经济新常态下基于Verhulst-SVM的中长期负荷预测模型

经济新常态背景下,电力系统中长期负荷预测面临着很多新问题,例如:GDP、人口等电力负荷影响因素呈"S"型曲线增长、电力负荷影响因素与电力负荷之间的不确定性增加、历史样本数量少等。为此,提出一种基于Verhulst-SVM的中长期负荷预测模型。首先,从经济新常态特征中提取影响电力负荷的主要因素,并分析各影响因素的发展趋势;然后,利用Verhulst模型对"S"型曲线增长的电力负荷影响因素进行预测,并采用支持向量机(Support Vector Machine,SVM)替代线性回归预测模型,实现小样本、高不确定性条件下中长期负荷高精度预测。最后,通过天津市2015年和2016年的负荷预测算例,验证了所提模型的精度和可靠性,可为经济新常态背景下中长期负荷预测提供借鉴。     

经济新常态下基于偏最小二乘回归的中长期负荷预测模型

经济新常态下,中长期负荷预测面临负荷趋势呈S形、可依赖数据样本少等问题,传统预测方法精度受限,因此提出一种基于偏最小二乘回归和情景分析法的中长期负荷预测模型。从经济新常态的速度、结构、动力3个宏观方面入手,建立一个宏观与微观相结合、层次化的电力负荷影响因素指标体系;采用偏最小二乘回归法获取电力负荷与各影响因素的关系方程;根据"十二五"及"十三五"期间经济和电力发展的特点,采用情景分析法设定多个情景及相应参数,获得不同情景下有区别的负荷预测结果,以降低预测风险。利用所提模型对某省"十三五"期间的逐年用电量进行预测,通过与现有成熟方法预测结果及官方公布数据的对比,验证了所提模型的有效性。     

转型升级是大趋势——访全国政协委员、中国(海南)改革发展研究院院长 迟福林

<正>企业要成为创新主体,在创新中转型、在创新中提升,这样才有进一步发展的空间和动力。2015年将是中国经济在新常态下攻坚克难、持续深化改革、调整经济结构的一年,也是中国企业认识新常态、初步适应新常态的一年。在迟福林看来,新常态已成为当前和今后一段时期我国经济发展的大逻辑。在这个大思路下,企业必须从要素驱动、投资驱动转变到创新驱动,从粗放式发展转变到融合均衡发展,走一条融合创新的转型升级之路。     

适应供给侧结构性改革的中长期负荷预测拓展索洛模型研究

随着供给侧结构性改革的深入,电力需求的演变规律变得更难捕捉。传统的中长期负荷预测模型通常未考虑供给侧结构性改革因素,难以满足新形势下中长期负荷预测精度的要求。基于此,提出了一种适应供给侧结构性改革的中长期负荷拓展索洛预测模型(Supply-Side Reform-Extended Solow Regression Model, SSR-ESRM)。首先,通过对供给侧结构性改革内涵的解读,从规模、结构及效率三种效应出发,构建了量化指标体系。其次,在基本索洛模型的结构中,引入供给侧结构性改革因素对模型进行拓展,建立SSR-ESRM实现中长期负荷点预测。为反映供给侧结构性改革的不确定性,建立了系统动力学模型生成多种经济发展场景,进一步实现中长期负荷外推预测。算例分析表明,考虑供给侧结构性改革因素的SSR-ESRM预测精度较高,且对场景切换的灵敏度适中,有利于电网规划的灵活性,能够为实现电网规划提供有益的参考。     

能源发展必须主动适应经济发展新常态

<正>我国正进入经济发展的新常态(以下简称"新常态"),经济结构发生着深刻变化,从要素驱动、投资驱动逐步转向创新驱动。在"新常态"下,我国经济增速虽然放缓,但经济增长更趋平稳,增长动力更为多元,实际增量依然可观。"新常态"将贯穿我国"十三五"乃至更长时间的经济发展,是我国经济迈向更高水平的必经阶段。能源发展必须主动适应"新常态"。一、"新常态"的特点(一)经济增速明显下降在"新常态"下,潜在经济增长率将出现明显下降。有关机构研究表明,     

基于经济与气象维度影响因素的省级电网年度电力需求预测方法

当前,经济新常态和极端天气频发使得电力需求影响因素更加多样化,而用电量和最大负荷等电力需求指标缺乏科学的一体化预测方法。系统分析了电力需求的经济与气象维度主要影响因素,并构建了一套基于经济与气象维度影响因素的省级电网年度电力需求预测模型体系。实例分析表明,无论基于多元线性回归还是智能算法工具构建预测模型,提高预测准确度的核心是识别关键的影响因素。模型系统对用电量和最大负荷预测的平均误差率均处于2%以内的合理水平,是电力市场分析预测人员开展年度电力需求预测工作的一种有效方法。     

基于物元理论的中长期电力负荷预测综合模型研究

介绍了将物元分析理论应用于电力系统中长期负荷预测,在对物元关联函数进行了改进的基础上,构建了中长期电力负荷的物元综合预测模型。该模型应用于我国某实际系统,算例分析表明,应用物元模型能对电力系统中长期负荷进行较为精确的预测,物元分析理论在负荷预测领域具有广阔的应用前景。     

基于改进灰色关联度的电力负荷影响因素量化分析模型EI北大核心CSCD

当前我国电力负荷发展面临经济新常态,产业结构调整、节能减排等政策深入推进新形势。在此背景下,提出一种基于改进灰色关联度的电力负荷影响因素量化分析模型。首先,构建了宏观与微观相结合、层次化的负荷影响因素指标体系,系统地反映新形势下经济、政策等对负荷的影响;再次,针对传统灰色关联分析模型对历史数据的差异性和未来的电力发展形势考虑不足问题,通过对历史时期和因素指标分别加权,提出一种改进的灰色关联分析模型;最后,应用所提出的模型,对影响电力负荷的因素进行量化分析,所得结果相比于传统模型更加符合实际,同时依据所得结果对负荷预测等工作提出了建议。     

依托层次分析和模糊聚类方法的发达地域中长期负荷预测研究

伴随系列"新常态",经济发达地域的电力负荷不再连年"单边上扬",而更多展现出波动属性,这给中长期负荷预测带来了困难。文章提出了一种基于城市化要素解析的负荷预测模型。首先对经济发达区域在人口、产业、布局等3个层面的特征进行分析,萃取出对负荷走势有主要影响的多层级因素;其次,依托层次分析法对专家经验进行糅合,产生各因素的权重系数;再次,吸纳模糊聚类方法,以样本相似度来获取预测数值;最后,进行算例佐证。     

基于最大熵原理的中长期负荷预测综合模型的研究

中长期负荷受到许多不确定因素的影响,使得负荷呈现一定的随机性的特点。采用了信息理论中的最大熵原理来重新构建中长期负荷预测的综合模型,该模型把各种单一预测模型的预测结果以及历史预测误差分布作为约束条件,利用最大熵原理得到预测结果的分布。算例表明,新模型与传统的综合模型相比,提高了预测的精度,预测结果更合理、客观。     

区域电力负荷中长期预测复杂性研究

为了解决我国各个地区电力需求区域性、结构性波动的问题,保持国民经济和区域经济的持续健康发展,创新性地将区域电力负荷中长期预测作为一个系统研究,并从4个方面对其复杂性进行分析。描述了区域电力需求的系统构成,分析了区域中长期电力负荷预测的影响因素和复杂性特征,提出区域电力负荷中长期预测复杂性测度模型。     

基于支持向量回归和K均值聚类的降温负荷组合测算模型

随着降温负荷在负荷结构中占比逐年增大,测算降温负荷对中短期负荷预测意义重大。受经济新常态、去产能等政策影响,基本负荷在月间出现较大差异,传统降温负荷测算方法对该类情况有局限性。构建了一种基于支持向量回归和K均值聚类的降温负荷组合测算模型,包括基于SVRWinters的变尺度基本负荷预测和EMDKmeans降温负荷二次剥离。以西北某省实际数据进行算例分析,结果表明该方法能有效解决基本负荷月间差异较大及日内随机波动等问题,具有较高的测算精度及良好适应性。     

基于粗糙集理论和启发式径向基函数神经网络的中长期电力负荷预测模型

针对中长期负荷预测的特点,提出了基于当年负荷总量、当年负荷增长量、前年负荷总量、前年负荷增长量和年国内生产总值等多个指标的启发式径向基函数神经网络中长期负荷预测模型。通过正交信号修正法处理原始数据,利用偏最小二乘法拟合出单位国内生产总值电耗。以单位国内生产总值电耗作为启发式算子,在当年历史负荷数据的基础上合理假设待预测年的负荷总量,利用启发式算子反推出该负荷值对应的年国内生产总值,结合其余指标量构建神经网络扩展训练样本训练神经网络,创造性地将神经网络外推预测转化为内插求值。利用粗糙集理论对启发式神经网络模型的预测值进行修正,使预测精度进一步提高。实际算例的结果表明,所提出的方法预测精度较高,具有较强的可行性和实用性。     

基于改进灰色关联度的电力负荷影响因素量化分析模型

当前我国电力负荷发展面临经济新常态,产业结构调整、节能减排等政策深入推进新形势。在此背景下,提出一种基于改进灰色关联度的电力负荷影响因素量化分析模型。首先,构建了宏观与微观相结合、层次化的负荷影响因素指标体系,系统地反映新形势下经济、政策等对负荷的影响;再次,针对传统灰色关联分析模型对历史数据的差异性和未来的电力发展形势考虑不足问题,通过对历史时期和因素指标分别加权,提出一种改进的灰色关联分析模型;最后,应用所提出的模型,对影响电力负荷的因素进行量化分析,所得结果相比于传统模型更加符合实际,同时依据所得结果对负荷预测等工作提出了建议。     

基于最大熵原理的中长期负荷预测综合模型的研究

中长期负荷受到许多不确定因素的影响,使得负荷呈现一定的随机性的特点.采用了信息理论中的最大熵原理来重新构建中长期负荷预测的综合模型,该模型把各种单一预测模型的预测结果以及历史预测误差分布作为约束条件,利用最大熵原理得到预测结果的分布.算例表明,新模型与传统的综合模型相比,提高了预测的精度,预测结果更合理、客观.     

基于层次分析和模糊聚类的高度城市化区域中长期负荷预测研究

随着经济发展步入"新常态"和城市化进程拐点的到来,高度城市化区域的负荷增长开始丧失"单边上扬"的特性,而呈现明显的波动性,这使得基于传统方法的中长期负荷预测难以为继。提出一种依托城市化特性分析的负荷预测模型。首先就高度城市化区域在人口、产业和布局等三方面的特征展开剖析,提取城市化对负荷变化趋势的主要作用因素;其次以层次分析法作为糅合专家经验的手段,实现对各作用因素重要性的主观赋权;再次引入模糊聚类分析,寻找经赋权处理的各样本相似度,以此达成预测建模;最后进行算例佐证。所提模型既能充分汇聚专家知识,又可深度挖掘历史数据中蕴含的有效信息,同时兼顾不确定因素的影响,比较适合"新常态"下高度城市化区域的中长期负荷预测。算例结果表明,所提方法较常规方法有显著的准确度优势。     

区域电力负荷中长期预测复杂性研究

为了解决我国各个地区电力需求区域性、结构性波动的问题,保持国民经济和区域经济的持续健康与又快又好发展,创新性地将区域电力负荷中长期预测作为一个系统研究,并从四个方面对其复杂性进行分析.首先描述区域电力需求的系统构成,然后分析区域中长期电力负荷预测的影响因素和复杂性特征,最后提出区域电力负荷中长期预测复杂性测度模型.结论...     

考虑多维时域特征的行业中长期负荷预测方法

中长期负荷预测是电力系统规划与设计的重要依据，准确的行业中长期负荷预测能为电网布局规划、检修计划制定等提供决策支撑。在此背景下，针对行业中长期负荷隐含的多维时域特征，提出一种基于分解和预测思想的行业中长期负荷预测方法。首先，构建了基于周期趋势分解算法的行业中长期负荷特征分解模型，以得到分别表征行业负荷变化趋势性、周期性以及随机性特征的趋势分量、周期分量及残差分量；接着，针对分解得到的各维度分量，分别构建了基于门控循环单元的行业负荷全局趋势特征提取与预测模型、基于卷积神经网络的负荷周期局部特征提取模型，以及基于改进自适应高斯核密度估计的负荷残差概率密度预测模型，由此形成考虑多维时域特征的行业中长期负荷预测方法。最后，以中国某市化工行业负荷数据为例，验证了所提预测方法的有效性。     

基于三指标量的中长期负荷预测综合模型

针对中长期负荷预测的特点,提出基于三指标量,即指标总量、指标增长量和指标增长率的综合模型。首先构建层次分析模型,分别对3个指标量进行分析评价,根据模拟预测误差、模型拟合度、模型专家信任度和预测趋势可信度等4个准则优选出每个指标量的最优预测模型。构建了基于预测有效度的组合模型,对3个优选模型的预测结果进行拟合预测。实验结果表明,具有较高的预测精度。     

考虑经济因素时滞效应的月度负荷预测方法

近年来,我国经济结构发生较大规模的调整,经济形势的变化对于负荷的影响愈发显著。针对现有考虑经济因素的预测方法往往存在的适应性、实用性不足的情况,提出了一种既能充分利用现有的经济因素数据,又能有效地考虑经济因素对负荷影响时滞效应的新中长期负荷预测方法框架。其核心是通过季节分解模型消除各种经济因素与负荷数据的季节效应,并以计量经济学的向量误差修正模型来处理多因素间的相关影响,同时考虑多种因素间的时滞效应。最后通过算例分析验证了该方法的有效性与适用性。