基于分位数回归神经网络的重庆市用电负荷预测分析.pdf
《基于分位数回归神经网络的重庆市用电负荷预测分析.pdf》由会员分享,可在线阅读,更多相关《基于分位数回归神经网络的重庆市用电负荷预测分析.pdf(5页珍藏版)》请在咨信网上搜索。
1、2023 年第 10 期2023 年 10 月近年来,随着中国居民消费质量进一步提高,实体经济迅速发展,新一轮用电量大幅度上涨。目前中国正处于长期面临电网负荷高速增长的时期,并存在着用电季节集中以及谷峰差较大等一系列问题,导致用电负荷率持续下降。重庆市作为西部唯一的直辖市,拥有 7 个大型水电站,但仍然存在供电不足等问题。自二十大召开以来,习近平总书记强调要将保障国家能源安全和经济社会平稳健康发展摆在首要位置,积极稳妥推进碳达峰碳中和,深入推进能源革命,扎实保障基本民生。重庆市是西电东输的重要发电城市,对其用电负荷进行预测分析,有着极为重要的战略和发展意义。2022 年 8 月,受全市持续高温
2、天气的影响,重庆市最高用电需求负荷持续攀升,很多水库减半,重庆市嘉陵江几近干涸,水力发电受到严重影响。对于电力负荷的预测是根据过去的数值推测未来的数值,具有复杂性和不确定性的特点,受天气、时间、地域等多方面的影响,如重庆市 2022 年限电的原因是持续的高温天气和水电的供给不足;而 2021 年限电的主要原因是煤炭价格较高、火力发电量不足。电力负荷的结构、特性等呈现不同的分布,对电力负荷预测的准确度越高,电力设备使用效率和经济发展的效果就越好,不仅有利于用电管理,节电省能,降低发电的成本,还有利于制定合理的电源建设规划,安排电网的扩建或增容,对未来的城市供电和电网布置有重要的指导意义。电力负荷
3、预测主要是通过观察负荷本身的情况以及其他因素的影响,对真实的历史数据进行分析研究,从而更好地掌握电力需求量,并据此得出未来的预测估计值,以避免不必要的用电恐慌。近 10 年来,电力生产能力快速提高,但由于近年的电力负荷呈极速增长的趋势,电力负荷增长远高于电量增长。尤其是在夏收稿日期:2023-06-04基金项目:重庆市自然科学基金资助(CSTC2020JCYJ-MSXMX0394);重庆市教委人文社科规划一般项目(2ISKGH310);20222023 年重庆对外经贸学院科研项目(KYSK202203)第一作者简介:徐闻李,1998 年生,男,四川广元人,在读硕士研究生,主要从事经济统计研究。
4、通信作者:杨炜明,1981 年生,男,湖南长沙人,博士,教授,主要从事经济统计、空间统计研究。基于分位数回归神经网络的重庆市用电负荷预测分析徐闻李1,杨炜明1,2(1.重庆工商大学数学与统计学院,重庆 400067;2.重庆工商大学社会经济应用统计重庆市重点实验室,重庆 400067)摘要:2022 年袁 中国多地最高气温突破历史极值袁 多日极端高温天气造成重庆市出现较大用电缺口遥 因为长期电力负荷的预测存在较大的不确定性袁 所以选取分位数回归神经网络模型对重庆市未来几年的用电负荷做出预测分析袁 与几种预测方法对比分析后袁 明确分位数回归神经网络模型预测准确程度更高袁 并于样本外预测了 202
5、3要2027 年重庆市年用电负荷遥 最后基于预测结果提出一系列恢复正常用电负荷增长的措施袁 为相关电力部门的规划与建设提供建议遥关键词:重庆市曰 用电负荷曰 分位数回归神经网络中图分类号:TM715;TP18文献标志码:A文章编号:2095-0802-(2023)10-0022-04Power Load Forecasting of Chongqing Based on Quantile RegressionNeural NetworkXU Wenli1,YANG Weiming1,2(1.School of Mathematics and Statistics,Chongqing Techn
6、ology and Business University,Chongqing 400067,China;2.Chongqing Key Laboratory of Applied Statistics for Social Economy,Chongqing Technology and Business University,Chongqing 400067,China)Abstract:In 2022,the highest temperature in many places in China broke the historical extreme value.Several day
7、s of extremehigh temperature caused a large power shortage in Chongqing.Due to the large uncertainty in the prediction of long-term powerload,the quantile regression neural network model was selected to forecast and analyze the power load of Chongqing in the nextfew years.After comparing and analyzi
8、ng with several forecasting methods,it is clear that the quantile regression neural networkmodel has a higher degree of prediction accuracy.Besides,the annual power load of Chongqing in 2023-2027 was predicted outof the sample.Finally,based on the forecast results,a series of measures to restore nor
9、mal load growth were put forward to providesuggestions for the planning and construction of relevant power departments.Key words:Chongqing;power load;quantile regression neural network(总第 217 期)能源产业222023 年第 10 期2023 年 10 月季用电高峰期间,每日电力最高峰和最低谷相差额越来越大,电力稳定供应成为保障能源安全的重点。因此,为了进一步探究用电量的问题,优化资源配置,保障用电安全,科
10、学地进行电力负荷预测才能保障城市的高质量发展。1国内外研究文献综述众多学者针对城市的用电负荷预测进行了研究且获得了丰硕的成果。国外对于用电负荷预测的研究要早于中国。KAMAL C 等1基于贝叶斯估计对泰国的短期用电负荷数据做出估计,采用了自回归方法的多方程线性模型对一天的电力负荷进行建模和预测,并比较了经典方法和贝叶斯方法的效果,最终得出贝叶斯估计较 OLS 估计提供了更好的一致性的结论;CHAND-RASEKHARAN B 等2在考虑气候模式变化的情况下将天气与经济变量纳入电力负荷预测中,以“每月平均每小时负荷”的模型相比于纯自回归负荷预测方法有显著改善;ZHANG J L 等3基于改进经验
11、模态分解、自回归积分移动平均法,利用果蝇优化算法进行了优化,经过与其他模型的对比,发现所提模型的预测效果更优。国内对于电力负荷预测起步较晚,典型的预测方法有灰色理论、神经网络法、最小二乘法等。张晓红等4基于中国电力统计年鉴的数据,基于灰色理论模型,选取了测度国民经济与电力产业的指标,通过计算国民经济与电力产业的耦合度,总结得出国民经济各指标与电力产业的关联程度均较强,其中影响因子最高的是国家财政收入,并预测出了未来 4 年的用电负荷;张扬5针对现有电力负荷预测方法精度比较低的问题,提出了一种改进深度神经网络的短期电力负荷模型。此外,还有时间序列法6、趋势外推法7。趋势外推法,简单来讲是根据负荷
12、的变化趋势对未来负荷情况做出预测的一种方法,多元线性回归、支持向量机等方法同样也适用于研究电力负荷的预测。分位数回归神经网络方法是由 TAYLOR J W8提出的将分位数回归与处理复杂非线性关系的人工神经网络相结合的一种方法,该模型可以通过设置不同的分位点来获得不同的分位数预测结果,考虑到多个影响因素,该模型自提出以来被应用于多个领域的预测分析中,如人民币汇率的概率密度预测9,以及用于金融风险的预警分析10。本文通过对比总结发现,采用传统方法预测电力负荷时在某些情况下预测精度会受到一定的影响,不能得出较为精确的预测结果。综上所述,在运用传统方法对电力负荷进行预测时,对于整个响应变量的完整性考察
13、有限;分位数回归神经网络方法能够在复杂的非线性情况下拟合响应变量。基于上述分析,本文采用分位数回归神经网络方法对重庆市未来几年的用电负荷进行预测分析。2建立模型2.1线性分位数回归模型回归分析能够定量地阐释变量间的依存关系,用于处理自变量与因变量的关系,其分类标准包括非参数回归和参数回归,但非参数回归通常用于大样本数据。分位数回归思想本质上为加权最小二乘法。分位数回归的目的是估计依赖于某种回归方程中协变量的响应变量的条件分位数。线性分位数回归(QuantileRegression,QR)可以用式(1)表示:yt=xtT茁(子)+着t(子),t=1,2,n(1)式中:yt为被解释变量;xtT为解
14、释变量,xtT=(1,xt1T,xt2T,xtkT);茁(子)为回归系数向量,受分位点的影响,随其变化而变化,茁(子)=茁0(子),茁1(子),茁2(子),茁k(子);子为分位点,0 子 1;t为第t个y的取值。而向量茁(子)可根据式(2)求解:minNi=1移籽t(Yi-Xt茁)=minN茁iYi逸 Xi忆茁移子 Yi-Xt忆茁+移(1-子)Yi-Xt忆茁,(2)其中,籽t(滋)=子滋if 滋 逸 0(子-1)滋if 滋 0嗓,(3)式中:籽t为非对称损失函数,Yi为被解释变量,Xt为解释变量,茁为回归参数向量,滋为对非称损失函数参数向量。2.2分位数回归神经网络模型人工分位数回归神经网络结
15、合了神经网络和分位数回归两个方面的优势,对于线性范式的响应变量和解释变量间的影响往往采用分位数回归即可应对,但现实中却有很多非线性范式的模式,这是一种非参数非线性回归的方法,不仅可以研究因变量的整个条件分布,还可以模拟其非线性特征。这里假设有m个输入变量,组成了输入层;n个神经元单位构成中间层,以及 1 个输出层。1)模型中有m个输入变量(xi,i=1,2,m),组成输入层,神经元为n个,输出层为 1 个,建立从输入层到隐含层的连接。通过双曲正切函数作用于输入层因子xi,t、输入层到隐含层的权重mi=1移棕ij(琢)及隐含层阈值bj(琢)来输出第j个隐含层节点gj,t,具体公式求解如下:gj,
16、t=tan琢mi=1移棕ij(琢)xi,t+bj(琢)蓸蔀,(4)式中:tan琢为隐含层的激活函数。2)可建立如下隐含层到输出层的连接。徐闻李,等:基于分位数回归神经网络的重庆市用电负荷预测分析232023 年第 10 期2023 年 10 月年份GDP/(108元)产业占比/%常住人口数量/(104人)能源消耗总量/(104吨标准煤)第一产业第二产业第三产业19981 440.5618.842.2039.002 870.752 119.4619991 491.9917.242.0040.802 860.372 278.4220001 603.1615.942.4041.702 848.822
17、 410.8220011 765.6814.942.6042.502 829.212 573.6820021 990.0114.242.9042.902 814.832 823.0520032 272.8213.344.4042.302 803.193 137.9020042 692.8115.944.3239.792 793.323 368.4120053 070.5013.445.1041.502 798.003 527.2620063 907.209.947.9042.202 808.003 891.2220074 676.1010.346.7043.002 816.004 508.40
18、20085 096.709.944.6045.502 839.004 706.6520096 530.009.345.0045.702 859.005 124.8220107 925.608.644.6046.802 885.005 810.822011 10 011.108.444.6047.002 919.006 426.952012 11 459.008.245.4046.402 945.006 798.252013 12 656.708.050.5041.402 970.007 253.912014 14 265.407.445.8046.802 991.007 693.962015
19、15 719.707.345.0047.703 017.008 068.142016 17 740.607.344.5048.103 048.438 271.972017 19 500.006.944.1049.003 075.168 448.932018 20 363.196.840.9052.303 101.797 452.722019 23 605.776.640.2053.203 124.327 687.252020 25 002.797.240.0052.803 205.007 621.872021 27 894.026.940.1053.003 212.437 712.482022
20、 23 605.777.041.2052.903 213.347 815.79表 1重庆市 19982022 年影响电力负荷的主要指标Qyt(子 xi)=fnj=1移棕j(0)gi,t+b(0)蓸蔀=fxt,棕(子),b(子),(5)式中:Qyt为解释变量在给定条件下响应变量yi的第子条件分位数;f()为输出层激活函数,采用均值函数;棕j(0)为隐含层连接输出层的权重;b(0)为输出的阈值;棕为权重向量;b为阈值向量。为了避免拟合过度,CANNON A J11提出 AIC 准则(赤池信息量准则),选择出最优的隐含层节点数,即:AIC(子,n)=ln 1/TV(子,兹)+1/T(mn+2n+1)
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 位数 回归 神经网络 重庆市 用电 负荷 预测 分析
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。