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:
!
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/1961fbb7756760f50dbc8801a3618be5.png)
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