22、电力负荷预测与微带天线误差建模分析

电力负荷预测与微带天线误差建模分析

1. 电力负荷预测方法

在电力负荷预测领域，需要综合考虑影响因素分析和预测的特点。选择年最大电力负荷作为电力负荷测量指标，以年为数据时间跨度。因为数据间距过大，数据会受其他因素影响大，分析和预测不够准确；数据间距过小，所选数据又缺乏代表性。所以数据跨度取 6，即每次输入数据时长度保持为 6，并通过编程实现了用于电力负荷特性预测的 PCA - WGRA 算法。

为验证 PCA - WGRA 改进预测模型的有效性并防止偶然误差，以不同城市的实际数据为例对各城市后续电力负荷进行预测分析。这里以江苏省无锡市西北镇的实际数据为例，要预测的负荷特性是年最大负荷，影响因素包括常住人口、人均收入、GDP、农业总产值、工业总产值、第三产业产值、年平均温度、年降水量和年售电量。

具体预测过程如下：
1. 每次输入 6 个电力负荷特性及其影响因素的数据。
2. 先用单变量灰色预测模型在不分析影响因素的情况下对电力负荷特性本身进行预测。
3. 再分别使用基于 GRA 和 PCA - WGRA 的改进预测模型进行预测。
4. 最后输出 8 个预测值。

为定量比较各预测模型的预测效果，以下是各预测模型实际值与预测值的对比结果：
| No | 实际值 | GM(1, 1) 模型 | | GRA 模型 | | PCA - WGRA 模型 | |
| — | — | — | — | — | — | — | — |
| | | 预测值 | 误差 % | 预测值 | 误差 % | 预测值 | 误差 % |
| 1 | 30.16 | 30.19 | -0.1 | 30.19 | -0