城市電量預測常用方法外推法

『壹』 預測模型可分為哪幾類

根據方法本身的性質特點將預測方法分為三類。

1、定性預測方法

根據人們對系統過去和現在的經驗、判斷和直覺進行預測，其中以人的邏輯判斷為主，僅要求提供系統發展的方向、狀態、形勢等定性結果。該方法適用於缺乏歷史統計數據的系統對象。

2、時間序列分析

根據系統對象隨時間變化的歷史資料，只考慮系統變數隨時間的變化規律，對系統未來的表現時間進行定量預測。主要包括移動平均法、指數平滑法、趨勢外推法等。該方法適於利用簡單統計數據預測研究對象隨時間變化的趨勢等。

3、因果關系預測

系統變數之間存在某種前因後果關系，找出影響某種結果的幾個因素，建立因與果之間的數學模型，根據因素變數的變化預測結果變數的變化，既預測系統發展的方向又確定具體的數值變化規律。

(1)城市電量預測常用方法外推法擴展閱讀：

預測模型是在採用定量預測法進行預測時，最重要的工作是建立預測數學模型。預測模型是指用於預測的，用數學語言或公式所描述的事物間的數量關系。它在一定程度上揭示了事物間的內在規律性，預測時把它作為計算預測值的直接依據。

因此，它對預測准確度有極大的影響。任何一種具體的預測方法都是以其特定的數學模型為特徵。預測方法的種類很多，各有相應的預測模型。

趨勢外推預測方法是根據事物的歷史和現實數據，尋求事物隨時間推移而發展變化的規律，從而推測其未來狀況的一種常用的預測方法。

趨勢外推法的假設條件是：

(1)假設事物發展過程沒有跳躍式變化，即事物的發展變化是漸進型的。

(2)假設所研究系統的結構、功能等基本保持不變，即假定根據過去資料建立的趨勢外推模型能適合未來，能代表未來趨勢變化的情況。

由以上兩個假設條件可知，趨勢外推預測法是事物發展漸進過程的一種統計預測方法。簡言之，就是運用一個數學模型，擬合一條趨勢線，然後用這個模型外推預測未來時期事物的發展。

趨勢外推預測法主要利用描繪散點圖的方法(圖形識別)和差分法計算進行模型選擇。

主要優點是：可以揭示事物發展的未來，並定量地估價其功能特性。

趨勢外推預測法比較適合中、長期新產品預測，要求有至少5年的數據資料。

組合預測法是對同一個問題，採用多種預測方法。組合的主要目的是綜合利用各種方法所提供的信息，盡可能地提高預測精度。組合預測有 2 種基本形式，一是等權組合， 即各預測方法的預測值按相同的權數組合成新的預測值；二是不等權組合，即賦予不同預測方法的預測值不同的權數。

這 2 種形式的原理和運用方法完全相同，只是權數的取定有所區別。 根據經驗，採用不等權組合的組合預測法結果較為准確。

回歸預測方法是根據自變數和因變數之間的相關關系進行預測的。自變數的個數可以一個或多個，根據自變數的個數可分為一元回歸預測和多元回歸預測。同時根據自變數和因變數的相關關系，分為線性回歸預測方法和非線性回歸方法。

回歸問題的學習等價於函數擬合：選擇一條函數曲線使其很好的擬合已知數據且能很好的預測未知數據。

『貳』 負荷預測的預測方法

電力負荷預測分為經典預測方法和現代預測方法。 趨勢外推法
就是根據負荷的變化趨勢對未來負荷情況作出預測。電力負荷雖然具有隨機性和不確定性，但在一定條件下，仍存在著明顯的變化趨勢，例如農業用電，在氣候條件變化較小的冬季，日用電量相對穩定，表現為較平穩的變化趨勢。這種變化趨勢可為線性或非線性，周期性或非周期性等等。
時間序列法
時間序列法是一種最為常見的短期負荷預測方法，它是針對整個觀測序列呈現出的某種隨機過程的特性，去建立和估計產生實際序列的隨機過程的模型，然後用這些模型去進行預測。它利用了電力負荷變動的慣性特徵和時間上的延續性，通過對歷史數據時間序列的分析處理，確定其基本特徵和變化規律，預測未來負荷。
時間序列預測方法可分為確定型和隨機性兩類，確定型時間序列作為模型殘差用於估計預測區間的大小。隨機型時間序列預測模型可以看作一個線性濾波器。根據線性濾波器的特性，時間序列可劃為自回歸(AR)、動平均(MA)、自回歸-動平均(ARMA)、累計式自回歸-動平均(ARIMA)、傳遞函數(TF)幾類模型，其負荷預測過程一般分為模型識別、模型參數估計、模型檢驗、負荷預測、精度檢驗預測值修正5個階段。
回歸分析法
回歸分析法就是根據負荷過去的歷史資料，建立可以分析的數學模型，對未來的負荷進行預測。利用數理統計中的回歸分析方法，通過對變數的觀測數據進行分析，確定變數之間的相互關系，從而實現預測。 20世紀80年代後期，一些基於新興學科理論的現代預測方法逐漸得到了成功應用。這其中主要有灰色數學理論、專家系統方法、神經網路理論、模糊預測理論等。
灰色數學理論
灰色數學理論是把負荷序列看作一真實的系統輸出，它是眾多影響因子的綜合作用結果。這些眾多因子的未知性和不確定性，成為系統的灰色特性。灰色系統理論把負荷序列通過生成變換，使其變化為有規律的生成數列再建模，用於負荷預測。
專家系統方法
專家系統方法是對於資料庫里存放的過去幾年的負荷數據和天氣數據等進行細致的分析，匯集有經驗的負荷預測人員的知識，提取有關規則。藉助專家系統，負荷預測人員能識別預測日所屬的類型，考慮天氣因素對負荷預測的影響，按照一定的推理進行負荷預測。
神經網路理論
神經網路理論是利用神經網路的學習功能，讓計算機學習包含在歷史負荷數據中的映射關系，再利用這種映射關系預測未來負荷。由於該方法具有很強的魯棒性、記憶能力、非線性映射能力以及強大的自學習能力，因此有很大的應用市場，但其缺點是學習收斂速度慢，可能收斂到局部最小點；並且知識表達困難，難以充分利用調度人員經驗中存在的模糊知識。
模糊負荷預測
模糊負荷預測是近幾年比較熱門的研究方向。
模糊控制是在所採用的控制方法上應用了模糊數學理論，使其進行確定性的工作，對一些無法構造數學模型的被控過程進行有效控制。模糊系統不管其是如何進行計算的，從輸入輸出的角度講它是一個非線性函數。模糊系統對於任意一個非線性連續函數，就是找出一類隸屬函數，一種推理規則，一個解模糊方法，使得設計出的模糊系統能夠任意逼近這個非線性函數。 (1)表格查尋法：
表格法是一種相對簡單明了的演算法。這個方法的基本思想是從已知輸入--輸出數據對中產生模糊規則，形成一個模糊規則庫，最終的模糊邏輯系統將從組合模糊規則庫中產生。
這是一種簡單易行的易於理解的演算法，因為它是個順序生成過程，無需反復學習，因此，這個方法同樣具有模糊系統優於神經網路系統的一大優點，即構造起來既簡單又快速。
(2)基於神經網路集成的高木-關野模糊預測演算法：
它是利用神經網路來求得條件部輸入變數的聯合隸屬函數。結論部的函數f(X)也可以用神經網路來表示。神經網路均採用前向型的BP網路。
(3)改進的模糊神經網路模型的演算法：
模糊神經網路即全局逼近器。模糊系統與神經網路似乎有著天然的聯系，模糊神經網路在本質上是模糊系統的實現，就是將常規的神經網路(如前向反饋神經網路，HoPfield神經網路)賦予模糊輸入信號和模糊權。
對於復雜的系統建模，已經有了許多方法，並已取得良好的應用效果。但主要缺點是模型精度不高，訓練時間太長。此種方法的模型物理意義明顯，精度高，收斂快，屬於改進型演算法。
(4)反向傳播學習演算法：
模糊邏輯系統應用主要在於它能夠作為非線性系統的模型，包括含有人工操作員的非線性系統的模型。因此，從函數逼近意義上考慮，研究模糊邏輯系統的非線性映射能力顯得非常重要。函數逼近就是模糊邏輯系統可以在任意精度上，一致逼近任何定義在一個緻密集上的非線性函數，其優勢在於它有能夠系統而有效地利用語言信息的能力。萬能逼近定理表明一定存在這樣一個可以在任意精度逼近任意給定函數的高斯型模糊邏輯系統。反向傳播BP學習演算法用來確定高斯型模糊邏輯系統的參數，經過辨識的模型能夠很好的逼近真實系統，進而達到提高預測精度的目的。

『叄』 外推法的常見類型

定量分析中的外推法：
1、趨勢平均法
所謂趨勢平均法，是指以最近若干時期的平均值為基礎，來計算預測期預期值的一種方法。
2、指數平滑法
指數平滑法是在移動平均法基礎上發展起來的一種時間序列分析預測法，它是通過計算指數平滑值，配合一定的時間序列預測模型對現象的未來進行預測。
經濟上的外推法：
1、雙外推法
雙外推法是在基期不變價總產出和中間投入的基礎上，分別用總產出物量指數和中間投入物量指數外推出當期不變價總產出和中間投入，當期不變價總產出減不變價中間投入得出當期不變價增加值。
2、單外推法
單外推法一般是利用總產出物量指數乘以基期不變價增加值，求得當期不變價增加值。這種方法是假定中間投入的物量變化與總產出的物量變化基本上保持相同的幅度。 趨勢外推的基本假設是未來系過去和現在連續發展的結果。
趨勢外推法的基本理論是：決定事物過去發展的因素，在很大程度上也決定該事物未來的發展，其變化，不會太大；事物發展過程一般都是漸進式的變化，而不是跳躍式的變化掌握事物的發展規律，依據這種規律推導，就可以預測出它的未來趨勢和狀態。
趨勢外推法首先由R.賴恩（Rhyne）用於科技預測。他認為，應用趨勢外推法進行預測，主要包括以下6個步驟：
（1）選擇預測參數
（2）收集必要的數據
（3）擬合曲線
（4）趨勢外推
（5）預測說明
（6）研究預測結果在制訂規劃和決策中的應用。
趨勢外推法是在對研究對象過去和現在的發展作了全面分析之後，利用某種模型描述某一參數的變化規律，然後以此規律進行外推。為了擬合數據點，實際中最常用的是一些比較簡單的函數模型，如線性模型、指數曲線、生長曲線、包絡曲線等。 指數曲線法（Exponentialcurve）是一種重要的趨勢外推法。當描述某一客觀事物的指標或參數在散點圖上的數據點構成指數曲線或近似指數曲線時，表明該事物的發展是按指數規律或近似指數規律變化。如果在預測期限內，有理由說明該事物仍將按此規律發展，則可按指數曲線外推。
許多研究結果表明，技術發展，有時包括社會發展，其定量特性往往表現為按指數規律或近似指數規律增長，一種技術的發展通常要經過發生、發展和成熟3個階段。在技術發展進入階段之前，有一個高速發展時期。一般地說，在這個時期內，很多技術特性的發展是符合指數增長規律的。例如，運輸工具的速度、發動機效率、電站容量、計算機的存貯容量和運算速度等，其發展規律均表現為指數增長趨勢。
對於處在發生和發展階段的技術，指數曲線法是一種重要的預測方法，一次指數曲線因與這個階段的發展趨勢相適應，所以比較適合處於發生和發展階段技術的預測，一次指數曲線也可用於經濟預測，因為它與許多經濟現象的發展過程相適應，二次指數曲線和修正指數曲線則主要用於經濟方面的預測。 生長曲線模型（Growthcurvemodels）可以描述事物發生、發展和成熟的全過程，是情報研究中常用的一種方法。
生物群體的生長，例如人口的增加、細胞的繁瑣，開始幾乎都是按指數函數的規律增長的。在達到一定的生物密度以後，由於自身和環境的制約作用，逐漸趨於一穩定狀態。通過對技術發展過程的研究，發現也具有類似的規律。由於技術性能的提高與生物群體的生長存在著這種非嚴謹的類似，因而可用生長曲線模擬技術的發展過程。
生長曲線法幾乎可用來研究每個技術領域的發展，它不僅可以描述技術發展的基本傾向，而更重要的是，它可以說明一項技術的增長由高速發展變為緩慢發展的轉折時期，為規劃決策確定開發新技術的恰當時機提供依據。
有些經濟現象也符合或近似生長曲線的變化規律，因而它也完全可以用來研究經濟領域的問題。

『肆』 電力負荷預測的常用方法有哪些

有：1、小波法
2、神經網路法
3、時間順序法
4、灰色模型法
5、趨勢分析法
6、回歸分析法
7、指數平滑法
8、專家系統法
9、電力彈性系數法
10、優選組合預測法 等等。

『伍』 外推法是什麼意思

外推法(extrapolate)通俗地說，它是一種很好的近似計算方法。對於已求得的低精度近似值，只要作幾次最簡單的四則運算，便立刻得到高精度的近似值。更簡單地說，它是一種把低精度近似值加工到高精度的近似值的一種方法，簡稱精加工。

相關如下

外推法（Extrapolation）是根據過去和現在的發展趨勢推斷未來的一類方法的總稱，用於科技、經濟和社會發展的預測，是情報研究法體系的重要部分。

有關外推法的相關解釋：

1、外推法利用過去和現在已知其構成規律的動態統計數列向未來的延伸的方法。

2、外推法是把現有的科學結論或結果推廣到該領域以外的未知領域中去。它是猜想的方法之一，也可以說是類比推理的一種特殊應用。

3、外推法是指採用後向數值誤差估計思想由精確解推出近似解的誤差值。