论文总字数：24779字

摘 要

时间序列模型是电力负荷预测领域的传统工具，它主要是通过建立合适的线性及非线性时间序列模型描述历史数据随时间动态变化的规律，并以此来预测未来值。本文以南京市新街口某购物商场2012年至2013年的电力负荷为研究对象，分别采用ARIMA模型、GARCH模型对实测数据进行建模，并引入南京市这两年每日最高温度作为干预序列，根据协整理论建立起电力负荷与温度之间的ARIMAX模型。利用以上三个模型对该商场未来6天的电力负荷进行预测，并与实际值相比较，依据平均相对误差衡量预测精度。研究结果表明：三种方法都有较高的预测精度，均达到实际应用的精度要求，其中又以GARCH模型的预测精度为最高，为局部区域的电力分配与调运提供参考。

关键词：时间序列，电力负荷预测，ARIMA，GARCH，ARIMAX

The Application of Time Series Models in Power Load Analysis

Abstract

Time series model is a traditional tool in the field of power load forecasting, it mainly describes the law of the historical data’s variation with time by establishing appropriate linear and nonlinear time series models, and predict the future value. In this paper, the ARIMA model and GARCH model are applied to modeling on the power load data from 2012 to 2013 of a mall in Nanjing. And we establishe the ARIMAX model between the maximum temperature and power load based on Cointegration theory. Then we use the average relative error to measure the accuracy. The result shows that all of three models have high forecasting precision and meet the needs of practical application, and the GARCH model has the highest precison. It provides the reference for local region’s electric power distribution and dispatching.

Key words: Time Series, Load Forecasting, ARIMA, GARCH, ARIMAX

目录

摘要 2

Abstract 3

第一章 绪论 5

1.1 引言 5

1.2 国内外研究现状 5

1.3 本文的主要研究内容 6

第二章 前期预备知识 7

2.1 数据预处理 7

2.2 平稳性检验 7

2.3 纯随机性检验 8

2.4 最佳准则函数定阶法 8

第三章 模型介绍 10

3.1 ARIMA模型 10

3.1.1模型简介 10

3.1.2 ARIMA模型构建的基步骤 10

3.2 GARCH模型 11

3.2.1 模型简介 11

3.2.2 异方差性检验 12

3.2.3 建模步骤 13

3.3 ARIMAX模型 14

3.3.1 模型简介 14

3.3.2 建模步骤 14

第四章 基于三类模型的电力负荷预测分析 15

4.1 基于ARIMA模型的电力负荷预测分析 15

4.2 基于GARCH模型的电力负荷预测分析 17

4.3基于ARIMAX模型的电力负荷预测分析 19

4.4 结果分析 21

总结 23

致谢 24

参考文献 24

第一章 绪论

1.1 引言

近些年随着我国城市电网的改造和电力工业市场化运营机制的推行，电力工业成为我国经济发展的基础。随着人们生活水平的提高和各大企业产业结构的完善，从各个方面来看，人们对电力的需求量也在逐年增加，而且对电力质量的要求也越来越高。所以，人们未来的研究方向将在提高电力负荷预测准确性以及电力分配优化上。电力负荷预测在电力行业管制模式下起着非常重要的作用，它有助于电力公司作出重要的决定，包括电力购买和电力生产，负载切换和基础设施建设。对于我国这个用电大国来说，我国的电力供应基本上长期处于短缺形势，特别是在夏天用电高峰，有些省市的部分区域甚至会出现拉闸限电的情况，这会带来巨大的经济损失。所以现在的主要任务是解决如何准确做到电力负荷预测。对于电力系统的稳定运行来说，电力负荷预测起着至关重要的作用，Bunn and Farmer^[1]认为准确的电力负荷预测能为电力企业节省一大笔开支。一个好的负荷预测方法可以为电力系统规划提供有效且准确地信息，现在对负荷预测的精度有着越来越大的兴趣，然而，仍需要未来在负载系列的波动性特征上的深入研究。验证一个模型的好坏，除了建模的简便性外，通常要考虑它的预测效果，影响负荷预测效果的因素有负荷预测的费用、负荷预测结果的准确性、负荷预测的时效性、负荷预测所承载的历史数据有无重大变化、负荷预测期限的长短^[2]。

电力负荷预测可以按照时间、行业、特性进行分类，其中最常见的是按照时间分类，分为长期、中期、短期和超短期负荷预测。其中，短期负荷预测一般指预测未来一天到几周的负荷数据，在电力企业的日常安全规范与电力调配上起着非常重要的作用。经过近现代国内外大量学者专家的研究，越来越多的数学模型开始在电力负荷预测上应用，如传统的回归分析和时间序列分析、近现代的人工神经网络和支持向量机^[2]等。其中，时间序列方法是被最广泛应用和研究的一种。它的核心思想是基于电力负荷数据可以被看成是以小时，天，周为周期的时间序列。其中对于短期负荷预测来说，由于它的预测时效最贴近日常人们的生产生活，所以对电力系统的优化最有意义，根据实际需求，通常短期的日负荷预测的误差要求不超过3%。电网的调度优化、电力企业的日常管理都要基于它，通过参考短期的负荷预测可以提前做出应对手段，如电力机组的启停，从而提高了电网输送的效率，避免了电力的冗余浪费。另外，在制定电价的问题上，也给用户和电力企业找到了一个平衡点，如阶梯价格。在电力转运方面，短期预测也起到了非常重要的作用，准确的短期电力负荷预测能够对供电、运电和用电三方进行有效的协调，并为此带来非常可观的经济效益。所以，短期电力负荷预测对于电价制定、机组启停、电力转运等方面都有着重要意义，从小的方面看，有效杜绝了区域电力过载，从大的方面来说，奠定了我国电力发展的基础。因此，继续对它做深入研究很有必要。

1.2 国内外研究现状

在电力负荷预测的研究领域里，国外的起步要比国内早，所以国外的已经部分投入实际应用，而且效果不错。而国内随着近几年科学技术的发展，理论方面也已经取得了长足的进步，但是在实际应用上还有所欠缺，并且已经开始在最新的研究领域如人工神经网络方向上进行研究，走在了世界前列。

Michael T.Rosenstein等人首先提出了时间序列数据挖掘的概念，并且经过后人的不断优化，在如今的人工智能方向上取得了显著效果。M.Gas等人则在数据处理的基础上通过序列重构来寻找序列中的规律。Han jiawei等人则在数据挖掘的基础上进行周期性的研究。除了单个时间序列外，Richard J.Povinelli提出了对多个时间序列进行处理的数据挖掘框架^[3]。

剩余内容已隐藏，请支付后下载全文，论文总字数：24779字