電力系統(tǒng)短期需求預(yù)料理論與方法清華高校北京科技有限公司2006年9月技術(shù)路途預(yù)料原理分析數(shù)據(jù)分析與處理預(yù)料方法庫同類型日信號預(yù)料綜合預(yù)料模型因素映射負(fù)荷規(guī)律性分析正常日預(yù)料節(jié)假日預(yù)料預(yù)料內(nèi)容預(yù)料機(jī)制新息利用頻域分解實(shí)時(shí)氣象特色預(yù)料自適應(yīng)技術(shù)發(fā)展新方向主要因素分析體會與思索短期負(fù)荷預(yù)料的重要性為電力系統(tǒng)平安調(diào)度、經(jīng)濟(jì)運(yùn)行供應(yīng)負(fù)荷數(shù)據(jù)精確預(yù)料負(fù)荷的大小及其出現(xiàn)的時(shí)間，對電力系統(tǒng)運(yùn)行成本的影響很大預(yù)料數(shù)據(jù)用于：機(jī)組組合決策正常運(yùn)行機(jī)組決策開停機(jī)支配，以最小化運(yùn)行成本水電支配，決策水庫調(diào)度水電-火電協(xié)調(diào)互聯(lián)電網(wǎng)交換支配電網(wǎng)潮流/負(fù)載率預(yù)料電力系統(tǒng)平安評估實(shí)時(shí)調(diào)度發(fā)電側(cè)市場中預(yù)料工作的重要性在支配經(jīng)濟(jì)體制下，假如發(fā)覺預(yù)料的偏差較大，機(jī)組出力的支配不滿足要求，將在實(shí)時(shí)運(yùn)行過程中盡可能通過調(diào)度手段進(jìn)行調(diào)整，由于廠網(wǎng)不分，因此預(yù)料偏差較大所造成的運(yùn)行費(fèi)用的增加并沒有被深化追究。由于引進(jìn)了市場機(jī)制，發(fā)電側(cè)市場中預(yù)料工作的重要性顯得更為突出。此時(shí)，負(fù)荷預(yù)料的誤差干脆影響購電支配的制定，例如，日前市場中負(fù)荷預(yù)料偏低，將導(dǎo)致在實(shí)時(shí)市場上購買昂貴的高峰電力；日前市場中負(fù)荷預(yù)料偏高，將導(dǎo)致更多的機(jī)組在日前的預(yù)調(diào)度支配中組合進(jìn)來，由此會支付過多的容量成本和啟停費(fèi)用。這將干脆影響電力企業(yè)的經(jīng)濟(jì)效益。因此，必需加倍重視發(fā)電側(cè)市場中的預(yù)料工作，努力提高系統(tǒng)運(yùn)行的效益。短期預(yù)料的特點(diǎn)每日循環(huán)滾動預(yù)料預(yù)料細(xì)化到每個(gè)時(shí)段可以單獨(dú)預(yù)料日峰值負(fù)荷可以單獨(dú)預(yù)料日電量負(fù)荷預(yù)料的影響因素時(shí)間因素季節(jié)性：負(fù)荷規(guī)律明顯區(qū)分周的周期性工作日的規(guī)律周末規(guī)律節(jié)假日的規(guī)律短期預(yù)料問題歷史數(shù)據(jù)-預(yù)料結(jié)果周期性周末負(fù)荷明顯低工作日相像性日曲線形態(tài)相像性負(fù)荷分析負(fù)荷分析是負(fù)荷預(yù)料的基礎(chǔ)工作，只有對本地區(qū)負(fù)荷做出全面的分析，才能找到歷史負(fù)荷的發(fā)生規(guī)律，才能幫助電力調(diào)度及營銷工作人員精確把握電力市場的脈搏，正確估計(jì)將來市場的走勢系統(tǒng)供應(yīng)多層次、多角度的圖表分析功能，包括：按功能范圍劃分：

電量分析、負(fù)荷分析、綜合指標(biāo)分析、大用戶分析按時(shí)間范圍劃分：

日、月、季、年負(fù)荷特性分析、按預(yù)料種類分正常日與節(jié)假日特性分析，其它指標(biāo)特性分析負(fù)荷分析--負(fù)荷特性分析日、月、年最大最小負(fù)荷、平均負(fù)荷變更規(guī)律。日、月、年最大最小負(fù)荷率、峰谷差特性分析。日、月、年典型負(fù)荷曲線。春節(jié)日負(fù)荷曲線元旦日負(fù)荷曲線五一日負(fù)荷曲線十一日負(fù)荷曲線元宵節(jié)日負(fù)荷曲線中秋節(jié)日負(fù)荷曲線日、月、季、年負(fù)荷概率分布多日負(fù)荷曲線比較多日最高最低負(fù)荷曲線年最高最低負(fù)荷比率多日時(shí)段范圍的負(fù)荷變更比率多日負(fù)荷趨勢分析負(fù)荷分析--負(fù)荷指標(biāo)分析電力負(fù)荷預(yù)料的預(yù)處理技術(shù)異樣值處理技術(shù)（1）設(shè)負(fù)荷歷史數(shù)據(jù)為x1,x2,…,xn,取平均值p=1/n(x1+x2+…+xn)若xi>p(1+20%),取xi＝p(1+20%)；若xi<p(1-20%),取xi＝p(1-20%)；從而使歷史數(shù)據(jù)序列趨于平穩(wěn)。（2）剔除異樣值、削減異樣值。（3）非平穩(wěn)序列平穩(wěn)化、灰色累加生成技術(shù)等。電力負(fù)荷預(yù)料的預(yù)處理技術(shù)曲線檢測技術(shù)（1）接近日/歷史同類型日檢測（2）檢測壞數(shù)據(jù)，替換為可能的數(shù)據(jù)（3）填補(bǔ)數(shù)據(jù)的缺失電力負(fù)荷變更規(guī)律性的數(shù)值化檢測與識別目前對于短期預(yù)料的探討，主要集中于預(yù)料方法本身比較忽視對電力負(fù)荷自身的規(guī)律性的深層次分析不同地區(qū)、不同時(shí)段負(fù)荷規(guī)律性的差異都會對負(fù)荷預(yù)料結(jié)果產(chǎn)生支配性的影響！缺少對負(fù)荷規(guī)律性及其對預(yù)料誤差影響的探討，使得預(yù)料工作對負(fù)荷的分析不夠全面如此的負(fù)荷分析：負(fù)荷自身變更規(guī)律的檢測與識別歷史負(fù)荷的負(fù)荷成分分析技術(shù)負(fù)荷中的隨機(jī)重量將干脆關(guān)系到負(fù)荷預(yù)料的精確度對一個(gè)地區(qū)的負(fù)荷預(yù)料所能夠達(dá)到的精確率進(jìn)行預(yù)評估具有指導(dǎo)性意義頻域分析法：是對一個(gè)地區(qū)較長一段時(shí)期內(nèi)的歷史負(fù)荷進(jìn)行頻域分析，通過區(qū)分其中的低頻重量和高頻重量，得到隨機(jī)重量占負(fù)荷總量的比重，以評估負(fù)荷預(yù)料能夠達(dá)到的精確率負(fù)荷預(yù)料的方法庫一元線性回來法分段趨勢法點(diǎn)對點(diǎn)倍比法倍比平滑法重疊曲線法變更系數(shù)法新息點(diǎn)對點(diǎn)倍比法新息倍比平滑法新息重疊曲線法新息變更系數(shù)法模式識別法相像度外推法實(shí)時(shí)因素ANN預(yù)料法頻域分析預(yù)料法通用ANN預(yù)料法。。。。。正常日預(yù)料的特點(diǎn)點(diǎn)對點(diǎn)倍比法倍比平滑法重迭曲線法負(fù)荷完整曲線第1日第2日第3日其他？不同思路，構(gòu)造不同預(yù)料方法一元線性外推多點(diǎn)外推。。。。。。節(jié)假日預(yù)料節(jié)假日的負(fù)荷特性與正常日有很大區(qū)分預(yù)料精度往往比不上正常日，因?yàn)闅v史數(shù)據(jù)缺乏節(jié)假日預(yù)料的特點(diǎn)節(jié)假日預(yù)料方法點(diǎn)對點(diǎn)倍比平滑逐點(diǎn)增長率。。。。。。信號預(yù)料利用連續(xù)負(fù)荷構(gòu)成的信號進(jìn)行預(yù)料，或者稱為時(shí)序預(yù)料神經(jīng)網(wǎng)絡(luò)技術(shù)神經(jīng)網(wǎng)絡(luò)預(yù)料技術(shù)運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行電力負(fù)荷預(yù)料，其優(yōu)點(diǎn)是:可以仿照人腦的智能化處理，對大量非結(jié)構(gòu)性、非精確性規(guī)律具有自適應(yīng)功能，具有信息記憶、自主學(xué)習(xí)、學(xué)問推理和優(yōu)化計(jì)算的特點(diǎn)其自學(xué)習(xí)和自適應(yīng)功能是常規(guī)算法所不具備的。ANN預(yù)料的示例人工神經(jīng)網(wǎng)絡(luò)法負(fù)荷預(yù)料的影響因素氣象因素天氣類型（晴、陰、多云。。。）溫度：最高/最低/平均濕度降雨/降雪風(fēng)速現(xiàn)成的閱歷可參考：氣象部門獲得信息的微小環(huán)節(jié)要求其他地方應(yīng)用時(shí)的技術(shù)協(xié)議氣象數(shù)據(jù)接口氣象校正方法動身點(diǎn)：氣象因素具有強(qiáng)相關(guān)性，必需強(qiáng)化其影響。氣象因素的影響是在基本負(fù)荷上的波動。 氣象因素具有隱含性，在歷史數(shù)據(jù)的周期性參量中包含有相應(yīng)的氣象信息思路：異樣日的確定相像日的確定氣象因素的校正補(bǔ)償規(guī)范化的相關(guān)因素處理策略問題的提出相關(guān)因素對短期負(fù)荷的影響具有相像性、實(shí)時(shí)性以及隱含性如何對影響負(fù)荷的相關(guān)因素的影響進(jìn)行量化基本相關(guān)因素指標(biāo)化分類為定量的指標(biāo)：日類型、天氣類型等原始定量指標(biāo)：最高、最低、平均溫度、風(fēng)速、濕度等每日相關(guān)因素可以表示為（因素一，因素二，因素三……）：（星期四，晴，35攝氏度…）上述表示方法須要解決的問題各個(gè)因素的量綱不同，如何量化不同因素對負(fù)荷的影響的大?。恳?guī)范化的相關(guān)因素處理策略量化的基本思路須要把不同因素值影射到一個(gè)可以相互比較的區(qū)間內(nèi)，如：（0,1）用模式識別中的聚類分析的思想，用一個(gè)映射函數(shù)對各因素對各日的負(fù)荷的影響量化例如：（星期四，晴，35攝氏度…）=>（0.25,0.12,0.88…）映射函數(shù)的表示問題：這里的映射函數(shù)不能顯式的用函數(shù)表達(dá)式表示，是一個(gè)不確定的非線性函數(shù)映射函數(shù)表示方法：對各個(gè)相關(guān)因素的映射函數(shù)進(jìn)行抽樣（離散映射對）因素值映射方法：在各個(gè)相關(guān)因素的映射函數(shù)的抽樣點(diǎn)之間插值求得映射后的取值規(guī)范化的相關(guān)因素處理策略映射（數(shù)據(jù)）庫的設(shè)計(jì)特征量名稱特征量描述映射前取值映射后取值日類型星期一10.10日類型星期二20.15日類型星期三30.18…………最高溫度28攝氏度280.20最高溫度33攝氏度330.58最高溫度35攝氏度350.88…………自動識別相關(guān)因素影響的靈敏度規(guī)范化的相關(guān)因素處理策略兩種類別的相關(guān)因素的映射方法化分類為定量的指標(biāo)（例如：日類型->星期一、二…）：可以通過映射對干脆找到映射后的取值；原始定量的指標(biāo)（例如：最高溫度=>28、33、35攝氏度…）：取得相鄰的兩個(gè)映射函數(shù)采樣點(diǎn)，做插值即可，如34度在33和35度間插值；映射庫的特點(diǎn)可靈敏的增加刪除映射映射函數(shù)的抽樣關(guān)鍵點(diǎn)；可靈敏的修改映射映射函數(shù)的映射后取值以獲得合理的映射結(jié)果（本文后面將提出一種依據(jù)虛擬預(yù)料思想優(yōu)化調(diào)整映射后取值的算法）；可靈敏增加相關(guān)因素的個(gè)數(shù)（比如有了新的相關(guān)因素的數(shù)據(jù)積累，可增加一個(gè)新的相關(guān)因素，而不須要修改預(yù)料程序）；規(guī)范化的相關(guān)因素處理策略不同日的差異度與相像度（聚類分析方法）兩天之間的差異/相像程度的數(shù)值Minkowski距離（Euclid距離）：Lance-Williams距離：夾角余弦：規(guī)范化的處理相關(guān)因素新策略動身點(diǎn)：模式識別,聚類分析,差異/相像度實(shí)際處理：差異度與相像度的計(jì)算技巧：映射數(shù)據(jù)庫的設(shè)計(jì)特點(diǎn)：規(guī)范化各種分類/量化因素可以隨時(shí)自由增加新因素程序處理無須修改各地區(qū)選擇不同參數(shù)輸入映射數(shù)據(jù)庫改造已有方法基于模式識別的短期預(yù)料方法相關(guān)因素庫訓(xùn)練算法問題的提出短期負(fù)荷預(yù)料中，映射庫的設(shè)計(jì)是一個(gè)核心問題；各種相關(guān)因素的映射表長度是由用戶定義的（憑閱歷），各個(gè)映射對（相關(guān)因素取值映射后的取值）也是由用戶自己摸索的閱歷結(jié)果；工作量特殊大，且簡潔丟棄很多方案，又須要常常調(diào)整；須要一個(gè)自適應(yīng)訓(xùn)練算法，此訓(xùn)練過程總是可以找到一個(gè)比較合理的新映射表，在效果上明顯優(yōu)于原始映射表和大多數(shù)其它的映射方案；所謂的自適應(yīng)算法必需是能夠針對不同地區(qū)或者同一個(gè)地區(qū)不同的時(shí)間（比如四季，各個(gè)月份都會有不同）依據(jù)歷史負(fù)荷的變更狀況以虛擬預(yù)料最優(yōu)化為目標(biāo)的方法自動的調(diào)整各個(gè)相關(guān)因素的映射函數(shù)采樣點(diǎn)映射后的取值；相關(guān)因素庫訓(xùn)練算法幾個(gè)基本概念虛擬預(yù)料：對已知的歷史負(fù)荷做虛擬的預(yù)料；滾動訓(xùn)練：等維遞補(bǔ)的思想。設(shè)定一個(gè)數(shù)據(jù)窗的寬度，認(rèn)為這個(gè)數(shù)據(jù)窗內(nèi)的數(shù)據(jù)對后期的預(yù)料是有效的，該窗以前的數(shù)據(jù)已不起作用。隨著“新息”的不斷加入，數(shù)據(jù)窗不斷移向時(shí)間軸的右側(cè)。每次訓(xùn)練總是以當(dāng)前窗中的有效數(shù)據(jù)為依據(jù)，從而實(shí)現(xiàn)滾動訓(xùn)練；時(shí)間軸E1E2E3F1F2F3時(shí)間軸歷史值起始日評價(jià)起始日評價(jià)終止日評價(jià)區(qū)間相關(guān)因素庫訓(xùn)練算法相關(guān)因素庫訓(xùn)練算例日期訓(xùn)練前MAPE（％）訓(xùn)練后MAPE（％）00/09/011.51.400/09/022.01.900/09/031.91.700/09/042.32.000/09/051.61.700/09/062.82.100/09/072.52.000/09/081.31.500/09/092.42.1平均值2.031.82相關(guān)因素庫訓(xùn)練算法

相關(guān)因素名該因素映射前取值映射后未訓(xùn)練取值映射后訓(xùn)練后取值日類型星期日0.90.758日類型星期一0.080.001日類型星期二0.150.099034日類型星期三0.140.259083日類型星期四0.150.185585日類型星期五0.190.279358日類型星期六0.80.648445日類型元旦0.810.81日類型中秋節(jié)0.760.76日類型五一勞動節(jié)0.560.56日類型國慶節(jié)0.850.85對當(dāng)日新信息的充分利用各種單一方法通過改進(jìn)，充分利用了當(dāng)日最新獲得的負(fù)荷信息，對于最新的負(fù)荷發(fā)展趨勢充分運(yùn)用，減小負(fù)荷預(yù)料的誤差可利用最新的負(fù)荷信息進(jìn)行滾動預(yù)料。以當(dāng)日最新獲得的負(fù)荷數(shù)據(jù)作為歷史數(shù)據(jù)的一部分，對待預(yù)料日進(jìn)行預(yù)料綜合模型：對近期若干日+當(dāng)日已知負(fù)荷作虛擬預(yù)料，并且設(shè)置近大遠(yuǎn)小的權(quán)重。依據(jù)虛擬預(yù)料的結(jié)果確定綜合模型中各方法所占的權(quán)重。基于負(fù)荷成分分析的預(yù)料技術(shù)頻域分析預(yù)料法：是對一個(gè)地區(qū)較長一段時(shí)期內(nèi)的歷史負(fù)荷進(jìn)行頻域分析，通過區(qū)分其中的低頻重量和高頻重量，得到隨機(jī)重量占負(fù)荷總量的比重，以評估負(fù)荷預(yù)料能夠達(dá)到的精確率，同時(shí)依據(jù)低頻和高頻重量最重得到負(fù)荷預(yù)料的結(jié)果。4種方式實(shí)時(shí)氣象數(shù)據(jù)的利用過去的負(fù)荷預(yù)料只是利用每日的氣象數(shù)據(jù)為了更精確地把握短期負(fù)荷與氣象因素的關(guān)系，須要引入每天96點(diǎn)或48、24點(diǎn)的負(fù)荷數(shù)據(jù)以及24點(diǎn)的實(shí)時(shí)氣象數(shù)據(jù)（主要是溫度數(shù)據(jù)）對于短期與超短期；負(fù)荷是96點(diǎn)或48、24都可能，而溫度可能24點(diǎn)，通過插值的方法使負(fù)荷與溫度數(shù)據(jù)一一對應(yīng)。在完成了負(fù)荷與實(shí)時(shí)氣象數(shù)據(jù)的一一對應(yīng)后，可以利用各種考慮相關(guān)因素的負(fù)荷預(yù)料方法進(jìn)行預(yù)料。短期負(fù)荷預(yù)料的實(shí)時(shí)氣象因素處理目標(biāo)：干脆識別實(shí)時(shí)溫度、濕度對負(fù)荷的影響規(guī)律途徑：神經(jīng)網(wǎng)絡(luò)解決：歷史訓(xùn)練技術(shù)難點(diǎn)：輸入輸出的構(gòu)造發(fā)展：靈敏的輸入構(gòu)成短期負(fù)荷預(yù)料的自適應(yīng)技術(shù)各種預(yù)料方法，如何依據(jù)其所應(yīng)用的地區(qū)，或者最新的實(shí)際數(shù)據(jù)，進(jìn)行模型參數(shù)的自動調(diào)整，達(dá)到更好的預(yù)料效果，這就提出了自適應(yīng)與自學(xué)習(xí)的預(yù)料問題。歷史虛擬預(yù)料技術(shù)自動搜尋和優(yōu)化模型的參數(shù)，自動保存自動統(tǒng)計(jì)每個(gè)模型的累積平均預(yù)料精度模型的自動篩選和過濾綜合模型中模型權(quán)重的自動優(yōu)化應(yīng)用方式初裝系統(tǒng)時(shí)，自動啟動，一次性摸索當(dāng)?shù)氐呢?fù)荷發(fā)展規(guī)律預(yù)料精度持續(xù)較差時(shí)，自動啟動，重新訓(xùn)練和學(xué)習(xí)負(fù)荷發(fā)展規(guī)律發(fā)生重大變更時(shí)（大用戶的投入，跨季節(jié)），人工啟動，重新訓(xùn)練和學(xué)習(xí)綜合預(yù)料技術(shù)綜合預(yù)料概念1、將幾種預(yù)料方法所得的預(yù)料結(jié)果，選取適當(dāng)?shù)臋?quán)重進(jìn)行加權(quán)平均的一種預(yù)料方法；2、在幾種預(yù)料方法中進(jìn)行比較，選擇擬合優(yōu)度最佳或標(biāo)準(zhǔn)離差最小的預(yù)料模型作為最優(yōu)模型進(jìn)行預(yù)料。綜合預(yù)料方法是建立在最大信息利用的基礎(chǔ)上，它集結(jié)多種單一模型所包含的信息，進(jìn)行最優(yōu)組合。通過組合預(yù)料可達(dá)到改善預(yù)料結(jié)果的目的。1999-2000領(lǐng)先提出并實(shí)現(xiàn)

組合預(yù)料第一種是干脆從預(yù)料機(jī)理的深度將單一的預(yù)料模型進(jìn)行組合，這種技術(shù)在在短期預(yù)料中比較常見，例如神經(jīng)網(wǎng)絡(luò)與小波分析的結(jié)合、神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的結(jié)合、自組織理論與ARMA的結(jié)合等。其次種是單一模型預(yù)料結(jié)果的干脆加權(quán)組合。其主要動身點(diǎn)是，不同方法的預(yù)料結(jié)果一般都有差異，應(yīng)設(shè)法在這些預(yù)料結(jié)果的基礎(chǔ)上綜合推斷，給每個(gè)預(yù)料模型賜予不同的權(quán)重，由此得到一個(gè)預(yù)料效果更好的綜合模型。短期負(fù)荷預(yù)料的綜合模型動身點(diǎn)：虛擬預(yù)料策略兩種狀況：有擬合值/無擬合值兩種方式：綜合方式之一：各權(quán)重的選定只依靠于方法，不依靠于各日各點(diǎn)。當(dāng)確定各種方法在綜合模型中的權(quán)重后，每個(gè)點(diǎn)均取這一權(quán)重進(jìn)行加權(quán)。按各點(diǎn)分別建立綜合模型，即各種方法的預(yù)料結(jié)果在每個(gè)時(shí)刻的權(quán)重均不同。影響因素天氣。晴、陰、雨、雪對負(fù)荷都有不同影響。如具有露天作業(yè)性質(zhì)的用電負(fù)荷,雨雪天氣都得停工。陰雨天與晴天相比,晚燈峰負(fù)荷時(shí)間有差別季節(jié)。春夏之交,梅雨季節(jié),多有連續(xù)大雨天氣;夏至前后與冬至前后相比,晚燈峰時(shí)間差別大。節(jié)假日氣溫。隨著家庭空調(diào)、熱水器等家用電器的普及,夏天降溫負(fù)荷,冬天取暖負(fù)荷也逐年增加。氣溫的升降,干脆影響到用電負(fù)荷的增減。高耗能產(chǎn)品的市場需求產(chǎn)業(yè)結(jié)構(gòu)調(diào)整政策電價(jià)政策業(yè)擴(kuò)報(bào)裝、大用戶投產(chǎn)用電大戶用電的不確定性.例如用戶檢修。大用戶的內(nèi)部檢修,對負(fù)荷影響則更大。一旦其大容量設(shè)備故障或檢修,會引起負(fù)荷突變。農(nóng)業(yè)負(fù)荷受天氣,季節(jié)影響特殊大.一年四季中,春,秋季農(nóng)田澆灌高峰期地方及企業(yè)自備電廠.小機(jī)組的非支配開停機(jī)小水電對負(fù)荷的沖擊較大。電力系統(tǒng)供需平衡分析自備電廠小水電小火電影響因素自然規(guī)律日類型節(jié)假日特性電價(jià)天氣類型（晴、陰、多云。。。）溫度：最高/最低/平均濕度：最高/最低/平均降雨風(fēng)速燃料供應(yīng)實(shí)力燃料價(jià)格網(wǎng)供/統(tǒng)調(diào)部分照明用電工業(yè)用電。。。全社會用電省外交換，網(wǎng)損。。。大用戶用電的非支配性造成負(fù)荷的變更氣象條件造成的變更農(nóng)業(yè)用電的波動天氣突然變更---降雨后小水電發(fā)電小電廠非支配性開停機(jī)或發(fā)電隨意性降溫負(fù)荷空調(diào)等兩大類處理方式影響因素非統(tǒng)調(diào)出力全社會用電網(wǎng)供/統(tǒng)調(diào)部分兩大類處理方式隱性考慮影響因素：網(wǎng)供=f(歷史數(shù)據(jù)，影響因素)顯性考慮影響因素：網(wǎng)供=全社會-非統(tǒng)調(diào)全社會=f1(歷史數(shù)據(jù)1，影響因素1)非統(tǒng)調(diào)=f2(歷史數(shù)據(jù)2，影響因素2)難點(diǎn)：非統(tǒng)調(diào)信息（歷史實(shí)際/將來支配）無法剛好、精確地搜集理論與系統(tǒng)的發(fā)展新方向成熟的閱歷不斷的探究，挖掘新的特點(diǎn)可行的發(fā)展方向：溫濕指數(shù)及其分析方法人體舒適度的考慮及其分析方法預(yù)料誤差分布狀況的統(tǒng)計(jì)概率性短期負(fù)荷預(yù)料溫濕指數(shù)及其分析方法THI（TemperatureandHumidIndex）： 描述溫度、濕度等氣象因素對負(fù)荷影響規(guī)律的指標(biāo)THI的計(jì)算方法：美國PJM市場的模型

（溫度為華氏溫度）

美國國家氣象局的模型由THI到WTHI什么是WTHI：通過將當(dāng)天，昨天，前天的THI指標(biāo)進(jìn)行加權(quán)得到的一個(gè)考慮溫度和濕度累積效應(yīng)的平均化指標(biāo)優(yōu)點(diǎn)：充分考慮了氣象對負(fù)荷影響的累積效應(yīng)WTHI的具體實(shí)現(xiàn)： 其中同樣目前有PJM&美國氣象局兩套組合模型在負(fù)荷的分析和預(yù)料中引入WTHI的

緣由和意義引入WTHI的緣由：當(dāng)前負(fù)荷預(yù)料分析工作中對氣象因素考慮的不足溫度和濕度相關(guān)氣象因素中比較重要而且易于把握的因素意義：能夠建立描述氣象因素對負(fù)荷的影響的指標(biāo)對負(fù)荷的狀況干脆進(jìn)行分析，規(guī)律外推后得到預(yù)料的直觀結(jié)果WTHI的主要分析方法方案流程：模型應(yīng)用的關(guān)鍵：樣本集選?。珴L動訓(xùn)練預(yù)料實(shí)例分析：針對北京地區(qū)2005年夏季最高負(fù)荷進(jìn)行分析的結(jié)果優(yōu)化過程優(yōu)化結(jié)果：擬合圖像：

前提：去掉周末對夏季4個(gè)月的數(shù)據(jù)進(jìn)行分析相關(guān)數(shù)據(jù)：擬合的相對殘差相對殘差=average(殘差/目標(biāo)數(shù)據(jù)集的平均值)=2.8209％

擬合的相關(guān)系數(shù)：0.9632

實(shí)例分析：針對北京地區(qū)2005年夏季最高負(fù)荷進(jìn)行分析的結(jié)果什么是人體舒適度概念所謂“人體舒適度”，就是在不特意實(shí)行任何防寒保暖或防暑降溫措施的