新的负荷预测方法数据挖掘PPT课件

1、基于数据挖掘技术的短期负荷预测，清华大学电机系何光宇gyhe46，2， 纲要1.1基本概念1.2常用模型1.3问题2基于数据挖掘的新的负荷预测方法2.1负荷特性2.2气象要素对负荷的影响分析2.3负荷预测系统的概要2.4考虑了气象要素的负荷预测方法2.5展望和提高，3负荷预测分类：长期负荷预测(1年到数十年) 中期负荷预测(1月到1年)短期负荷预测(1日到1周)超短期负荷预测(1小时以内)，1.1基本知识(1)、4、1.1基本知识(、， 历史负荷数据库，历史天气和事件数据库，年预计负荷，月预计负荷，年交易计划数据库，月交易计划数据库，日交易计划数据库，公共数据库，日买电计划，年买电计划，月买电计划，月买电计划，月买电计划日负荷预测和交易计划决定系统、负荷预测引擎、年交易计划决定系统、月交易计划决定系统、日交易计划决定系统、通用数据库管理系统、报价数据、检查数据、在线交易支援系统、6， 回归预测模型随机时间序列模型灰色预测模型神经元网络模型的组合预测模型、1.2常用模型、7、回归预测模型影响负荷的因素多种多样，建立适当的预测函数非常困难，即使建立预测函数，在影响因素不断变化的条件下1.2.1回归预测模型，8、随机时间序列模型(ARIMA )体现了气候等因素不太变化时负荷随时间周期性变化的主要规律，预测效果良好，但不能考虑各种不确定因素的影响，随机因素的变化是否大？ 1.2.2随机时间序列模型、9、1.2.2灰色预测模型、灰色预测模型认为不规则负荷数据串累积后，可以生成指数增长规则的上升序列。 不能表现出短期负荷变化的周期性和随机性。10、由于经过神经元网络模型(ANN )训练的ANN不透明，ANN的知识表示高度分布，理想的信息处理过程非常困难。 神经网络有训练时间长收敛慢的弱点。 因为对原始数据的要求很高，所以需要进行不良的数据处理。 1.2.4神经元网络模型、11、组合预测模型该方法对预测精度的改进基于各种单个模型的预测结果。 在各种单个模型发生天气变化和重大事件的特殊日子里，发生的预测误差往往具有相同的倾向。 在对这些结果进行加权平均时，所得到的预测误差通常大于具有最高预测精度的单个模型。 1.2.5结合预测模型，12、1.3问题和难点(1)，负载受到各种非负载因素的影响越来越大。 非负荷要素多，包括各种气象要素，例如每天24点的温度、每天24点的降水量、舒适性、自来水等。这些非负荷因素同时作用于负荷是随着生产和生活水平的提高，负荷对非负荷因素的反应灵敏度也在不断变化，负荷受非负荷因素影响的规律也在不断变化。13、1.3问题和难点(2)、预测方法的选择传统方法应提供多种方法，为用户提供通用方法。 应提供14，2.1负荷特性的高增长率的年增长率的高冬夏增长率明显大于年平均增长率，某省的2001-2003年14:00负荷曲线显示，15，2.2非负荷因素对负荷的影响，各种非负荷因素：气象、季节、节日、特殊事件等，对负荷很大在气象对负荷的影响最大的众多气象要素中，温度在最重要的要素下简单说明，16，2.2非负荷要素对负荷的影响(1)-某时刻的温度对该时刻的负荷的影响，2001年的每天14:00温度和该时刻的负荷的关系，17， 2.2非负载要素对负载的影响(2)-某时刻的温度对该时刻的负载的影响2002年每天14:0温度和该时刻的负载的关系，18，2.2非负载要素对负载的影响(3)-某时刻的温度对该时刻的负载的影响，2003年每天14:0温度和该时刻的负载的19、2.2非负载要素对负载的影响(4)-多时刻的温度对某时刻的负载的影响、温度对负载的影响相当复杂，而且根据具有一定滞后的时间段，温度对负载的影响的延迟时间也有很大差异。 决策树技术是数据挖掘的重要方法。 这个方法可以从大量的数据中挖掘出很多要素对某个要素的影响规则，根据影响的强度用树来表现“知识”。20、2.2非负载要素对负载的影响(5)-各种非负载要素对某一时刻的负载的影响、当天5点的温度、星期六的日、8点的温度、昨天17点的温度、昨天20点的温度、901-121*x、965 273*x、2152 395*x、当晚23点2.3短期负荷预测系统概述(1) 1系统硬件结构2基于系统逻辑结构3B/S结构的一体化负荷预测包4负荷分析和负荷建模工具，22，2.3系统介绍(1)-硬件结构，23，2.3系统介绍(2)-软件2.3系统介绍(3) -基于b/s结构的一体化负载预测包基于b/s结构，应用程序在浏览器上运行，客户端安装零，维护零维持较强的安全性。 有IP地址验证功能，只有用户名、密码、IP地址一致的用户才能使用本系统。 智能、稳定、灵活的外部数据读取。 预测结果容易修改，以反映用户专家的知识。 用户在家也可以使用本系统，25，2.3系统介绍(4)-预测，26， 2.4考虑气象要素的负荷预测(1)，国内外的负荷预测方法概要古典预测方法的多线性回归时间序列方法的状态空间和卡尔曼滤波分析法指数平滑法现代预测方法专家系统法人工神经网络法模糊预测法，27， 2.4考虑天气因素的负荷预测(2)假日算法外推插值算法正常日算法决策树技术与时间序列结合的算法，28，2.4.1假日算法介绍，假日负荷有突变性，样本数少的每年假日负荷外推非常强的相似性上海市2000-2002年五一期间负荷数据，29，2.4.2正常日算法决策树技术和时间序列技术组合而成的决策树技术，根据各种非负荷要素进行分类，并在此基础上把负荷序列变为平稳的时间序列并利用时间序列技术，预测负荷考虑到预测日的各种非负荷要素，“ 着眼于从没有顺序的规则的事例推论决策树的表现形式的分类规则。 从根到叶节点的路径对应一个汇合规则，决策树整体对应一组提取式规则。，31，决策树技术概述(2)，决策树算法：树的生长算法和剪枝算法利用树的生长：训练样本集完成决策树的制作过程。 剪枝：利用检验样本集，消除树中不合理的分支，优化形成的决策树。 决策树技术：从大量数据中挖掘“知识”的当前负荷预测的难点在于，影响负荷变化的因素很多，无法正确地分析各变量对负荷的具体影响。 决策树技术利用信息论的知识，可以自动查找对负荷影响较大的数据，对原始数据进行分类，有效地处理大数据量的问题，32，决策树技术的概要(3)，33，时间序列技术(1)，时间序列法可以在20年代也是最广泛应用于负荷预测的方法。 时间序列法将数据视为随时间变化的一系列数据序列。 该序列一般被称为“时间序列”或“随机序列”。 负载序列具有时间序列的所有特性。 时间序列研究研究了预测对象本身的变化过程和发展趋势，序列稳定时，可以得到良好的预测效果。 序列不稳定时，直接应用的效果较低。，34，时间序列技术(2)-负载序列的平滑化，实际的负载序列，非平滑化，平滑化后的负载序列，平滑化，35，2.4.3天气预报误差对负载预测的影响，天气预报的准确性对负载预测的准确性的影响很大的例子1:2003-7