负荷预测的误差分析方法[借鉴]

《负荷预测的误差分析方法[借鉴]》由会员分享，可在线阅读，更多相关《负荷预测的误差分析方法[借鉴]（9页珍藏版）》请在金锄头文库上搜索。

1、精品资料 可编辑修改 负荷预测的误差分析方法 由于负荷预测是一种对未来负荷的估算，因此，它与客观实际还是存在着一 定的差距，这个差距就是预测误差。 预测误差和预测结果的准确性关系密切。误差愈大，准确性就愈低；反之， 误差愈小，准确性就愈高。可见，研究产生误差的原因， 计算并分析误差的大小， 是有很大意义的。 这不但可以认识预测结果的准确程度，从而在利用预测资料作 决策时具有重要的参考价值， 同时，对于改进负荷预测工作， 检验和选用恰当的 预测方法等方面也有很大帮助。 一、产生误差原因 产生预测误差的原因很多，主要有以下几个方面： (1) 进行预测往往要用到数学模型，而数学模型大多只包括所研究现

2、象的某 些主要因素，很多次要的因素都被略去了。对于错综复杂的电力负荷变 化来说，这样的模型只是一种经过简单化了的负荷状况的反映，与实际 负荷之间存在差距，用它来进行预测，也就无可避免地会与实际负荷产 生误差。 (2) 负荷所受影响是千变万化的，进行预测的目的和要求又各种各样，因而 就有一个如何从许多预测方法中正确选用一个合适的预测方法的问题。 如果选择不当的话，也就随之而产生误差。 (3) 进行负荷预测要用到大量资料，而各项资料并不能保证都是准确可靠， 这就必然会带来误差。 精品资料 可编辑修改 (4) 某种意外事件的发生或情况的突然变化，也会造成预测误差。此外，由 于计算或判断上的错误，如平

3、滑常数的选择不妥，也会产生不同程度的 误差。 以上各种不同原因引起的误差是混合在一起表现出来的，因此，当发现误差 很大，预测结果严重失实时，必须针对以上各种原因逐一进行审查，寻找根源， 加以改进。 二、预测误差分析 分析预测误差的方法和指标很多，现主要介绍如下几种。 1. 绝对误差与相对误差 设Y 表示实际值，表示 Y 预测值，则称 YY 为绝对误差，称 YY Y 为相对误 差。 有时相对误差也用百分数 100% YY Y 表示。 这是一种直观的误差表示方法。 在电力系统中作为一种考核指标而经常使用。 2. 平均绝对误差 11 11 | nn i ii ii MAEEYY nn 式中，MAE平

4、均绝对误差； i E第 i 个预测值与实际值的绝对误差； i Y第 i 个实际负荷值； i Y第 i 个预测负荷值。 由于正有负， 为了避免正负相抵消， 故取误差的绝对值进行综合并计算其平 均数，这是误差分析的综合指标法之一。 3. 均方误差 精品资料 可编辑修改 22 11 11 () nn i ii ii MSEEYY nn 式中， MSE均方差，其它符号同前。 均方误差是预测误差平方之和的平均数，它避免了正负误差不能相加的问题。 是误差分析的综合指标法之一。 4. 均方根误差 22 11 11 () nn i ii ii RMSEEYY nn 式中， RMSE均方根误差，其它符号同前。

5、这是均方误差的平方根。 由于对误差E进行了平方， 加强了数值大的误差在 指标中的作用， 从而提高了这个指标的灵敏性，是一大优点， 这也是误差分析的 综合指标之一。 5. 标准误差 2 () (1,2, ) Y YY Sin nm L 式中， Y S预测标准误差； n历史负荷数据个数； m自由度，也就是变量的个数，即自变量和因变量的个数的总和。 6. 关联度误差分析 关联度是灰色系统理论提出的一种技术方法，是分析系统中各因素关联程度 的方法，或者说是关联程度量化的方法。 关联度的基本思想， 是根据曲线间相似程度来判断关联程度，实质上是几种 曲线间几何形状的分析比较，即认为几何形状越接近，则发展变

6、化态势越接近， 关联程度越大。用此方法可以来比较几种预测模型对应的几条预测曲线与一条实 精品资料 可编辑修改 际曲线的拟合程度， 关联度越大， 则说明对应的预测模型越优，拟合误差也就越 小。 如果说我们指定参考数列为 0 x，被比较数列为 i x，其中1,2,imL，且 0000 (1),(2),( ) (1), (2),( ) 1,2, iiii xxxx n xxxx n im L L L 则称 00 00 min min |( )( )|max max |( )( ) | ( ) |( )( ) |max max |( )( ) | ii ikik i ii ik x kx kxkx k

7、 k xkx kx kx k 为曲线与在第点的关联系数。上式中： 0( ) ( )( ) i xkx ki k称为第 k 点 0 x与 i x的 绝对误差； 0 min min |( )( ) | i ik xkx k称为两级最小差，其中 0 min |( )( ) | i k xkx k是第 一级最小差，这表示在第 i x曲线上，找各点与 0 x的最小差， 0 min min |( )( )| i ik x kx k 是第二级最小差，表示在各条曲线中找出的最小差基础上，再按1,i2,i,L im找所有曲线 i x中的最小差； 0 maxmax |( )( ) | i ik xkx k是两级最

8、大差，其意义与 最小差相似；称为分辨系数，是 0 与 1 之间的数，一般取0.5。 综合各点的关联系数，可得出整个曲线 i x与参考曲线 0 x的关联程度为 i r 1 1 ( ) n ii k rk n 对于单位不同， 或初值不同的数列作关联度分析时，首先要做无量纲化、 归 一化预处理， 也称为初值化。 为了把所有数列无量纲化， 并且要求所有数列有公 共交点，用每一个数列(1) i x的第一个数除其它数( ) i x k，就可解决这两个问题， 使得各数列之间具有可比性。 【例 1】设 0 y为参考数列（历史负荷数列） ， 1 y、 2 y为比较数列（两种预 测方法所得预测值数列） ， 0 y

9、、 1 y、 2 y分别为 精品资料 可编辑修改 0000000 1111111 2222222 (1),(2),(3),(4),(5),(6) 20, 22,40,45,60,80 (1),(2),(3),(4),(5),(6) 30,35,55,60,70,90 (1),(2),(3),(4),(5),(6) 40, 45,43,55,65,70 yyyyyyy yyyyyyy yyyyyyy 试求 1 y、 2 y分别对 0 y的关联度。 解：第一步， “初值化” 0 1 2 20 22 40 45 60 80 , 20 20 20 20 20 20 1,1.1,2,2.25,3, 4

10、30 35 55 60 70 90 , 30 30 30 30 30 30 1,1.166,1.334,2,2.314,3 40 45 43 55 65 70 , 40 40 40 40 40 40 1,1.125,1.075,1.375,1.625,1.75 x x x 第二步，求关联系数中两级差， 记 1( ) k为 101 1111111 101 101 101 1 1 1 ( )|( )( ) | (1),(2),(3),(4),(5),(6) (1) |(1)(1)| |1 1| 0 (2)|(2)(1)| |1.1 1.166| 0.066 (3)|(3)(3)| |21.334|

11、 0.666 (4)0.25 (5)0.686 (6)1 kxkx k xx xx xx 又 101 ( )|( )( ) |kxkx k 2222222 (1),(2),(3),(4),(5),(6) 0,0.025,0.925,0.875,1.375,2.25 精品资料 可编辑修改 则 011 min |( )( ) | min( ) k xkx kk 111111 min(1),(2),(3),(4),(5),(6) min0,0.066,0.666,0.25,0.686,1 0 01 min min |( )( )|0 ik x kx k 011 max|( )( )| max( )

12、max0,0.066,0.666,0.25,0.686,1 1 k x kx kk 022 max |( )( ) |max( ) max0,0.025,0.925,0.875,1.375,2.25 2.25 k x kxkk 00102 max max |( )( )| maxmax |( )( ) |,max |( )( ) | max1,2.252.25 i ik xkx kxkx kxkx k 第三步，求关联系数 00 00 min min |( )( )|max max |( )( ) | ( ) |( )( ) |max max |( )( ) | ii ikik i ii ik

13、xkx kxkx k k xkx kxkx k 由于， 011 |( )( )|( )xkx kk，并取0.5，将两级差代入上式，可求得 1 11 0.52.251.125 ( ) ( )0.52.25( )1.125 k kk 即 1111111 (1),(2),(3),(4),(5),(6) 1,0.9445,0.8714,0.818,0.63,0.5294 相似地有 2222222 (1),(2),(3),(4),(5),(6) 1,0.978,0.5487,0.5625,0.45,0.333 第四步，求关联度 精品资料 可编辑修改 6 111 11 6 222 11 11 ( )( )

14、 6 1 (10.94450.87140.8180.630.5294) 6 0.7988 11 ( )( )0.6449 6 n kk n kk rkk n rkk n 可得 12 rr 这说明 2 x与 0 x的关联度小于 1 x与 0 x的关联度，从而 2y与0y的关联度小于 1y 与 0 y的关联度，也就说明 1 y与 0 y的拟合程度更优、 精度更高，误差更小。因此， 可以选择预测模型 1 y去进行负荷预测。 7. 后验差检验 后验差检验是根据模型预测值与实际值之间的统计情况，进行检验的方法， 这是从概率预测方法中移植过来的。其内容是：以残差（绝对误差）为基础， 根据各期残差绝对值的大

15、小， 考察残差较小的点出现的概率， 以及与预测误差方 差有关指标的大小。具体步骤如下： 设历史负荷序列为 (0)(0)(0)(0) (1),(2),( )xxxxnL 设预测值序列为 (0)(0)(0)(0) (1),(2),( )xxxxnL 记k 时刻实际值 (0) ( )xk与计算值 (0) ( )xk 之差为( )k，称为 k时刻残差 (0) (0) ( )( )( )(1,2, )kxkxkknL 记实际值 (0) ( ),1,2,xkknL的平均值为x，即 (0) 1 1 ( ) n k xxk n 精品资料 可编辑修改 记残差 ( ),1,2,kkmL 的平均值为，有 1 1 (

16、 ) m k k m 其中，m为预测残差数据的个数，一般有mn 。 记历史数据（实际值）方差为 2 1 S，即 2(0)2 1 1 1 ( ) n k Sxkx n 记残差方差为 2 2 S，有 22 2 1 1 ( ( ) m k Sk m 则可得后验差检验的两个重要数据，即后验差比值C ，小误差概率P 2 1 1 |( )| 0.6745 S C S PPkS 指标 C 越小越好， C 越小，表示 1 S越大，而 2 S越小。 1 S大，表明历史数据 方差大，历史数据离散程度就大。 2 S小，表明残差方差小，残差离散程度小。C 小，表明尽管历史数据很离散，而模型所得的预测值与实际值之差并不太离散。 指标P越大越好，P越大，表示残差与残差平均值之差小于给定值 1 0.6745S的点 较多。按 C 与P两个指标，可以综合评定预测模型的精度，如表1-1 所示。 表 1-1 综合评定预测模型的小误差概率P和后验差比值C 预测精度等级PC预测精度等级PC 好（一级）0