电力系统负荷的一元线性模型预测方法

邹祎

摘要：本文通过对北京地区电力系统历年负荷数据进行统计，建立了一元线性模型，对统计数据进行分析，根据模型对负荷数据规律进行总结，并在MATLAB平台上对总结规律进行检验。

Abstract： This paper gets statistics of power system in recent years in Beijing area and builds up a variate linear model to analyze the statistic. Then this paper concludes the law of power load statistic which is checked in MATLAB.

关键词： 电力系统负荷；负荷预测；一元线性回归；MATLAB；r检验

Key words： power system load；load predicting；variate linear model；MATLAB；r check

中图分类号：TM715 文献标识码：A 文章编号：1006-4311（2016）32-0072-02

0 引言

电力负荷预测对电力系统的调配、用电、规划、安排具有重要的意义。电力系统负荷预测技术的进步，对用电管理合理计划有利，对电网的合理运行、节约电能生产成本和降低能耗具有极其重大的意义，有利于加快电力行业的发展，有助于提高电力系统的经济效益和社会效益。

选择何种预测方法、技术是负荷预测的最关键的难点，即确定合适的预测数学模型。随着科技的进步，负荷预测技术不断发展，可供选择的预测方法较多，例如弹性系数法，近年出现的小波分析法、神经网络法。本文提出一种简单快捷的一元线性回归预测法，对北京未来几年内的电力系统负荷进行预测。

1 一元线性回归模型

一元线性回归中，x一般表示自变量，表示可以被精确观察的变量；y一般表示因变量，即随自变量的变化而变化的的量，在本文的模型中，自变量为时间，因变量为电力系统负荷，假设这两者之间的关系为：

该式为线性回归方程。

2 模型未知参数的设计

3 一元线性回归效果显著性的检验（r检验法）

一般利用相关相关系数表征研究变量y与变量x的线性相关程度。如式（9）。

4 一元线性回归模型的应用

表1为北京地区2003年至2012年的用电量。变量x和y的散点图如图1。

由图易得两种变量大致成一次函数关系，有：

所以拒绝H0，接受H1。所以可得用电量随着年份呈线性增长趋势。

为了使两者的线性关系得到更精确的体现，采用直线拟合法求解a，b。

在MATLAB中输入程序：

由表可得，一元线性回归模型预测精度及准确性比较高，应用性比较强。

6 结论

该模型利用较为成熟的一元线性回归方法对负荷数据进行统计分析，对负荷变化规律进行了总结，并进行了较为准确的预测。实际能构成对电力系统负荷的因素非常多，比如天气、自然灾害、气候异常、经济增长等，一元线性回归模型无法体现这些因素的影响，当负荷预测的精度要求较高时，该方法需要结合其他新方法才能更进一步的实现预测的目的。

参考文献：

[1]杨中华.一元线性回归模型在电力系统负荷预测中的应用与MATLAB实现[J].科技信息，2009.

[2]康重庆，夏清，刘梅.电力负荷预测[M].北京：中国电力出版社，2009.

[3]庄楚强，何春雄.应用数理统计基础[M].广州：华南理工出版社，2006.

[4]杜延松，沈艳军，覃太贵.数值分析及实验[M].北京：科学出版社，2006.

[5]吴起，宋立国，张宇飞.一元线性回归模型在负荷预测中的应用[J].中国电力教育2010年管理论丛与技术研究专利.