兼顾供电量组分特性的最优GM(1，N )季度电量预测方法
李京平1，陈丹伶2，曾繁华1，王鑫2，方嵩1
（1 广东电网有限责任公司中山供电局，广东 中山 528400；2 广州市奔流电力科技有限公司，广东 广州 510640）
摘 要：提出考虑供电量组分多层级划分及外部因素影响，利用关联度寻优方法构造最优GM(1，N )电量预测模型。根据供电地区的行业用电分类，对总供电量的组分进行分层级划分和重要性分析；计算各重要组分及外部影响因素与供电量的关联度，并依据关联度大小对各影响因素进行排序，再通过建立不同N下的GM(1，N ) 模型，根据预测精度确定最优GM(1，N ) 模型。采用该模型对广东电网中山供电局的供电量数据进行预测分析，证明了该模型的预测结果具有较高的准确性。
关键词：季度电量预测；GM(1，N ) 模型；行业用电分类；外部影响因素
中图分类号：TM715 文献标识码：A 文章编号：1007-3175(2018)01-0027-05
Optimal GM (1, N) Quarter Electric Quantity Forecasting Method Considering Characteristics of Power Supply Components
LI Jing-ping1, CHEN Dan-ling2, ZENG Fan-hua1, WANG Xin2, FANG Song1
（1 Zhongshan Power Supply Bureau, Guangdong Power Grid Co., Ltd, Zhongshan 528400, China;
2 Guangzhou Power Electrical Engineering Technology Co., Ltd, Guangzhou 510640, China）
Abstract: This paper proposed to use the correlation optimization method to construct the optimal GM (1, N) electric quantity prediction model considering the power supply components multilevel division and external influencing factors. According to the industry power utilization classification of power supply area, this paper carried out the power supply components multilevel division, analyzed the importance of the power supply components and calculated the correlation between each important component, together with external influencing factors and the power supply components. Each influencing factor was sorted based on the correlation and the GM (1, N) model of different N was established to determine the optimal one according to the prediction accuracy. The actual power supply data of Zhongshan power supply bureau of Guangdong power grid verifies the high accuracy of this model’s forecasting algorithm.
Key words: quarter power supply forecasting; GM (1, N) model; industry power utilization classification; external influencing factor
参考文献
[1] PESSANHA J F M, LEON N.Long-term forecasting of household and residential electric customers in Brazil[J].IEEE Latin America Transactions，2012，10(2)：1537-1543．
[2] 程潜善，方华亮. 一种应用大数据技术的中长期负荷预测方法[J]. 武汉大学学报（工学版），2017，50(2)：239-244.
[3] KANDIL M S, El-DEBEIKY S M, HASANIEN N E. Long-term load forecasting for fast developing utility using a knowledge-based expert system[J]. IEEE Power Engineering Review, 2002，22(4)：78.
[4] 张强，王毅，李鼎睿，朱文俊. 基于X -12- A R I M A季节分解与年度电量校正的月度电量预测[ J ] . 电力建设，2017，38(1)：76-83.
[5] 吴钰， 王杰. 综合最优灰色支持向量机模型在季节型电力负荷预测中的应用[J]. 华东电力，2012(1)：18-21.
[6] 宋晓华，祖丕娥，伊静，刘达. 基于改进GM(1，1)和SVM的长期电量优化组合预测模型[J]. 中南大学学报（自然科学版），2012，43(5)：1803-1807.
[7] 刘宇，郭林，阳锋，江登笠，任铃，李君. 基于改进灰色理论的中长期负荷预测方法研究[J]. 电网与清洁能源，2016，32(8)：51-56.
[8] 任工昌， 刘丽， 苗新强. 改进灰色模型在电力负荷中的预测分析及实现[J]. 机械设计与制造，2010(2)：232-234.
[9] 李晓波.GM(1，N ) 改进模型在年度售电量预测中的应用[J]. 中国新技术新产品，2016(3)：4-5.
[10] WU Yichun, CHENG Zhenying, LI Miao.Med-long term system structure forecasting of power consumption based on grey derived model[C]//Proceedings of 2013 IEEE International Conference on Grey Systems and Intelligent Services (GSIS)，2013.
[11] 刘洪久，沙巨山，季明月，胡彦蓉. 苏州电力需求的影响因素及电量预测研究[J]. 常熟理工学院学报，2014，28(5)：7-11.
[12] 葛斐，荣秀婷，石雪梅，杨欣，李周. 基于经济、气象因素的安徽省年最大负荷预测方法研究[J].中国电力，2015，48(3)：84-87.
[13] 郑军伟. 基于灰色系统理论的数据关联度建模及其应用[D]. 杭州：杭州电子科技大学，2011.
[14] 赵莉琴，刘敬严. 基于灰色GM (1，N ) 模型的河北物流货运量预测[J]. 石家庄铁道大学学报（社会科学版），2015，9(2)：10-15.
