论文部分内容阅读
准确的月售电量预测对电力公司的业绩考核、控制利润平衡以及电力营销工作等都有着极其重要的作用。目前,国内外常用的月售电量预测方法为时间序列法和回归分析法,这两种方法发展相对成熟、应用简单且在许多情况下都取得了较好的预测效果。然而,现有相关研究仍然存在一些影响预测精度的缺陷。本文针对现有研究存在的各项问题分别展开了改进研究,主要研究成果如下:(1)提出了结合ARIMA模型与X12乘法模型的月售电量预测改进方法。时间序列ARIMA模型或季节ARIMA模型直接对月售电量进行预测时,月售电量内含的趋势分量、季节周期分量以及随机分量会相互干扰,从而影响预测精度。针对该问题,本文提出了结合ARIMA模型与X12乘法模型的月售电量预测改进方法。首先,用X12乘法模型将历史月售电量分解为趋势分量、季节周期分量和随机分量;其中趋势分量用ARIMA模型预测,季节周期分量和随机分量分别用加权法和平均法预测;最后,用X12乘法模型将上述三个分量的预测值还原为最终预测值。用重庆市铜梁区实际数据仿真分析,验证了所提改进方法的有效性。(2)分析了月售电量的主要影响因素。以重庆市铜梁区为例,针对该地区的实际数据进行了月售电量主要影响因素分析,重点分析了经济、温度、节假日天数、月份以及业扩容量与月售电量之间的关系。(3)提出了考虑舒适温度区间、突变量以及春节分布的三种改进措施。现有月售电量预测回归模型存在三点问题:考虑温度影响时忽略了在一定舒适温度区间内不存在采暖措施与制冷措施的事实;由于随机变动不易量化而忽略了它对月售电量的影响;未考虑春节分布对月售电量的影响。上述三点问题都将在一定程度上影响预测精度。针对上述三点问题,本文对应提出三种改进措施:分别选择低温阈值温度与高温阈值温度,仅当实际温度高于高温阈值温度或低于低温阈值温度时才产生采暖措施或制冷措施;提出用“随机变动级别”将随机变动量化的方法,并将其量化值作为月售电量影响因素纳入回归模型;提出考虑春节分布影响的改进方法——将历史月售电量序列转换为春节全部分布在2月的新序列并利用新序列参与建模与预测,最后将预测值按预测当期的实际春节分布逆转换为最终预测值。用重庆市铜梁区实际数据仿真分析,验证了上述三种改进措施的有效性。(4)探索了考虑业扩容量的月售电量预测方法。以重庆市铜梁区为例,针对该地区的实际数据初步探索了考虑业扩容量的月售电量预测方法。