城市电量预测常用方法外推法

‘壹’ 预测模型可分为哪几类

根据方法本身的性质特点将预测方法分为三类。

1、定性预测方法

根据人们对系统过去和现在的经验、判断和直觉进行预测，其中以人的逻辑判断为主，仅要求提供系统发展的方向、状态、形势等定性结果。该方法适用于缺乏历史统计数据的系统对象。

2、时间序列分析

根据系统对象随时间变化的历史资料，只考虑系统变量随时间的变化规律，对系统未来的表现时间进行定量预测。主要包括移动平均法、指数平滑法、趋势外推法等。该方法适于利用简单统计数据预测研究对象随时间变化的趋势等。

3、因果关系预测

系统变量之间存在某种前因后果关系，找出影响某种结果的几个因素，建立因与果之间的数学模型，根据因素变量的变化预测结果变量的变化，既预测系统发展的方向又确定具体的数值变化规律。

(1)城市电量预测常用方法外推法扩展阅读：

预测模型是在采用定量预测法进行预测时，最重要的工作是建立预测数学模型。预测模型是指用于预测的，用数学语言或公式所描述的事物间的数量关系。它在一定程度上揭示了事物间的内在规律性，预测时把它作为计算预测值的直接依据。

因此，它对预测准确度有极大的影响。任何一种具体的预测方法都是以其特定的数学模型为特征。预测方法的种类很多，各有相应的预测模型。

趋势外推预测方法是根据事物的历史和现实数据，寻求事物随时间推移而发展变化的规律，从而推测其未来状况的一种常用的预测方法。

趋势外推法的假设条件是：

(1)假设事物发展过程没有跳跃式变化，即事物的发展变化是渐进型的。

(2)假设所研究系统的结构、功能等基本保持不变，即假定根据过去资料建立的趋势外推模型能适合未来，能代表未来趋势变化的情况。

由以上两个假设条件可知，趋势外推预测法是事物发展渐进过程的一种统计预测方法。简言之，就是运用一个数学模型，拟合一条趋势线，然后用这个模型外推预测未来时期事物的发展。

趋势外推预测法主要利用描绘散点图的方法(图形识别)和差分法计算进行模型选择。

主要优点是：可以揭示事物发展的未来，并定量地估价其功能特性。

趋势外推预测法比较适合中、长期新产品预测，要求有至少5年的数据资料。

组合预测法是对同一个问题，采用多种预测方法。组合的主要目的是综合利用各种方法所提供的信息，尽可能地提高预测精度。组合预测有 2 种基本形式，一是等权组合， 即各预测方法的预测值按相同的权数组合成新的预测值；二是不等权组合，即赋予不同预测方法的预测值不同的权数。

这 2 种形式的原理和运用方法完全相同，只是权数的取定有所区别。 根据经验，采用不等权组合的组合预测法结果较为准确。

回归预测方法是根据自变量和因变量之间的相关关系进行预测的。自变量的个数可以一个或多个，根据自变量的个数可分为一元回归预测和多元回归预测。同时根据自变量和因变量的相关关系，分为线性回归预测方法和非线性回归方法。

回归问题的学习等价于函数拟合：选择一条函数曲线使其很好的拟合已知数据且能很好的预测未知数据。

‘贰’ 负荷预测的预测方法

电力负荷预测分为经典预测方法和现代预测方法。 趋势外推法
就是根据负荷的变化趋势对未来负荷情况作出预测。电力负荷虽然具有随机性和不确定性，但在一定条件下，仍存在着明显的变化趋势，例如农业用电，在气候条件变化较小的冬季，日用电量相对稳定，表现为较平稳的变化趋势。这种变化趋势可为线性或非线性，周期性或非周期性等等。
时间序列法
时间序列法是一种最为常见的短期负荷预测方法，它是针对整个观测序列呈现出的某种随机过程的特性，去建立和估计产生实际序列的随机过程的模型，然后用这些模型去进行预测。它利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析处理，确定其基本特征和变化规律，预测未来负荷。
时间序列预测方法可分为确定型和随机性两类，确定型时间序列作为模型残差用于估计预测区间的大小。随机型时间序列预测模型可以看作一个线性滤波器。根据线性滤波器的特性，时间序列可划为自回归(AR)、动平均(MA)、自回归-动平均(ARMA)、累计式自回归-动平均(ARIMA)、传递函数(TF)几类模型，其负荷预测过程一般分为模型识别、模型参数估计、模型检验、负荷预测、精度检验预测值修正5个阶段。
回归分析法
回归分析法就是根据负荷过去的历史资料，建立可以分析的数学模型，对未来的负荷进行预测。利用数理统计中的回归分析方法，通过对变量的观测数据进行分析，确定变量之间的相互关系，从而实现预测。 20世纪80年代后期，一些基于新兴学科理论的现代预测方法逐渐得到了成功应用。这其中主要有灰色数学理论、专家系统方法、神经网络理论、模糊预测理论等。
灰色数学理论
灰色数学理论是把负荷序列看作一真实的系统输出，它是众多影响因子的综合作用结果。这些众多因子的未知性和不确定性，成为系统的灰色特性。灰色系统理论把负荷序列通过生成变换，使其变化为有规律的生成数列再建模，用于负荷预测。
专家系统方法
专家系统方法是对于数据库里存放的过去几年的负荷数据和天气数据等进行细致的分析，汇集有经验的负荷预测人员的知识，提取有关规则。借助专家系统，负荷预测人员能识别预测日所属的类型，考虑天气因素对负荷预测的影响，按照一定的推理进行负荷预测。
神经网络理论
神经网络理论是利用神经网络的学习功能，让计算机学习包含在历史负荷数据中的映射关系，再利用这种映射关系预测未来负荷。由于该方法具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场，但其缺点是学习收敛速度慢，可能收敛到局部最小点；并且知识表达困难，难以充分利用调度人员经验中存在的模糊知识。
模糊负荷预测
模糊负荷预测是近几年比较热门的研究方向。
模糊控制是在所采用的控制方法上应用了模糊数学理论，使其进行确定性的工作，对一些无法构造数学模型的被控过程进行有效控制。模糊系统不管其是如何进行计算的，从输入输出的角度讲它是一个非线性函数。模糊系统对于任意一个非线性连续函数，就是找出一类隶属函数，一种推理规则，一个解模糊方法，使得设计出的模糊系统能够任意逼近这个非线性函数。 (1)表格查寻法：
表格法是一种相对简单明了的算法。这个方法的基本思想是从已知输入--输出数据对中产生模糊规则，形成一个模糊规则库，最终的模糊逻辑系统将从组合模糊规则库中产生。
这是一种简单易行的易于理解的算法，因为它是个顺序生成过程，无需反复学习，因此，这个方法同样具有模糊系统优于神经网络系统的一大优点，即构造起来既简单又快速。
(2)基于神经网络集成的高木-关野模糊预测算法：
它是利用神经网络来求得条件部输入变量的联合隶属函数。结论部的函数f(X)也可以用神经网络来表示。神经网络均采用前向型的BP网络。
(3)改进的模糊神经网络模型的算法：
模糊神经网络即全局逼近器。模糊系统与神经网络似乎有着天然的联系，模糊神经网络在本质上是模糊系统的实现，就是将常规的神经网络(如前向反馈神经网络，HoPfield神经网络)赋予模糊输入信号和模糊权。
对于复杂的系统建模，已经有了许多方法，并已取得良好的应用效果。但主要缺点是模型精度不高，训练时间太长。此种方法的模型物理意义明显，精度高，收敛快，属于改进型算法。
(4)反向传播学习算法：
模糊逻辑系统应用主要在于它能够作为非线性系统的模型，包括含有人工操作员的非线性系统的模型。因此，从函数逼近意义上考虑，研究模糊逻辑系统的非线性映射能力显得非常重要。函数逼近就是模糊逻辑系统可以在任意精度上，一致逼近任何定义在一个致密集上的非线性函数，其优势在于它有能够系统而有效地利用语言信息的能力。万能逼近定理表明一定存在这样一个可以在任意精度逼近任意给定函数的高斯型模糊逻辑系统。反向传播BP学习算法用来确定高斯型模糊逻辑系统的参数，经过辨识的模型能够很好的逼近真实系统，进而达到提高预测精度的目的。

‘叁’ 外推法的常见类型

定量分析中的外推法：
1、趋势平均法
所谓趋势平均法，是指以最近若干时期的平均值为基础，来计算预测期预期值的一种方法。
2、指数平滑法
指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。
经济上的外推法：
1、双外推法
双外推法是在基期不变价总产出和中间投入的基础上，分别用总产出物量指数和中间投入物量指数外推出当期不变价总产出和中间投入，当期不变价总产出减不变价中间投入得出当期不变价增加值。
2、单外推法
单外推法一般是利用总产出物量指数乘以基期不变价增加值，求得当期不变价增加值。这种方法是假定中间投入的物量变化与总产出的物量变化基本上保持相同的幅度。 趋势外推的基本假设是未来系过去和现在连续发展的结果。
趋势外推法的基本理论是：决定事物过去发展的因素，在很大程度上也决定该事物未来的发展，其变化，不会太大；事物发展过程一般都是渐进式的变化，而不是跳跃式的变化掌握事物的发展规律，依据这种规律推导，就可以预测出它的未来趋势和状态。
趋势外推法首先由R.赖恩（Rhyne）用于科技预测。他认为，应用趋势外推法进行预测，主要包括以下6个步骤：
（1）选择预测参数
（2）收集必要的数据
（3）拟合曲线
（4）趋势外推
（5）预测说明
（6）研究预测结果在制订规划和决策中的应用。
趋势外推法是在对研究对象过去和现在的发展作了全面分析之后，利用某种模型描述某一参数的变化规律，然后以此规律进行外推。为了拟合数据点，实际中最常用的是一些比较简单的函数模型，如线性模型、指数曲线、生长曲线、包络曲线等。 指数曲线法（Exponentialcurve）是一种重要的趋势外推法。当描述某一客观事物的指标或参数在散点图上的数据点构成指数曲线或近似指数曲线时，表明该事物的发展是按指数规律或近似指数规律变化。如果在预测期限内，有理由说明该事物仍将按此规律发展，则可按指数曲线外推。
许多研究结果表明，技术发展，有时包括社会发展，其定量特性往往表现为按指数规律或近似指数规律增长，一种技术的发展通常要经过发生、发展和成熟3个阶段。在技术发展进入阶段之前，有一个高速发展时期。一般地说，在这个时期内，很多技术特性的发展是符合指数增长规律的。例如，运输工具的速度、发动机效率、电站容量、计算机的存贮容量和运算速度等，其发展规律均表现为指数增长趋势。
对于处在发生和发展阶段的技术，指数曲线法是一种重要的预测方法，一次指数曲线因与这个阶段的发展趋势相适应，所以比较适合处于发生和发展阶段技术的预测，一次指数曲线也可用于经济预测，因为它与许多经济现象的发展过程相适应，二次指数曲线和修正指数曲线则主要用于经济方面的预测。 生长曲线模型（Growthcurvemodels）可以描述事物发生、发展和成熟的全过程，是情报研究中常用的一种方法。
生物群体的生长，例如人口的增加、细胞的繁琐，开始几乎都是按指数函数的规律增长的。在达到一定的生物密度以后，由于自身和环境的制约作用，逐渐趋于一稳定状态。通过对技术发展过程的研究，发现也具有类似的规律。由于技术性能的提高与生物群体的生长存在着这种非严谨的类似，因而可用生长曲线模拟技术的发展过程。
生长曲线法几乎可用来研究每个技术领域的发展，它不仅可以描述技术发展的基本倾向，而更重要的是，它可以说明一项技术的增长由高速发展变为缓慢发展的转折时期，为规划决策确定开发新技术的恰当时机提供依据。
有些经济现象也符合或近似生长曲线的变化规律，因而它也完全可以用来研究经济领域的问题。

‘肆’ 电力负荷预测的常用方法有哪些

有：1、小波法
2、神经网络法
3、时间顺序法
4、灰色模型法
5、趋势分析法
6、回归分析法
7、指数平滑法
8、专家系统法
9、电力弹性系数法
10、优选组合预测法 等等。

‘伍’ 外推法是什么意思

外推法(extrapolate)通俗地说，它是一种很好的近似计算方法。对于已求得的低精度近似值，只要作几次最简单的四则运算，便立刻得到高精度的近似值。更简单地说，它是一种把低精度近似值加工到高精度的近似值的一种方法，简称精加工。

相关如下

外推法（Extrapolation）是根据过去和现在的发展趋势推断未来的一类方法的总称，用于科技、经济和社会发展的预测，是情报研究法体系的重要部分。

有关外推法的相关解释：

1、外推法利用过去和现在已知其构成规律的动态统计数列向未来的延伸的方法。

2、外推法是把现有的科学结论或结果推广到该领域以外的未知领域中去。它是猜想的方法之一，也可以说是类比推理的一种特殊应用。

3、外推法是指采用后向数值误差估计思想由精确解推出近似解的误差值。