一种多维度基于时间序列趋势分解的电量预测方法[发明专利]

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201811558175.9
(22)申请日 2018.12.19
(71)申请人 浙江大学
地址 310058 浙江省杭州市西湖区余杭塘
路866号
申请人 国网浙江省电力有限公司
(72)发明人 陈锡祥　夏翔　方建亮　尚楠　
姜巍　刘军　涂腾　丁一　
(74)专利代理机构 杭州求是专利事务所有限公
司 33200
代理人 万尾甜　韩介梅
(51)Int.Cl.
G06Q 10/04(2012.01)
G06Q 50/06(2012.01)
(54)发明名称
一种多维度基于时间序列趋势分解的电量
预测方法
(57)摘要
本发明公开了一种多维度基于时间序列趋
势分解的电量预测方法，该方法先建立原始电量
时间序列，提取平稳化趋势分量、周期性季节趋
势分量和偏差性随机趋势分量，构建趋势分量乘
法模型；预测上述的各趋势分量，并将各趋势分
量的预测值代入乘法模型，得出最终电量预测结
果。

该方法综合考虑了多种变化趋势各异的序列
在时间上的耦合交互关系对系统电量带来的影
响，
能够更准确地对系统电量进行评估。

权利要求书2页 说明书4页CN 109697527 A 2019.04.30
C N 109697527
A
1.一种多维度基于时间序列趋势分解的电量预测方法，其特征在于，步骤包括：
步骤1、建立原始电量时间序列，提取平稳化趋势分量、周期性季节趋势分量和偏差性随机趋势分量，构建趋势分量乘法模型；
步骤2、针对平稳化趋势分量，利用时间序列外推法进行逐点预测；
步骤3、针对周期性季节趋势分量，按“近大远小”的原则，利用过去同期数据的加权平均公式，进行逐点预测；
步骤4、针对偏差性随机趋势分量，利用过去同期数据的平均值公式，进行逐点预测；
步骤5、将各趋势分量的预测值代入乘法模型，得出最终电量预测结果。

2.根据权利要求1所述的多维度基于时间序列趋势分解的电量预测方法，其特征在于，步骤1中所述的原始电量时间序列取月度或日度电量时间序列。

3.根据权利要求1所述的多维度基于时间序列趋势分解的电量预测方法，其特征在于，构建的趋势分量乘法模型具体为：
L t＝T t×S t×R t (1)
公式(1)中：L t为原始电量时间序列；T t、S t、R t分别为L t的平稳化趋势分量、周期性季节趋势分量和偏差性随机趋势分量，其中t＝1，2，…，n，n为时间序列中元素数目。

4.根据权利要求3所述的多维度基于时间序列趋势分解的电量预测方法，其特征在于，所述的提取平稳化趋势分量、周期性季节趋势分量和偏差性随机趋势分量具体为：
1)根据用电量的周期特性人为提取电量数据的周期特征值m；
2)若周期特征值m为偶数，建立2×m-MA模型计算平稳化趋势分量，即T t序列；若周期特征数m为奇数，则建立m-MA模型计算平稳化趋势分量序列T t；
3)按下列公式计算除去平稳化趋势分量后的电量调整序列deT t＝L t/T t；
4)以周期特征值m为间隔，将电量调整序列deT t中各周期的历史同期数据作平均，得到一个周期内的季节趋势序列，并将该周期性扩展至整个历史数据时间段，即得到周期性季节趋势分量S t；
5)在电量调整序列deT t中，按下式提取偏差性随机趋势分量序列R t＝deT t/S t。

5.根据权利要求4所述的多维度基于时间序列趋势分解的电量预测方法，其特征在于，当原始电量时间序列采用月度电量数据时，则m取12；当原始电量时间序列采用日度电量数据时，则m取7。

6.根据权利要求4所述的多维度基于时间序列趋势分解的电量预测方法，其特征在于，当取月度电量时间序列时，步骤3中，按“近大远小”的原则对历史季节周期分量同期值赋予一定的权值并求和，其计算值作为当期周期电量的季节周期分量，公式如下：S i,j＝αS i-1,j+α(1-α)S i-2,j+…+α(1-α)n-1S i-n,j (2)
式中：S i,j为第i年第j月的月度电量周期性季节趋势分量；α为加权系数；其取值可依据周期性季节趋势分量的相对波动来进行选择，相对波动定义如下：
其中，f i,j表示第i年第j月的月度周期性季节趋势分量的相对波动，n Y是选用的第j月的月度电量数据的总个数；
若某月度电量周期性季节趋势分量的相对波动小于10％时，α在0.1～0.5之间选取；若月度电量周期性季节趋势分量的相对波动大于或等于10％时，则α在0.6～0.8之间选取；在周期性季节趋势分量的预测过程中，逐点利用上述加权平均值公式(2)进行外推。

7.根据权利要求4所述的多维度基于时间序列趋势分解的电量预测方法，其特征在于，步骤4中所述，偏差性随机趋势分量的预测方法如下：
直接利用垂直处理法，即对历史偏差性随机趋势分量同期值取平均，以得到当期月度电量的偏差性随机趋势分量的预测值，公式如下：
公式(3)中，R i,j为第i年第j月的电量偏差性随机趋势分量；
在偏差性随机趋势分量的预测过程中，逐点利用上述平均值公式(3)进行外推。

一种多维度基于时间序列趋势分解的电量预测方法
技术领域
[0001]本发明属于电力系统技术领域，涉及一种多维度基于时间序列趋势分解的电量预测方法。

背景技术
[0002]电量预测是指导电力系统规划与调度、促进电网平稳高效运行的重要一环。

提高电量预测技术水平，有利于提高安排系统运行方式、降低发电成本，提高电力系统的社会效益和经济效益。

随着电力市场改革进程的推进，电力企业对于用户侧电量预测精度也提出了更高的要求，建设稳健的电力市场大程度地依赖于电量预测工作的准确开展。

由于电力市场的建设，对分电压等级、分用户类别的用电量预测精度提出了更高的要求，亟需一种多维度基于时间序列趋势分解的电量预测方法。

发明内容
[0003]本发明的目的是针对现有技术的不足，提供一种多维度基于时间序列趋势分解的电量预测方法，其考虑了多种变化趋势各异的序列在时间上的耦合交互关系对系统电量带来的影响，能够更准确地对系统电量进行评估。

[0004]为此，本发明采用如下的技术方案：
[0005]一种多维度基于时间序列趋势分解的电量预测方法，其步骤包括：
[0006]步骤1、建立原始电量时间序列，提取平稳化趋势分量、周期性周期性季节趋势分量和偏差性偏差性随机趋势分量，构建趋势分量乘法模型；
[0007]步骤2、针对平稳化趋势分量，利用时间序列外推法进行逐点预测；
[0008]步骤3、针对周期性季节趋势分量，按“近大远小”的原则，利用过去同期数据的加权平均公式，进行逐点预测；
[0009]步骤4、针对偏差性随机趋势分量，利用过去同期数据的平均值公式，进行逐点预测；
[0010]步骤5、将各趋势分量的预测值代入乘法模型，得出最终电量预测结果。

[0011]在上述多维度基于时间序列趋势分解的电量预测方法中，步骤1所述原始电量时间序列可取月度或日度电量；以月度电量数据为例，步骤1的实现包括：
[0012]所述趋势分量的选取，应充分考虑到多种变化趋势的各异性及在时间上的交互关系。

各趋势分量的耦合采用趋势分量乘法模型，该模型的具体描述为：
[0013]L t＝T t×S t×R t (1)
[0014]公式(1)中：L t为月度电量序列；T t、S t、R t分别为L t的平稳化趋势分量、周期性季节趋势分量和偏差性随机趋势分量。

其中t＝1，2，…，n，n为时间序列中元素数目。

[0015]所述的提取平稳化趋势分量、周期性季节趋势分量和偏差性随机趋势分量具体为：
[0016]1)根据用电量的周期特性人为提取电量数据的周期特征值m；
[0017]2)若周期特征值m为偶数，建立2×m-MA模型计算平稳化趋势分量，即T t序列；若周期特征数m为奇数，则建立m-MA模型计算平稳化趋势分量序列T t；
[0018]3)按下列公式计算除去平稳化趋势分量后的电量调整序列deT t＝L t/T t；[0019]4)以周期特征值m为间隔，将电量调整序列deT t中各周期的历史同期数据作平均，得到一个周期内的季节趋势序列，并将该周期性扩展至整个历史数据时间段，即得到周期性季节趋势分量S t；例如，以deT t序列中每年3月电量平均值，作为S t序列每年3月的电量值；[0020]5)在电量调整序列deT t中，按下式提取偏差性随机趋势分量序列R t＝deT t/S t。

[0021]当原始电量时间序列采用月度电量数据时，则m取12；当原始电量时间序列采用日度电量数据时，则m取7。

[0022]周期性季节趋势分量的预测：针对此类分量，由于其周期规律性较强，且一般情况下，月度电量的周期性季节趋势分量每年同月值都波动较小或发展趋势平稳，故可利用历史同期电量值进行处理，以得到当期月度电量的周期性季节趋势分量。

[0023]此外，由于电量未来的变化趋势主要与历史时段中近期的发展规律有关，远期的历史数据与未来发展趋势的相关性较弱，故应该区别对待各时段的电量数据，加大近期数据的权重，降低远期数据的权重。

[0024]由此，当取月度电量时间序列时，步骤3中，按“近大远小”的原则对历史季节周期分量同期值赋予一定的权值并求和，其计算值作为当期周期电量的季节周期分量，公式如下：
[0025]S i,j＝αS i-1,j+α(1-α)S i-2,j+…+α(1-α)n-1S i-n,j (2)
[0026]式中：S i,j为第i年第j月的月度电量周期性季节趋势分量；α为加权系数；其取值可依据周期性季节趋势分量的相对波动来进行选择，相对波动定义如下：
[0027]
[0028]其中，f i,j表示第i年第j月的月度周期性季节趋势分量的相对波动，n Y是选用的第j月的月度电量数据的总个数；
[0029]若某月度电量周期性季节趋势分量的相对波动小于10％时，α在0.1～0.5之间选取；若月度电量周期性季节趋势分量的相对波动大于或等于10％时，则α在0.6～0.8之间选取；在周期性季节趋势分量的预测过程中，逐点利用上述加权平均值公式(2)进行外推。

[0030]步骤4中所述，偏差性随机趋势分量的预测方法如下：
[0031]针对偏差性随机趋势分量，由于其随机性较强，发展趋势未表现出明显变化特征，故不考虑对其采用特定的预测方法，可直接利用垂直处理法，即对历史偏差性随机趋势分量同期值取平均，以得到当期月度电量的偏差性随机趋势分量的预测值，公式如下：
[0032]
[0033]公式(3)中，R i,j为第i年第j月的电量偏差性随机趋势分量；
[0034]在偏差性随机趋势分量的预测过程中，逐点利用上述平均值公式(3)进行外推。

[0035]本发明具有的有益效果如下：
[0036]本发明的方法为一种计及经济水平发展、发用电计划放开等因素，考虑到不同电压等级用户电量增长趋势不同等情况下，电量曲线中含有多种趋势的耦合交互关系背景下，充分考虑各种趋势分量自身特质的分解预测方法；本发明的电量预测方法在不过分增加系统复杂度的情况下，能够更准确地对电量进行外推预测，便于更顺利地开展电力系统规划、调度等工作。

具体实施方式
[0037]下面对本发明做进一步说明。

[0038]多维度基于时间序列趋势分解的电量预测方法，其步骤包括：
[0039]步骤1、建立原始电量时间序列，提取平稳化趋势分量、周期性周期性季节趋势分量和偏差性偏差性随机趋势分量，构建趋势分量乘法模型；
[0040]步骤2、针对平稳化趋势分量，利用时间序列外推法进行逐点预测；
[0041]步骤3、针对周期性季节趋势分量，按“近大远小”的原则，利用过去同期数据的加权平均公式，进行逐点预测；
[0042]步骤4、针对偏差性随机趋势分量，利用过去同期数据的平均值公式，进行逐点预测；
[0043]步骤5、将各趋势分量的预测值代入乘法模型，得出最终电量预测结果。

[0044]在上述多维度基于时间序列趋势分解的电量预测方法中，步骤1所述原始电量时间序列可取月度或日度电量；以月度电量数据为例，步骤1的实现包括：
[0045]所述趋势分量的选取，应充分考虑到多种变化趋势的各异性及在时间上的交互关系。

各趋势分量的耦合采用趋势分量乘法模型，该模型的具体描述为：
[0046]L t＝T t×S t×R t (1)
[0047]公式(1)中：L t为月度电量序列；T t、S t、R t分别为L t的平稳化趋势分量、周期性季节趋势分量和偏差性随机趋势分量。

其中t＝1，2，…，n，n为时间序列中元素数目。

[0048]所述的提取平稳化趋势分量、周期性季节趋势分量和偏差性随机趋势分量具体为：
[0049]1)根据用电量的周期特性人为提取电量数据的周期特征值m；
[0050]2)若周期特征值m为偶数，建立2×m-MA模型计算平稳化趋势分量，即T t序列；若周期特征数m为奇数，则建立m-MA模型计算平稳化趋势分量序列T t；
[0051]4)按下列公式计算除去平稳化趋势分量后的电量调整序列deT t＝L t/T t；[0052]4)以周期特征值m为间隔，将电量调整序列deT t中各周期的历史同期数据作平均，得到一个周期内的季节趋势序列，并将该周期性扩展至整个历史数据时间段，即得到周期性季节趋势分量S t；例如，以deT t序列中每年3月电量平均值，作为S t序列每年3月的电量值；[0053]5)在电量调整序列deT t中，按下式提取偏差性随机趋势分量序列R t＝deT t/S t。

[0054]当原始电量时间序列采用月度电量数据时，则m取12；当原始电量时间序列采用日度电量数据时，则m取7。

[0055]周期性季节趋势分量的预测：针对此类分量，由于其周期规律性较强，且一般情况下，月度电量的周期性季节趋势分量每年同月值都波动较小或发展趋势平稳，故可利用历
史同期电量值进行处理，以得到当期月度电量的周期性季节趋势分量。

[0056]此外，由于电量未来的变化趋势主要与历史时段中近期的发展规律有关，远期的历史数据与未来发展趋势的相关性较弱，故应该区别对待各时段的电量数据，加大近期数据的权重，降低远期数据的权重。

[0057]由此，当取月度电量时间序列时，步骤3中，按“近大远小”的原则对历史季节周期分量同期值赋予一定的权值并求和，其计算值作为当期周期电量的季节周期分量，公式如下：
[0058]S i,j＝αS i-1,j+α(1-α)S i-2,j+…+α(1-α)n-1S i-n,j (2)
[0059]式中：S i,j为第i年第j月的月度电量周期性季节趋势分量；α为加权系数；其取值可依据周期性季节趋势分量的相对波动来进行选择，相对波动定义如下：
[0060]
[0061]其中，f i,j表示第i年第j月的月度周期性季节趋势分量的相对波动，n Y是选用的第j月的月度电量数据的总个数；
[0062]若某月度电量周期性季节趋势分量的相对波动小于10％时，α在0.1～0.5之间选取；若月度电量周期性季节趋势分量的相对波动大于或等于10％时，则α在0.6～0.8之间选取；在周期性季节趋势分量的预测过程中，逐点利用上述加权平均值公式(2)进行外推。

[0063]步骤4中所述，偏差性随机趋势分量的预测方法如下：
[0064]针对偏差性随机趋势分量，由于其随机性较强，发展趋势未表现出明显变化特征，故不考虑对其采用特定的预测方法，可直接利用垂直处理法，即对历史偏差性随机趋势分量同期值取平均，以得到当期月度电量的偏差性随机趋势分量的预测值，公式如下：
[0065]
[0066]公式(3)中，R i,j为第i年第j月的电量偏差性随机趋势分量；
[0067]在偏差性随机趋势分量的预测过程中，逐点利用上述平均值公式(3)进行外推。

[0068]本发明的电量预测方法在不过分增加系统复杂度的情况下，能够更准确地对电量进行外推预测，便于更顺利地开展电力系统规划、调度等工作。