（技术经济及管理专业论文）地区电网短期负荷组合预测方法研究.pdf

华北电力火学硕士学位论文摘要 摘要 短期负荷预测是电力系统负荷预测的重要组成部分，高精度的负荷预测对于节 约电网运营成本，提高电能质量，保障系统安全稳定具有重要意义。本文在分析介 绍现有的各种负荷预测方法基础上，采用粒子群方法、灰色模型、支持向量机模型 和组合预测模型来研究地区电网短期负荷预测模型和预测方法，建立地区电网短期 组合预测模型，该组合预测模型将用粒子群优化方法改进的灰色预测模型与用粒子 群优化方法改进的支持向量机预测模型相结合，既充分发挥各单一预测模型的优 点，又避免了单一预测模型所存在的预测风险，有效地利用多种有用信息，全面地 反映系统的变化规律，减少随机性，提高了预测精度。实证结果表明，本文所提出 的预测模型对地区电网短期负荷预测工作具有一定的理论和实践指导意义。 关键词：短期负荷，粒子群，灰色系统，支持向量机，组合预测 a b s t r a c t t h es h o r tt e r ml o a df o r e c a s t i n gi s v e r yi m p o r t a n tt ot h es e c u r i t ya n ds t a b i l i t y o p e r a t i o no fp o w e rs y s t e m s t h ep r e d i c t i o np r e c i s i o nw i l li n f l u e n c et h eq u a l i t yo fp o w e r s u p p l ya n dt h eo p e r a t i o nc o s to fp o w e r 鲥d i nt h i sp a p e r , o nt h eb a s i so ft h e i n t r o d u c t i o na n da n a l y s i so ft h ee x i s t i n gs h o r tt e r ml o a df o r e c a s t i n gm o d e l s ，ps o g m a n dp s o - s v mi s a p p l i e dt oc o n s t r u c tr e g i o n a l 鲥ds h o r tt e r ml o a dc o m b i n a t i o n f o r e c a s t i n gm o d e l ，w h i c hi su s e f u lt oa v o i dt h es i n g l ef o r e c a s t i n gr i s ka n di m p r o v et h e p r e d i c t i o np r e c i s i o nb yt a k i n ga l lk i n d so fi n f o r m a t i o ni nt h es y s t e ma n dr e d u c i n gt h e r a n d o me r r o r t h ee x p e r i m e n tr e s u l ts h o w st h a tt h ep r e s e n t e df o r e c a s t i n gm e t h o di nt h i s t h e s i si su s e f u lf o rt h er e g i o n a lp o w e r 鲥db o t hi nt h e o r ya n di np r a c t i c e z h a n ga i g u a n g ( t e c h n i c a le c o n o m i c sa n dm a n a g e m e n t ) d i r e c t e db ya s s o c i a t ep r o f z h o uj i a n g u o k e yw o r d s ：s h o r tt e r ml o a df o r e c a s t i n g ，p a r t i c l es w a r m o p t i m i z e ，g r e ys y s t e m ， s u p p o r tv e c t o rm a c h i n e ，c o m b i n a t i o nf o r e c a s t i n g 华北电力火学硕士学位论文摘要 摘要 短期负荷预测是电力系统负荷预测的重要组成部分，高精度的负荷预测对于节 约电网运营成本，提高电能质量，保障系统安全稳定具有重要意义。本文在分析介 绍现有的各种负荷预测方法基础上，采用粒子群方法、灰色模型、支持向量机模型 和组合预测模型来研究地区电网短期负荷预测模型和预测方法，建立地区电网短期 组合预测模型，该组合预测模型将用粒子群优化方法改进的灰色预测模型与用粒子 群优化方法改进的支持向量机预测模型相结合，既充分发挥各单一预测模型的优 点，又避免了单一预测模型所存在的预测风险，有效地利用多种有用信息，全面地 反映系统的变化规律，减少随机性，提高了预测精度。实证结果表明，本文所提出 的预测模型对地区电网短期负荷预测工作具有一定的理论和实践指导意义。 关键词：短期负荷，粒子群，灰色系统，支持向量机，组合预测 a b s t r a c t t h es h o r tt e r ml o a df o r e c a s t i n gi s v e r yi m p o r t a n tt ot h es e c u r i t ya n ds t a b i l i t y o p e r a t i o no fp o w e rs y s t e m s t h ep r e d i c t i o np r e c i s i o nw i l li n f l u e n c et h eq u a l i t yo fp o w e r s u p p l ya n dt h eo p e r a t i o nc o s to fp o w e r 鲥d i nt h i sp a p e r , o nt h e b a s i so ft h e i n t r o d u c t i o na n da n a l y s i so ft h ee x i s t i n gs h o r tt e r ml o a df o r e c a s t i n gm o d e l s ，ps o g m a n dp s o - s v mi sa p p l i e dt oc o n s t r u c tr e g i o n a lg r i ds h o r tt e r ml o a dc o m b i n a t i o n f o r e c a s t i n gm o d e l ，w h i c hi su s e f u lt oa v o i dt h es i n g l ef o r e c a s t i n gr i s ka n di m p r o v et h e p r e d i c t i o np r e c i s i o nb yt a k i n ga l lk i n d so fi n f o r m a t i o ni nt h es y s t e ma n dr e d u c i n gt h e r a n d o me r r o r t h ee x p e r i m e n tr e s u l ts h o w st h a tt h ep r e s e n t e df o r e c a s t i n gm e t h o di nt h i s t h e s i si su s e f u lf o rt h er e g i o n a lp o w e rg r i db o t hi nt h e o r ya n di np r a c t i c e z h a n ga i g u a n g ( t e c h n i c a le c o n o m i c sa n dm a n a g e m e n t ) d i r e c t e db ya s s o c i a t ep r o f z h o uj i a n g u o k e yw o r d s ：s h o r tt e r ml o a df o r e c a s t i n g ，p a r t i c l es w a r mo p t i m i z e ， g r e ys y s t e m ， s u p p o r tv e c t o rm a c h i n e ，c o m b i n a t i o nf o r e c a s t i n g 声明户明 本人郑重声明：此处所提交的硕士学位论文地区电网短期负荷组合预测方法 研究，是本人在华北电力大学攻读硕士学位期间，在导师指导下进行的研究工作 和取得的研究成果。据本人所知，除了文中特别加以标注和致谢之处外，论文中不 包含其他人已经发表或撰写过的研究成果，也不包含为获得华北电力大学或其他教 育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡 献均已在论文中作了明确的说明并表示了谢意。 学位论文作者签名： 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权 保管、并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或 其它复制手段复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校 可以学术交流为目的，复制赠送和交换学位论文；同意学校可以用不同方式在不同 媒体上发表、传播学位论文的全部或部分内容。 ( 涉密的学位论文在解密后遵守此规定) ，) 笏士 作者签名：! 幺竺圣 导师签名： 日期： 华北电力人学硕士学位论文 第一章绪论 电力系统是由发电企业、输配电企业和用户组成，其作用就是对各类用户尽可 能经济地提供合乎标准要求的电能，以随时满足各类用户的要求，即满足负荷要求。 但由于电能在生产与使用中具有不能储存的特殊性，这就要求系统发电出力随时紧 跟系统负荷的变化动态平衡，否则，轻则影响供用电的质量，重则危及系统的安全 与稳定。电力系统负荷预测因此而发展起来，其作用也日益凸显。研究结果表明， 在英国，短期负荷预测的误差每增加1 将导致每年运行成本增加约1 7 7 0 万英镑； 在挪威，每增加1 的短期负荷预测误差将导致每年约9 0 0 万欧元的运行成本。过 去的几年里，我国极其严重的电力紧张，更加说明了电力建设必须具有前瞻性，而 对负荷的预测就是其中一个关键环节。目前电力系统负荷预测已成为工程科学中重 要的研究领域，是电力系统自动化中一项重要内容。本章对电力系统负荷预测的研 究背景、意义以及国内外研究现状进行了介绍，并阐述了本文的主要研究内容。 电力系统负荷预测是指在充分考虑一些重要的系统运行特性、自然条件和社会 影响的条件下，通过系统地处理历史负荷数据，在满足一定精度要求的前提下，确 定未来某特定时刻的负荷数值。 1 1 研究的背景及意义 电力负荷预测是电力系统调度、计划、用电和规划等管理部门的重要工作，是 保证电力系统安全经济运行和实现电网科学管理及调度的主要依据，也是能量管理 系统( e m s ) 和配电管理系统( d m s ) 的主要组成部分。有效地提高负荷预i 9 l i 骱精 度，有利于电力系统的经济运行与安全运行，是合理地进行电力系统调度、计划、 用电和规划的重要依据之一。电力系统的负荷预测水平是衡量电力系统管理现代化 的重要标志。 在中国的电力工业改革逐步发展和电力体制逐步完善的背景下，电力实体经营 方式也逐渐由计划方式向市场方式过渡。在电力市场条件下，高精度的负荷预测是 有效维护各电力实体经济利益的重要前提条件，对增强电力系统运行的安全性和改 善电力系统运行的经济性都起着至关重要的作用。高精度的负荷预测为发电企业经 济合理地安排发电计划及检修计划提供依据，以降低其发电成本：也为其投标竞价 提供依据，以使其与输配电企业签订的预购合同更接近实际交易合同，提高经济效 益。高精度的负荷预测能够使输配电企业，提高电网运行的安全性和经济性并提高 电能质量，在保证电网系统安全的前提下，减少冗余的旋转备用，从而降低其运营 成本。对于大型电力工业用户而言，高精度的负荷预测对生产的安排、经济成本及 华北电力人学硕十学位论文 效益的估算以及近期与远期生产规划都具有极其重要的意义，有利于计划用电管 理。高精度的负荷预测是电价预测的基础和未来电力市场期货交易的基础，并为电 力市场的投资规划提供决策依据。 发达国家从六十年代未丌始，电力系统短期负荷预测逐步进入实用化阶段，并 结合能量管理系统( e n e r g ym a n a g e m e n ts y s t e m ，e m s ) ，帮助调度人员进行准确的 操作和为经济调度及生产安排提供可靠的依据。我国很早就开展了负荷预测的研究 工作。但由于我国电力企业自动化水平低，基础资料不全和不准，理论研究和生产 脱节等原因，目前很多生产调度部门仍采用人工的办法进行负荷预测，由于缺乏科 学的手段以及预测人员经验上的差异，导致预测精度低下，这对电网的可靠性和经 济性带来很大的损失，特别是我国正进行电力体制市场化改革，精确的负荷预测更 加重要，因此，利用先进理论的具有较高预测精度的电力系统负荷预测方法的研究 更具有重要的现实意义。 1 2 短期负荷预测的研究现状 预测技术的发展根源在于社会的需求和实践，预测是人们根据历史的和现在掌 握的信息，利用已经掌握的知识和方法，预先推知和判断研究对象的未来状况的结 果。二十世纪七十年代末，预测逐渐形成了一门自成体系的综合性学科，并迅速发 展。电力系统负荷预测方法的系统起步较晚，深入研究起源于二十世纪八十年代。 我国对负荷预测的重视程度经历过一个认识的过程。在1 9 9 6 年之前的缺电时 期，由于控制用电等客观原因，造成负荷预测的准确度不够高，并且对新方法的应 用力度不够大。1 9 9 7 年后，我国电力市场供需矛盾缓解，局部地区供大于求，电力 发展由资源约束转向了需求约束。1 9 9 8 年全社会用电同比增长仅为2 6 ，1 9 9 9 年， 有的地区用电仍处于低迷状态。在市场机制下，对负荷预测的重要性和紧迫性被提 到了新的高度，对负荷预测的精度也提出了更高的要求。 电力系统负荷预测技术是随着负荷预测的重要性而发展的。在国外，随着电力 市场的日益成熟，负荷预测工作受到了西方发达国家重视。很多学者一直在致力于 研究电力负荷预测的新方法以提高精度。 常用的负荷预测技术一般可分为定性预测技术和定量预测技术两类。 第一类：定性预测技术。当同负荷预测相关的定量信息不存在或者很少或者可 靠性值得怀疑、同时却有足够的定性知识存在时，通常采用定性预测技术。定性预 测不是通过建立数学模型，而是依赖于人的直观思考、判断和知识积累。这些方法 的预测结果很大程度上是人们的一种期望值，因此误差较大，但在实际工作中，它 仍然在潜移默化中发挥着重要的作用。常用的定性预测技术有：d e l p h i 法、主观概 华北电力大学硕士学位论文 率预测法、单耗法、密度法、类比法等。 第二类：定量预测技术。随着负荷变化模式的复杂化，定量预测技术同益重要， 定量预测技术方法多种多样。主要有如下几种： ( 1 ) 趋势外推法。是根据负荷本身数据，通过寻找负荷历史数据中的变化规 律与特性，将其变化模式外推来进行未来负荷的预测。所需数据量少是该方法的优 点，但如果负荷序列规律性较差、波动较大时，预测结果可信度较低。常用的趋势 外推法有：水平趋势预测技术、线性趋势预测技术、多项式趋势预测技术、季节型 趋势预测技术、增长型趋势预测技术等。 ( 2 ) 时间序列分析法。其基本原理是，将按照一定的时间间隔采样记录下来 的历史负荷数据组成一个有序的时间序列，通过对该序列的分析，找出规律并建立 数学模型，对未来的负荷做出预测，即根据负荷自身历史数据进行未来负荷的预测。 按照处理方法的不同，其又有确定性时间序列分析方法和随机时间序列分析方法之 别。确定性的有指数平滑法、c e n s u s 1 1 分解法、谱展开法等。常用的随机分析方法 有：b o x j e n k i n s 法、状态空间法、m a r k o v 法等。b o x j e n k i n s 法将负荷序列当作 一个随机过程进行处理，应用a r m a 、a r i m a 等模型进行预测。这些方法的优点 是所需历史数据少，工作量小；缺点是预测精度不能满足实际工程的要求，在节假 日的预测效果不令人满意，加上不具备自适应和自学习的能力，预测系统的鲁棒性 没有保障等。 ( 3 ) 回归分析法。是中长期负荷预测中最常用的一种方法，它通过对历史负 荷资料的分析，确定自变量与因变量的函数关系并建立数学模型，然后采用最d - - - 乘法计算模型参数，对未来的负荷情况进行预测。回归分析法主要分为一元线性回 归与多元线性回归两种。由于电力负荷发展受到诸多定性与定量因素影响，采用传 统的回归分析法所得的预测结果不很理想，目前采用遗传规划法、模糊线性回归、 模型参数扩展及参数抗差估计等方法主要从函数关系和参数选择两方面对回归分 析法进行改进的研究。 上述定量预测方法在对于不确定性比较大，负荷变化模式比较复杂的情形，难 于做出更高精度的负荷预测，于是新的不确定性负荷预测方法被广泛提出，有：灰 色系统法、模糊预测法、专家系统法、遗传算法、人工神经网络法、支持向量机法、 组合优化预测法等。 ( 4 ) 模糊预测法应用模糊集理论，可直接根据不确定或不完整数据进行预测， 常用的方法有模糊回归分析、模糊指数平滑、模糊聚类分析等。 ( 5 ) 专家系统法通过将预测人员的经验用计算机可识别的产生式规则等形式 华北电力大学硕十学位论文 表达，建立知识库，从而可模拟专家进行负荷预测。 ( 6 ) 灰色系统理论是我国学者邓聚龙教授于1 9 8 2 年在国际上首次提出的。 灰色系统预测技术将负荷数据当作灰数，通过数据的累加生成得到新的数据列，从 而减少数据的随机性，用此数据建立灰色模型进行预测，将预测值累减还原即得到 最终的负荷预测值。灰色系统通用模型为g m ( 1 ，n ) ，其中g m ( 1 ，1 ) 最为常用， 一般详细分析各种模型的优缺点和适用范围，对g m 模型进行改进以提高预测精 度。 ( 7 ) 人工神经网络法通过对人脑神经系统的模拟来实现负荷预测，是选取过 去一段时间的负荷数据作为训练样本，然后构造适宜的网络结构，用某种训练算法 对网络进行训练，使其满足精度要求之后，用a n n 作负荷预测，具有非线性、自 组织、自适应、大规模并行处理等优点。 ( 8 ) 支持向量机法。因为支持向量机的理论基础完备，模型求解算法简单、 快速，在短期负荷预测方面，当在相同信息条件下时，基于支持向量机方法的预测 精度高于已有的其它方法，且训练时间非常短 ( 9 ) 混合型负荷预测模型。在实际负荷预测中，不确定性预测技术之间以及 不确定性预测技术与确定性预测技术之间常常结合起来运用以处理预测过程中的 各种实际问题，即混合型负荷预测方法。如灰色人工神经网络法、模糊神经网络法、 模糊专家系统法、专家系统神经网络法以及遗传神经网络等等各种智能优化方法。 ( 1 0 ) 组合优化预测法是一种新型预测方法，它的基本思想是将不同的预测方 法优势互补加以组合，形成一种新的预测模型，或者是根据预测环境，将多种方法 得到的预测结果以不同的权重加以组合。 总之，负荷预测是一个相当复杂的问题，负荷预测方法从简单到复杂，从单一 模型到多模型的组合预测，从只考虑历史负荷到考虑各种影响负荷变化的因素，从 传统的统计学和时间序列法发展到现代的人工智能预测技术，预测技术得到了长足 的发展和进步，预测精度也有大幅度的提高，但总的看来，目前尚无一个固定的方 法可以适用于一切负荷预测问题，并保证优于其它方法，其不足之处主要表现在以 下几个方面： ( 1 )通过拟合历史数据的长期预测模型，当影响负荷的相关因素呈明显非线 性时，建立模型困难，预测结果很不理想，同时也不易就模型本身进行分析和调整。 ( 2 ) 未能将影响负荷的多方面因素的综合作用体现出来，对如何选择影响负 荷的各个相关因素没有做具体的分析。 ( 3 ) 在进行数据处理分析和建立预测模型的过程中，未能充分考虑未来相关 4 华北电力人学硕十学位论文 因素的不确定性对中长期负荷预测结果的影响。 随着社会的进步、电力事业的发展，负荷预测的内容将不断丰富，负荷预测方 法也应不断发展和完善，在实际应用中，要对负荷实际变化规律及影响因素做细致 的分析，这要求负荷预测工作者去更深入、更广泛的探索。 1 3 本论文的研究内容 本文研究的对象是基于现代技术的电力系统短期负荷预测。在分析介绍了现有 的各种负荷预测方法基础上，采用粒子群方法、灰色模型、支持向量机模型和组合 预测模型来研究负荷预测模型和预测方法，建立粒子群灰色和粒子群支持向量机组 合预测模型，并通过地方电网短期负荷算例分析证明了所建立模型的有效性。 本文的主要研究内容有： ( 1 ) 通过查阅国内外相关文献资料，对电力系统负荷预测中的问题进行分析， 考察地区电网的负荷特性，变化规律及影响因素，分析典型日负荷曲线，对历史数 据进行预处理，同时考虑相似日及气象等因素进行现代技术的建模分析。 ( 2 ) 研究各种预测方法的局限性与适用范围，分析参与组合的单项预测方法： 灰色预测法和支持向量机预测法在短期电力负荷预测中的应用，并将这两种方法用 粒子群优化方法进行改进。 ( 3 ) 结合地区电网负荷特性，利用粒子群灰色预测模型模拟负荷的增长趋势 的优点和支持向量机预测短期负荷波动趋势的优点，将粒子群灰色预测模型和粒子 群支持向量机预测模型有机结合构成组合预测模型。 ( 4 ) 通过地区电网短期负荷算例分析，证明所建立模型的有效性。 1 4 全文的结构安排 第一章绪论 首先，介绍了本论文的研究背景及意义，并说明了本文研究的必要性；其次， 对地区电网短期负荷预测国内外研究现状进行综述，初步分析了现存短期负荷预测 方法；最后，给出了本文的研究内容和全文的结构安排。 第二章电网短期负荷预测基本理论 本章介绍了短期负荷预测的概念、短期负荷预测的分类及其影响因素、短期负 荷的特性分析、短期负荷预测的基本步骤、误差分析，为后文研究做理论基础。 第三章短期负荷预测模型分析与选择 华北电力大学硕士学位论文 本章首先对主要传统短期负荷预测模型，如专家系统法、趋势分析法、回归分 析法、时间序列法的特性、优点、缺点进行详细分析；然后详细分析模糊预测法、 神经网络法、灰色模型法、支持向量机法、组合预测法等主要现代短期负荷预测模 型；最终在前文对模型分析的基础上，说明本文短期负荷预测模型的选择。 i 绪论 f 上 上 电网短期负荷预测基本理论 地区电网短期负荷组合预测 模型的建立 1 短镙分析与选择 i i 上 地区电网短期负荷预测算例分析 上 结论与展望 图1 1 本文的研究思路 第四章地区电网短期负荷组合预测模型的建立 本章在概述组合预测模型的基础上，分别建立了粒子群灰色和粒子群支持向量 机单一预测模型，并在此基础上，建立了地区电网短期负荷组合预测模型p g s 模型，本章还着重介绍了p g s 模型中单一预测模型权重的确定方法。 第五章地区电网短期负荷预测算例分析 本章首先介绍a 地区电网概况，然后在分析该地区电网负荷特性的基础上，对 该地区电网短期负荷进行预测，最后对预测结果进行综合分析，证明本文所提出方 法的合理性、有效性和优越性。 第六章结论与展望 归纳本文的主要的结论，并对论文的不足和下一步工作进行了分析。 6 华北电力大学硕十学位论文 第二章电网短期负荷预测基本理论 2 1 短期负荷预测的概念 关于预测的定义有多种表达，一般可以认为，预测是在一定的理论指导下，以 事物发展的历史和现状为出发点，以调查研究所取得的资料和统计数据为依据，在 对事物进行深刻的定性分析和严密的定量计算的基础上，研究并认识事物发展变化 规律，进而对事物发展的未来变化预先做出科学的预测。 电力负荷预测是指在充分考虑一些重要的运行特性、增容决策、自然条件和社 会影响的条件下，研究和利用一套能系统处理过去与未来负荷的数学方法，在满足 一定精度要求的前提下，确定某特定时刻的负荷数值。 短期负荷预测一般指一周以内或一天以内的负荷预测；预测对象为日内每个时 刻( 例如2 4 、4 8 、9 6 或2 8 8 点) 的负荷，或日用电量，本文采用9 6 电负荷预测； 主要用于电力系统的调度。像发电机组的开停机计划以及设备的检修计划等，以保 证电力设备的可靠运行；短期负荷预测的预测特点为，在年、月、周、日不同期限 上均具有明显的周期性；其主要影响因素有：星期类型、气象因素( 温度、湿度、 降雨等) 、电价。 2 2 短期负荷预测的分类及其影响因素 2 2 1 短期负荷预测的分类 短期负荷预测按特性分类可以分为最高负荷、最低负荷、平均负荷、负荷峰谷 差、高峰平均负荷、低谷平均负荷、平峰平均负荷、全网负荷、母线负荷、负荷率 等类型的负荷预测。短期负荷预测按行业分类可以分为城市民用负荷、商业负荷、 农村负荷、工业负荷以及其它负荷的预测。 2 2 2 短期负荷预测的影响因素 对于影响短期负荷预测的因素，我们主要考虑历史相关负荷、日期类型、天气 类型、特殊事件等几个因素，由于短期负荷变化的具有不稳定性和异动性，特别是 同负荷曲线这种涉及到各时间点的负荷预测，由于反映的不是一段时期的平均特 性，而是某点的特性，负荷的异常变化是造成短期预测误差的主要来源。负荷的 异常变化一般是由天气的异常变化和特殊事件引起的，进一步提高短期负荷预测的 精度，关键是科学合理地把温度、降雨量等天气因素和日类型，相似日负荷以及特 7 华北电力人学硕十学位论文 殊事件负荷等考虑进去。 2 3 短期负荷的特性分析 2 3 1 短期电力负荷分量构成 电力负荷是不断变化的，总负荷分量总是由各负荷分量组成的。通常将总负荷 表示成四种分量之和，即正常分量、气候敏感分量、特别事件负荷分量和随机负荷 分量。 y o ) = n ( t ) + 形( f ) + s ( f ) + r ( f ) 公式( 2 1 ) 其中：y ( n 代表总负荷；n ( t ) 代表典型负荷分量；形( f ) 代表天气敏感负荷分量； s ( f ) 代表特殊事件负荷分；r ( f ) 代表随机负荷分量。 典型负荷分量也称为正常负荷，它与气象无关，具有线性变化和周期变化的特 点。线性变化描述日平均负荷变化规律，而周期变化描述分别以年、月、周、日、 小时为周期的变化规律。 本文主要研究的是日负荷预测，所以有必要说明负荷的日周期性。负荷变化的 日周期性体现为以2 4 小时为周期的负荷值的变化，一般不分季节每日都有早晚两 个高峰，早高峰一般出现在上午十点左右，晚高峰出现在晚上七点到十点左右，一 天的低谷负荷出现在午夜至早晨的后夜间。一般在这个时段人们处于休息状态，运 行的负荷主要为那些不问断的负荷。这些负荷组成了负荷的基本负荷，但随着电力 市场的发展，在一些发达地区峰谷电价的实行可能会将一些私营小企业的负荷拉到 夜间运行，这是将来电力市场成熟发展后负荷预测需要考虑的问题。峰值负荷的预 测是负荷预测的重要内容，因为这部分负荷直接影响着系统运行容量的确定，对系 统的运行起重要作用。 典型负荷的不同主要是由于各地负荷组成方式的不同所引起。负荷组成的差异 性主要体现在两个方面：一是负荷种类，二是各种负荷成分所占比重。不同组成的 负荷在这两方面的差异决定了它们的负荷特性及对影响因素的响应特性互不相同。 究其原因，不同的组成成份对各种影响因素的灵敏度不同，表现出不同的响应特性。 可见，负荷的具体组成对负荷特性具有根本性和决定性的影响。 天气敏感负荷分量与一系列天气因素有关，如温度、湿度、风力、阴晴等。不 同天气因素影响负荷的方式不同，一年中不同时期天气因素影响负荷的方式也不 华北电力大学硕士学位论文 同，这就形成负荷季节性周期变化的规律。 异常或特殊事件负荷分量使负荷明显偏离典型负荷特性，如政治事件、系统故 障、限电、特别电视节目等。由于这类事件的随机性，需要由调度人员参与判断。 在各种负荷预测模型中这部分分量往往通过人工修正得以改进。 随机负荷分量是负荷中的不可解释成分，可通过负荷预测的模型和算法来考虑 这些随机负荷分量。例如，在时间序列法中，将剩余的残差，即为各时刻的随机负 荷变量，看成是随机时间序列。而在神经网络预测中利用模型良好的非线性能力， 可以很好的考虑到随机负荷因素。 2 3 2 短期电力负荷特性指标 ( 1 ) 最高、最低负荷：报告期( 日、月、季、年) 内记录的负荷中，数值最 大、最小的一个； ( 2 ) 平均日负荷率：将报告期每日的负荷率相加，除以报告期的天数。计算 公式为： 平均日负荷率( ) = 羔焉筹 公式( 2 2 ) ( 3 ) 平均负荷：报告期内瞬间负荷的平均值，即负荷时间数列时序平均数； 报告期发( 供、用) ：塑堂塑垄! 堡：旦! 皇量! 墅!公式( 2 3 ) 电平均负荷( k w )报告期小时数( h ) ( 4 ) 最小负荷率：报告期最低负荷与当期最高负荷的比率。计算公式为： 最小负荷率c ，= 曩暑嚣羹黜。 公式( 2 4 ) ( 5 ) 峰谷差率：报告期日峰谷差最大值与当日最高负荷的比率。计算公式为： 峰谷差率c ，= 塑笪罢鬻墨肇雾雾掣- 。公式c 2 - 5 ， 9 华北电力大学硕士学位论文 ( 6 ) 负荷曲线：将各发电厂、供电地区或电力系统所承担的有功或无功负荷， 按时间序列绘制成的图形，称为负荷曲线。按时间分类，有日负荷曲线( 标示出一 天内每小时的负荷值，反映一天内负荷动态) 和年负荷曲线( 标示出一年内每月的 最高负荷值，观察一年内各月负荷功态) 等；按用电性质分类，有农业负荷曲线、 工业负荷曲线和居民生活负荷曲线等。 2 4 短期负荷预测的基本步骤 ( 1 ) 明确负荷预测的目的，制定计划 根据不同地区、不同时期的具体情况，紧密联系电力工业实际需要，明确负荷 预测的目的，并据以拟定一个负荷预测工作计划。预测计划中需要考虑的问题主要 有：准备预测的时期，所需要的历史资料，需要多少项资料，资料的来源和手机资 料的方法，预测的方法，预测工作完成时间，所需经费来源等。 ( 2 ) 调查、选择资料 资料收集和选择的好坏，直接影响负荷预测的质量，因此要尽可能全面、细致 地手机所需要的资料，包括电力企业内部资料和外部资料，国民经济有关部门的资 料，以及公开发表和未公开发表的资料，然后从众多的资料中挑选出有用的一小部 分。 ( 3 ) 整理、分析资料 为保证预测质量，对所收集的统计资料进行审核和加工处理必不可少，其主要 工作有：资料的补缺推算，对不可靠的资料的核实调整及调整时间数列中不可比资 料，然后对所需资料进行初步分析。 ( 4 ) 建立预测模型 负荷预测模型多种多样，以适应不同结构的资料，因此对一个具体的资料，就 有选择适当预测模型的问题。正确选择预测模型在负荷预测中是关键性的一步，模 型选择的不当，就会造成预测误差过大，模型需要更换。 ( 5 ) 综合分析，确定预测结果 建立负荷预测模型进行负荷预测，经过运算得到的预测值，或利用其他方法得 到的初步预测值，要参照当前已经出现得各种可能性，以及新的发展趋势，对预测 结果进行综合分析、对比、判断推理和评价，最终对初步预测结果进行调整和修正。 l o 华北电力大学硕士学位论文 2 5 误差分析 对预测模型进行评价是非常必要的，其评价指标主要是预测误差。适用的预测 方法应使预测误差处于可接受的范围内。若误差太大，就失去了预测的意义，导致 电力规划及生产决策的失误，造成重大的经济损失。进行误差分析，不仅可以认识 预测结果的准确程度，在利用预测资料作决策时还具有重要的参考价值，同时，对 于改进负荷预测工作，检验和选用恰当的预测方法等方面也发挥着很大的作用。 2 5 1 误差产生原因 预测误差产生的原因很多，但主要有以下几个方面：( 1 ) 预测模型误差。( 2 ) 影响因素的多样性。( 3 ) 资料的准确可靠性。( 4 ) 突发事件。 2 5 2 误差的描述指标 误差分析是用来判断一个模型的预测精度，而预测精度是指预测模型拟合的好 坏程度，即由预测模型所产生的模拟值与历史实际值拟合程度如何。计算和分析负 荷预测误差的方法及指标有很多，但主要有以下几种： ( 1 ) 绝对误差和相对误差 设y i 和t 分别表示实际值和预测值，则称k 一霉i 为绝对误差，称i 星笋i 为相对 l l l 误差。这是一种直观的误差表示方法，在电力系统中是一种常用的误差考核指标。 ( 2 ) 平均绝对误差和平均相对误差 = 净= 却一蚓，脚= 撸= 矧警i 2 剞 式中：m a e 平均绝对误差；a r e 平均相对误差； 互第i 点的预测值和实际值的绝对误差； 毛第i 点的预测值和实际值的相对误差； y i 第i 点的实际负荷值；t 第i 点的预测负荷实际值； 华北电力大学硕+ 学位论文 ( 3 ) 均方误差 眦= 誊= 翘孚) 2 2 州 式中：m s 卜均方差，其它符号同前。 均方误差是预测误差平方和的平均值，避免了正负误差不能相加的问题，是误 差分析中的综合指标之一。 ( 4 ) 均方根误差 州s 吒医1 ii 。l = 式中：r m s e 均方根误差，其它符号同前。 公式( 2 8 ) 华北电力人学硕+ 学位论文 第三章短期负荷预测模型分析与选择 总体上看，负荷预测技术的研究大致经历了两个阶段：第一个阶段是负荷预测 传统算法的研究，主要是专家系统法、趋势外推法、回归分析法、时间序列法等， 研究重点在负荷序列本身的规律上。第二个阶段是负荷预测现代算法的研究，主要 是模糊预测法、神经网络法、灰色模型法、支持向量机法、组合预测方法，研究重 点是以新技术替代传统方法。 3 1 主要传统短期负荷预测模型分析 传统预测模型主要包括专家系统法、回归分析法、时间序列法和趋势分析法等。 3 1 1 专家系统法 专家系统预测法是对数据库里存放的过去几年甚至几十年的，每小时的负荷和 天气数据进行分析，从而汇集有经验的负荷预测人员的知识，提取有关规则，按照 一定的规则进行负荷预测。专家系统法，是对人类的不可量化的经验进行转化的一 种较好的方法。但专家系统分析本身就是一个耗时的过程，并且某些复杂的因素( 如 天气因素) ，即使知道其对负荷的影响，但要准确定量地确定他们对负荷地区的影 响也是很难的。 此法的优点是：能汇集多个专家的知识和经验，最大限度地利用专家的能力； 占有的资料、信息多，考虑的因素也比较全面，有利于得出较为正确的结论。缺点 是：不具有自学习能力，受数据库里存放的知识总量的限制；对突发性事件和不断 变化的条件适应性差。 3 1 2 趋势分析法 趋势分析法又称之为趋势曲线分析、曲线拟合或曲线回归，它是迄今为止研究 最多，也最为流行的定量预测方法。它是根据己知的历史资料来拟合一条曲线，使 得这条曲线能反映负荷本身的增长趋势，然后按照这个增长趋势曲线，对要求的未 来某一点估计出该时刻的负荷预测值。常用的趋势模型有线性趋势模型、多项式趋 势模型、对数趋势模型、幂函数趋势模型、指数趋势模型、逻辑斯蒂( l o g i s t i c ) 模 型、龚帕兹( g o m p e r t s ) 模型等。寻求趋势模型的过程是比较简单的，这种方法本 身是一种确定的外推，在处理历史资料、拟合曲线，得到模拟曲线的过程，都不考 虑随机误差。采用趋势分析拟合的曲线，其精确度原则上是对拟合的全区问都一致 的。在很多情况下，选择合适的趋势曲线，确实也能给出较好的预测结果。 华北电力大学硕士学位论文 该方法缺点是：不同的模型给出的结果相差会很大，使用的关键是根据地区发 展情况，选择适当的模型。 3 1 3 回归分析法 回归分析法又称统计分析法。其任务是确定预测值和影响因子之间的关系而做 出预测。由于模型是基于历史数据进行的回归分析，能较好地拟合过去，但对未来 的预测效果会随时间的延长而减弱。其优点是模型参数估计技术比较成熟，预测过 程简单。缺点是线性回归分析模型预测精度较低；而非线性回归预测计算开销大，预 测过程复杂。电力负荷回归分析法是通过对影响因子值( 比如国民生产总值、工农 业总产值、人口、气候等) 和用电的历史资料进行统计分析，确定用电量和影响因 子之间的函数关系，从而实现预测。但由于回归分析中，选用何种因子和该因子系 用何种表达式有时只是一种推测，而且影响用电因子的多样性和某些因子的不可测 性，使得回归分析在某些情况下受到限制。 该方法缺点是：由于受各种因素的影响，收集和统计的历史数据往往是模糊的， 同时未来相关变量数据也只能是个估计数，同样也是模糊的，经典回归模型本身很 难完全反映变量间的关系。 3 1 4 时间序列法 时间序列法是根据过去的负荷统计数据，找到其随时间变化的规律，建立时序 模型，以推断未来负荷数值的方法，其基本假定是：过去的负荷变化规律会持续到将 来，即未来是过去的延续。在时间序列法中广泛使用的模型有a r ( 自回归) 模型、 m a ( 动平均) 模型、a r m a ( 自回归动平均) 模型、a r i m a ( 累计式自回归 动平均) 模型和开( 传递函数) 模型等。时间序列预测法在电网情况正常、气 候等因素变化不大时预测效果良好，该方法缺点是：在随机性因素变化较大或存在 坏数据的情况下，预测结果不太理想。 3 2 主要现代短期负荷预测模型分析 现代预测模型主要包括模糊预测法、神经网络法、灰色模型法、支持向量机法 和组合预测法等。 3 2 1 模糊预测法 模糊预测方法用模糊理论及方法去综合分析电力负荷与各种因素之间的关系， 化众多不确定信息为确定，以模糊矩阵来描述电力负荷需求量，用模糊集合论的原 理求解负荷变化规律，可以说它所表示的事物间的联系更近于实际，用它来解决负 1 4 华北电力人学硕十学位论文 荷预测问题是一种极有意义的探索。其优点是预测结果可以预测区间及概率形式提 供，精确度较高。此方法更适用于未来经济发展有很大不确定性的新开发区中、长 期负荷预测。目前，模糊预测方法主要有模糊线性回归法，模糊聚类识别法，模糊 指数平滑法，模糊相似优先比法和最大贴近度法。该方法缺点是要求提供较多的历 史数据，造成使用中的困难。 3 2 2 神经网络法 1 9 9 1 年d c p a r k 等人第一次将神经网络应用于电力系统负荷预测，并取得了在 当时看来令人满意的结果。神经网络预测技术可以模仿人脑做智能化处理，对大量 非结构性、非确定性规律具有自适应功能，因而在电力系统应用研究中受到了广泛 的关注。该方法的优点是：可以模仿人脑的智能化处理；对大量非结构性、非精确 性规律具有自适应功能；具有信息记忆、自主学习、知识推理和优化计算的特点。 该方法的缺点是：初始值的确定无法利用已有的系统信息，易陷于局部极小的 状态；神经网络的学习过程通常较慢，对突发事件的适应性差。另外，不同的应用 模型中，没有现存的理论依据来指导人工神经网络模型输入参数的选取及处理；缺 乏一种有效的方法来解决人工神经网络在训练过程中可能产生的学习不足或者是 过拟和现象；对于周期性的人工神经网络模型输入参数，没有确定样本量的依据； 收敛速度慢且易陷入局部极小，训练过程比较消耗时间；神经网络的结构确定，包 括输入变量的恰当选取及隐含层数目的大小等要在实践中进行摸索。 3 2 3 灰色模型法 灰色系统理论是我国著名学者邓聚龙创立的一门新兴学科，该理论的核心是 g m ( 1 ，1 ) 模型，g m ( 1 ，1 ) 模型的实质是对杂乱无章的原始数据序列做一次累加 生成，使生成序列呈一定规律性，然后建立一阶线性微分方程模型，求得拟合曲线 对系统进行预测。用灰色模型( g m ) 的微分方程作为电力负荷的预测时，求解微 分方程的时间响应函数表达式即为所求的灰色预测模型，对模型的精度和可信度进 行校验并修正后即可据此模型预测未来的负荷。 该模型的优点是：要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算 方便、短期预测精度高、易于检验。 该模型的缺点是：该模型是一种指数增长模型，当电力负荷严格按指数规律持 续增长或增长较慢时，此法优势明显，而实际用电量很难严格按指数规律变化，所 以对于波动性变化较大的电力负荷，其预测精度变低，因此g m ( 1 ，1 ) 模型在实际 应用中受到一定的限制，因此一方面需引入向量秒，将模型推广为g m ( 1 ，l ，p ) 模 型，另一方面，需要与其他对于具有波动性变化的电力负荷适应能力强的模型或算 华北电力人学硕士学位论文 法结合，才能达到较好的预测效果。 3 2 4 支持向量机法 支持向量机( s u p p o r tv e c t o rm a c h i n e ，s v m ) 是一种基于统计学习理论的模式识 别方法，它是由b o s e r , g u y o n ，v a p n i k 在c o l t ( c o m p u t a t i o n a ll e a r n i n gt h e o r y ) 9 2 上首次提出，支持向量机方法成功地克服了神经网络等传统学习算法一些缺点：由 于它是基于小样本学习的理论，致力于寻找小样本情况下学习问题的最优解，不需 要利用样本趋于无穷大的渐进性条件，因而在小样本情况下同样能得到具有推广价 值的模型：构造支持向量机的过程实际上是求解一个凸二次优化方程，理论上可以 得到全局最优解，不存在局部最优的问题；在结构上，支持向量机类似于三层前馈 网络，但通过求解凸二次优化问题，可以同时得到隐层节点数和权向量，因而支持 向量机的网络结构是根据训练样本自动确定的：通过采用核函数方法，一方面将高 维特征空间中的点积运算转变为低维输入空间的核函数运算，使得求解支持向量机 的过程只与训练样本的数目有关，而和数据维数无关，从而有效地解决了传统机器 学习方法难以解决的维数灾难问题，另一方面，通过改变核函数的形式，就可以构 造不同类型的学习机器。正是由于支持向量机的这些优点，使得它成为近几年来机 器学习领域的一个新的研究热点。最初，支持向量机主要用来解决模式识别问题， 伴随着占不敏感损失函数的引入，支持向量机开始用于