（电气工程专业论文）电力系统母线负荷预测研究.pdf

! ! 型叁鲎三堡堡兰垡丝窒! ! ! 竺! 墨三4 墨璺l电力系统母线负荷硼十研究电气 并旱与业研究生苟旭丹指导捌币刘天琪、蒋颖负荷预测是电力市场有效运作的基础与保证。短期负荷预测不仪是调度、规划等管理部门的重要工作，是保证系统安伞运行和实现科学管理的重要依据，也是能量管理系统( e m s ) 和配电管理系统( d m s ) 的重要组成部分。由于不同地区的供电需求不同，采用分散式的负荷管理方式，有助于更好地实现系统的控制运行和管理。本文就此提出了母线负荷预测问题。本文首先以成都地区某变电站为例，通过母线负荷与系统负荷的特性刈比，总结了母线负荷的构成、特点及预测：j ：作的难点，得出| ；】丁以将短期负荷预测的某些方法应用丁母线负荷预测的结论，并给出了数据预处理的方法和误差分析的指标。在此基础上，本文介绍了时间序列法的基本原理及模型建立的具体步骤，针对实际问题，将累积式自回归平均算法( a r i m a ) 应用于母线负荷预测，通过对某变电站的算倒分析，验证了陔算法的可行性，f 司时指出了问题所在。为了解决a r i m a 算法中未考虑温度、天气因素对母线负荷的影响，本文将三层前馈的b p 网络应用于母线负荷预测。在对b p 网络基本算法及其存在问题讨论的基础卜，提出了一种改进的b p 算法。在建立a n n 模型的过程中，详细讨论了各环节的处理方法。输入层变量选择了与预测同相关度较大的变量及负荷历史数据，并对三种温度量化方法作了对比实验；同样，隐含层与样本个数也通过实验方法进行了几种不同方案的对比；本文选择了两种传递函数运用于a n n模型，并记录了两种情况下的预测结果。通过分析实验结果的数据，总结出运算精度较高的方案，从而建立起有效的母线负荷预测模型。模型运算结果显示，该方法取得了良好的效果，成功地处理了a r i m a 方法中未能解决的问题，将温度、天因索引入模型中，较大程度地改善了预测糙度，提高了预测质量。四川大学工程硕士学位论文( 2 0 0 4 )为了充分利用各种方法的优势，获得更好的预测结果，在对a r i m a 与及三层前馈的b p 型人工神经网络模型应用于母线负荷预测的研究基础上，本文基于序列预测结果最优可信度的原则，提出了一种以各时段残差平方和最小为目标函数的综合模型，并根据模型特点，给出了简洁直观的求解法。分析结果表明，近似综合最优模型的拟合精度高于任一单一模型，两种方法的综合模型取得了较好的预测效果。本文研究的母线负荷预测算法具有一定的创新，模型的结构简单、合理，计算速度快，预测精度较高，具有一定的实用意义。关键词：电力系统，母线负荷预测，时间序列法，人工神经网络四川i 大学工程硕士学位论文( 2 0 0 4 )r e s e a r c hf o rp o w e rs y s t e mb u sl o a df o r e c a s ti n gm a j e r ：g l e c t r j ce n g i n e e r i n gg - m h a t e ：一g o ux u d a n 脚i s 篮：l i uti a n q i ，地y i n gl o a df o r e c a s t i n gi sa ne s s e n t i a lw o r ko fp o w e rm a r k e t a d n i n i s t e rs u c ha sp r o g r s m n i n ga n dd i s p a t c h i n gc o n s i s to fs h o r t - t e r ml o a df o r e c a s t i n g , w h i c hi sv e r yi r r p o r t a n tb e c a u s ei te s t a b l i s hf o u n d a t i o no fs c i e n t i f i cm n a g e m e n ta n dg u a r a n t e ef u n c t i o no fp o w e rs y s t e n t s os h e r t - t e r mf o r e c a s t i n gi san e c e s s a r i l yp a r to fe n e r g yr a a n a g e i n e n ta n dd i s t r i b u t i o nm a n a g e m e n ts y s t e mp o w e rs u p p l yv a r i e si nd i f f e r e n ta r e a s ，a sd e m a n d sp a r t i c u l a rl o a dm a n a g e m e n t t h ep a p e rd i s c u s s e sb u sl o a df o r e c a s t i n g t h es t u d yi sa c h i e v e db ya n a l y s e s i n gd a t ao ft h es u b s t a t i o ni nc h e n g d u 耵】ec o n s t i t u t e s ，c h a r a c t e r i s t i co fb u sl o a da n dd i f f i c u l t i e so ff o r e c a s t i n gb y 恻o fc c m p a r i n gc h a r a c t e r i s t i co fb u sl o a dw i t hs y s t e ml o a 4s u d g e r tb u si c e df o r e c a s t i n gr e s e m b l et h ew a y so fs h o r t - t e a ml o a df o r e c a s t i n g o nt h eb a s i so fi t ，t h ed e t a i l e dp r o c e s so fb u i l d i n gm o d e lo ft r i ms e r i e sa p p r o a c hi sp r e s e n t e & a u t o - r e g r e s s i v ei t e r a t e dm o v i n g - a v e r a g e ( a r 矾) i sa p p l i e dt ob u sl o a df o r e c a s t i n go ft h es u b s t a t i o r tr e s u l t ss h o wt h em d e lp r a c t i c a l i t ya n dp a i n tt ot h ep r o b l e m sa to n et i m e i nm o s tc s s e s ，t h e r ei sar e l a t i o nb e t w e e nb u sl o a da n dw e a t h e rf a c t o r ss u c ha st e r r g ) e r a t u r e t h e s ef a c t o r sa r en o tc o n s i d e r e di n 僦s ot h ep a p 盯p r o v i d eat h r e e - l a y e rb a c kp r o p a g a t i o nn e u r a ln e t w o r kf o rd e a l i n gw i t hb u sl o a df o r e c a s t i n g a f t e rd i s c u s s i n gt h es t a n d a r db pa l g o r i t h ma n di t sf l a w , t h ep s l _ ) e rp r e s e n t sam o d i f i e db pa l g o r i t h mi no r d e rt od e s i g na na c c u r a t ea n de f f i c i e n tm o d e l ，m a n ym e t h o d sa r eu s e &t h ei n p u tv a r i a b l e sh a v eb e e nd e t e r m i n e da c c o r d i n gt ot h ev a l u e so ft h e i rc o r r e l a t i o nc o e f f i c i e n t s t h ep a p e ru s et h r e et e r r l o e r a t u r eq u a n t i z i n gw a y s ，s e v e z ”a ls t y l e so fn o d e so f h i d d e nl a y e r , n e m b e r so fs a n p l e sa n dt w ot r a n s f e rf u n c t i o n sd u r i n ga r t i f i c i a ln e u r a li i i四川大学工程硕士学位论文( 2 0 0 4 )n e t w o r k ( a m ) m d e lr u n n i n g a f t e r a n a l y s i n g e x p e r i m e n td a t a , a r l f i b r e r e a s o n a b l e n e t w o r ki sp r e s e n t e d ，t h ef o r e c a s t i n gr e s u l t ss h o w st h a tt h em o d e li se f f i c i e n t 。t h en e wm o d e li n c l u d i n gw e a t h e rf a c t o ri ss h o w e di t d r er e a s o n a b l ea n dr e l i a b l et h a nb e f o r ei no r d e rt oe n h a n c et h ep r e c is i o no ff o r e c a s t i n g ，t h ep a p 4 ra l s op r o v i d e sac o m b i n a t i o nm o d e lw h i c hc o m b i n et h ea r i m aa n db pn e u r a ln e t w o r kt o g e t h e r i tisb a s e do nt h ep r i n c i p l eo fo p t i m a lc r e d i tc o e f f i e i e n to fs e q u e n c ef o r e c a s t i n gr e s u l t t h ef o r e c a s t i n gr e s u l ti sb e t t e rt h a na n ys i n g u l a rm o d e lu s e di nt h ep a p e r t h ec h a r a c t e r i s t i co ft h em o d e lp r e s e n t e di nt h ep a p e ri sw i t hh i g hr u n s p e e da n db e t t e rp r e c i s i o n t h em o d e lw i t hi n n o v a t i o ns h o w sm o r ec o n v e n i e n t ，r e a s o n a b l ea n dp r a c t i c a b l e 唧幡：p o w e rs y s t e m ，b u sl o a df o r e c a s t i n g 。t i m es e r i e sa p p r o a c h a r t i f i c i a ln e l 腑】n e t 丽o r k四川大学工程硕士学位论文( 2 0 0 4 )1 1 课题的提出第一章绪论电力用户是电力工业的服务对象，电力负荷的不断增长是电力工业发展的根据。电力系统的任务是给广大用户不间断地提供优质的电能，满足各种负荷的需要。近年来，随着国民经济的发展，各行业、各层次对电力供应的需求也在快速增长，使得电力系统的规模日益扩大。为了满足电力系统安全、经济运行的基本要求，最好是将单一系统联合，组成联合电力系统。因此，迫切需要基于预测负荷需求基础上的合理的负荷管理决策“1 。此外，随着电力行业改革进程的深入，电力市场的最终形成已成为必然。目前我国电力市场的改革取向是“厂网分家、竞价上网”，因此，精确地预测电力负荷，对于合理制定电力系统的增加装机容量、安排开停机组计划，正确、经济地安排制定电网生产计划，具有重要的理论意义和实用价值”1 。所谓负荷预测，就是在充分考虑一些重要的系统运行特性、增容决策、自然条件与社会影响的条件下，研究或利用一套系统地处理过去与未来负荷的数学方法，在满足一定精度的要求下，确定未来某时刻的负荷数值。电力负荷预测中经常按时间期限进行分类，通常分为长期、中期、短期、超短期四种。长期负荷预测一般指1 0 年以上并以年为单位的预测，中期指5 年左右并以年为单位的预测。它们的意义在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，是电力规划部门的重要工作之一。短期预测则是指一年之内以月为单位的负荷预测，还指以周、天、小时为单位的负荷预测，通常预测未来一个月度、未来一周、未来一天的负荷指标，也预测未来一天2 4 h 中的负荷。其意义在于帮助确定燃料供应计划；对运行中的电厂出力要求提出预告，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个机组的启停，降低旋转储备容量；可以保证正常用电的情况下合理安排机组检修计划。超短期负荷预测指未来l h 、未来0 5 h 甚至未来l o m i n的预测。其意义在于可对电网进行计算机在线控制，实现发电容量的合理调度，满足给定的运行要求，同时使发电成本最小。1 。电力系统短期负荷预测用于安排目调度计划和周调度计划，包括确定机组四川大学工程硕士学位论文( 2 0 0 4 )的起停、水火电的协调、联络线交换功率、负荷经济分配、水库调度和设备检修等。k n z a d e h 和g c a u l e y 等人在总结北美、西欧和日本等地的电力系统控制的经验时指出：在电力系统控制中需要更为准确有效的控制措施以减少发电机组所承担的控制和调节任务，应该减少由控制引起的过调和摇摆。更重要的是，控制的目的是事前采取措施，而且所采取的控制措施应该最少。“1 可见，短期负荷预测的结果对于电力系统的安全可靠性具有十分重要的指导意义。不仅如此，短期负荷预测在日渐成熟的电力市场运营中，其作用也越来越清晰地显现出来。随着电力工业的快速发展，目前，许多国家的电力工业都在进行扣破垄断、解除管制、引进竞争、建立电力市场的电力体制改革，改革的目的在于，能够更合理地配置资源，从而提高资源利用率，促进电力工业与社会、经济、环境的协调发展。美国a r i z o n as t a t eu n i v e r s i t y 的r a n a w e e r ad k 等人以蒙特卡洛为例，著文论述了提供准确的负荷预测产生的经济效益，并对比了不准确的预测带来的负面影响。1 负荷预测精度的提高，可以为科学决策电网的经营目标、合理安排电网的运行方式和调峰计划、提高电网频率的合格率以及适时多发水电创造良好的电网效益、降低购电成本和购电电价提供更科学、合理的依据。在我国，对电力行业进行改革的呼声也日益强烈。在外部环境和内部条件逐渐成熟的同时，电力体制改革也在逐步深入。1 9 9 9 年，四川省电力公司及其他相关部门本着“公平、公正、公开”的原则，参照国际上通用的市场竞争模式，制定了完整的四川电网发电侧电力市场运行规则及相应操作细则，完成了四j l l 电网发电侧电力市场的前期准备工作，并于2 0 0 0 年1 月1 日，开始试运行。运行的实际情况表明，市场的管理者和组织者严格遵照四川电网发电侧电力市场运行规则及相应操作细则，本着“三公调度”的原则，在市场的各参与方的积极配合下，顺利地保障了四川电网发电侧电力市场的正常、有序运行。电价降幅达到6 6 2 2 ，市场购电费用减少，居民用电电价下降，高耗能企业电价下降。四川电网电力市场的运行为年四川省国民经济的高速增长作出了较大的贡献。2 0 0 0 年的实际运行情况表明，四川发电侧电力市场是公平、公正、公开的市场，技术成熟，取得了良好的社会效益和经济效益。同时运行中也暴露出一些仍需改进的问题。其中之一就是对短期负荷预测的要求的提高。负荷预测结果作为每天的公布信息发布给各电厂，电厂将此作为决定报价策略的参考依据，负荷预测准确率过低对各电厂的报价将产生较大的影响。电力市场运2四川大学工程硕士学位论文( 2 0 0 4 )行以来，进一步加强了对电网负荷预测工作的力度，使负荷预测水平逐渐提高。但从目前的情况来看，负荷预测准确率仍然不能完全满足电力市场运作对我们提出的较高水平的要求。与中长期负荷预测相比较，短期负荷预测具有自身的特点。其特点之一是周期性强，1 日或1 周的负荷具有很强的规律性：其特点之二是天气影响很大，模型必须能够计及各种天气因素的影响：其特点之三是工作日、节假日重大事件的影响，必须与正常的负荷区分开。进行短期负荷预测时必须充分考虑这些因素，否则难以达到预期的目的。电力负荷是一个随机的非平稳过程，由许多独立的随机分量组成，但是总能寻找到影响系统负荷的各因素中大部分的规律性，从而为实现有效的预测奠定了基础。目前大多数的负荷预测工作是针对系统负荷作的，系统负荷的特性由于受到的影响大相径庭而呈现出较大的差异。例如经济发展水平及经济结构调整、用电结构变化、电价、生活水平提高等因素的影响程度较大，而且具有全局性；气温气候的影响主要在调温负荷比重较大和经济较发达地区，当气候异常时影响程度较大；除此而外，其他诸如需求侧管理、拉闸限电和城农网改造的影响相对较小”1 。尽管从事负荷预测理论研究的学者和从事实际工作的运行人员已经积累了相当的经验并做了不断的改进，仍然难以得到适合不同地区的通用模型。变电站的母线负荷相应的供电区域比较小，其负荷构成相对简单而且负荷性质比较稳定，负荷的变化相对平稳，具有较强的规律性，因此能够找到较为准确的预测模型。母线负荷预测的开展，提高了系统在线监测的能力，为系统的统筹安排创造了基础条件，将有利于实现分散式的负荷管理。近年来，随着现代化计算机、自动化、通讯技术的高速发展，变电站的调度自动化程度目趋完善，为进一步提高母线负荷预测的准确度和时效性创造了十分有利的条件，使成功进行母线负荷预测成为可能。在电力系统中改变动态状态估计所关心的系统动态特性实际上是母线节点负荷，它们之间或多或少地相互独立并具有合理的规则模式。基于这一观点，m a l l i e ud 等人提出了一种基于动态预测母线负荷的状态估计模型，这种方法用母线的注入能量取代传统的状态过程模型。在此基础上，a k - s i n h a 等人将人工神经网络模型应用于母线负荷的极短期预测，提高了动态预测的精度，从使四川大学工程硕士学位论文( 2 0 0 4 )得m a l l i e ud 等提出的动态估计模型也可以接近实用化的阶段。变电站无功负荷不像有功负荷那样稳定，除了随有功负荷变化而变化，还与负荷的供电电压有密切关系。动态预测母线无功负荷，并据此建立无功调节的动态边界，对于电力系统的电压与无功优化无疑是一大贡献。近年来人工神经网络算法在负荷预测中的应用有很大发展，在变电站采用多级分层的前馈神经网络预测无功负荷，可以取得理想的效果。文献 8 及 3 5 中将变电站的母线负衙预测研究成果应用于变电站的电压无功优化，充分发挥电容器的利用率，并将变压器分接头的调节率降至最低，实现了电压高合格率和最低调节率的综合指标最优化。目前，对于母线负荷预测的报道较少，但短期负荷预测的方法用于母线负荷预测已得到逐渐增多的认同，并受到越来越多的重视。由此可见，母线负荷预测具有重要的意义，而且有着广阔的发展前景和较好的发展空间。1 2 国内外的研究动态预测方法只是一种工具，几乎所有的预测都是基于这样一个假设，即预测对象要受到其他因素的影响。因此，预测工作的第一步是确定什么因素最可能影响预测对象，第二步是决定如何在预测中使用这些因素。一般的经济预测方法可划分为两类：主观预测方法和客观预测方法。主观预测方法的优点是预测者能够考虑到大量的资料、信息和情报：其缺点是缺乏系统的方法去研究以往的成功和失误，以提高预测的准确度，完全依赖于人员的经验和主观判断能力。客观预测方法不同于主观预测方法，它是基于过去的数据和资料建立起来的反映预测对象与其影响因素间的数学关系( 数学模型)的预测方法。客观预测方法的优点在于：不受主观愿望的影响；对预测模型的处理是根据过去的预测误差作出的，因而是科学的；比主观预测方法所花的时间少，而且可以用计算机进行预测：提供了评价预测准确度和测定预测的置信区间的基础。客观预测方法的缺点在于难以包括影响预测对象的全部因素。本节介绍的是客观预测法。客观预测法归纳起来大致可分为两类，即外推法和相关法。电力负荷趋势外推预测技术主要有：水平趋势预测、线性趋势预测、多项式趋势预测、季节四川大学工程硕士学位论文( 2 0 0 4 )型趋势预测、季节型趋势预测以及增长趋势预测。长期以来，我国的电力负荷预测主要采用外推法。近年来，相关法也得到了较为广泛地应用。这里介绍几种常用的短期负荷预测方法。( 一) 回归模型预测技术( r e g r e s s i o n )客观世界中，一个事物的运动变化，总是与其他事物相关联的。在经济系统中劳动、资金的投入和科学技术的进步，影响到产量的增加；国民收入增加影响到国家财政收入增加等。回归预测就是基于事物之间这种相关关系的一种数理统计预测方法。回归预测中，先要对预测对象( 自变量) 进行定性分析，确定影响其变化的一个或多个因素( 自变量) ，然后通过预测对象和影响因素的多组观察值建立起适当的回归预测模型，才能进行预测。回归预测包括线性回归和非线性回归。对于非线性问题中的特殊情况，可以通过适当的变量代换，转换为现行相关的问题来处理。线性回归分为一元线性回归和多元线性回归。一元回归分析法所采用的模型是：y = a + b x + 其中，y 为预测对象，因变量或被解释对象；x 为影响因素，自变量或解释变量；e 随机误差，随机干扰；a 、b 为回归系数。多元回归分析法所采用的模型是：y = b 日+ b l xx + b 2 x 2 + 十b p x ，8其中，y 为预测对象，因变量或被解释对象：x ，、x z 、x ，为影响因素，自变量或解释变量；e 随机误差，随机干扰：b ”b ，、b 。为回归系数。模型参数的估计可以采用最小二乘法，但由于模型受到的影响因素较多，难以建立具有普遍性的准确模型。( 二) 时间序列预测技术( t i m es e r i e sa p p r o a c h )在线性回归模型中，通常因变量为随机变量，而自变量为可控变量；随机时间序列预测方法中，因变量和自变量均为随机变量，如因变量是现在待测的四j i 大学工程硕士学位论文( 2 0 0 4 )电力负荷，而自变量是负荷自身的过去值。这种预测方法比回归预测方法更适用与电力系统短期预测。1 。在实际问题中，多数预测目标的观测值构成的序列表现为( 广义) 平稳的随机序列或可以转化为平稳的随机序列。虽然在某一给定时刻预测目标的观测值是随机的，但从整个观测序列看，却呈现出某种随机过程( 如平稳随机过程)的特性。随机时间序列预测方法正是依据这一规律去建立和估计产生实际序列的随机过程的模型，然后用这些模型去进行预测。时间序列法是在7 0 年代由b o x j e n k i n s 提出之后逐步发展规律起来的。在他提出的线性差分方程模型基础上，建立了自回归模型( a r ) 、滑动平均模型( m a ) 、自回归一滑动平均模型( a r m a ) 及累积式自回归滑动平均模型四大类。 i 一 2 1 ( 三) 人工神经网络方法( a r t i f i c i a ln e u r a ln e t w o r k )运用于神经网络技术进行电力负荷预测，是九十年代兴起的一个新的研究方法。它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，特别是其自学和白适应功能是常规算法和专家系统技术所不具备的。对于人工神经网络的研究最早可以追溯到1 9 4 3 年由m c c u l l o c h 和p i t t s提出的形式神经元模型( m p ) ，直到1 9 8 6 年r u m e l h a r t 等人提出了反向传播神经网络( a n n ) 后，在这方面的研究才有了突破性的进展。1 9 9 1 年，p a r kd c d等人首次将该方法引入电力系统负荷预测，并取得了满意的结果“。目前研究最多的是b p 算法，即误差反向传播算法，有一个简单的三层人工神经网络模型，实现从输入到输出间非线性映射的任何复杂关系。b p 网络的学习，由四个过程组成：输入模式由输入层经中间层向输出层方向“模式顺序传播”，网络的希望输出与网络实际输出之间的误差信号由输出层经中间层向输入层逐层进行修正连接权的“误差逆序传播”，由“模式顺序传播”和“误差逆序传播”的反复交替进行网络“学习记忆“训练过程。使网络趋向收敛，即全局误差趋向极小值的“学习收敛”过程，直至实际输出值与希望输出值较好吻合为止。针对用a n n 进行短期负荷，有关文献由提出了各种改进方法。比如有人设计了b p 模型的一种变形结构，在输入和输出之间增加了一个线性连接，通过这四川大学工程硕士学位论文( 2 0 0 4 )种途径大大改善b p 模型的学习性能；在样本数据的选取方面，提出了一种简单有效的方法，即从历史数据中选取那些与预测时间的特征向量( 即a n n 的输入量) 相似的数据( 相似性用两个向量之间的欧氏距离来度量) 作为训练用的样本，这样一来可以大大减少样本数量，从而节省a n n 的训练时间“；用w i d o w在6 0 年代提出的a d a l i n e ( 白适应线性低频负荷分量元件a d a p t i v el i n e a re l e m e n t ) 模型提前一周预测某天个小时的负荷，采用谱分析法将一个时涮段内的负荷序列分解为基本负荷分量、高频负荷分量以及居民负荷和气温灵敏的负荷，每个负荷分量都用一个a d a l i n e 模型预测，这种算法较b p 模型快得多。人工神经网络同时也还存在一些问题：难以科学地确定网络结构，输入量较多规模较大加重网络的训练负担，学习速度慢，收敛速度慢陷入局部极小点使学习效果令人不满意等。为克服传统的b p 网络收敛速度慢的缺点，提高收敛速度和预测精度，有观点提出改进b p 算法通过增加动态项和采用自适应的步长加快了收敛速度，同时考虑了输入量的预处理“。( 四) 灰色预测技术( g r e ys y s t e m s )灰色系统理论是近年来刚刚创立的一种科学理论，它是自动控制科学和运筹数学方法相结合的一门新理论，它为系统研究提供了新的科学方法和数学手段。灰色理论的基本思想是用颜色的深浅来表现一个系统信息的完备程度，即把完全未知的和非确定知的信息系统称之为黑色系统；特征完全已知的信息系统称之为白色系统；而系统内部分信息已知而部分信息未知的信息系统称之为灰色系统“。灰色系统理论是我国学者邓聚龙教授1 9 8 2 年3 月在国际上首次提出的，他在国际期刊上s y s t e m sa n dc o n t r o ll e t t e r ) ) 发表了题为“c o n t r o lp r o b l e m so fg r e ys y s t e m s ”的文章，并引起了国际上的广泛重视。预测工作中常用概率统计、时间序列等方法，前者追求大样本量，必须先知道分布规律、发展趋势，而后者只致力于数据的拟合，不注重规律的发展规律。灰色预测理论在数据不多见的情况下，找到较长时间起作用的规律，解决了微分方程的建模问题，经多个领域的使用，取得了较为满意的结果“。9 0 年代以来，灰色预测技术开始被用于电力系统的负荷预测。运用灰色理论进行经济分析预测时，首先要建立灰色g m 模型( g r e ym o d e l ) ，电力生产指标数据依灰色理论的方法进行累加处理后，数据的分布接近于指数分布，而g m模型的数字表现形式就是微分方程模型，基解也是指数形式，因此用它来处理叫川大学工程硕士学位论文( 2 0 0 4 )电力系统的负荷指标可以得到满意的结果。灰色预测理论具有要求负荷数据少、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、易于检验等优点，但与其他预测方法相比，也存在一定的不足。如当数据离散程度加大，数据灰度越大，预测精度越差。这是因为随着时间的推移，影响系统的因素也在发生新的变化，导致系统的灰度越大，预测值的实际意义越小。为了解决问题，人们又提出了一些改进的途径，如改造原始数列、选取初值、改进模型、改进技术方法等。( 五) 小波分析预测技术( w a v e l e tt r a n s f o r ma n a l y s i s )小波分析作为数学学科的一个分支，吸取了现代分析学中众多分支的精华并包罗了它们的特色，成为本世纪数学研究成果中最杰出的代表。由于它在理论上的完美性及在应用上的广泛性，使其得到了科学界、工程界的高度重视。小波分析是一种时域频域分析方法，它在时域和频域上同时具有良好的局部化性质，并且能够根据信号频率的高低自动调节采样的疏密，它容易捕捉和分析微弱信号以及信号、图像的任意微小部分。其优于传统f o u r i e r 分析的地方在于：能对不同的频率成分采用逐渐精细的采样步长，从而可以聚焦到信号的任意细节，尤其是对奇异信号很敏感，能很好的处理微弱或突变的信号，其目标是将一个信号的信息转化成小波系数，从而能够方便的加以处理、存储、传递、分析或被用于重建原始信号。这些优点决定了小波分析可以有效地应用与负荷预测问题的研究。1 。电力系统中日负荷曲线具有特殊的周期性，负荷以天、周、月、年为周期发生波动，大周期中镶嵌小周期。小波变换能将各种交织在一起的不同频率组成的混合信号分解为不同频带上的块信号。对负荷序列进行小波变换可以将负荷序列分别投影到不同的尺度上，在此使用正交二进小波变换，而各个尺度可以近似地看作各个不同的“频带”，这样各个尺度上的子序列分别代表了原序列中不同“频域”的分量，它们更加清晰地表现了负荷序列的周期性。在此基础上，对不同的子序列分别进行预测。由于各个子序列的周期性更为明显，显然采用周期自回归模型( p a r ) 的预测结果也就更为精确。最后通过序列重组，得到完整的小时负荷预测结果，其精确性比直接用原负荷序列进行预测有一定的改进。文献“”提出的基于小波分解和气象因素影响的电力系统目负荷预测的模四川大学工程硕士学位论文( 2 0 0 4 )型，克服了神经网络训练时间长、建模代价大的缺陷，使建模效率大大提高，同时改善了预测的精度。由于影响电力系统短期负荷预测的因素众多，变化趋势各异，因此难以找到一种具有较高精度的统一模型。问题的关键在于结合该地区的负荷特性及负荷构成进行综合考虑，以期得到适合该地区一种或几种预测方法。1 3 本文所作的工作负荷预测工作对电力系统的重要性是不待自言的，在此基础上提出的母线负荷预测近年来也受到了更多的关注并显示了良好的研究和应用前景。预测的核心问题是预测技术，即预测的数学模型，以达到在线预测的较高精度。本文就母线负荷预测问题，作了以下几方面的工作：1 、以成都地区某变电站为例，通过分析几种反映负荷特性的指标并与系统负荷进行对比，总结出母线负荷的构成特点；根据母线负荷的变化规律，得到可以将短期负荷预测的某些方法应用于母线负荷预测的结论。2 、在分析母线负荷预测特点的基础上，提出在预测工作中需解决的问题；给出了数据预处理的方法和误差分析的指标。3 、介绍了时间序列方法建立模型的详细过程，在此基础上，探讨了对于非平稳的随机序列，如何通过有效的方法，将它转换为平稳序列。通过应用于某变电站的算例，验证了该方法的可行性；同时分析预测结果数据，总结了该方法的优点和存在的问题。4 、介绍了人工神经网络的发展和特点，b p 网络的基本算法以及算法的改进，将三层前馈b p 网络应用于母线负荷预测。本文在输入变量的选取、隐含层神经元个数的确定以及样本个数、传递函数的选择等方面作了较详细的探讨，并进行了一定数量的对比实验。a n n 方法成功地将温度、天气因素引入到模型中，解决了a r i m a 未能解决的问题。其预测结果验证了该模型的有效性。5 、提出最优可信度的概念，为综合模型的建立提供了理论依据。经过合理的简化，给出了近似最优综合模型中权重的计算方法。综合模型的预测结果显示，该方法进一步提高了预测精度。9四川大学工程硕士学位论文( 2 0 0 4 )6 、上述模型均用m a t l a b 编程，实现过程简单，易于实现。四川大学工程硕士学位论文( 2 0 0 4 )第二章母线负荷预测的特点提要：本章分析了母线负荷的构成和特点，讨论了母线负荷预测的难点，给出了短期母践负荷预测的模型。介绍了本文采用的数据预处理以及误差分析的方法2 1 母线负荷的定义在我国电力行业中采用过的分类的方法有多种，不同的分类方法用于不同的研究目的。按用电的部门属性划分，可分为工业用电、农业用电、交通运输用电和市政生活用电：按使用电力的目的划分，可分为动力用电、照明用电、电热用电、各种电气设备仪器的操作控制用电及通信用电：按用电用户的重要性划分，可分为一类、二类、三类负荷；按负荷的大小划分，可分为最大负荷、平均负荷、最小负荷。不同类型的负荷具有各自的特点和变化趋势，因此，我们对此进行分析并逐步掌握其规律，有助于准确地进行负荷预测。母线负荷可以定义为由变电站的主变压器供给一个相对较小的供电区域的终端负荷的总和“。通常一个地区的母线负荷性质比较固定，负荷类型较为单一( 如均为居民用电负荷或均为工业负荷) 。2 2 母线负荷的构成和特点电力系统的系统负荷是由数个特性各异的母线负荷的综合，但不同于简单的集中，它们之间既有相互关联的成份，又在构成和特性上存在差异。2 2 1 母线负荷的构成如前所述，由于母线负荷是一个相对较小的区域内的供电负荷，因此负荷四川大学工程硕士学位论文( 2 0 0 4 )的类型往往比较单一，只包括一、两种用户类型，且其特性与用电负荷的类型有十分密切的关系。母线负荷可分为工业负荷、农业负荷、商业负荷、城乡居民用电负荷、办公负荷等。4工业用电有两大特点，一是用电量大，在我国的用电构成中占全社会用电量的7 0 左右“3 ；二是负荷较为稳定，如图2 1 所示，为成都地区某化工厂1 l o k v母线的同负荷曲线。但在各行业之间，这两大特点也是不平衡的。冶炼工业用电量大，负荷稳定，负荷率高，而机械工业制造业和食品加工业的用电量相对较小，负荷率较低。工业用电在行业间的差别，主要是生产工艺特点和生产班次不同所造成的。同样的用电设备容量下连续生产企业比三班制企业用电量大，且负荷率高；三班制生产企业又比两班制生产企业的用电量大，负荷率高。但是，无论是重工业还是轻工业，无论是冶炼工业还是加工业，电力负荷在月内、季度内的变化是不大的，比较均衡。除少数季节性生产的工厂外，大部分工业的生产用电受季节性变化的影响小。农业用电在全社会电力消耗中的比重不大，目前大约为4 2 。农业用电有一个突出的特点，就是季节性很强。农业用电在日内的变化相对较小，但在月内，尤其在季节和年度内，负荷变化很大，呈现出很不平衡的特点。例如排灌用电，冬季负荷很小，负荷率低达0 1 ，而夏季负荷很大，负荷率高达0 9 以上，差别巨大。我国城乡居民用电占全社会用电量的1 0 左右，这一数据远小于工业化国家。城乡居民生活用电的特点之一是目变化较大，目负荷率较低，大约在0 4左右，但月用电变化不大。城乡居民生活用电的主要组成部分是照明用电和家用电器用电。其中照明用电占有相当重要的地位。照明负荷形成的“灯峰”成为制约电力系统装机规模和电力系统运行方式的重要因素。随着居民生活水平的不断提高，家用电器用电的比重在迅速增长，在一定程度上改善了居民用电的负荷特性。如图2 2 所示，负荷从早上7 ：0 0 开始增加，下午5 ：0 0 以后上升直到晚上9 ：0 0 达到全天的最高峰，较高的用电负荷一直持续到晚上1 2 ：0 0 左右，从凌晨o ：0 0 到早上7 ：0 0 的休息时间是居民用电负荷最低的阶段。1 2四川大学工程硕士学位论文 a 鼬( t ) )( 2 - 1 )则：l ( d ，t ) = l ( d ，t 一1 ) + l ( d ，t + 1 ) 2( 2 - 2 )其中l ( d ，t ) 为第d 天t 时刻的负荷，a ( t ) ，b ( t ) 为阀值。2 5 2 垂直处理方法由于负荷的日周期性，因此认为不同日期同一时刻的负荷数据具有相似性，如果超出一定的范围就视为不良数据，并进行修正，计算公式如下：当： l ( d ，r ) 一m ( r ) l 口( f )( 2 3 )四川大学工程硕士学位论文( 2 0 0 4 )贝u ：l ( d ，t ) = m ( t ) + u( 2 4 )p ： 臼婴、“以、洲o ) 、( 2 - 5 )【一目( f ) l ( d ，f ) m ( t )其中：m ( t ) 为最近几天t 时刻负荷的加权平均值，0 ( t ) 为阀值。”2 5 3 对缺损数据的处理如果某一天的数据出现大量缺失或不良数据，即认为这一天的数据缺损。缺损的数据可以用前后几天的正常数据进行修补，并同时注意使用相同日期类型的数据。如用工作日的数据修补缺损工作日数据，用节假日的数据修补缺损节假日数据。其处理方法如下：l ( d ，t ) = w , l ( d - 1 ，t ) + w z l ( d + l ，t )( 2 - 6 )其中：假设d 天的数据缺损，d - 1 ，d + l 天的数据正常，w 。、w 。为权重。2 6 预测误差的计算方法预测值与实际值之间总是存在一定的差异，预测的误差不可避免。分析预测值的误差，将有助于改进预测工作。2 6 1 误差分析的考核指标1 绝对误差( a b s o l u t ee r r o r ) a ea e ( t ) 2 协) 一三( f ) i2 相对误差( r e l a t i v ee r r o r ) r er e = ! ! ! ! ! 二! ! ! i 。o o l ( t )( 2 7 )( 2 - 8 )四川大学t 程硕士学位论文( 2 0 0 4 )2 6 2 误差分析的综合指标平均相对误差a r e眦= 专喜紫2 均方误差m s em s 黔专喜e ? = 专善( c 砷一三c r ，23 均方根误差r m s er m s e专喜群= j 专姜( c r ，一三c 。) 2( 2 - 9 ) +( 2l o )( 2 一1 1 )四川大学工程硕士学位论文( 2 0 0 4 )第三章母线负荷预测的累积式自回归平均方法提要：本章在时问序列模型的基础上，介绍了非平稳时间序列的建模过程和具体的处理方法，并应用于某变电站的母线负荷预测，通过结果分析，证明这种方法是有效的。3 1 时间序列模型简介在随机时间序列预测方法中，因变量与自变量均可是随机变量。电力系统负荷就是按一定的时间间隔进行采样记录下来的有序组合，是一个时间序列。虽然在某一给定时刻预测目标的观测值是随即的，但从整个观测序列看，却呈现出某种随机过程( 如平稳随机过程) 的特征，即预测目标的观测值构成的序列表现为( 广义) 平稳的随机序列或可以转化为平稳的随机序列。电力系统时间序列预测技术，就是根据负荷的历史资料，设法建立一个数学模型，用这个数学模型一方面来描述电力负荷这个随机变量变化过程的统计规律性，另一方面在数学模型的基础上再确立负荷预测的数学表达式，对未来的负荷进行预测。b o x j e n k i n s 提出描述随机序列的现行差分模型为：y 一妒1 y f i 一一p p y f p = a f o l a t l 一一o q a f - 口简记为矿( b ) 儿= o ( b ) a 。( 3 - 1 )式中缈( b ) 和口( b ) 都是常数，o 。为白噪声序列。l 妒( b ) = 1 一妒i b 一妒2 b2 一妒。b 91 口( b ) = 1 0 1 b 一0 ：b2 一一巳b 。假定时间序列是零均值的平稳随机时间序列，有三类适合于它的随机模型：3 1 1 自回归模型( t g t )在式( 3 1 ) 中，如果q = o ，而且满足条件e ( b ) = 0 的根全在单位圆外，则式四川i 大学工程硕士学位论文( 2 0 0 4 )( 3 - 1 ) 变为妒( b ) 儿= a即yr c , o t y r 】一一妒p y 。p2 口蛾( 3 2 )( 3 3 )y r = 妒lj ，r1 + c p 2 yr 一2 + 妒p y r p + n f( 3 - 4 )式( 3 - 3 ) 所表示的数学模型为p 阶自回归模型，记为a r ( p ) 。其中p 称为模型的阶，常系数仍，妒：，吼称为参数，条件“q a ( b ) = o 的根全在单位圆外”称为平稳条件。式( 3 - 4 ) 表示当前负荷只与过去p 个历史时刻的观测值和当前时刻的随机干扰有关。3 1 2 滑动平均模型0 帆)在式( 3 1 ) 中，如果p = 0 ，而且满足条件口( 占) = o 的根全在单位圆外，则式( 3 - 1 ) 变为y ，= o ( b ) a即( 3 5 )y ，= 口，一o ! a f i 一一q 日，一g( 3 6 )式( 3 5 ) 所表示的数学模型为q 阶滑动平均模型，记为m a ( q ) 。其中q 称为模型的阶，常系数q ，臼：，口。称为参数，条件“口( b ) = 0 的根全在单位圆外”称为可逆条件。式( 3 6 ) 表示当前时刻的观测值是由随机干扰的白噪声序列的线性组合来表示的