CN114139932A - 一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法 - Google Patents
一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法 Download PDFInfo
- Publication number
- CN114139932A CN114139932A CN202111433388.0A CN202111433388A CN114139932A CN 114139932 A CN114139932 A CN 114139932A CN 202111433388 A CN202111433388 A CN 202111433388A CN 114139932 A CN114139932 A CN 114139932A
- Authority
- CN
- China
- Prior art keywords
- load characteristic
- index
- indexes
- method based
- analysis method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000001364 causal effect Effects 0.000 claims abstract description 18
- 230000008859 change Effects 0.000 claims abstract description 16
- 238000010998 test method Methods 0.000 claims abstract description 8
- 230000002195 synergetic effect Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims description 27
- 238000007689 inspection Methods 0.000 claims description 17
- 238000010219 correlation analysis Methods 0.000 claims description 9
- 230000002596 correlated effect Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000013112 stability test Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001744 unit root test Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公布了一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法,包括以下步骤:选取Pearson相关系数分析法计算负荷特性指标间的相关系数,按大小排序后确定待分析指标;采用单方根检验法对选定指标进行平稳性检验;采用协整方式处理非平稳负时间序列负荷特性统计指标,使其成为时间序列指标;利用Granger因果检验方法分析平稳负荷特性指标时间序列指标间的因果变动特性。本发明对判别电力***负荷特性变化趋势,把握电网用电结构、用电模式等状况信息具有重要意义。解决了传统负荷特性指标孤立分析的遗憾,为准确把握负荷变化特征提供参考依据,从而提升负荷预测结果准确性,帮助电力部门提升服务质量。
Description
技术领域
本发明涉及电力***负荷特性分析领域,尤其涉及一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法。
背景技术
随着经济的发展,我国电力负荷呈现急剧上升的趋势,产业、城镇与农村居民的负荷也在不断增加,电力供应紧张,电网安全隐患日益加剧。由于第三产业和居民生活用电负荷的变化难以预测,因此,负荷特性分析变得越来越重要。负荷特性指标是对电网负荷特性的数值描述。分析负荷特性指标的变动原因及变化趋势是负荷特性分析的常用方法。大部分文献都是对负荷特性指标体系进行分析,只通过公式测算出各特性指标自身的数值,研究特性指标自身物理意义,对指标的变动情况进行分析。很少关注两个负荷特性指标间是否存在某种联动关系,即当某一负荷特性指标变动时是否会引起另一个或另几个指标变化。在某一负荷特性指标历史数据无法获知的情况下,无法对未来负荷特性进行推演。
发明内容
本发明的目的是为了解决现有技术的上述缺陷,提出的一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法,采用该方法可以提升负荷预测结果的准确性。
为了实现上述目的,本发明的技术方案如下:
一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法,包括以下步骤:
S1:选取Pearson相关系数分析法计算负荷特性指标间的相关系数,按大小排序后确定待分析指标;
S2:采用单方根检验法对选定指标进行平稳性检验;
S3:采用协整方式处理非平稳负时间序列负荷特性统计指标,使其成为时间序列指标;
S4:利用Granger因果检验方法分析平稳负荷特性指标时间序列指标间的因果变动特性。
进一步地,相关系数的计算公式如下:
X的离均差平方和Lxx为:
Y的离均差平方和LYY为:
X、Y间的离均差积和LXY为:
优选地,按相关系数r从大到小排序,选择相关系数r为高度相关和极高相关的负荷特性指标进行下面检验。
进一步地,采用ADF检验法确定单方根检验法中的检验量。
式中:Δ表示差分,βi为回归***,P为滞后阶数,μt为随机误差项。
ADF检验是以计算t统计量的值作为ADF检验值,通过负荷特性指标序列的ADF检验值与5%显著性水平下的ADF临界值相比较判定该指标序列的平稳性,若其ADF检验值比5%显著性水平下的ADF临界值小,则说明该指标序列是平稳的。在进行ADF检验时,先检验含有时间趋势项和常数项的模型式,若不能拒绝原假设,则检验含常数项的模型式,再不能拒绝原假设,则检验不包含这两项的模型式,最后若依然不能拒绝原假设,需进行差分,重复以上检验顺序一直到负荷特性指标时间序列平稳止。
进一步地,所述步骤S3包括以下步骤:
首先构建一个滞后阶数为P的向量自回归模型(VAR),Dt表示多个非平稳负荷特性指标构成的向量空间:
Dt=A1Dt-1+…+ApDt-P+μt
对上式做差分运算,得到:
其中:A1,A2,…,AP为回归系数矩阵,μt为随机误差项,
可通过检验矩阵的非零特征值个数确定指标间的协整关系和协整向量的秩。进行协整检验时,一般通过特征根的迹检验统计值与给定显著性水平下的 Johansen分布临界值相比较确定其能否拒绝原假设而存在协整向量,得出协整关系方程。
进一步地,通过选用两个或多个指标历史值一起对其中某一指标的未来值进行预测与仅用单个指标历史值预测对比分析,做到有理有据的判别负荷特性指标间的联动关系。
其计量模型为:
式中:αi、βi、λi、δi为回归系数,ε1t、ε2t为随机误差项,P为滞后阶数。
可能存在有四种检验结果:
(1)X对Y有单向影响,表现为式X各滞后项前的参数整体不为零,而式Y各滞后项前的参数整体为零;
(2)Y对X有单向影响,表现为式Y各滞后项前的参数整体不为零,而式X各滞后项前的参数整体为零;
(3)Y与X存在双向影响,表现为Y与X各滞后项前的参数整体不为零;
(4)Y与X不存在影响,表现为Y与X各滞后项前的参数整体为零。
优选地,负荷特性指标间的格兰杰因果关系检验即在其定义的基础上利用 VAR模型来进行一组系数的显著性检验。对于平稳的任意两个负荷特性指标X 和Y,构建如下两个回归模型,并对其进行估计:
式中:αi与βi为回归系数,εt为随机误差项,m为滞后阶数;然后用各自回归的残差平方和计算F统计量,检验β1,β2,…,βm是否显著的同时不为零,如果“否”,则返回步骤S3;如果“是”,就拒绝“X不是引起Y变化的原因”的原假设;然后,检验“Y不是引起X变化的原因”的原假设,做同样的回归估计。
本发明所具有的优点和有益效果是:
本发明通过引进计量经济学中的联动分析理论,对负荷特性指标进行平稳性检验,避免分析中出现“伪回归”问题;然后分别根据负荷特性指标的平稳检验结果,完成负荷特性指标的协整检验与格兰杰因果分析,确定负荷特性指标间的因果与联动关系。对判别电力***负荷特性变化趋势,把握电网用电结构、用电模式等状况信息具有重要意义。解决了传统负荷特性指标孤立分析的遗憾,为准确把握负荷变化特征提供参考依据,从而提升负荷预测结果准确性,帮助电力部门提升服务质量,更好地解决人民日益增长的美好生活需要和电力***不平衡不充分的发展之间的矛盾。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法流程图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步详细说明,所述是对本发明的解释而不是限定。
本发明基于计量经济学联动分析理论,开展的负荷特性指标间关联性分析,在分析中应用了多种分析方法,Pearson相关系数分析法、单方根检验及 Granger因果检验方法,以期去除噪音数据,并通过协整措施将非平稳性指标进行调整,保证了最终分析结果的正确性。
如图1所示,本发明一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法,具体实现过程如下:
第1步:选取Pearson相关系数分析法计算负荷特性指标间的相关系数,按大小排序后确定待分析指标;
相关系数的计算公式如下:
X的离均差平方和Lxx为:
Y的离均差平方和LYY为:
X、Y间的离均差积和LXY为:
Pearson相关系数r的判断标准如下表所示。
表1相关系数判断标准:
按相关系数r从大到小排序,选择相关系数r为高度相关和极高相关的负荷特性指标进行下面检验。
第2步:对选定指标采用单方根检验法进行平稳性检验。
单位根检验是常用的平稳性检测方法,它通过检验数据序列中是否存在单位根来确定序列是否是非平稳时间序列。如果负荷特性指标序列中存在单位根过程就说明该指标序列不平稳,会导致“伪回归”问题。考虑指标为高阶序列,因此采用ADF检验法确定检验量。
式中:Δ表示差分,βi为回归***,P为滞后阶数,μt为随机误差项。
ADF检验是以计算t统计量的值作为ADF检验值,通过负荷特性指标序列的ADF检验值与5%显著性水平下的ADF临界值相比较判定该指标序列的平稳性,若其ADF检验值比5%显著性水平下的ADF临界值小,则说明该指标序列是平稳的。在进行ADF检验时,先检验含有时间趋势项和常数项的模型式,若不能拒绝原假设,则检验含常数项的模型式,再不能拒绝原假设,则检验不包含这两项的模型式,最后若依然不能拒绝原假设,需进行差分,重复以上检验顺序一直到负荷特性指标时间序列平稳止。
第3步:对于非平稳负时间序列负荷特性统计指标采用协整方式予以处理,使其成为时间序列指标。
负荷特性统计指标时间序列经过单位根检验之后,存在着部分指标时间序列是非平稳的,无法直接进行格兰杰因果检验。对此类指标可通过协整来解决此问题。
首先构建一个滞后阶数为P的向量自回归模型(VAR),Dt表示多个非平稳负荷特性指标构成的向量空间:
Dt=A1Dt-1+…+ApDt-P+μt
对上式做差分运算,得到:
其中:A1,A2,…,AP为回归系数矩阵,μt为随机误差项,
可通过检验矩阵的非零特征值个数确定指标间的协整关系和协整向量的秩。进行协整检验时,一般通过特征根的迹检验统计值与给定显著性水平下的 Johansen分布临界值相比较确定其能否拒绝原假设而存在协整向量,得出协整关系方程。
第4步:对于平稳负荷特性指标时间序列,利用Granger因果检验方法分析指标间的因果变动特性。
Granger因果关系检验是指在时间序列X和Y消除了趋势项后,如果利用序列X的历史值和序列Y的历史值一起对本期或未来Y的值进行预测,比只用序列Y的历史值预测的效果更好,则表明序列X和Y存在因果关系,称X 是Y的Granger原因。
通过选用两个或多个指标历史值一起对其中某一指标的未来值进行预测与仅用单个指标历史值预测对比分析,做到有理有据的判别负荷特性指标间的联动关系。
其计量模型为:
式中:αi、βi、λi、δi为回归系数,ε1t、ε2t为随机误差项,P为滞后阶数。
可能存在有四种检验结果:
(1)X对Y有单向影响,表现为式X各滞后项前的参数整体不为零,而式Y各滞后项前的参数整体为零;
(2)Y对X有单向影响,表现为式Y各滞后项前的参数整体不为零,而式X各滞后项前的参数整体为零;
(3)Y与X存在双向影响,表现为Y与X各滞后项前的参数整体不为零;
(4)Y与X不存在影响,表现为Y与X各滞后项前的参数整体为零。
负荷特性指标间的格兰杰因果关系检验即在其定义的基础上利用VAR模型来进行一组系数的显著性检验。对于平稳的任意两个负荷特性指标X和X,构建如下两个回归模型,并对其进行估计:
式中:αi与βi为回归系数,εt为随机误差项,m为滞后阶数;然后用各自回归的残差平方和计算F统计量,检X验β1,β2,…,βm是否显著的同时不为零,如果“否”,则返回步骤S3;如果“是”,就拒绝“X不是引起Y变化的原因”的原假设;然后,检验“Y不是引起X变化的原因”的原假设,做同样的回归估计。
本发明通过引进计量经济学中的联动分析理论,利用Pearson相关系数分析法计算负荷特性指标间的相关系数,选取相关性大的负荷特性指标组进行后续相关性分析。采用单方根检验法进行平稳性检验,避免分析中出现“伪回归”问题。对于非平稳负时间序列负荷特性统计指标采用协整方式予以处理,使其成为时间序列指标。利用Granger因果检验方法分析指标间的因果变动特性,即构成负荷特性指标间的相关性关系,获得指标间的计算模型。一个指标可以获得与其他几个指标的计算模型,根据实际需求,选取适宜模型,得到所需指标。对判别电力***负荷特性变化趋势,把握电网用电结构、用电模式等状况信息具有重要意义。解决了传统负荷特性指标孤立分析的遗憾,为准确把握负荷变化特征提供参考依据,从而提升负荷预测结果准确性。
实际算例
本溪市的电力需求预测是本溪2021-2025年电网规划的重要部分,本次应用“基于计量经济学联动分析理论的负荷特性指标关联性分析方法”对本溪市 2021-2025年期间负荷进行预测。
首先通过客观数据的调研,寻找适当的数学模型,然后按照一定的参数估计法求解其中若干个待定参数。应用协整理论对用电需求和地区生产总值的关系进行分析,分析一个地区的用电量与地区生产总值之间是否具有长期稳定的关系。
考虑各产业的发展定位不同,用电需求自然存在差异,把电力需求分成5 个模块:第一产业用电量,第二产业用电量,第三产业用电量,城市居民用电量,农村居民用电量,应用该方法得出全社会用电量预测结果如下表所示:
根据上表,电力部门可以做好计划,更好地解决人民日益增长的美好生活需要和电力***不平衡不充分的发展之间的矛盾,有助于电力部门提升服务质量。
上述说明示出并描述了发明的若干优选实施例,但如前所述,应当理解发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离发明的精神和范围,则都应在发明所附权利要求的保护范围内。
Claims (7)
1.一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法,其特征在于:包括以下步骤:
S1:选取Pearson相关系数分析法计算负荷特性指标间的相关系数,按大小排序后确定待分析指标;
S2:采用单方根检验法对选定指标进行平稳性检验;
S3:采用协整方式处理非平稳负时间序列负荷特性统计指标,使其成为时间序列指标;
S4:利用Granger因果检验方法分析平稳负荷特性指标时间序列指标间的因果变动特性。
3.根据权利要求2所述的一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法,其特征在于:按相关系数r从大到小排序,选择相关系数r为高度相关和极高相关的负荷特性指标进行平稳性检验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111433388.0A CN114139932A (zh) | 2021-11-29 | 2021-11-29 | 一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111433388.0A CN114139932A (zh) | 2021-11-29 | 2021-11-29 | 一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114139932A true CN114139932A (zh) | 2022-03-04 |
Family
ID=80389409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111433388.0A Pending CN114139932A (zh) | 2021-11-29 | 2021-11-29 | 一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114139932A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677052A (zh) * | 2022-04-27 | 2022-06-28 | 西安建筑科技大学 | 基于tarch模型的天然气负荷波动非对称性分析方法及*** |
-
2021
- 2021-11-29 CN CN202111433388.0A patent/CN114139932A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677052A (zh) * | 2022-04-27 | 2022-06-28 | 西安建筑科技大学 | 基于tarch模型的天然气负荷波动非对称性分析方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110223196B (zh) | 基于典型行业特征库和反窃电样本库的反窃电分析方法 | |
CN110555596B (zh) | 一种基于配电物资质量评价的抽检策略制定方法及*** | |
CN111104981A (zh) | 一种基于机器学习的水文预报精度评价方法及*** | |
CN111080072A (zh) | 配电变压器健康指数评估方法、装置及*** | |
CN106980910B (zh) | 中长期电力负荷测算***及方法 | |
CN107832927B (zh) | 基于灰色关联分析法的10kV线路线变关系评价方法 | |
CN106874676B (zh) | 一种电能计量装置状态评估方法 | |
Zhu et al. | Based on the ARIMA model with grey theory for short term load forecasting model | |
Jin-qiang | Fault prediction of a transformer bushing based on entropy weight TOPSIS and gray theory | |
CN113484813B (zh) | 多环境应力下的智能电表故障率预估方法及*** | |
CN113342784A (zh) | 一种电网主变设备风险评估的数据库设计方法 | |
CN113343361A (zh) | 车身尺寸智能监控方法、装置、设备及存储介质 | |
CN111832174A (zh) | 一种基于多元回归的配线线损率处理方法及装置 | |
CN114139932A (zh) | 一种基于计量经济学联动分析理论的负荷特性指标关联性分析方法 | |
CN112785456A (zh) | 基于向量自回归模型的高损线路窃电检测方法 | |
CN117131437A (zh) | 发动机振动故障隔离方法 | |
CN112035970A (zh) | 一种基于船用柴油机关键性能的参数优化方法 | |
Zhao et al. | Evaluation of operating state for smart electricity meters based on transformer–encoder–BiLSTM | |
CN115907033A (zh) | 一种基于机器学习算法预测每小时用电量的方法及*** | |
CN114780609A (zh) | 基于电力大数据与时间序列的区域碳排放量计算方法 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
CN113935523A (zh) | 基于电压变化规律的电压趋势预测方法 | |
CN113949060A (zh) | 一种基于电压变化规律的电压趋势预测*** | |
CN111612277A (zh) | 用于预测行业用电量的空间协同预测方法 | |
CN112256693A (zh) | 一种预测线路故障停电和用户投诉的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |