基于霍尔特―温特斯法售电量预测分析.docVIP

基于霍尔特―温特斯法售电量预测分析 　　摘要：霍尔特-温特斯法是商务与经济统计中一种被广泛使用的市场预测方法，但是国内将其用于电力负荷预测、售电量预测的研究并不多见。另外，较少有文献涉及季度售电量的预测研究。以天水供电公司2001-2010年9月份的月售电量为基础，应用霍尔特-温特斯法对该公司月售电量、季度售电量及年度售电量的预测进行了实证分析研究，研究结果表明霍尔特方法在月售电量及季度售电量预测中具有很好的表现，但对年度售电量的预测结果并不能令人满意。 　　关键词：霍尔特-温特斯法;预测;售电量;指数平滑 　　中图分类号：TM714 文献标识码：A 文章编号：1007-0079（2014）33-0191-02 　　鉴于售电量预测对于供电企业的重要性，许多学者都对此进行了相关研究，使用了许多预测方法和模型，如ARIMA模型、灰色预测技术、神经网络预测模型、线性回归分析方法等。但是，目前大多数的研究所选择的历史数据都只是针对某段特定历史时期的数据，售电量预测分析也只针对某一具体方面，如只针对月售电量或年售电量来进行分析研究。同时，也较少见到关于季度售电量的预测研究。那么，随着时间的推移，依照原历史数据所建立的模型是否仍然有效呢？将依据月售电量数据所建立的模型能否应用于季度售电量或年售电量的预测并且结果又会怎样呢？ 　　霍尔特-温特斯方法由于其在实践应用中具有很好的效果而被广泛应用于商务与经济统计，如铁路运输、税务、医疗等，然而将其应用在电力负荷预测或售电量预测的研究国内并不多见，本文的研究以霍尔特-温特斯指数平滑预测模型为基础，依据天水供电公司2001年至2010年的售电量数据，不仅对该公司的月度售电量、季度售电量及年度售电量的预测进行了分析研究，而且选择了不同时段的历史数据作为测试数据，研究结果表明在经济稳定运行时，该方法是一种适用于月度及季度售电量预测较为理想的方法，而在年度售电量预测中的表现并不令人满意。 　　一、霍尔特-温特斯法（Holt-Winters Method）原理 　　霍尔特-温特斯指数平滑预测模型根据时间序列观测值性质的不同分为两种情况进行预测，一种是具有季节性的时间序列，另一种是非季节性时间序列。 　　1.模型1：季节性时间数据序列 　　Winters方法在每个周期中采用一个水平分量、一个趋势分量以及一个季节分量三个权重（即平滑参数）来更新分量。水平和趋势分量的初始值通过对时间进行线性回归得到。季节分量的初始值使用去除趋势后数据的虚拟变量回归得到。当水平分量和季节分量相乘时，Holt-Winters 模型为乘法模型，当水平分量和季节分量相加时，Holt-Winters 模型为加法模型。当时间序列数据显示出与数据成比率的季节性模式时应用乘法模型，显示出与数据不成比率的季节性模式使用加法模型。假设Y1，Y2，…，YN 是一组S期（季度数据S=4，月度数据S=12）季节性时间序列观测值，温特斯法以如下方程为基础，计算出递归的估计值： 　　加法模型： 　　 　　 　　乘法模型： 　　 　　其中：Lt是在时间t处的水平，α是水平的权重，数值范围在0和1之间。Tt是时间点t处的趋势，γ是趋势的权重，数值范围在0和1之间。St是时间点t处的季节分量，δ是季节分量的权重，数值范围在0和1之间。p是季节周期，Yt是时间点t处的数据值，Yt*是时间点t处的拟合值（即提前一个周期预测）。 　　2.模型2：非季节性时间序列（双指数平滑模型） 　　假设Y1，Y2，…YN 是一组非季节性时间序列观测值，双指数平滑在采用水平分量和趋势分量两个权重（即平滑参数）于每个周期处更新分量。双指数平滑方程为： 　　 　　其中：Lt是在时间t处的水平，α是水平的权重，数值范围在0和2之间。Tt是时间点t处的趋势，γ是趋势的权重，数值范围在0和（4/α-2）之间。Yt是时间点t处的数据值，Yt*是时间点t处的拟合值（即提前一个周期预测）。 　　二、售电量预测实证分析 　　以2001年至2010年九月份某供电公司售电量进行预测分析，原始数据如表1。 　　表1 某供电公司2001-2010年度售电量数据（单位：106KW.H） 　　2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 　　1月 12.88 14.07 15.97 16.16 18.29 17.65 20.86 23.09 25.41 39.80 　　2月 12.17 11.49 13.23 15.68 15.37 15.92 17.94 20.09 22.85 36.19 　　3月 13.37 13.00 14.44 17.03 16.84 18.21 19.14 21.01 25.40 38.93 　　4月 12.86 12.57 13.