（电气工程专业论文）电网负荷预测分析与管理于一体的研究和实践.pdf

山东人学坝i 论文 摘要 负荷预测是电力系统运行调度、控制、营销、计划等部门的基础工作之一， 准确的负荷预测可以确保电网运行方式满足安全、可靠、经济的原则，减少不确 定性造成供电与用电的差异，使各部门按各自功能所做决策得到顺利执行，体现 社会效益的最大化。可见，在电力系统不断发展和改革的今天再加之国家可持 续发展能源的战略，以及保护生态平衡的呼声，如何提高负荷预测准确率已迫在 眉睫，意义是明显的。 结合山东电网负荷特性和负荷预测工作状况，本文在全面归纳、分析和综述 国内外已研究的各种负荷预测方法的基础上，吸取各种预测方法的特点，分析其 不足，特别是在气象、节假同等因素对短期负荷预测的影响方面，进行了深入的 研究，在此基础上，提出了规范化各类相关因素( 如r 期类型，气象因素等) 、 坏数据的t 检验辨识和修j 下、周期性预测等改进短期负荷预测精度的方法。 针对目i ； f 国内负荷预测软件功能单一、效率不高的现状，本文采用短期负荷 预测的综合模型，根掘虚拟预测的思路对各种因素影响下的预测效果做出相应的 优化选择，吸收各类预测方法的优点，从而得到比单一方法精确、稳定的预测结 果。同时，本文提出将负荷预测、管理和分析一体化设计的新思路，构建一种科 学、规范、高效的负荷预测、负荷分析及负荷管理的综合体系，通过点( 调度交 易中心) 到面( 下级供电单位或用户) 的分级预测、分析和管理，实现了面级预 测与点级预测的相互校币。通过该体系，掌握了负荷的变化规律，为提高预测准 确率提供了依据。 综上，结合大型商业数据库、多层结构体系、w e b 化软件平台等计算机、网 络技术，实现了山东电网负荷预测分析管理系统，已经按省、地两级调度系统投 入使用。本文一并对该系统的结构、功能和实现方式进行阐述，同时该系统的运 行实践表明，本文所提出的设计思路、实现方式的f 确性及在提高预测精度、提 升预测效率等方面有积极的价值。 关键词： 电力系统；负荷预测；负荷管理；负荷分析；综合模型；人工神经网络；负荷特 性：j 2 e e ：多层结构 山东人学坝i 论文 a b s t r a c t l o a d f o r e c a s ti so n eo ft h ei m p o r t a nlw o r kf o re l e c t r i cp o w e r d i s p a t c h i n g ，t r a d i n ga n dp l a n n i n g i ne le c t r icp o w e rc o m p a n y l o a d f o r e c a s t i n ga c c u r a t e l y w h i c hi st h ef o u n d a t i o no fe x a c t o p e r a t i o n s c h e d u l i n gt ok e e pt h ep o w e rg r i do p e r a t e di nt h es e c u r ea n dr e l i a b l es t a t e l o a df o r e c a s t i n gi sa l s ot h ek e yo fm a k i n gt r a d i n gb e t w e e ng e n e r a t i o n u n i t s ，w h i c hc a ng u a r a n t e et h ew e l l b a l a n c e do p e r a t i o no fe l e c t r i c i t y m a r k e t a tt h es a m et i m e ，i ti st h eb a s i sf o rd e m a n ds i d em a n a g e m e n ta n d e l e c t r i cp o w e rp l a n n i n g w i t ht h ed e v e l o p m e n ta n dr e c o n s t r u c t u r ei nt h e p o w e ri n d u s t r y ，i ti su r g e n tt oi m p r o v et h el o a df o r e c a s t i n ga c c u r a c y a c c o r d i n gt ot h ec u r r e n t1 0 a df o r e c a s t i n gm o d e l si na p p li c a t i o n ，t h e c o n c e p to fs t a n d a r d i z a t i o nf o rl o a d r e l a t e df a c t o r s ，b a dd a t at t e s t i n g a n dp e r i o d i c a ll o a df o r e c a s t i n gi si n t r o d u c e d ，w h i c hi m p r o v e st h el o a d f o r e c a s t i n gr e s u l t i n t e g r a t e df o r e c a s t i n gm o d e la n da l g o r i t h m ，w h i c hc o m b i n e st h ev i r t u e o fe a c hm o d e l ，a r ed e s i g n e dt oa c h i e v em o r ea c c u r a t ef o r e c a s t i n gr e s u l t i nt h i st h e s i s ，t h ea c c u r a c yo fi n t e g r a t e dm o d e li sm o r es t e a d y g o i n gt h a n t h o s eb a s i cs i n g l em o d e l s i to p t i m i z e st h o s ef o r e c a s t i n gr e s u l t so f s e v e r a lb a s i cm o d e l sa c c o r d i n gt ot h ei d e ao fs i m u l a t i v ef o r e c a s t i n g c o n s i d e r i n gt h ei m p a c t so fl o a d r e l a t e df a c t o r s ，s ot h ei n t e g r a t e dm o d e l c a ng e tam u c hb e t t e ra n ds t e a d ya c c u r a c yt h a nm o s tb a s i cf o r e c a s t i n g m o d e l s t h en o v e li d e a o fi n t e g r a t i o no fp o w e rg r i dl o a df o r e c a s t ， a n a l y s i sa n dm a n a g e m e n t i sp r o p o s e di nt h i st h e s i s ，f o rt h ee x i s t i n g s i m p l ea n di n e f f i c i e n tf u n c t i o no fi o a df o r e c a s ts o f t w a r ea p p l l e di nc h i n a v i am u t u a lr e v i s i o na n dc o m p r e h e n s i v el o a dc h a r a c t e r i s t i ca n a l y s i sf r o m t h ep r o v i n c i a la n dr e g i o n a l d i s p a t c h i n gu n i t s ，i t c a nm a k eu pt h e d e f i c i e n c yo fl o a df o r e c a s t i n gm o d e l 山东人学坝i 论文 b a s e do nt h ea d v a n c e dl o a df o r e c a s tt h e o r ya n dl a t e s td e v e l o p m e n to f i to nd a t a b a s e ，m u l t i _ t i e ra r c h i t e c t u r ea n dw e bs o f t w a r ep l a t f o r m ，t h e e l e c t r i cl o a df o r e c a s t i n ga n a l y s i sa n dm a n a g e m e n ts y s t e mi sp u ti n t o o p e r a t i o ni ns h a n d o n gp o w e rg r i dd i s p a t c h i n gs y s t e m t h ea r c h i t e c t u r e ， f u n c t i o na n dr e a l i z a t i o na r eg i y e nw i t ht h ea p p l i c a t i o ns a m p l eo fs h a n d o n g p o w e rg r i d t h ei d e ai sp r o v e dt ob ec o r r e c tb yh a l fy e a r so p e r a t i o n w h i c hi m p r o v e dt h ef o r e c a s t i n ga c c u r a c ya n de f f i c i e n c y k e y w o r d s ： e l e c t r i cp o w e rs y s t e m ；e l e c t r i c i t ym a r k e t ：s h o r tt e r ml o a df o r e c a s t i n g ： i n t e g r a t e d m o d e l ：l o a dc h a r a c t e r i s t i c s ：a n n ： j 2 e e ： m u l t i t i e r a r c h i t e c t u r e ： i l l 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不 包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研 究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明 的法律责任由本人承担。 论文作者签名：多缨 日期：乙卵一 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学 校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅；本人授权山东大学可以将本学位沦文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段 保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：兰盟导师签名：论文作者签名：芝望 整导师签名：堑垃日期：兰兰：! ：= ，。 山东人学帧卜论文 第一章绪论 1 1 负荷预测的意义及分类 负荷预测是从已知的用电需求和对此有影响的经济、气象等因素情况出 发，探索用电负荷与主要影响因素之问的内在联系和发展变化规律，以未来这 些因素的预测结果为依据，对未来用电需求做出预先的预测。从电能市场的角 度看，负荷预测实质上是对电能商品市场需求的预测，是实现电网安全、经济 运行的基础，是保证电力市场正常运作的前提。电力系统的主要任务是为各类 用户提供经济和可靠的高质量的电能，应实时满足用户的负荷量与特性的要求。 为此，电力系统规划设计、调度运行、营销用电管理和电力市场交易等部门， 都必须对负荷量的变化与供电特性有一个正确的预测，以作为电力系统发展与 运行管理的重要依据。因此，提高负荷预测的准确性，已成为现代电力系统、 现代化社会迫为关切的一个重要而不陌生的研究课题。 电力系统负荷预测可以分为长期、中期、短期和超短期i l 】。一般说来，长 期预测是指对几年、甚至几十年的负荷预测；中期预测通常为月到几年的负荷 预测；短期预测则是一天到未来一周或数周的负荷预测；超短期预测则是几分 钟到未来几个小时的负荷预测。短期预测是负荷预测范畴的重要组成部分，对 调度部门制定和执行调度计划、安排电网运行方式、实施的电网分析和控制， 以及顺利实施需求侧管理等方面工作起到极其重要的作用。 本文从山东电网的实际出发，重点研究相关短期负荷预测在方法、精度、 山东人学坝i 论文 管理和分析上的几个问题。为山东电网运行的决策提供依据。 1 2 负荷预测的基本要求 根掘短期预测的用途和特点，短期负荷预测必须满足以下两个基本要求【2 1 ： 1 ) 准确性。根据电力市场改革和电力系统运行管理的要求，各电网公司调 度部f - l 甫l j 定和执行的发电同调度计划为十五分钟间隔的9 6 点出力曲线。因此， 只有负荷预测的准确性高，才能顺利执行发电计划曲线，才能保证电网安全校 核的有效性，减少不必要的机组丌停和电网运行损耗，提高电力系统的经济运 行能力。为了准确地预测电力需求，必须认真分析各种信息与相关数据，使用 更加合理的数学模型与算法，充分和全面考虑影响负荷特性的相关因素，采用 最新的计算机技术，增强预测软件的实用性与方便性。 2 ) 即时性。要求能够最大限度的利用实时系统的最新数据，迅速即时的对 几小时、几分钟甚至于更短时间的负荷变化做出反应，进行预测。显然，为使 预测结果能有效地得到具体的实施，必需保证有充分的实施时间，时效性差会 降低预测的实用价值或导致预测的无效。 负荷预测必须保证一定精度，但确保精确的负荷预测是不可能的，这是因 为： 未来的各种可能引起负荷发生变化的因素，并不能事先充分地掌握。 某些复杂的因素，虽然知其会对电力系统的负荷发生影响，但要定时和定 量的准确判定其影响是困难的。因为这些因素彼此关联的规律是无法掌握的， 使负荷预测问题的研究变得更复杂。 2 山东人学琐i 论文 目i j 尚没有一种足够完善的理论方法适用于各种负荷预测的研究，也不可 能有这样的方法。因此，负荷预测必须从实际出发，不断的重复，不断的实践 才能真j 下抓住规律之所在，该规律中有两种成分，一是科学的规律，二是工作 人员的经验，实践中不可偏废。 1 3 负荷预测方法综述 由于负荷预测的研究有很长的历史，因此用作负荷预测的理论和方法很 多，有：外推法、相关法、解析法、回归分析法、时间序列法、神经网络法( a n n ) 、 模糊逻辑法、灰色理论预测方法、k a l m a n 滤波法、小波分析预测法、专家系统 法、分析预测法等，或用混合型方法，如：模糊神经网络法、模糊专家系统法 等本文对诸多方法进行归纳分类，大致可分为：经验预测、外推预测、回归 模型预测、时间序列预测、人工智能预测、综合模型预测，各类方法的特点、 适用范围和局限性如下3 羽： 1 3 1 经验预测法 主要用于长期预测。该法中的多数方法简单，模型粗糙，因此预测误差较 大。其中单耗法的分析最细致，但它要求对本地区的所有产品都要进行单位耗 电研究，使统计调查的工作量太大，阻碍了实际应用的价值。但对没有任何历 史数据可追寻的情况，也有一定的价值。 1 3 2 外推法 根据已知的历史资料来拟合一条能反映负荷本身变化的趋势曲线，然后对 山东人学坝i 论且= 未来某一点，从趋势曲线上估计出该时刻的负荷颅测值。外推法在本质上是利 用回归分析”，得到描述负荷变化趋势最好的模型参数估计，尤其是对季节型趋 势预测揭示了负荷的周期特性，从而模型可以用来预测负荷变化趋势。但简单 化的线性拟合难于实现全面性：而多项式拟合的次数又难以确定，且次数越高 公式越繁复；有限的几个增长模型也不能囊括负荷的变动。趋势外推法主要用 于长期预测。 1 3 3 回归法 用数理统计中的回归分析方法，即通过对变量的观测数据进行统计分析， 确定变量之间的相关关系，从而实现预测的目的陬”。主要分为线性回归和非线 性回归一元线性回归是将负荷看成是仅与某一因素有线性关系，事实证明负 荷是受多因素影响的，所以一元线性回归模型不可取；多元线性回归将负荷看 成是多个因素的线性组合，然而要将所有因素都考虑，实际是不可能的，因为 许多因素并非以线性柬影响负荷的；非线性回归模型实质上多数是将负荷看成 可线性化的模型，如以l n y 与x 有线性关系，但又引出如何准确选取相应的非线 性函数问题。用回归模型描述中长期的负荷预测要比短期预测好，因短期负荷 多变周期性的精确建模很难。 1 3 4 相关分析法和解析法 从建模方法上看都属于回归法。相关分析法是把系统负荷预测与各种社会 和经济因素联系起来，首先通过某模型来确定这些因素的影响系数，进而由各 4 山东人学碗l 论文 影响系数得到所要预测的负荷值。其致命的弱点是有的影响系数无法得到或难 于准确得到，该法只适用于长期预测。解析法的不足在于电力负荷很难用解析 式把所有影响负荷的因素包容进来，故负荷预测不适宜用解析法。 i 3 5 时间序列法 本质也是回归法，它们的相同点是都将预测目标作为因变量，但回归法的 自变量是以各种影响因素作为可控变量：而时l 日j 序列法的因变量、自变量都是 随机的：因变量为待测负荷，自变量为历史负荷。时日j 序列回归分析模型是被 认为最经典、和最系统的，也是被广泛采用的一类方法m 。常用的时间序列回归 分析模型有以下几种：自回归模型( a r ) 、动平均模型( 姒) 、自回归一动平均模 型( a r l a ) 、累积式自回归一动平均模型( a r i m a ) 。 1 3 5 1 自回归模型( a r ) 嘲 在电力系统短期负荷预测研究中，引起负荷变化的因素很多，不可能把影响 负荷的因素都一一归入模型。从各级调度可获得的是过去历史的负荷纪录，易于 得出某一时刻的负荷与它过去相关时刻的负荷有关。自回归模型中的基本概念 为因变量是待测的负荷，而自变量则是负荷自身的过去值。自回归描述的过程： 现在值只可由过程的过去值的加权值的有限线性组合及一个干扰量口，来表示。 p 阶自回归模型艘( p ) 的模型为： ) ，f = 伊”一l + 妒2 y 卜2 + a - i - 矿p y ，一，+ a ， ( 1 3 5 1 ) 其中p 称为模型的阶数，常数系数仍，a ，妒，为模型的参数，干扰量口，设为白噪 声序列在，时刻的值。预测负荷与它过去时刻的负荷有关，故称为自回归模型。 山东人学坝i 论文 1 3 5 2 动平均模型( m a ) 在a r 模型中，理论上千扰的影响是在无限长的时问内存在的，即一个初始 时刻的干扰将会影响到未来无限长时间内的负荷值。如假设干扰的影响仅在时 日j 序列中只表现在有限的几个连续时问l b j 隔内，然后就完全消失，获得派生模 型，即动平均模型( m a ) ，也叫滑动平均模型。如初始时刻的干扰仅在前q 步内有 影响。q 阶m a 模型m a ( q ) 的数学表达式为： 乃= a ，一o , a ，一- 一a o q a ，一。 ( 1 3 5 2 ) 其中q 称为模型的阶数，常数系数b ，a ，吃为模型参数。对一阶模型m a ( 1 ) 可由式( 1 3 5 2 ) 推导出一个无限阶的自回归模型： 只= b y , - i q 2 阼2 一q 3 阼3 一a + n ， ( 1 3 5 3 ) 其实，所有有限阶的动平均模型均可用无限阶的自回归模型来表示，同样， 有限阶自回归模型也可用无限阶动平均模型来表示。 3 5 3 自回归一动平均模型( a r m a ) a r m a 模型是a r 模型和m a 模型的结合。模型的数学表达式为： y ，= 妒l y 卜l + 币，2 ) ，一2 + a + 妒p y 卜p + d ，一只口，一l a 一8 q a ，一g ( 1 3 5 4 ) 由于许多实际的随机时间序列常常同时具有两个模型a r ( p ) 和m a ( q ) 的特性； 如分别令p = 0 、q = 0 ，得到的a r m a ( o ，q ) 就是m a ( q ) ，a r m a ( p ，o ) 就是a r ( p ) ， 这三种模型之间有着密切的联系。 1 3 5 4 累积式自回归一动平均模型( a r i m a ) 1 7 。1 砌 前述模型应用的前提条件都是以时间序列为平稳随机序列依据，这些模型 6 山东人学颂i 论义 对于时问的起点是不作任何规定的，即表示无论抽出时l 日j 序列哪一段，其平均 值是不变的。电力系统的负荷变化虽然有一定的规律，但还受各种因素的影响， 如季节更替、天气突然变化、设备事故和检修、大的节假只、国家政策以及经 济发展等，使得负荷时i 、日j 序列的变化出现非平稳的随机过程。累积式自回归一动 平均模型( a r i m a ) 能适用于非平稳随机时间序列的模型，并将非平稳随机过程 中的平稳随机变化负荷包含在模型中，在建模中最重要的是如何确定差分算子 ( 1 一口) 。的阶数。为此，常需要对自相关函数进行人工辨识，需进行离线分析， 实现较困难和复杂，限制了此方法的在线应用。 外推法和时间序列法都是以回归分析法作为建模的基本理论依据，本质仍是属 于回归法回归分析法存在以下几个问题： 1 ) 输入和输出之问的非线性关系很难获得： 2 ) 要求大样本量； 3 ) 要求样本有较好的分布规律和确定的发展趋势： 4 ) 输入变量的数目有一定的限制； 5 ) 计算工作量大： 6 ) 这种模型缺乏灵活性； 7 ) 可能出现量化结果与定性分析结果不符的现象。 1 3 6 人工智能法 由于影响负荷变化因素的复杂性和随机性，给负荷的准确预测带来困难， 目前还没有一种公认的完善方法。研究者仍然为改善计算性能和提高预测精度 而努力。随着人工智能研究的发展和新的数学方法的提出，提出了相应的新型 预测方法。如有人提出了用灰色系统理论嘲、专家系统原理、模糊逻辑的预测 7 山东人学硕l ：论文 法。“”h i 、k a l m a n 滤波法“”“”、人工神经网络理论“”和小波理论”“2 ”1 等进行负荷预测的研究。近年来还提出空日j 负荷预测。“删，即不仅负荷预测， 且对负荷地理分布作出了相应的预测。 1 3 6 1 灰色系统理论 介于白色、黑色系统而言的，即部分信息已知，部分信息未知的系统。对 电力负荷而言，对其影响的供电机组、电网容量、生产能力、大用户情况、某 些产品耗电情况等信息是已知的，但是，影响负荷的其他因素，如天气、管理 政策的变化、地区经济活动等等是难以确切知道的，故可将电力负荷看成是灰 色系统。传统预测方法论常用概率统计方法故需大量样本，用以掌握分布规律 和发展趋势；而时间序列法只致力于数据的拟合，要求数据的平稳性，同时需 要条件也多。而灰色预测具有要求负荷数掘少、不要求掌握分布规律和变化趋 势，因此运算方便和易于检验等优点但它存在一定局限性，由于微分方程为 指数解，适合于具有指数增长趋势的负荷指标，对于非指数增长指标时会形成 拟合灰度较大，当数据离散程度越大，即数据狄度越大，则预测精度越差，而 精度较高的预测值，仅限于最近的一、两个数据。 1 3 6 2 专家系统( e s ) 基于知识的程序设计方法建立起来的计算机系统，它拥有领域内专家的知 识和经验，通过推理做出智能决策。在用专家系统进行负荷预测时，由于预测 知识规则的形成及知识库的建立是存在难度的，需要大量的知识、经验及模拟 专家的操作员。知识更新复杂，可维护性差。 山东人学顾i ：论文 1 3 6 3 基于模糊逻辑系统( f l s ) 预测 借助模糊规则和模糊推理，模拟专家的推理和判断方法进行负荷预测的方 法。在负荷动态过程中含有大量的随机性和非线性，从理论上讲不可能建立精 确的数学模型，而模糊系统不需建立负荷的数学模型，它模拟专家的推理和判 断方式对负荷进行预测。但其不足之处是学习能力弱，对此又提出了采用最近 邻学习聚类算法的自适应最优模糊逻辑系统”“剐 1 3 6 4k a i m a n 滤波预测方法 思想是将负荷分为确定和随机两部分，采用传统方法进行负荷确定分量的 预测，用k a l m a n 滤波方法进行随机分量的预测。文献 2 7 提出了一种极大似然 估计进行随机分量模型中的未知参数辨识的一种方法，使参数辨识、错误处理 和负荷预测统一于k a l n m n 滤波过程中。 1 3 6 5 基于小波变换的小波分析预测方法 运用小波变换可将负荷序列投影到不同的时间尺度上形成子序列。每个子 序列表示初始负荷序列的不同的频率成分。由于负荷序列多以天、周为周期， 大周期中有小周期，如果将负荷序列投影到不同的频率段，可较好地反映出这 种周期特性，这样分别对子序列进行预测后再用小波反变换得到预测值，其精 度将更高。由于小波变换具有极敏感的“变焦”特性，从而小波分折在处理和 分析非平稳、瞬变的信号时，效果甚佳。另外，利用小波系数沿尺度衰减的速 度，来估算信号的奇异度，由此还可以分离信号和噪声。负荷预测中可在小波 变换后采用周期自回归模型( p a r ) 进行预测，文献 2 8 在小波变换后采用神经网 9 山东人学坝j 论文 络预测，最后再用小波反变换复现。 1 3 6 6 人工神经网络( a n n ) 方法 七十年代中期来，人工神经网络( a r t i t i c i a ln e u r a l t w o r k s a n n ) 理论用于负荷预测的研究很多，其突出优点是对大量非结构性、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 别是所具有的自学习和自适应功能是传统算法和专家系统技术所不具备的。a n n 具有很强的自学习和复杂的非线性函数拟合能力，很适合于电力负荷预测问题， 在国际上是得到认可的实用预测方法之一。 a n n 主要应用于短期负荷预测，目前国内外在这个领域的研究都相当活跃， a n n 的负荷预测与其他方法对比效果明显，如文献 2 8 、2 9 、s o 。目自h 预测模型 大都采用i j 馈n n 模型和b p 算法，其预测模型结构( 网络的层数和神经元的个数) 的选取则大多凭借经验，b p 有学习速度慢和存在局部极小点等问题。为克服该 缺陷，已提出了不少改进方法。如对a n n 神经元连接权重进行修芷时，采用加 入惯性项和变步长技术、用共轭梯度a n n 法，文献 3 1 提出了利用遗传算法基 于拟牛顿法优化技术的学习算法，遗传算法是建立在自然选择和群体遗传学机 理基础上的随机、迭代与进化的搜索方法，利用遗传算子杂交和变异产生后代 的候选解，但其拓扑结构、理论方法尚不完善，不一定总有最优解。文献 3 2 提出的小波神经网络法，通过对小波分解进行平移和伸缩变换后形成的网络， 伸缩因子和平移因子的引入使之具有比一般神经网络更多的自由度，更强的逼 近能力。文献 3 3 3 4 提出的模糊神经网络法，将a n n 和f l s 各自的优点结合 起来，弥补了a n n 不透明和f l s 学习能力差的缺陷，是一种既具有学习、联想、 1 0 出东人学锨卜硷交 自适应性，又能进行模糊思维的新型结构。 1 3 7 各种预测方法比较 对各类预测方法的模型和评价如下表： 表1 3 1 各类预测方法比较 类别方法模型表述评价 专家会议法综合专家判断意见对专家依赖太强 单耗法单位产品电耗统计出结果需大量细致工作，要 经 对所有产品进行分 验 析 预 负荷密度法出地区平均耗电量来预测模型过分简单化 测 弹性系数法 a 。= a o ( 1 + k 。) “指数模型过分简单 化 外水平趋势外 曼f + l = c f + ( 1 一a ) y c h看成是在水平线上 推推法下随机波动 预 线性趋势外 王f + ，= a ，+ b , l 用直线逼近负荷值 测推法 法 多项式趋势用多项式拟合负荷值次数难定：次数越 外推法高，公式越繁 季节趋势外 增长趋势与季节趋势复合可体现负荷按星期、 推法按同的规律 山东人学埘! 卜论土 增长趋势外 x ，或i n x ，= ( c + a e “) “模型过分简单，不足 推法以表述完全 一元线性回 d = 占+ b x负荷看成仅与某一 归法因素( 时间) 成线性 关系 回 多元线性回 夕= b o + 6 i x l + a + 6 p x p 负荷被看作几个因 归 归法素的简单线性组合 法 非线性回归幂、指数、对数、s 型函数等负荷被看作可线性 方法化的一元非线性函 数 时自回归( a r ) 只= 纪y h + q负荷被看作酊若干 自j模型法时刻负荷值线性组 序合 列滑动平均 y ，= 口，一p ，d 。 负荷被看作 ；i 若干 法( m a ) 模型法时刻白噪声线性组 合 自回归一滑a r 模型与m a 模型的 动平均结合，负荷被看作 ( a r m a ) 模型 y t 。2 i p i y | - + a t s , a , q 前若干时刻负荷值 法与白噪声的线性组 合 山东人学坝l 。论文 非平稳时序积累式自回归滑动 妒。( 口) v 4 y ，= o q ( b ) a ， 法( a r i m a )平均模型 灰色模型累加生成，构造方程，累减还样本少，不考虑变化 ( g m ) 预测法 原 趋势，但狄度大效果 人 差 工专家系统预 运用专家知识，经推理作决策规则形成、知识库建 智 测法 立更新都很复杂 能 模糊逻辑系模拟专家的推理判断作预测将数掘和语言规则 预统预测法 化，计气候日期等因 测素 方神经网络预用a n n 非线性拟合特性预测算法简单，映射效果 法测法好，但网络结构难选 小波分析预小波变换，p a r 模型，逆变换周期性、局部性好， 测法处理、重建信号简便 1 。4 提高预测准确性的途径 负荷预测模型是统计资料的规律性概括，反映的是负荷变化的一般特征， 与负荷的具体结构并不完全一致，所以不可避免的会产生误差，且由于短期预测 的影响因素比较多，无法用数学模型精确描述，因而预测精度不能得到保证。 鉴于这种情况，在数学模型方面应规范考虑各种相关因素和“综合模型”是两 种可行的思路。但是，我们要以提高单一方法的预测效果为基本出发点。其次 还应建立一种全面、科学、规范、高效的负荷预测、负荷分析和负荷管理综合 体系，j 。能真正了解市场、掌握市场。因此，应从以下三个方面入手p ： 山东人学坝卜论文 1 、在对大量历史数掘统计分析的基础上，建立能够精确描述电力系统负 荷及相关影响因素的多种数学模型，并实现预测结果的自适应优化。 2 、建立全面的电力系统负荷特性分析体系，掌握负荷的变化规律，为提 高预测准确率提供支持。 3 、建立由点( 调度交易中心) 到面( 下级供电单位或川j 、) 的预测、分 析和管理体系，实现面级预测负荷与点级预测负荷的相互校m 。 依据以上思路，山东电网调度系统在省、地两级调度部门研发了电网负荷 预测分析管理系统。该系统实现了网络化数据管理与科学计算的高度一体化， 为详尽的数据分析和高质量的需求预测提供了灵活的操作平台，为逐步完善负 荷预测管理体系打下了峰实的技术基础。 1 5 本文主要工作 本文针对现有预测模型简单、功能单一、相关因素考虑不规范等现状，对 预测模型和相关因素，特别是气象因素进行了深入的讨论和研究，在此基础上， 提出了新的直接考虑各种相关因素( 如同期类型，气象因素等) 的短期负荷预 测新模型，以及综合模型的实现方式，提出了将预测、分析和管理一体化的新 思路，并通过采用多层体系b r o w s e r s e r v e r ( b s ) 结构和j a v a 2e n t e r p r i s e e d i t i o n ( j z e e ) 技术实现。 本文主要工作： 1 、系统和全面地对已研究的各种负荷预测方法进行了详细的归纳、分析 和综述，确定了研究方向； 4 山东人学坝i 论文 2 、把模糊数学、场论、概率统计等基本概念应用于相关因素和坏数据的 辨识处理中，提出了基于，检验方法的历史坏数据辨识和修币，以及基于相似 度和相关因素映射库的概念，作为各种预测方法的基础。 3 、提出了基于周期性的负荷预测模型，利用a n n 、模糊数学的一些基本 概念和方法，并通过实践证明了其适用性强和精度。 4 、提出了综合模型的思路和实现算法，极大地综合了各个预测方法的优 点，得到精度更高而且稳定的预测结果。 5 、提出了负荷预测管理和分析的思路，通过全面、科学的负荷特性分析 和点面结合的负荷预测管理，实现了负荷预测的相互校讵，保证了负荷预测精 度。 6 、介绍了基于多层体系b r o w s e r s e r v e r ( b s ) 结构和j a v a 2e n t e r p r i s e e d i t i o n ( j 2 e e ) 技术的山东电网负荷预测管理分析系统基本构架和功能，通过 在山东电网的实际应用证明了本文所提出的设计思路、实现方式的正确性及在 提高预测精度、提升预测效率等方面的作用。 山东人学坝i 论史 第二章基于周期性的负荷预测及预测的综合模型 2 1 概述 短期负荷预测是负荷预测的重要组成部分。多年来，国内外学者提出了多种 方法，如多元回归、谱分析、a r m a 模型、人工神经网络方法( a n n ) 等。总结起来， 主要可以分为以下几类：( 1 ) 仅利用负荷自身历史规律的方法：如a r m a 模型等。 ( 2 ) 负荷规律与气象因素结合的方法：如a n n 方法。( 3 ) 其它方法。 第一类方法仅仅对历史负荷数据进行统计、分析、运算，而对于其它的相关 信息特别是对短期负荷影响较大的气象信息没有进行考虑，使j 下常只的预测精度 无法进一步提高，而特殊气象r 更会造成误差过大。这是因为仅靠历史数据是不 能很好反映未来的发展趋势，气象因素对短期负荷影响很大而未能在算法中体 现。 第二类方法考虑了气象因素，一般采用经验方法利用粗略的气象情况进行补 偿，或者作为相关元进入神经网络模型计算，但出于采用的信息太少和相关较弱， 结果有时并不理想。此外，该类方法一般不涉及气象以外的因素，并且计及气象 因素的方式也不灵活。 事实上，负荷预测考虑的相关因素绝对不仅仅是气象因素，还应该包括：闩 分类( j 下常r 、国庆、春节等) ；星期类型( 周一周同) ；r 期差( 两同之间相距的 天数) ：同天气类型( 晴、阴等) ；同最高温度、r 平均温度、同最低温度；r 降 雨量：湿度；风速；等等。随着科学技术的发展，有可能新增加其他相关因素。 为了叙述方便，下文中称上述所有相关因素在某r 的取值为该闩的特征量。 因此，需要一种规范化的策略，可以直接考虑各种相关因素( 不仅是气象因 素) 。该策略既可以指导预测人员构造新的短期负荷预测方法，也可以肿各种现 有的预测方法进行改造，使之可以计及各种因素的影响。 2 2 基于周期性的正常日短期负荷预测方法 1 6 在进行同负荷预测时，一般取基准同之前的若干天为历史样本，则可画出示 山东人学坝i 论文 意图，如图2 2 - t 所示。 图2 。2 1 以基准闩为起点，以7 天为周期，可对历史样本分出第l 周期、第2 周期。 每一周期中，必有一个与待预测同相同类型的负荷r ，如同为星期一，或同为星 期二，等等。在不考虑气象等因索影响的情况下这些同类型历史闩应是待预测 r 相关程度最大的历史负荷。 若将历史同期计数的起点取为基准同，依次往i j 一天计数，设第d 同第t 时 刻的负荷为圪，这晕d = l 2 “j 7 ，t = l z 7 ( 7 1 为每天的采样点数) ，每只的负 荷曲线以一个向量表示如下： g = 峨。，a ，匕】 所有g 的集合称为历史样本集合。 现在以同类型开作为优先顺序对所有历史样本进行排序，即第一周期中与待 预测同类型相同的负荷f 1 排在首位，第二周期中的同类型同排在第2 位，依此类 推；当同类型开排序完毕后。剩余的历史负荷r 按其离基准只的远近进行排序， 由此，原来的1 7 天历史负荷曲线c l ，c 2 ，a ，e 被排序成为d i ，d 2 ，a ，见。显然， 任一个c o ( d = l ，2 ，n ) 必与某一个d ，( i ：1 ，2 ，力) 相对应，且两者是一对应 的关系。因此，负荷曲线p 的集合中，下标j 越小，表示它与待预测同的相关 程度越高。 所有p 的集合称为相关负荷集合。以0 = 1 4 为例，则只有两个周期，故d ，为 山东人学帧i 论文 第一周期中的同类型f 1 的负荷，d 2 为第二周期中的同类型r 的负荷，第一周期 的不同类型同的负荷依次为d ，d 4 ，人，d 。，第二周期的不同类型同的负荷依次为 d 。，d 。a ，d 1 4 0 下面的各种预测方均以d ，的集合( 相关负荷集合) 进行。 出于2 = 【最，只：，a ，易】，令第，天的特征参数为： 同最大负荷：c 。= m a x ( e , 。，异：，人，尸，) r 最小负荷：只“。= m i n ( p ，只：，a ，p ，) 同平均负荷：只。= a v e r a g e ，匕，a ，易) 可以分别以曰一，p 椭和只。为基值对该只负荷曲线作规格化处理a 基于以上假 设，正常r 的预测方法有如下几种【3 6 1 ： 2 2 。1 点对点倍比法 其基本假设是：待预测同某时刻的负荷预测值是其相关的近期各同同一时刻 的负荷值的一次指数平滑结果。所谓点对点，是指按逐时刻进行。 取n = 1 4 天的相关负荷，设预测f 时刻：取第一周期的不同类型同t 时刻的 值作平滑，得到： j 4 i ，= 层b ，+ f l ( 1 一声) 只，+ a + ( 1 一) 5 只， 取第二周期的不同类型日c 时刻的值作平滑，得到： 4 ，= 儡，+ ( 1 一她。，+ a + ( 1 一) 5 只。， 这罩为逐点负荷的平滑系数，一般( 0 , 2 ，0 6 】。 另取第一周期中同类型同f 时刻的值只，则有： 旦：生 4 ，4 。 于是：待预测同 时刻的值为： 山东人学坝 论文 乒2 丢哦 如此对f = tz 一二，依次进行，即得该同的预测曲线。 2 2 2 倍比平滑法 倍比平滑法的预测思路是：待预测同的标么负荷曲线可由相关负荷集合的标 么曲线的逐点平滑结果得到，而相应的基值由其i i i 一周期的倍比关系预测。 取7 天的相关负荷d ，d 2 ，人，见，相关负荷集合中d ，的负荷曲线的标么化基 值设为只。，可以是卑一，e 和只。之一，相应的标么曲线记为 巨= 厶，：，a ，】，这罩： 厶= 己p , o ( f = 1 , 2 ，a ，r ) 预测分三步进行： ( 1 ) 标么曲线预测：取疗天的相关负荷( ，7 可以不等于1 4 ) ，待预测同t 时 刻的曲线标么值是其相关负荷集合中各同同一时刻杯么值的一次指数平滑值， 即，对于t = lz ”j 五有： 厶= a l t ，+ 口( 1 一口l k ，+ o t ( 1 一a ) 2 厶，+ a + o r ( 1 一口y j - 1 三。， 由此形成待预测同的标么曲线： e - l i ，l 2 ，人，上t 】 这旱口为标么曲线预测的平滑系数， 口( 0 , 1 ) 。 ( 2 ) 基值预测：取o = 1 4 天的相关负荷，分别计算第一、二周期中不同类型 同的基值的平滑值： a 邶= 肥。+ p ( 1 一皿。+ a + ( 1 一y 只。 4 。= 职，。+ ( 1 一p ) e 。+ a + ( 1 一卢) 5 只；。 这罩为逐点基值预测的平滑系数，( 0 , 1 ) 。 其余周期依此类推，分别为4 。，1 4 。，人。设第一、二周期中同类型r 的基值 1 9 山东人学坝l 论文 分别为只。，只o ，其余周期分别为只。，只。，人。于是，待预测r 近似成立如下关系： 量：生：叠：鱼：a 4 1 04 o4 o以。 现在只取第一个等式，于是得到： 只= 丢幔。 这是一种线性倍比的方式。如果有必要，可以考虑样条捅恤i i f 做倍比。 ( 3 ) 预测曲线的有名化：由上述两步，得到待预测r 的基值为危，标么曲线 为官= 眨，厶，a ，厶】，则预测曲线为： 乎= 最厶 西= 晴，息，a ，牟】 由上述三步完成预测。按照基值的选取不同，本方法可以有三种情况：只最 大负荷方式、r 最小负荷方式、同平均负荷方式。 2 2 3 重叠曲线法 重叠曲线法的基本思路是，对于某个固定地区，负荷曲线形状的稳定性一般 较好，因此标么曲线的预测效果一般较好，如果将原来每同的负荷曲线分别从左 右两边延伸出几个时刻，则各同的负荷曲线就有一段重叠区。这样，由于基准只 的后几个时刻为已知，而这几个时刻恰巧又是下一只的前几个时刻的值，由标么 曲线的预测结果即可得到其它点的有名值，如此逐同重叠预测，得到待预测同结 果。其过程如图2 2 - 2 所示。 山东人学坝i 论史 。r o八八 ： 时间 预测分四步进行： ( 1 ) 曲线的延伸处理：设原来每同的负荷曲线为d ，= ，只：，a ，p ，】。现在 取其前一开的后k 个点以及其后一r 的前j 个点，构成延伸曲线为： f = 【p “7 “一”，a ，只吐7 1 ，p 吐”只i ，f 2 ，a ， 只r ，只扎l ，只+ i 2 ，a ，只扎，】 则延伸后的曲线为册劫十7 q 个点，其中历应大于l 即k 与中至少有一个 为非