第三章电力需求预测(定量部分)讲解.ppt

（1）数列预测：对某现象随时间的顺延而发生的变化所做的预测定义为数列预测。 例：对消费物价指数的预测，需要确定两个变量：一个是消费物价指数的水平，另一个是这一水平所发生的时间。 （2）灾变预测：对发生灾害或异常突变可能发生的时间的预测称为灾变预测。 例：对地震时间的预测。 （3）系统预测：对系统中众多变量间相互协调关系的发展变化所进行的预测称为系统预测。 例：市场中替代商品、相互关联商品销售量互相制约的预测。 （4）拓扑预测：将原始数据作曲线，在曲线上按定值寻找该定值发生的所有时点，并以该定值为框架构成时点数列，然后建立模型预测未来该定值所发生的时点。 人工神经网络是在对人脑组织结构和运行机智认识理解的基础之上模拟其结构和智能行为的一种工程系统。 主要用于短期电力需求预测，也有用于中长期电力需求预测的，但用于短期预测比用于长期预测更为合适。 二、人工神经网络预测技术 目前用于电力需求预测普遍采用的是BP模型，模型有三个层次：输入层、隐含层和输出层。将影响电力需求的各种特征量，如最高温度、最低温度、平均温度、负荷类型（工作日、节假日等）等特征作为BP模型的输入量，采用误差逆传播算法，经过一定的训练，获得电力需求的预测值。并且相关研究表明，预测效果比其他方法更准确，具有实用价值。 本章结束 * 第三节 电力需求回归预测技术 一、一元线性回归预测技术 二、多元线性回归预测技术 三、非线性回归预测技术 一、一元线性回归预测技术 （一）建立一元线性回归模型 （二）一元线性回归模型检验 （三）一元线性回归预测 （一）建立一元线性回归模型 若以x和y来表示两个随机变量，自变量x的统计值为x1，x2，?，xn；因变量y的统计值为y1，y2，?，yn；则它们之间的线性关系，可用下述一元线性回归预测模型表示： 可以通过历史统计值，利用数学上的最小二乘法来确定a和b两个系数。两个系数为： （二）一元线性回归检验 1、相关系数检验 2、F检验 1、相关系数检验 （1）总偏差平方和 一元线性回归中因变量y的总波动，即总偏差平方和为： 回归平方和： 反映了变量x对变量y作用引起的波动。 残差平方和： 反映了除变量x以外其他因素对变量y作用引起的波动，也反映了实际值偏离回归直线的程度。 （4）相关系数的定义 （5）相关系数的检验 相关系数 ? 的取值范围为 ?1? ? ?1。相关系数取不同值时有不同的含义： 1）当 ? =1 时，完全正相关。 2）当 ? =?1 时，完全负相关。 3）当 ? =0 时，完全不相关。 4）当 0 ? 1 时。这时要判断两个随机变量之间有无线性相关关系，就要借助相关系数检验表。 相关系数检验表 f ?=0.05 ?=0.01 f ?=0.05 ?=0.01 1 0.997 1.000 17 0.456 0.575 2 0.950 0.99 18 0.444 0.561 3 0.878 0.959 19 0.433 0.549 4 0.811 0.917 20 0.423 0.537 5 0.754 0.874 21 0.413 0.526 6 0.707 0.834 22 0.404 0.515 7 0.666 0.798 23 0.396 0.505 8 0.632 0.765 24 0.388 0.496 9 0.602 0.735 25 0.381 0.487 10 0.576 0.708 26 0.374 0.478 11 0.553 0.684 27 0.367 0.467 12 0.532 0.661 28 0.361 0.463 13 0.514 0.641 29 0.355 0.456 14 0.497 0.623 30 0.349 0.449 15 0.482 0.606 35 0.325 0.418 16 0.468 0.590 40 0.304 0.393 （6）相关系数表的检验 1）根据散点 n 计算f，同时确定某一显著水平?， 2）根据?、f 的取值，通过相关系数检验表查出相关系数的临界值 ??， 3）最后将计算出的相关系数 ? 的绝对值与查表所得的临界值 ?? 相比较： 若?? ?? ??，表示这两个随机变量之间存在线性相关关系；否则，表示两个随机变量之间不存在线性相关关系。 第四节 电力需求的时间序列预测技术 一、简单平均法 二、一次滑动平均法 三、一次指数平滑法 四、自适应系数法 五、季节趋势法 六、增长趋势预测法 1、定义： ——