线性回归短期负荷预测(6)

本文档最好用office07打开

法、神经网络预测法、灰色系统法、遗传规划算法、模糊预测法、支持向量机、小波分析法、组合优化算法等等。传统预测方法的原理比较简单，理论较成熟，但其采用的数学模型过于简单，不能及时、准确地估计和调整其参数，因此不能反映负荷的突然变化，从而使得预测的精度难以提高。而人工智能方法虽然数学模型较复杂，但其预测的精度较高，能够满足当今社会的要求。下面简单介绍负荷预测的算法：

1.2.1 传统预测方法

1、趋势外推法

趋势分析法又称之为趋势曲线分析、曲线拟合或曲线回归，它是迄今为止研究最多，也最为流行的定量预测方法。常用的趋势模型有线性趋势模型、多项式趋势模型、指数趋势模型、逻辑斯蒂模型、龚帕兹(GomPerts)模型等等。趋势分析法的优点是只需要历史数据，所需的数据量较少;缺点是如果负荷出现变动，会引起较大的误差。在很多情况下，选择合适的趋势曲线，确实也能给出较好的预测结果，不同的模型给出的结果相差会很大，使用的关键是根据地区发展情况，选择适当的模型。

2、回归分析方法

一般来讲，电力网络负荷同其所在地区的经济、政治、气候等因素存在某种因果关系。这种因果关系往往无法用精确的数学表达式来描述，只有通过对大量观察数据的统计处理，才能找到它们之间的关系和规律。回归分析法就是通过对观察数据的统计分析和处理，寻找负荷与影响因素之间的因果关系，建立回归模型进行预测的方法。其特点是:将影响预测对象的因素分解，在考察各个因素的变动中，估计预测对象未来的数量状态。

3、时间序列法

时间序列模型有自回归(AR)，动平均(MA)、自回归一动平均(ARMA)、累积式自回归一动平均等模型。在上述负荷公式中B(t)包含有平均负荷和负荷变化系数，前者属于线性趋势分量，后者是周期性分量，如果通过差分将趋势分量和周期分量清除掉，得到一个平稳时间序列即随机波动分量，再对这个随机分量进行预测。

[4]

[3]

[2]

1.2.2 人工智能预测方法

1、专家系统预测法

传统人工智能是从计算机科学的角度来研究机器智能的智能科学。专家系统是传统人工智能中最活跃的分支。专家系统是对领域专家分析、求解复杂问题能力的模拟。而一般地来说，人类专家的能力来源于他们渊博的知识，即专家的知识很大程度上决定了他们的能力。因此如果能让计算机程序具备并能灵活运用与专家相同的知识，我们就可期望该程序系统也具有与专家相似的分析、判断和推理能力，这一点已为一些成功的专家系统实践所证实。专家系统方法的优势在于它可以避开复杂的数值计算而使问题得到解决，系统结构简单、清晰，对于预测过程和预测结果具有良好的透明性。而专家系统的缺点是知识库的建立比较困难。尽管如此专家系统对于解决不确定性问题和非规律性问题仍然是一个

[5]