技术摘要：
本申请提供的一种电力负荷特性指标预测方法及装置，该方法中，获取历史规模效应和历史结构效应的表征序列，建立电力负荷负荷特性指标预测的面板数据模型，检验所述面板模型，根据检验结果确定所述三种模型中最优模型，计算所述最优模型中所述规模效应和结构效应向量的  全部
背景技术：
电力系统运行总的目标是在安全、可靠、经济的前提下，为各类用户不间断地提供 优质电能，满足各类电力负荷的要求。各类用户构成各式各样的电力负荷，各种电力负荷又 呈现不同的大小和特性，并且电能的生产和消费同时进行，不能储存，所以准确地预测电力 负荷是制定电力规划的重要基础性工作，也是保持国民经济健康可持续发展的需要。准确 地预测电力负荷需要对负荷特性进行分析。负荷特性分析主要分析负荷率和峰谷差率，负 荷率和峰谷差率称为负荷特性指标，影响负荷特性指标的因素主要分为两种，一种是规模 效应，另一种是结构效应。规模效应主要为GDP，结构效应主要为第二产业和第三产业的占 比。 目前，电力负荷预测多采用基于时间序列的统计分析回归模型的负荷预测方法， 即时间序列模型法。时间序列模型法是根据历史时间序列的规律进行外推，适合进行近期 预测，如果加于人工干预，采用递推式预测，也可以进行中远期预测。时间序列模型法是一 种依据电力负荷历史统计数据，找到其随时间变化的规律，建立时序模型，以推断未来电力 负荷数值的方法。按照处理方法不同，时间序列模型法分为确定时间序列分析法和随机时 间序列分析法。常用的确定时间序列分析法有指数平滑法和Census-H分解法。常用的随机 时间序列分析法有Box-Jenkins法、状态空间法、Markov法等。 然而，时间序列模型法有个基本假设，即负荷过去的变化规律会持续到将来，所以 当研究对象在所选时间序列内有特殊变化段，无适应性规律可言时该预测方法不成立。如 我国电力工业发展历程中的“十五”时期不同于以往发展规律，其中GDP、第二产业和第三产 业的占比发生巨大变化，所以GDP、第二产业和第三产业的占比纳入历史数据，用时间序列 模型法对未来电力负荷变化进行预测会降低预测的准确性。
技术实现要素：
本申请提供一种电力负荷特性指标预测方法及装置，以解决GDP、第二产业和第三 产业的占比的变化，影响电力负荷特性指标预测的问题。 在本申请的第一方面，公开了一种电力负荷特性指标预测方法，包括： 获取历史规模效应和历史结构效应的表征序列； 建立电力负荷负荷特性指标预测的面板数据模型，所述面板数据模型包括变系数 模型、变截距模型以及混合模型三种模型； 确定所述三种模型中最优模型； 计算所述最优模型中所述规模效应和结构效应向量的系数； 获取目标地区未来规模效应和未来结构效应的预测值； 5 CN 111612276 A 说　明　书 2/9 页 根据规模效应和未来结构效应的预测值，计算目标地区未来负荷特性指标。 可选的，建立电力负荷负荷特性指标预测的面板数据模型，包括： 根据以下公式，建立电力负荷负荷特性指标预测的面板数据模型： yit＝xitβi αi εit； 其中，yit为电力负荷特性指标预测值，xit为规模效应和结构效应向量，i为不同地 区的负荷样本个体，t为时间点，αi为不同负荷样本随机效应向量，βi为规模效应和结构效应 向量的系数，εit为随机误差项。 可选的，确定所述三种模型中最优模型包括： 判断个体对所述面板数据模型是否具有影响，提出假设H1： H1：α1＝α2＝…＝αN；β1＝β2＝…＝βN； 若个体对所述面板数据模型具有影响，提出假设H2： H2：β1＝β2＝…＝βN； 根据以下公式，检验假设H1： 其中，F1为算假设H1的F统计量的值，S1为混合模型的残差平方和，S3为变系数模 型的残差平方和，N为不同地区的负荷样本个体个数，T为时间序列长度，k为解释变量的个 数； 给定显著性水平下F统计量的临界值为FP，判断F1是否小于临界值FP； 如果是，则接受假设H1，确定所述面板数据模型为混合模型； 如果不是，则拒绝假设H1，根据以下公式，检验假设H2： 其中，F2为算假设H2的F统计量的值，S2为变截距模型的残差平方和，S3为变系数 模型的残差平方和，N为不同地区的负荷样本个体个数，T为时间序列长度，k为解释变量的 个数； 判断F2是否小于临界值FP； 如果是，则接受假设H2，确定所述面板数据模型为变截距模型； 如果不是，则拒绝假设H2，确定所述面板数据模型为变系数模型。 可选的，在确定所述面板数据模型为变截距模型之后，还包括： 采用Hausman检验，检验原假设G0与备择假设G1： G0：个体效应与解释变量不相关； G1：个体效应与解释变量相关； 若接受原假设G0，所述变截距模型为随机效应模型； 若拒绝原假设G0，所述变截距模型则为固定效应模型。 可选的，计算所述最优模型中所述规模效应和结构效应向量的系数，包括： 根据以下公式，计算所述最优模型中所述规模效应和结构效应向量的系数： 6 CN 111612276 A 说　明　书 3/9 页 其中， 为βi的估计值，αi为不同负荷样本随机效应向量，βi为规模效应和结构效 应向量的系数，N为不同地区的负荷样本个体个数，T为时间序列长度，i为不同地区的负荷 样本个体，t为时间点，τ为分位数，其中0<τ<1，ρτ为分位数损失函数，yit为电力负荷特性指 标预测值，xit为规模效应和结构效应向量。 在本申请的第二方面，公开了一种电力负荷特性指标预测装置，包括： 第一获取模块，用于获取历史规模效应和历史结构效应的表征序列； 模型建立模块，用于建立电力负荷负荷特性指标预测的面板数据模型，所述面板 数据模型包括变系数模型、变截距模型以及混合模型三种模型； 模型确定模块，用于确定所述三种模型中最优模型； 第一计算模块，用于计算所述最优模型中所述规模效应和结构效应向量的系数； 第二获取模块，用于获取目标地区未来规模效应和未来结构效应的预测值； 第二计算模块，用于根据规模效应和未来结构效应的预测值，计算目标地区未来 负荷特性指标。 可选的，所述模型建立模块包括： 模型建立单元，用于根据以下公式，建立电力负荷负荷特性指标预测的面板数据 模型： yit＝xitβi αi εit； 其中，yit为电力负荷特性指标预测值，xit为规模效应和结构效应向量，i为不同地 区的负荷样本个体，t为时间点，αi为不同负荷样本随机效应向量，βi为规模效应和结构效应 向量的系数，εit为随机误差项。 可选的，所述模型确定模块包括： 第一判断单元，用于判断个体对所述面板数据模型是否具有影响，提出假设H1： H1：α1＝α2＝…＝αN；β1＝β2＝…＝βN； 若个体对所述面板数据模型具有影响，提出假设H2： H2：β1＝β2＝…＝βN； 第一检验单元，用于根据以下公式，检验假设H1： 其中，F1为算假设H1的F统计量的值，S1为混合模型的残差平方和，S3为变系数模 型的残差平方和，N为不同地区的负荷样本个体个数，T为时间序列长度，k为解释变量的个 数； 第二判断单元，用于给定显著性水平下F统计量的临界值为FP，判断F1是否小于临 界值FP； 如果是，则接受假设H1，确定所述面板数据模型为混合模型； 如果不是，则拒绝假设H1，检验假设H2； 第二检验单元，用于根据以下公式，检验假设H2： 7 CN 111612276 A 说　明　书 4/9 页 其中，F2为算假设H2的F统计量的值，S2为变截距模型的残差平方和，S3为变系数 模型的残差平方和，N为不同地区的负荷样本个体个数，T为时间序列长度，k为解释变量的 个数； 第三判断单元，用于判断F2是否小于临界值FP； 如果是，则接受假设H2，确定所述面板数据模型为变截距模型； 如果不是，则拒绝假设H2，确定所述面板数据模型为变系数模型。 可选的，所述模型确定模块还包括： 第三检验单元，用于采用Hausman检验，检验原假设G0与备择假设G1： G0：个体效应与解释变量不相关； G1：个体效应与解释变量相关； 若接受原假设G0，所述变截距模型为随机效应模型； 若拒绝原假设G0，所述变截距模型则为固定效应模型。 可选的，所述第一计算模块包括： 第一计算单元，用于根据以下公式，计算所述最优模型中所述规模效应和结构效 应向量的系数： 其中， 为βi的估计值，αi为不同负荷样本随机效应向量，βi为规模效应和结构效 应向量的系数，N为不同地区的负荷样本个体个数，T为时间序列长度，i为不同地区的负荷 样本个体，t为时间点，τ为分位数，其中0<τ<1，ρτ为分位数损失函数，yit为电力负荷特性指 标预测值，xit为规模效应和结构效应向量。 本申请提供的一种电力负荷特性指标预测方法及装置，该方法中，获取历史规模 效应和历史结构效应的表征序列，建立电力负荷负荷特性指标预测的面板数据模型，其中， 面板数据模型包括变系数模型、变截距模型以及混合模型三种模型，检验所述面板模型，根 据检验结果确定所述三种模型中最优模型，计算所述最优模型中所述规模效应和结构效应 向量的系数，获取目标地区未来规模效应和未来结构效应的预测值，根据规模效应和未来 结构效应的预测值，计算目标地区未来负荷特性指标。将规模效应和结构效应通过面板数 据模型与电力负荷特性指标建立定量关系，采用分位数回归确定面板数据模型系数，得到 电力负荷特性指标在不同分位数下的预测值，清晰的反映电力负荷特性指标随规模效应和 结构效应调整的变化情况。 附图说明 为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简 单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还 可以根据这些附图获得其他的附图。 图1为本申请实施例公开的一种电力负荷特性指标预测方法的工作流程示意图； 8 CN 111612276 A 说　明　书 5/9 页 图2为本申请实施例公开的一种电力负荷特性指标预测方法中面板数据模型类型 选择流程图； 图3为本申请实施例公开的一种电力负荷特性指标预测装置的结构示意图。