用MATLAB进行基于ARMA方法的负荷预测（Load Forecasting with ARMA by MATLAB）

前言

电力系统外语课布置一个短期负荷预测（Load Forecasting）的project，新西兰75个月的电力负荷数据预测之后三天的电力负荷。看了给的参考文献后，我选了时间序列法，时间序列法主要有自回归AR( p)，滑动平均MA(q)和自回归与滑动平均ARMA (p,q)等。这里采用ARMA，这是AR与MA结合的产物。

时间序列

一个随时间变化的值y(t)，构成了一个时间序列。对于任意两段不相交的子序列，他们的统计特性如果是基本一样的，可以直观判定这个时间序列是稳定的时间序列。如果不是稳定的，需要进行预处理，比如一次差分，二次差分。

下图是建模思路：

!

电力系统负荷预测建模流程

• 数据预处理：一次差分等，将数据处理成稳定时间序列；
• 合理选择阶数(p,q)：对于预测模型的适用性检验，常采用残差方差图、最小信息准则、AIC 准则和利用自相关系数与偏自相关系数的拖尾或截尾等方法。这里使用AIC&.BIC准则，因为MATLAB中有专门的函数去计算aic和bic，选取原则是使aic和bic最小的(p，q)组合；
• 参数估计：对于预测模型的参数估计，常采用极大似然估计、矩估计和最小二乘估计等方法，这里MATLAB有直接的函数去估计相应的参数，采用的原理是极大似然估计(Maximum Likeli