基于因子和趨勢分析反饋的多元回歸負荷預測

胡怡霜，夏 翔，丁 一，方建亮

（1.浙江大學 電氣工程學院，杭州 310007；2.國網浙江省電力有限公司，杭州 310007）

多年來，許多學者對負荷預測這一課題進行了深入研究，并提出了許多方法。文獻［1］研究了神經網絡算法在負荷預測中的應用，文獻［2］將神經網絡與線性回歸結合，分析氣象在負荷預測中的影響，文獻［3］將支持向量機用于短期負荷預測，文獻［4］在負荷預測中考慮溫度修正效應，完善負荷預測模型，文獻［5］采用小波分析考慮負荷預測，文獻［6］基于配用電數據進行短期負荷預測。

這些文獻在預測精度的驗證上都面臨著計算效率低的問題，尤其是在考慮氣象指標的大數據負荷預測方面。傳統的預測算法都是通過將歷史數據代入負荷預測模型，得到歷史預測數據，將其與實際的數據進行對比，從而驗證精度，然而該過程計算時間長，且步驟重復。多元非線性回歸預測是通過直接數據擬合得到非線性函數，但擬合精度限定值是固定值，即預測精度是一個靜態數值，且與實際負荷數據并沒有對比分析，而擬合得到的最終負荷預測函數往往難以修改，計算效率和計算精度較低。為了解決這些問題，本文提出了一種精度反饋預測的算法。

該算法主要由三大基本算法組成：因子分析算法、趨勢分析算法和多元非線性回歸算法。首先，利用因子分析和趨勢分析算法對歷史數據進行分析；其次，利用多元非線性回歸模型進行負荷預測，將氣象指標作為自變量，負荷數據作為因變量進行預測函數擬合；……