文摘
准确预测中国电力消费总量具有重要意义的政府在制定可持续的经济发展政策,特别是,中国作为最大的总用电量的国家。计算方法的背景值的GM(1, 1)模型是不稳定的一个重要因素模型的性能。在这篇文章中,一个选权外推法用于计算背景值来消除极端值的影响性能的GM(1,1)模型,和小说extrapolation-based灰色预测模型称为NEGM(1, 1)提出和优化。NEGM(1,1)模型被用来模拟电力消费总量在中国,发现优于其他灰色模型。最后,中国从2018年到2025年的总用电量预测。结果表明,中国电力消费总量将会略有增加,但总体仍是非常大的。为此,一些相应的建议,以确保电力在中国提出的有效供给。
1。介绍
随着中国经济的快速发展,电力消费总量逐年增加,和中国是目前世界上最大的能源消费国。从2019年中国统计年鉴》(1),中国电力消费总量达到6.2821万亿千瓦时(亿千瓦/小时)2017年;与2016年和2007年相比,电力消耗增加了4.67%和98.16%,分别。由于中国对用电量的需求增加,大力发展和有效地使用电力,以确保能源的有效供给是中国的必然选择。因此,建立相应的数学模型准确地预测未来的电力消耗是一个重要的贡献,中国的能源安全战略的制定和可持续发展项目。
自上世纪,许多预测模型引入了电力消费,如时间序列分析模型(2,3),自回归综合移动平均(ARIMA)模型(4,5),支持向量机(SVM) [6,7),贝叶斯统计(8),随机森林9),复合系统方法(10),人工神经网络(ann) [11,12),和深度学习模型(13,14]。然而,这些展览的局限性要求很多高质量的数据样本。
邓教授提出的灰色系统理论,(15】1982年,在处理不确定问题中发挥着关键作用较差和小样本的信息。经过30多年的发展,许多学者应用到工业、农业、社会、经济、能源、和其他领域(16- - - - - -20.]。总用电量的预测问题是一个复杂的不确定性问题,它可以被认为是一个灰色系统问题。一方面,电力消费密切相关的一系列不确定因素,如经济发展的程度、产业结构、人口、和销售损失;另一方面,随着中国统计部门没有发布年度数据有关电力消费在2000年前,样本的大小是有限的。然而,灰色预测模型具有良好的效果在这样一个“小样本,可怜的信息”系统。
灰色预测模型是灰色系统理论的重要组成部分,它吸引了注意力,提高模拟性能的稳定性和许多学者的预测结果的可靠性。传统的GM(1,1)模型(16灰色预测的最重要的组成部分。但是,它只能模拟均匀指数增长序列。主要原因是一个序列很难完全满足齐次指数增长的法律。许多研究进行了的改进灰色模型主要集中在以下四个方面:(1)将原始数据改进的光滑一些缓冲运营商和有效的方法21,22];(2)提高参数计算方法的一些智能算法优化初始值和背景值23,24];(3)扩展传统的灰色模型的结构(25,26改善传统模式兼容不同的数据,如非齐次波动序列或序列;和(4)结合灰色预测模型与其他模型,如结合神经网络和马尔可夫模型和灰色预测模型(27,28]。
背景值是一个重要的考虑因素的灰色模型29日]。目前,背景值通常是作为的平均值和 ,这是定义为 。几何,梯形面积与使用直尺的梯形面积与弯曲的边缘。这是一个模型的预测精度低的主要原因。许多学者提出的方法来改善传统的灰色模型背景值计算的方法提高建模精度。这些计算方法大致可以分为两种类型:一是定义背景值 (30.]。的参数是一个未知的插值系数, ,旨在调整背景值提高灰色预测模型的性能,一些智能算法。另一个是重建的背景值由函数积分(31日)或数值计算方法(32]。上述研究的背景值大大丰富了理论体系的灰色预测模型。然而,存在一个缺陷,插值法用于计算这些模型的背景值。它可以决定从上面的结构极值的背景值和是重要的因素,甚至影响背景值的平滑度和影响的性能模型。因此,有必要扩大背景值的计算范围,削弱极端值的影响 。
受文献[33],一部小说外推法计算背景值的灰色预测模型(NEGM(1,1))提出了预测中国总用电量在这项研究。新模型背景值的计算过程由三个选权值 , ,和 。与传统的灰色模型相比,NEGM(1, 1)不仅可以显著提高背景值的平滑效应,还可以有效地削弱极端值对模型的性能的影响。此外,一些经典的灰色模型是包含在NEGM(1, 1),然后,它可以模拟均匀指数序列,非齐次指数序列,序列的线性函数。
与现有的研究相比,本文的独特之处在于以下两个方面:(我)一种新的灰色预测模型,NEGM(1, 1),提出了解决问题,许多灰色预测模型不能克服极端值的影响,数据类型是单身。(2)中国电力消费总量模拟并预测使用NEGM(1,1)模型,和有效的措施,确保电力供应在中国提出的。
论文的其余部分安排如下。我们提出一种新的灰色预测模型NEGM(1,1)的部分2。部分3提出了建模评估标准。节4NEGM(1,1)模型用于模拟和比较与其他两种灰色模型和预测错误的总用电量。节5对策和建议,提出了基于预测的结果部分4。结论部分6。
2。这部小说Extrapolation-Based灰色预测模型
在本节中,这部小说extrapolation-based灰色预测模型称为NEGM(1, 1)提出和优化。新模型的建模机理和预测功能。
定义1。(见[16])。假设一个非负原始序列 ,在哪里 ,为 。 被称为1-AGO(积累代运营商)的序列 ,也就是说, 在哪里
定义2。假设和在定义是一样的吗1和
是常数;当
,这个方程
是这部小说extrapolation-based灰色模型与单一变量和一个一阶方程,NEGM简称为(1,- 1)。
根据积累的逆过程代运营商定义1,
有一些特殊情况的NEGM(1,1)模型如下:(我)当
和
在方程(3),NEGM(1,1)模型可以减少SAIGM模型(34用以下形式:
(2)设置
在方程(5),SAIGM模型减少NGM (1 1 k)模型(35用以下形式:
(3)设置
在方程(5),SAIGM模型减少了传统GM (1,1) [16用以下形式:
很容易验证NEGM(1,1)模型可以无偏模拟均匀指数序列,非齐次指数序列,根据上面的结构特性和线性函数序列。
让数据序列的集合和在定义一样1;背景值是写成
,
。然后,最小二乘估计
NEGM(1,1)模型满足
在哪里
根据定义2与方程(3),
然后,我们有
也就是说,
安排方程(12),我们得到
让
然后,我们得到
与方程(15)的无偏估计形式NEGM(1, 1)模型。根据定义1,最终恢复了表情
如下:
因为方程(15)是一种二阶差分方程,它是复杂的推断其时间响应函数直接代换法。此外,因为我们只做短期预测中国的总电力需求,我们可以直接计算和由方程(15)和(16)。注意到的主要目的构建NEGM(1,1)模型是模拟或预测和
,的时间响应函数NEGM(1,1)模型对我们并不重要。
3所示。优化系统参数
一个预测模型的性能评价的模拟和预测错误。测试的性能NEGM(1,1)的数学意义符号表1定义如下:(我) 是模拟或预测数据的数据 。(2) 是r从格的模拟误差百分比(RSPE): 。(3) 的相对预测误差百分比吗(RPPE): 。(iv) 是均值相对模拟误差百分率(MRSPE): 。(v) 是平均相对预测误差百分比(MRPPE): 。(vi) 是综合平均相对误差百分比(CMRPE): 。
当使用NEGM(1,1)模型预测原始数据,我们首先需要确定的参数 新模型,然后使用方程(8)和(14)获得的参数 和 ,分别和预测价值可以通过方程计算(15)。总之,以下最低的平方问题MRSPE可以定义获得最优参数 。
因为问题(17)是凸二次规划问题,最优值 可以通过MATLAB的非线性规划求解计算。图1给出了计算流程图,我们可以清楚地理解建模过程。
4所示。预测中国的总用电量
验证的有效性NEGM(1,1)模型3,我们在中国建立灰色模型总电力消耗从2000年到2017年在桌子上2。首先,原始数据用于实证分析分为两个部分。第一部分(2000年- 2015年)是用于建模的训练数据,而另一部分(2016年- 2017年)作为测试集。此外,两个相互竞争的模型,包括SAIGM [34)和传统的GM (1, 1)16),是用于模拟和预测在中国的总用电量。最后,该模型具有最佳性能是用来预测未来值从2018年到2025年。
从表2,
的详细建模过程NEGM(1,1)模型包含四个步骤:参数估计、模型结构,模型的性能测试和数据的预测。
步骤1。参数估计。
从定义1,
参数的顺序
可以通过方程计算(8),和未知参数
NEGM(1,1)是由约束优化问题(17)。的参数NEGM(1,1)模型如表所示3。
步骤2。模型建设。
根据表3与方程(14),建模参数
,和是1.0088,0.0006,305.0882和633.0891,分别。我们获得
和
。方程(20.)是无偏的估计形式NEGM(1,1)模型预测在中国的总用电量。
步骤3。模型的性能比较和测试。
NEGM(1,1)模型可以构造的模拟和预测数据NEGM(1, 1)可以计算。然后,相对模拟/预测误差百分比(RSPE / RPPE),意味着RSPE / RPPE (MRSPE / MRPPE),和综合的意思是相对误差百分比(CMRPE)可以获得的模拟和预测数据。计算结果如表所示1。
如表所示1提出NEGM(1,1)模型,样本内和样本外两个,最小的平均相对误差百分比(MRPE)。具体来说,MRSPE的值和MRPPE是1.9780%和2.8027%,分别。
展示表演的直接比较NEGM (1, 1), SAIGM, GM(1,1),散点图的模拟和预测结果和错误百分比表的三种模式1如数据所示2和3,分别。
根据2和3,很容易观察到的simulation-prediction曲线NEGM(1,1)是最接近真实的数据,这表明新模型具有最佳的综合性能在上述三种模式。此外,综合平均相对误差百分比(CMRPE)仅为2.32%,接近年级我灰色模型的误差水平参考表(16]。因此,NEGM(1,1)预测更适合在中国的总用电量。
步骤4。预测。
根据方程(20.),总用电量可以预测从2018年到2025年在中国,如表所示4。
从表4,我们可以看到,在2025年,中国电力消费总额预计将达到9736.9(亿千瓦/小时)。总的来说,中国的总用电量显示了一个逐年增加的趋势在接下来的八年。
5。建议
根据预测结果表4,尽管中国的总用电量年均增长率约为4.79%,总量仍大。它是中国的大问题,需要采取一些措施来保证有效供给的电力和以下几方面的快速发展。
首先,在技术方面,中国不断优化行业的结构和控制的过度增长趋势与高能源消耗、高污染的行业。同时,它促进了高新技术产业的发展和增加电力存储核心技术的研究。
其次,在政策方面,电力公司不断加速的研究和实现可再生能源发电grid-connecting政策促进微型智能电网"等设施的建设光伏太阳能。此外,应该培养居民的节电意识,它可以使用适当的利用价格杠杆来争取电力保护。
第三,在管理方面,中国政府不断深化改革的电源测量根据市场需求和科学促进了可再生能源的建设。此外,它逐渐建立了一个管理机制对储能电网增加可再生能源的比例替代交易达到顶峰。
6。结论
为了削弱极端值的影响在背景值预测模型的准确性,一种新颖的单变量灰色模型称为NEGM(1, 1)提出了基于SAIGM模型,采用一个选权外推法计算背景值。新模型应用于预测中国的总用电量和与其他两个模型相比,SAIGM和GM(1, 1)。结果表明,NEGM(1,1)模型比其它模型,进一步验证了新模型丰富了灰色预测模型的理论框架。最后,NEGM(1, 1)被用来预测中国电力消费总量从2018年到2025年,和相应的政策建议是基于预测的结果。
尽管NEGM的性能(1,1)模型比SAIGM和GM(1, 1),仍有一些局限性。因为NEGM(1,1)是一个单变量模型,外部因素的影响在中国的总用电量不是建模。因此,通过充分挖掘这些影响因素的总用电量的方式和扩大NEGM(1,1)多变量模型,可进一步提高预测的性能。建立一个多变量NEGM (1, N)模型是我们下一步的研究方向。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究得到了国家社会科学基金(没有。17 zda065),重庆市教育委员会的自然科学基金,中国(没有。KJQN201901601),重庆大学教育科学技术研究项目(没有。KY201910B)。