（技术经济及管理专业论文）短期电力负荷预测的神经网络模型优化研究及应用.pdf

华北电力大学硕士学位论文摘要 摘要 论文从电力系统负荷预测的发展及研究现状入手，总结了人工神经网络方法用 于短期负荷预测的研究现状，分析了电力负荷特性及影响负荷预测精度的因素。将 粒子群优化神经网络方法用于短期电力负荷预测，在对邢台市电网历史负荷分析的 基础上，建立了考虑多种影响因素的负荷预测模型，对输入负荷、温度值进行了归 一化处理，并对日 期类型、气象因素变量等进行了量化处理。经实例验证，本文所 建立的基于粒子群优化算法的神经网络预测模型能提高预测精度和速度，其预测性 能明显优于基于b p 神经网络的负荷预测。 关键词:负荷预测，神经网络，学习算法，粒子群优化 abs tract t h i s t h e s i s s t a rt s w i t h t h e d e v e l o p m e n t a n d a c t u a l i t y o f l o a d f o r e c a s t i n g r e s e a r c h f o r p o w e r s y s t e m . f i r s t , t h e r e s e a r c h a c t u a l i t y o f a rt i f i c i a l n e u r a l n e t w o r k m e t h o d u s e d f o r s h o r t - t e r m l o a d f o r e c a s t i n g i s s u mm a r i z e d , a n d t h e n t h e c h a r a c t e r i s t i c o f p o w e r l o a d a n d t h e i m p a c t f a c t o r s o f f o r e c a s t i n g p r e c i s i o n a r e a n a l y z e d . t h r o u g h t h e a n a l y s i s o f t h e h i s t o r y l o a d o f x i n g t a i a n d u s i n g t h e n e u r a l n e t w o r k b a s e d o n p s o , t h e s h o rt - t e r m l o a d f o r e c a s t i n g m o d e l w h i c h s y n t h e t i c a l l y c o n s i d e r s e v e r y k i n d o f i m p a c t f a c t o r i s c r e a t e d . t h e i n p u t l o a d d a t a a n d t e m p e r a t u r e a r e n o r ma l i z e d , a n d d a t e t y p e a n d w e a t h e r c o n d i t i o n v a r i a b l e a r e q u a n t i t a t i v e l y t r a n s a c t e d . s i m u l a t i o n r e s u l t s s h o w t h a t , t h e n e u r a l n e t w o r k f o r e c a s t i n g m o d e l b a s e d o n p s o ( p s o - n n ) c r e a t e d i n t h i s t h e s i s c a n i m p r o v e f o r e c a s t i n g p r e c i s i o n a n d s p e e d , a n d i t s f o r e c a s t i n g c a p a b i l i t y i s o b v i o u s l y b e t t e r t h a n t h e n e u r a l n e t w o r k mo d e l b a s e d o n b p a l g o r i t h m ( b p - n n ) . z h a n g y i n g x i a ( t e c h n i c a l e c o n o m y a n d m a n a g e m e n t ) d i r e c t e d b y p r o f . s u n we i k e y wo r d s : l o a d f o r e c a s t i n g , n e u r a l n e t w o r k , l e a rni n g a lg o r i t h m , p a r t i c l e s w a r m o p t i m i z a t i o n 二 t 二0口 尸a明 本人郑重声明: 此处所提交的硕士学位论文 短期电力负荷预测的神经网络模型 优化研究及应用 ， 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己 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:服迎霞日 期: 2 0 0 6 . 泛 . 2 0 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) 作者签名 眼 i l 日期:2 o o 6 . f2 . 2 0 。签 名 : 价乱 日期:t ,4. / ,? . d- 0 华北电力大学硕士学位论文 第一章 引言 1 . 1 本课题的研究背景及意义 电力系统由电网和电力用户组成，其作用是尽可能经济地为各类用户提供可靠 且合乎标准要求的电能，最基本也最重要的是要满足负荷要求。由于电能的生产、 输送、分配和消费是同时完成的，难以大量储存，这就要求系统发电出力随时紧跟 系统负荷的变化以达到动态平衡，否则就会影响供用电的质量，重则危及电力系统 的安全与稳定。因此，电力系统负荷预测工作是电力系统中的一项重要课题，也是 电力系统自动化领域中的一项重要内容。 电力系统负荷预测是电力系统安全经济调度、规划、设计研究的基础和前提。 准确的负荷预测结果将意味着在满足供电质量要求的条件下对系统建设资金最大 可能限度的利用和有限投资的最大社会、经济效益的获得，负荷预测工作因而引起 了人们的普遍关注。当前，电力市场化在电力工业内部引入竞争机制的同时，也给 电力系统各部门赋予了新的任务，负荷预测成为电力交易中重要的数据源，为电力 公司制定发电计划、检修计划、电价报价及电网规划提供依据，由此对电力负荷预 测的科学性和准确性提出了更高的要求，如何使预测手段及预测结果满足电力市场 经济化的发展要求，为预测人员提出了新的课题. 电力系统的负荷预测按预测期的长短可以分为长期、中期、短期和超短期负荷 预测。长期与中期负荷预测的结果有利于决定未来的发电厂的新建或机组的安装、 机组容量的大小、地点和时间，决定电网的增容和改建，决定电网的建设和发展。 短期负荷预测一般是指预测未来一天到一周的负荷情况，预测的最重要的目的是要 尽可能高的满足提高预测的精度要求。在完善电力市场的趋势下，精确的短期负荷 预测意味着巨大的经济效益。 英国的研究结果表明， 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4 5 5 万9 1 。 万欧元的附加运行成本tll . 短期负荷预测的意义在于7 ( 1 )为了能对运行中的发电厂的出力要求提出预测，使得对发电机组的出力 变化的情况事先得以估计，对于装机容量不大的孤立的电网，短期负荷预测更是必 要的。 ( 2 )对于一个大的电网，为了经济和合理的安排本网内各发电机组的启动和 停机，以使系统在要求的安全范围内，为保持必要的旋转储备容量的耗费为最小， 短期负荷预测也是必要的。 ( 3 )当电网进行计算机在线控制时，应当使用短期负荷预测的信息来实现发 华北电力大学硕士学位论文 电的合理调度，满足给定的运行要求，同时使发电成本为最小。 因此，准确的负荷预测，可以保证社会的正常生活和生产，有效地降低发电成 本，提高经济效益和社会效益。短期负荷预测是电网安全经济运行的前提，尤其是 随着电力改革的深化，电力市场的进一步放开，高质量的短期负荷预测愈显重要和 迫切。 1 . 2 负荷预测的发展和研究现状 我国负荷预测研究起步较晚。在我国电力系统发展初期，由于电网覆盖面小， 装机容量少等原因，负荷预测通常由调度人员根据过去地负荷历史数据和未来可能 发生的负荷变化情况，由人工进行决策。这种情况一直持续到八十年代。八十年代 后，由于电网的不断扩大和计算机技术的快速发展，网调和部分省调、县调的负荷 预测开始采用人工预测和计算机预测相结合的办法。这种情况一直持续到现在。如 今随着电力市场的逐步放开，在电力系统全国联网的大趋势下，短期负荷预测与计 算机技术的融合越来越紧密，智能化程度正不断提高。 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、增容决策、自然 条件和社会影响下、研究或利用一套能系统地处理过去和未来负荷的数学方法，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2 1 。因此，负荷预测 精度高低的关键问题是预测的技术方法，或者说是预测数学模型。从负荷预测数学 模型的研究开始，国内外学者就为了找出准确的适合短期负荷预测方法而不懈努 力， 建立了各种数学模型， 并不断地完善和改进， 逐渐提高了短期负荷预测的精度。 在负荷预测发展初期，由于数学发展的局限和对负荷预测精度要求不高，人们 建立了一些传统的负荷预测方法，传统预测方法的产生和发展是与概率论和树立统 计等数学理论的发展密不可分的， 可大致分为两种， 即时间序列法和回归分析法s 时间序列法分为确定性时序法和随机性时序法，前者包括时间序列平滑法，趋 势外推和季节变动法等:后者包括马尔可夫法和b o x - j e n k i n s 法 ( 又称 a r m a模型 法)等，其中b o x - j e n k i n s 法最成功，使用最广泛。时间序列法一般都是建立在假 定负荷是稳定发展变化的基础上，没有考虑天气等影响负荷变化的因素，故面对天 气骤变或突发事件时预测误差较大，只适用于负荷变化比较平稳的前提下进行的预 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。 回归算法能够考虑进天气影响和特殊日负荷的特点，但它需要大量数据的参与 计算，同时一般均假设各变量之间是简单的线性关系，而负荷与天气等变量之间是 华北电力大学硕士学位论文 动态的、非线性的关系，对此，回归算法便不能很好地解决;另外，部分假设天气 与负荷之间是动态、非线性关系的回归算法也只是通过简单的变量代换来拟合这种 非线性关系，故均不能较好地反映负荷与天气间的关系2 1 九十年代以后， 随着人工智能理论的发展与成熟， 负荷预测的新技术层出不穷， 综合起来主要有人工神经网络方法g 1 6 1 、专家系统法0 (7 ) 、模糊系统方法8 l 、小波分 析法0 1 10 1 、 灰色系统理论【 1 1 ( 12 1 等.由于人工神经网络方法具有较强的学习能力、自 适应能力、复杂映射能力、记忆能力、容错能力等智能处理能力，使得智能方法在 负荷预测领域迅速发展。专家系统是建立于人类专家知识上的逻辑推理模型，在实 用中将历史预测误差和对应的天气以及节假日信息加以总结和归纳，形成专家规则 以得到更高的预测精度。模糊系统方法适用于解决过程本身的不确定性、不精确性 和噪声而带来的困难， 它使用模糊逻辑语言方法， 不需要掌握过程的精确数学模型， 且在过程参数变化方面具有很强的适应性，所以适用于负荷预测领域。但是也存在 一定的不足，如较弱的学习能力等。由于电力系统的负荷是一个既存在随机变化分 量，又存在周期变化分量，同时还有增长的趋势，于是要获得较强的学习精度，必 须使得预测系统有较强的学习能力。小波分析的特色在于它是一种时域一频域分析 方法，在时域和频域上同时具有良 好的局部化特性。电力系统的负荷往往存在多种 周期性的特点，可把负荷曲线看作多种频率交织在一起的混和信号，于是运用小波 分析可聚焦到任何细节。灰色系统理论的特点在于建立负荷预测的数学模型之前， 先对各影响因素进行关联度分析，从而 “ 生成”一个随机性弱化、规律性强化的新 的负荷序列，揭示潜在负荷数据背后的内在规律，获得较高的预测精度要求。该方 法一般适合于中长期的负荷预测，而对短期和超短期的负荷预测由于突变因素的存 在而不能达到预期的预测精度。另外还有负荷预测研究偏重于将各种算法的优点结 合从而提高预测的精度，如文献【 1 3 1 9 尝试应用混沌理论和支持向量机来实现负 荷预测，文献【 1 4 将灰色系统理论和神经网络相结合，文献 1 5 1 6 将小波分析和 神经网络相结合等。这些算法在预测的精度上有一定的提高，但同时也增加了负荷 模型的复杂性。 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。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。 可以采用试验比较的方法，利用某一电网的历史数据确定该电网最有效的算法。在 电力工业发达的英国、法国等都是应用了 上百种方法来解决负荷预测问题的 17 1 华北电力大学硕士学位论文 1 . 3短期负荷预测的人工神经网络方法 负荷预测发展至今，尽管学者们提出了各种各样的预测模型，并且都不同程度 地发展了负荷预测理论，但研究较为广泛和普遍的仍然是神经网络方法。1 9 9 1 年， d . c . p a r k 等人首次将人工神经网络 ( a n n , a r t i f i c i a l n e u r a l n e t w o r k )方法应用 于电力负荷预测，引起了广泛兴趣，随后相继出现了多种神经网络预测模型。人工 神经网络由于能不断学习新知识，可模拟复杂的非线性映射及具有高度的鲁棒性， 因而被认为是一种非常有效的负荷预测技术，引起负荷预测工作者的高度重视。目 前，人工神经网络主要用于短期负荷预测，虽然也有用于中长期的研究，但是该方 法应用于短期负荷预测要比应用于中长期负荷预测更为适宜，因为短期负荷变化可 以认为是一个平稳的随机过程，而长期负荷预测与国家或地区的政治、经济、政策 等因素密切相关，通常会有些大的波动而并非一个平稳随机过程。 在短期负荷预测中，应用最多的是带有隐含层的前馈型神经网络，它通常有输 入层、输出层和若干隐含层组成。多层前馈网络是通过多个神经元的相互连接，使 其输入和输出构成一个复杂的非线性处理系统。实际上代表输入、输出关系的有关 信息主要分布在神经元之间的连接权上，不同的连接权重反映不同的输入、输出关 系。网络的学习或训练的过程实质是给定输入和希望输出不断地调整权重，所遵循 的预定规则就是学习算法。短期负荷预报就是利用这个过程来记忆复杂的非线性输 入、输出映射关系，而这种特性正是一些传统的负荷预报方法难以实现的。 多层前馈神经网络一般采用误差反向传播b p ( e r r o r b a c k p r o p a g a t i o n ) 算法进 行网络训练，此结构的神经网络具有很好的函数逼近能力，通过对训练样本的学习 能很好地反映出对象的输入、输出之间的复杂的非线性关系，且不必预先知道输入 变量和预测值之间的数学模型，然而此种结构的网络存在以下缺陷: ( 1 )从数学上看它是一个非线性优化问题，这就不可避免存在局部极小问题; ( z )学习算法的收敛速度很慢且不易收敛; ( 3 )难以科学地确定网络结构如隐含层神经元的个数。 为克服以上a n n的缺点， 提高其收敛速度和精度， 人们对b p 算法进行了改进， 如:变步长加入惯性项、 引入遗忘因子 ( 对训练样本输入集)和期望因子 ( 对训 练样本输出集)采用指数型能量函数来调整权值等，还有一些文献提出基于拟牛顿 法优化技术的学习算法共辘梯度法，卡尔曼滤波算法等，这些算法都使a n n 的收敛 性和收敛速度有所改善，但收敛速度没有得到根本性的提高。在关于网络结构的问 题上一些文献提出用遗传算法、小波模型优化结构，后者处于理论研究阶段，还有 一种改进算法是计算误差函数对连接权重的二阶导数，依据导数大小选择性地调整 华北电力大学硕士学位论文 权重，其公式繁琐，但是要满足速度和结构同时最优很难实现的，因为优化本身是 一个耗时的过程二者不可得兼g a l 人工神经网络在进行负荷预测建模时，原理新颖，思路明确。引入非线性模拟 概念比较接近于客观实际，可以考虑比较多的影响因素，但是人工神经网络样本的 选择困难，计算速度慢，有时会出现不收敛情况，外推特性差，所以至今还没有一 个方法能引导我们从可能适合于用户的无数个模型中最合理地选择一个最为合适 的模型。 1 . 4本论文所做的工作及主要创新点 电力系统负荷预测，特别是短期负荷预测随着电力体制向市场的转变而越来越 具有更加重要的现实意义，并成为近年来人们研究的热点。短期负荷预测的核心问 题是利用现有的历史数据( 历史负荷数据和气象数据等) ，采用适当的数学模型对预 测的负荷值进行估计，有效地进行短期负荷预测需要具备两方面的条件，一是可靠 的历史数据，二是预测方法和相应的软件。由于现在电力系统调度运营部门管理信 息系统的逐步建立以及气象部门气象预测水平的提高，各种历史数据的获取已不再 困难，因此短期负荷预测的核心问题在于预测模型的水平高低。本文对基于粒子群 优化神经网络模型的短期负荷预测进行了研究，所做工作主要有以下几点: ( 1 )负荷预测技术的总结与研究。主要包括电力系统负荷预测的分类及特点、 电力负荷特性及影响负荷预测精度的因素的分析;电力系统负荷预测的发展及现状 的研究，总结了应用于负荷预测的各种传统及现代方法，并着重分析了人工神经网 络在负荷预测中的应用。 ( 2 )针对 b p神经网络收敛速度慢、容易陷入局部最小的固有缺陷，采用粒子 群算法优化神经网络训练过程，研究了基于p s o的神经网络学习算法设计、主要步 骤及流程图。 ( 3 )调研了邢台市电力负荷历史数据，分析了该地区的负荷特点及未来负荷变 化趋势;确定影响该地区负荷预测的重要因素，作为神经网络模型的输入变量:为 简化网络的训练与预测过程，对各种输入变量进行预处理，包括负荷历史数据中非 正常波动值的剔除、气象因素变量的量化、历史负荷及温度数据的归一化处理等; 确定了神经网络隐含层及输出层神经元个数，从而建立了神经网络短期电力负荷预 测模型。 ( 4 )对邢台市电网的历史负荷进行实例预测，通过m a t l a b 6 . 5 语言编程实现。 采用基于普通 b p神经网络和基于 p s o优化神经网络的预测模型同时对邢台市电网 进行了日负荷和周负荷预测，在对预测结果比较分析的基础上得出后者收敛速度更 华北电力大学硕士学位论文 快，预测精度更高，可以满足电力系统运行调度需要的结论。 论文的主要创新点有三:一是将粒子群优化神经网络方法引入到短期电力负荷 预测中:二是建立了考虑多种影响因素的神经网络短期负荷预测模型，在输入变量 中选择与预测日负荷相关的历史负荷，并将温度、天气状况和日期类型参数也引入 网络，以提高预测精度;三是为使神经网络结构相对合理，从而减少训练时间，将 一天 2 4 小时的数据以6 小时为一组共分为4 组，分别建立了4 个神经网络进行训 练和预测。 华北电力大学硕士学位论文 第二章 短期负荷预测概述和分析 电力系统负荷预测需要从已知的经济、社会发展和电力系统需求出发，考虑政 治、经济、气候等相关因素，通过对历史数据的分析和研究，探索事物之间的内在 联系和发展规律，以未来经济和社会发展情况的预测结果为依据，对未来的电力需 求做出估计和预测。 在进行负荷预测之前，首先要对所预测地区的负荷的变化规律、 特性以及影响 因素进行分析。只有充分了解掌握负荷的特点、变化规律，才能建立符合实际情况 的预测模型。电力系统负荷是一个周期性和随机性很强的系统，与社会、经济、政 治、气象等众多的因素存在着极为复杂的关系。一方面，电力负荷按一定的趋势规 律地变化;另一方面，负荷受众多因素的影响，随时发生无规律的变化波动。在进 行预测时，针对负荷变化的这些特点，既要充分分析、掌握并利用其规律性，又要 兼顾各种因素的影响。 2 . 1 电力系统负荷预测的分类2 1 1 2 1 不同的用电单位和部门，以及不同的用电设备，它们对电力的需求量、用电方 式有着明显的区别。在电力规划中作电力负荷预测时，以及在综合用电统计时，不 可能也没有必要对每一个用电单位的用电特点及用电需求进行分析预测，而是采用 不同的分类方法，将地理区域内的电力负荷分成若干类，然后分门别类的进行分析 研究和预测其变化趋势，最后，在分类预测的基础上，采用综合技术进行综合研究 和预测，即可得到电力负荷预测的结果. 我国电力行业采用过很多种分类方法，不同的研究目的采用不同的分类方法。 电力规划中常采用的分类方法是按用电部门的属性划分和按负荷预测的时间长短 划分。 2 . 1 . 1按用电部门的属性分类 一般来说，负荷预测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。不同类型的负荷有不同的变化规律:随着家用电器的普及，城市居 民负荷增长率提高、季节波动增大，且系统峰荷受气温影响越来越大;商业负荷影 响晚尖峰，而且随季节而变化;工业负荷受气象影响较小，但大企业成份下降，使 夜间低谷增长缓慢:农村负荷季节变化强，且与降水情况关系密切。 9 0 年代初以来， 为适应我国国民经济结构的变化，并与国际惯例接轨， 按国民 经济统计分类方法分为:第一产业 ( 主要是农业) 、第二产业 ( 主要指工业) 、第三 华北电力大学硕士学位论文 产业 ( 除第一、第二产业以外的其它产业)用电和居民生活用电4 大类。 分析负荷的结构及其影响因素对提高负荷预测的准确性至关重要，尤其是针对 突发性重大事件。这是一种电力规划及电力工业统计中常用的分类方法，一般用于 中、长期负荷预测。 2 . 1 . 2按时间分类 电力负荷预测中经常按照时间期限进行分类，可分为长期、中期、短期和超短 期负荷预测。 长期负荷预测是指未来数年至数十年的用电负荷预测，其主要用于帮助决定新 的发电机组的安装 ( 包括装机容量大小、型式、地点和时间) ，与电网的规划、增 容和改建，是电力规划部门对电源发展规划和网络发展规划的重要工作之一。 中期负荷预测是指未来一年之内的用电负荷预测，主要预测指标有月平均最大 负荷、月最大负荷和月用电量。主要用于水库调度、机组检修、交换计划和燃料计 划， 需要 1 月1 年的负荷值。中期负荷预测比短期负荷预测考虑的因素要多一些， 特别是一些未来的因素及气候条件。 短期负荷预测通常是指2 4 小时的日负荷预测和1 6 8 小时的周负荷预测， 需要1 - 7 天的负荷值。短期负荷预测模型中主要考虑负荷的周期性变化规律及天气影响因 素。短期负荷预测的意义在于帮助确定燃料供应计划;对运行中的电力出力提出预 告，使对发电机组出力变化事先得以估计;可以经济合理地安排本网内各机组的启 停，降低旋转储备容量:可以在保证正常用电的情况下合理安排检修计划。 超短期负荷预测是指未来 1 个小时、 0 . 5 小时甚至更短时间的预测。 当用于质量 控制时需 5 - 1 0秒的负荷值，用于安全监视需 1 - 5分钟负荷值，用于预防控制和紧 急状态处理需1 0 - 6 0 分钟的负荷值。超短期负荷预测在正常情况下一般不考虑气象 条件的影响，但是对于天气的突变和其他一些对负荷影响的突发事件必须考虑在 内。超短期负荷预测模型主要在于反映负荷在短时间内的变化规律，既反映负荷的 上升、下降或水平趋势及变化值。 2 . 2电力系统负荷预测的特点 由于负荷预测是根据电力负荷的过去推测它的未来数值，所以负荷预测工作所 研究的对象是不确定事件。只有不确定事件、随机事件才需要人们采用适当的预测 技术，推知负荷的发展趋势和可能达到的状况。这就使负荷预测具有以下明显的特 点: 华北电力大学硕士学位论文 ( 1 )负荷预测的不准确性 预测学本身就是一个研究不确定问题的理论与方法，在当今科学界，也是一个 新的、正在探索的领域，因此，其预测的结果应该是一个概率的值。电力负荷未来 发展是不肯定的，它要受到多种多样复杂因素的影响，而且各种影响因素也是发展 变化的，这就决定了预测结果的不准确性或不完全准确性; 在负荷预测系统中，针对各类不同的负荷预测都有一定的精度要求。长期的负 荷预测允许误差在士 1 5 % 以内， 中期负荷预测的允许误差为士 5 % ， 而短期的日负荷预 测的误差一般不能超过土 3 % . 其它几类短期负荷预测的精度要求如下表2 - 1 所示洲。 表 2 - 1几种短期负荷预测精度要求 负荷预测类型精度要求 日负荷预测均方差 3 % 日负荷预测各时段均方差 4 % 超短期负荷预测各时段均方差 1 % 日负荷峰荷的预测均方差 2 % 日负荷谷荷的预测均方差 3 % ( 2 )负荷预测的条件性 各种负荷预测都是在一定的条件下做出的。在很多情况下，由于负荷未来的发 展的不肯定性，所以需要一些假设条件，如当长时间不下雨，排灌负荷将保持较高 的数值等。而这些条件不是毫无根据的凭空假设，而应根据研究分析，综合各种情 况而来。赋予预测结果一定的前提条件，更有利于电力部门使用预测结果。 条件又可分为必然条件和假设条件两种。可靠的负荷预测往往依赖于电力负荷 预测的本质规律，这种预测条件就是必然条件。在很多情况下，由于负荷未来发展 的随机性，给出的负荷预测结果都以假设条件为前提。如果负荷的过去和现在的发 展直接延伸到未来，没有什么重大的干扰和破坏，或完整地记录了这些突发事件， 井将这些历史数据模型化类比现在，预测未来。但是如果在预测中发生了无法估计 的重大事件 ( 如气象的剧烈变化，突发事故，国家政策变化等) ，以至于负荷变化 的正常规律被破坏使预测失效。这种类型的负荷预测在实际应用中并不少见，这种 转折点是最难预测的。如果历史数据中含有类似的事件，预测的趋势就比较好定。 因此要尽量保证负荷预测历史数据的完整性。 华北电力大学硕士学位论文 ( 3 )负荷预测的时间性 因为负荷预测属于科学预测的范畴，因此，要求有比较确切的数量概念，往往 需要指明预测的时间，如超短期负荷预测再现预测的预测速度要求不大于 1 分钟， 短期负荷预测要求预测速度小于 1 0 分钟，日负荷预测时差不大于 1 5 分钟，日负荷 谷荷的预测时差不大于3 0 分钟等。 ( 4 )负荷预测的多方案性 负荷预测的机理是一个数学建模的过程，而不同的数学模型的使用条件有一定 的限制，不是万能地，而预测本身又具有不准确和条件性，所有有时对负荷在各种 情况下的发展状况进行预测，会得到各种条件下的不同预测方案，所以需要考虑不 同的负荷条件建立模型。 ( 5 )负荷预测的地区效应 在不同负荷预测的范围内，负荷的构成比重不同，因此影响负荷的因素有所不 同。一般来说，大电网 ( 网、省级)负荷变化有较强的统计规律性，预测结果较准 确，而地区级电网的预测精度则相对低一些。 2 . 3电力负荷特性分析 2 . 3 . ， 负荷的周期性 短期负荷预测的一个突出特点是:为对系统负荷进行预测，必须对过去的负荷 历史资料进行分析。因为电力系统的负荷本质上是不可控的，了解未来短期内的负 荷的可能变化的一个最有效的办法，就是观察负荷的历史纪录。电力系统负荷的变 化是有规律的，其规律主要体现在负荷变化的周期性，这种周期性是负荷的一种内 在规律。 究其原因， 是人类的生产、 生活具有规律性，因此负荷变化也具有规律性。 负荷的变化的具体的周期性体现在它具有按天、按周及按年的周期性变化特点。负 荷变化的周期性是分析负荷预测的基础，也是预测的关键。 ( 1 )负荷变化的年周期性 负荷的年周期性与季节的关系密切，也主要体现了负荷与人民生活规律的紧密 关系，不同的季节，人民的生活方式和部分生产情况改变，则相应地影响着负荷的 变化。一般夏季比较炎热，较直接的体现为制冷的用电负荷明显增加，同时可以看 到在夏季的负荷波动较其他季节明显:冬季负荷较低，同时负荷的变化很规律，波 动较小;春秋季负荷的特性一般介于冬夏之间，负荷的变化特性不是很明显。 ( 2 )负荷变化的周周期性 负荷变化的周周期性主要体现为从周一到周日的每个星期的周期性特征，可以 华北电力大学硕士学位论文 解释为工作日期间主要为工业生产负荷持续运行，人们的生活方式也符合于工作期 间的规律，所以表现出负荷的工作日相似特性。休息日时间 ( 周六周日两日) ，部 分工业负荷下降，人们的生活方式变化，如餐饮业、娱乐业等负荷加大，从而影响 了负荷的变化，一般而言是负荷相对于工作日降低。 ( 3 )负荷变化的日周期性 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 1 0 : 0 0点左右，晚高峰出现在晚 上 1 9 : 0 0 到2 2 : 0 0 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间断的负荷，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。 2 . 3 . 2 负荷的随机性 从上述分析我们看到了负荷的总体的周期性特点，但负荷还存在着一定的波动 性。负荷的波动性是随机的，影响负荷的波动性的因素是多方面的，而这些因素的 影响又是随机的，所以构成了负荷的波动性。一般影响负荷的随机性的因素有:政 治因素影响、传统节日影响、随机工业负荷 ( 如新厂的投产)的影响、天气的影响 等。这些因素都是不确定的，是不能预料的，都会对电力系统负荷造成冲击，产生 随机负荷。 负荷的发展伴随着增长趋势，一般来讲负荷随着社会整体经济的增长是呈现增 长趋势的，这种趋势是由整体的政治经济因素来决定的，一般来讲，随着经济的发 展负荷的趋势是增大的。整个增大的过程贯穿于全年的负荷发展之中。 2 . 3 . 3 负荷的影响因素分析 电力系统负荷是一个很复杂的非线性系统，有许多直接或间接的因素都会对电 力系统的日负荷产生直接的影响。但是在实际的负荷预测中，又不能考虑太多的影 响因素。一方面由于收集资料的困难，另一方面因素太多会造成建模困难，并且会 带来大量的计算。因此在考虑神经网络的输入变量的问题上，应抓住其中几个最具 特征的影响因素。 根据对历史负荷的分析，一般可把负荷分为两类: 周期性负荷和变动性负荷。 周期性负荷，或者说标准负荷，反映的是负荷自身变化的基本规律，呈较强的周期 性，尤其受到时间周期的影响。针对短期负荷，时间周期因素包括:周周期、日周 华北电力大学硕士学位论文 期等。他们对于日负荷的曲线模式有着极为重要的影响。日负荷曲线基本以周为大 周期变化，以 2 4小时为小周期变化，这些负荷的变化就构成了周期性负荷的变化 状况。变动性负荷是随机因素影响负荷变化的结果，一般在总负荷中所占的比重不 大，约为1 0 % - 2 0 % 左右，它是由于电网内偶然因素的影响造成的负荷震荡。 这种负 荷，从一个长时间周期看，具有零平均值，但是对于短周期而言，负荷的振荡会使 得负荷平均值有所改变。因此对于短期负荷预测，这种振荡的负荷是必须加以考虑 的。造成这种负荷振荡的因素主要为节假日和气象条件的影响。节假日 ( 主要指法 定假日五一、国庆、元旦、春节等)以 及重大的社会政治事件日，都将对日常的生 产、生活用电产生不同程度的影响。由于节假日负荷数据量少，受社会、经济和气 候等多方面团素的影响，负荷的增长和变化关系不确定，预测时间跨度长，因此节 假日负荷预测的难度较大。由于无法形成充足、有效的样本集，使得神经网络法等 方法在节假日预测时，预测精度难以满足要求。气象条件包括温度、湿度、风速、 日照、雾障等等，它们对负荷变化的影响一般很快，而且无确定性的规律。因此这 就要求我们必须加以考虑对变化性负荷有较大影响的气象条件。 在气象条件中，起主要作用的是温度因素和天气状况。因此为了在负荷预测中 考虑这两方面的影响，本文采用了每天的最高温度、最低温度作为神经网络的两个 输入变量，将天气状况模糊离散化后作为神经网络的另一个输入量一气候敏感因素 ( 借鉴电力系统调度人员的经验利用【 0 l 1 1 之间的数值来定量表示气候因素对预测 负荷的影响) ，这样更加能够体现实际负荷的变化情况。 电价也是影响负荷的一个因素，但以前我国的电价相对来说比较固定，电价的 变动仅仅限于季节性和地域性的调整，虽然对负荷产生了一定的影响，但这些影响 都是长期的效应，对中长期负荷预测作用明显，所以一般在短期负荷预测中对电价 因素不予考虑。 随着电力市场化的不断深入， 我国实施了电价体制改革， 出台了 “ 分 时电价”的方案。 因为高峰和低谷的电价相差较大， 一些企业主动调整了作息时间， 使用电高峰的紧张状况得以缓解，但同时也给预测工作带来了困难。由于现在的 “ 分时电价”的施行并未大面积展开，本文中暂且不考虑电价因素的影响。 除了上述的影响因素外，还有如社会经济发展状况、随机因素等也会对负荷产 生影响，但是由于对于日负荷曲线而言，社会经济因素是一种相对变化缓慢的影响 因素，对较长时间的负荷历史记录分析可以发现，负荷是按照一种固定的变化趋势 发展的，如逐步增长或逐步减少。这些因素在中长期的负荷预测中要加以考虑，而 对于短期负荷预测，由于是用近期的历史负荷数据训练网络，可以认为负荷受社会 经济发展因素影响而增大的趋势基本为零，可忽略不计。 华北电力大学硕士学位论文 2 . 4短期负荷预测的模型要求i s ) 在进行短期负荷预测时，必须要建立适当的负荷预测模型，但是各种模型必须 满足负荷的规律性，并能够精确完成短期负荷预测的任务，因此负荷预测的各种模 型必须具备如下特点: ( 1 )模型应能反映负荷随时间变化的周期规律性，如负荷的日周期、周周期、 季节周期等: ( 2 )模型应能反映负荷自然增长的内在规律性，即模型可以实现负荷随着时间 的推移会有较大或较小的变化幅度; ( 3 )模型应当考虑近期负荷的变化趋势对未来负荷预测的影响要大于早期负 荷趋势所产生的影响，即所谓的 “ 近大远小”的规律; ( 4 )由于节假日的负荷的变化规律不同于工作日负荷变化规律， 负荷预测模型 应当分别专用于节假日和正常日 ( 包括工作日和双休日) ; ( 5 )因为负荷受温度降雨量等天气情况的影响较大，负荷预测模型应当考虑天 气因素的影响; ( 6 )短期负荷预测的目的是日负荷和周负荷预测，而且在能量管理系统e m s 中 每天是9 6 点，因此模型应当考虑能适用于在线应用。 2 . 5 影响负荷预测精度的因素及误差分析 由于负荷预测是一种对未来负荷的估算，不可避免地，它与客观实际还是存在 着一定的差距，这个差距就是预测误差。研究产生误差的原因，计算并分析误差的 大小，不但可以认识预测结果的准确程度，从而在利用预测资料做出决策时具有重 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 有很大的帮助。 2 . 5 . 1 影响负荷预测精度的因素 通过对负荷特性的分析，负荷预测的精度主要受以下几方面的影响: ( 1 )影响负荷的天气因素很多，影响程度又随用户类别而异，进行负荷预测的 模型大多只包括研究对象的主要因素，而忽略了很多次要的因素，这样的模型只是 一种简化的反映， 作为可估计的随机事件， 气象预报本身不准确又会造成双重误差; ( 2 )进行负荷预测所需的大量历史资料并不能保证其准确可靠，这也必然会带 来预测误差; ( 3 )特殊事件的不确定性将造成负荷预测的较大误差，这类事件在我国特别 1 3 华北电力大学硕士学位论文 多; ( 4 )反映负荷的周期性、趋势性以及与影响因素之间的关系的样本数难以确 定: ( 5 )随机负荷部分并非平稳的随机序列; ( 6 )大电网( 省级) 负荷变化有较强的统计规律性，预测结果较准确.而地区级 电网的统计规律不甚明显，不能稳定地指导负荷预测。 2 . 5 . 2 负荷预测的误差分析 负荷预测最重要的指标是精度，在明了预测误差产生的原因之后，可以对预测 模型或预测技术加以改进，同时还要对预测误差进行计算分析，进而可以检验所选 的预测模型。 本论文主要研究的是短期负荷预测中的日负荷预测，计算日负荷预测的误差的 方法和指标很多，较为常用的有: ( 1 )绝对误差和相对误差 设 yi和 t; 5t “ 表 示 实 际 “ 和 ” 测 “ ， 则 “ 1y 一 “ ,t *, ” 误 ” ， 称 一y, - y “ 相 ” 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 m a e 一 1 n- y e ,n ,., = 鸽y ;一 y il ( 2 - 1 ) a a r e - 1n 客 。 二 _1n 客 y ; 一 y ; ( 2 - 2 ) 式中:m a e 平均绝对误差:a a r e -平均相对误差; e , 第i 点的预测值和实际 值的绝对误差: e i 第i 点的预测值和实际值的相对误差; 丫 第i 点 的 实 际 负 荷 值 ; t 第i 点 的 预 测 负 荷 实 际 值: n 日负荷预测总点数，如2 4 点或9 6 点。 由于预测误差有正有负，为了避免正负相抵消，故取误差的绝对值，然后再计 算其进行平均值。 ( 3 )均方误差 华北电力大学硕士学位论文 m s e = 工 5 n 。 2e : _ 生 n ( y , - y 丫 n 汀 n 汀又y , ( 2 - 3 ) 式中:m s e 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 rms e= _1 n 2n l ei 一 _1 y, - y z n +-i c , ) ( 2 - 4 ) 式中:r m s e 均方根误差，其它符号同前。 ( 5 )日负荷预测准确率 n cerate 一 1- 1t j e ,z ( 2 - 5 ) % n 0 一.几 x 、.1.1.j 式中:n c e r a t e 日负荷预测准确率，其它符号同前。 ( 6 ) 合格率 合格率考核就是对日负荷预测逐点进行合格判断，当某一点的相对误差大于合 格判别依据 ( 如:5 % ) ，则该点为不合格点，否则为合格点。 e l i g r a t e 合格点数 总点数 x1 0 0 %( 2 - 6 ) 式中:e l i g r a t e 一合格率。 按照国家电力调度通信中心颁布的负荷预测技术考核指标， 本文采用相对误差、 平均相对误差、均方根误差作为考核依据，这也是和地区电网调度部门的实际要求 一致的，这样调度员可以直观、明了地对预测结果进行判断。 2 . 6河北省邢台市电力负荷分析 邢台市位于河北省南部，自然条件优越，矿产资源丰富，总面积 1 2 4 8 6 平方公 里，总人口6 6 9 . 7 万，2 0 0 5年第一、第二、第三产业构成比为 1 7 : 5 7 : 2 6 ，产业 结构调整成效显著，已形成以外向为主导、工业为主体、三大产业协调发展的格局。 该地区国民经济发展较快，地区经济形势良好，“ 十五”期间，电力、电量增 长速度较快。2 0 0 4 年， 邢台市全社会总用电完成9 8 4 1 0 4 万千瓦时，与 1 9 9 5 年相比 年均递增 1 2 . 2 8 % , 1 9 9 6 - 2 0 0 0年供电负荷年均增长率为 5 . 9 4 % , 2 0 0 1 - 2 0 0 5年为 华北电力大学硕士学位论文 1 3 . 7 2 % 。区内截止 2 0 0 4 年底，共有 6 0 0 0 千瓦及以上发电机组 2 8台，装机总容量 为1 4 2 4 兆瓦。拥有2 2 0 k v 变电站1 0 座，主变 1 8 台，变电总容量2 4 3 0 n v a , 2 2 0 k v 线路总长9 1 6 . 1 k m ， 拥有1 1 0 k v 公用变电站4 8 座， 主变8 1 台， 变电总容量2 5 8 0 . 5 m v a , 1 1 0 k v 线路总长 1 1 7 9 . 4 k m 。邢台地区电力基本自平衡，近五年来，完成新一轮电网 发展规划，农网改造工程的实施，使农村电网供电能力和供电可靠性大大增加。预 计“ 十一五” 期间邢台市供电量年均增长率为8 . 8 -1 0 . 8 %， 到2 0 1 0 年达到 1 4 7 . 4 - 1 6 1 . 5 亿千瓦时;最