：
[0009]步骤 SI:获取原始数据列x(DD) = [x(DD)(l)，x(DD)(2)，x(DD)(3)...x(DD)(n)];
[0010]步骤S2:根据时间序列趋势特点选定指数平滑的次数，对于指数平滑次数的选择， 按照如下规则：当时间序列呈平滑趋势时，采用一次指数平滑法；当时间序列呈直线趋势 时，采用二次指数平滑法；当时间序列呈非线性趋势时，则通过Ξ次指数平滑法来估计;Ξ 种指数平滑模型分别为：
[00川 St(i) =诚 t+(l-a)St-i(i)
[001^ St(2) = aSt("Wl-a)St-i(2)
[0014] 其中:Xt为原始数据列;α为指数平滑系数;StW为第t周期的η次指数平滑值；
[0015] 步骤S3:选取指数平滑系数α，分别取0. 〇5、0.3、0.6和0.95对电力负荷的历史数据 进行平滑，根据不同α值建立预测数学模型；
[0016] 步骤S4:选定平滑计算的初始值，若时间序列的观察期η〉15,由于初始值对预测的 结果影响较小，可取Χ0作为初始值;若时间序列的观察期η<15,为减小误差，取前Ξ个观测 值的平均值作为初始值；
[0017] 步骤S5:运用指数平滑运算后得到新的序列为：
[001 引 χ(0) = [χ(0)α)，χ(0)(2)，χ(0)(3)...χ(0)(η)]
[0019] 对戸作一次累加，得至性成数列为:χ(ι) = [χ(ι)α)，χ(ι)(2)，χ(ι)(3)...χ(ι)(η)]。
[0020] 其中：
[0021] 步骤S6:计算灰色预测模型的背景值zW:
[0022] zW(k)=0.5x("化)+0.5x("化-l)，k = 2,3, . . .，n
[0023] 步骤 S7:灰色微分方程为:x(D) (k)+az(i) (k) =b;
[0024] 其白化微分方程为：
[0025] 其中，a，b为参数，记巧
[00%] 步骤S8:利用最小二乘法求取参数P:
[0030]步骤S9:对步骤S6中的背景值进行优化，设调整参数目为
[003。步骤 S10:重新计算背景值:z(i)化）=目X。)化) + (1-目)x(i)化-l)，k = 2,3，...，n
[0032] 步骤Sll:得到优化后的背景值后，重复步骤S8,再次对a, b进行求解；
[0033] 其中：
[0034] 步骤S12:求得x(i>的模拟值：
[0035]
[0036] 步骤S13:对xW(k)进行累减生成还原，得到xW(k)的预测值，累减方程为：
[0037]
[0038] 步骤S14:采用残差检验法对改进前后的预测模型的预测精度进行评估：
[0039]
[0040] 步骤S15:根据对已知历史数据的预测值检查模型的精确度，选择步骤S3中最佳α 参数，确定最终预测模型。
[0041] 在本发明一实施例中，在所述步骤S5中，将指数平滑后得到的数据列作为灰色预 测模型的原始数据序列。
[0042] 相较于现有技术，本发明具有W下有益效果:本发明所提出的一种基于指数平滑 的灰色负荷预测方法，利用指数平滑法对原始数据进行平滑，通过选取合适的平滑次数和 平滑系数，使其变换成规律性强的呈指数变化的序列，减