线性回归短期负荷预测(15)

本文档最好用office07打开

模型必须考虑下述问题:

(1) 模型应能反映负荷随着季节、星期及一天24h周期性波动的特点； (2) 模型应能反映气温、日照等气象因素的影响； (3) 模型应能反映负荷自然增长的内在规律；

(4) 近期负荷变化趋势比早期负荷变化趋势对未来负荷变化的影响更加明显，数学模型应该能反映出这种“近大远小”的规律；

(5) 对节假日期间的负荷应建立专用预测模型，且能够根据现场需要，提前对节假日期间的负荷进行预测。

3.1.3 短期负荷预测基本模型

针对影响电力负荷的因素，电力负荷的预测模型一般可以由四个分量模型组成： H(t)=A(t)+B(t)+C(t)+D(t) 式中:H(t)为时刻t的总负荷；

A(t)为时刻t的基本正常负荷分量 B(t)为时刻t的天气敏感负荷分量 C(t)为时刻t的特别事件负荷分量 D(t)为时刻t的随机负荷分量

由上述各负荷分量，对于日负荷预测，天气因素作用明显了，如果待预测日的明天和今天是同类型日，而明天预测的天气因素和今天有很大的区别，那么明天的负荷和今天就有一定程度不同。另外，特别时间负荷分量属于非常规负荷变动，只有先预测出待预测日特别事件出现的时刻，以及对负荷的影响程度后，才能修正预测负荷，得到最终准确的预测值

[14]

。

3.2 线性回归模型的概念与特点 3.2.1 线性回归模型的概念

回归分析法又称统计分析法。电力系统负荷回归预测技术的任务是确定预测值和影响因子之间的关系而做出预测，是以负荷过去的历史资料为基础，建立可以进行数学统计分析的数学模型。就相当于我们在数理统计中所学的回归分析方法，既通过对变量的观测数据进行统计分析，确定变量之间的相关关系，从而达到预测的目的。

回归预测法是电力负荷预测的一种常见方法，它适用于电力负荷中、短期负荷预测

[15]

。

其实质也就是配曲线或者曲线拟合的问题，可以根据历史数据的变化规律来求出因变量与自变量之间的回归方程式，最终来确定模型参数，据此作出预测。确定模型表达式中的未知参数是回归预测的主要步骤，一般应用最小二乘法进行。在回归分析中，自变量是随机变量，因变量是非随机变量，由给定的多组自变量和因变量资料，研究各自变量和因变量之间的关系，形成回归方程。回归方程求得解后，给定各自变量数值，即可以求出因变量值。而对于非线性回归问题，常应用变换将其转化为线性回归问题处理。在电力负荷预测