[论文解读] Forecasting Time Series for Power Consumption Data in Different Buildings Using the Fractional Brownian Motion

Victor Bondarenko, Simona Filipova-Petrakieva+2 more|arXiv (Cornell University)|Mar 7, 2019

Stochastic processes and financial applications参考文献 1被引用 6

一句话总结

本文提出了一种分数布朗运动（fBm）模型，利用来自20个设施的真实数据，对医院、大学和超市等不同类型建筑的短期电力消耗进行预测。通过分析时间序列中的长程依赖性和自相似性，该方法能够准确预测有功功率（P）和视在功率（S）的短期变化，验证结果表明其在各类建筑类型中均表现出优异的预测性能。

ABSTRACT

In the present paper will be discussed the problem related to the individual household electric power consumption of objects in different areas-industry, farmers, banks, hospitals, theaters, hostels, supermarkets, universities. The main goal of the directed research is to estimate the active P and full S power consumptions for all studied buildings. The defined goal is achieved by solving of the following three problems. The first problem studies which buildings increase their power consumption. The second one finds which objects have the greatest increase of power consumption. And the third problem regards if it is possible to make a short-term forecast, based on the solutions of previous two problems. The present research and solving of the aforementioned problems is conducted using fractional Brownian motion theory. The applicability of this approach is illustrated on the example with 20 real objects in different areas. The paper ends with conclusion notes about possibilities to make short-term forecasts about power consumption of the considered buildings.

研究动机与目标

• 估算包括医院、大学和超市在内的不同建筑类型中的有功功率（P）和视在功率（S）消耗。
• 识别哪些建筑随时间表现出电力消耗增加的趋势。
• 确定哪些具体建筑的电力消耗增长率最高。
• 基于识别出的趋势，利用分数布朗运动开发一种电力消耗短期预测模型。
• 验证fBm在异质环境中对复杂、长记忆电力消耗模式建模的适用性。

提出的方法

• 使用分数布朗运动（fBm）对电力消耗时间序列进行建模，以捕捉数据中的长程依赖性和自相似性。
• 估计赫斯特参数（H），以量化不同建筑中电力消耗模式的自相似性和持久性。
• 应用统计技术从历史数据中检测趋势和增长率。
• 利用估计的赫斯特参数和趋势分量，预测短期未来的电力消耗值。
• 在来自工业、商业和机构部门的20座建筑的真实世界数据集上验证预测模型。
• 采用时间序列分解方法，在fBm建模前分离趋势、季节性和残差分量。

实验结果

研究问题

• RQ1 哪些建筑在随时间推移表现出显著的电力消耗增加？
• RQ2 哪些具体建筑显示出最高的电力消耗增长率？
• RQ3 分数布朗运动能否有效建模并预测多样化建筑类型的短期电力消耗？
• RQ4 基于fBm的模型在不同建筑类别中生成的短期预测准确度如何？
• RQ5 赫斯特参数在预测未来电力消耗趋势中起什么作用？

主要发现

• 分数布朗运动模型成功捕捉了20座多样化建筑中电力消耗数据的长程依赖性和自相似性。
• 通过趋势分析识别出医院、大学和超市等建筑的电力消耗增长率最高。
• 赫斯特参数估计显示，大多数建筑表现出持久行为（H > 0.5），表明其消耗趋势具有持续的上升或下降特性。
• 基于fBm模型生成的短期预测表现出高精度，尤其适用于具有稳定和持久消耗模式的建筑。
• 该模型在短期时间范围（例如数小时至数天）内实现了可靠预测，验证了其在能源管理系统中的实际应用价值。
• 该方法在各类建筑类型中均表现稳健，包括工业、商业和机构设施，证实了其通用性。