（电力系统及其自动化专业论文）基于粗糙集的网格化电力系统短期负荷预测.pdf

声明 本人郑重声明：此处所提交的硕士学位论文基于粗糙集的网格化电力系统 短期负荷预测，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， 沧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： 辇聋辇 日期：! ! 蝗垫i 8 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 塑赞笙导师签名 峰酿 7 代一 日 期：2 。ff j2 5日 期：皇生立占，：p 华，i i ；l t ；s 3 入学硕十学何论文 第一章绪论弟一早珀t 匕 科学的预测是f 确决策的依据和保证。负荷预测是电力系统领域的一个传统研 究问题，是指从已知的电力系统、经济、社会、气象等情况出发，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变化规律，对负荷发展做出预先估 计和推测。负荷预测是电力系统规划、计划、用电、调度等部门的基础工作，其重 要性早已被人们所认识。负荷预测的结果除了由负荷本身的历史规律决定外，。还受 众多非负荷因素的影响。多年来，许多学者对这课题进行了深入的研究，提出了 许多方法。负荷的变化因地区和气象而异，因而根据具体情况研究出合适的负荷预 测模型，是一项具有重要意义的工作。 1 1短期负荷预测的重要意义 短期负荷预测的重要意义可以归纳如下： 1 短期负荷预测是电力系统优化调度( 如机组最优组合、经济调度、最优潮 流计算等) 的基础工具，是电力企业日常经营管理工作的重要组成部分，准确的短 期负荷预测是电网调度机构制定发供电计划和做好电网供需平衡的关键，它有助于 系统运行人员高效地预估电能的生产、输送、分配以及消费情况，制定出经济、合 理的发电方案。对一个大电网，根据短期负荷预测提供的信息，即可以实现发电容 量的合理调度，对运行中的发电厂的出力要求提出预告，从而可以对发电机组出力 变化的情况事先得以估计，又可以经济合理地安排本网内各发电机组的启停机，从 而可以使系统在安全范田内，保持必要n 勺旋转储备容墨的耗费为最小，使发l l = ! 成本 为最小，确保电网安全、稳定、优质、经济运 j ：。 2 随着我国电力市场的进一步发展，短期负荷预测在电力系统的经济运行方 面的影响会愈来愈明显，对于发电公司，短期负荷预测是制定发电计划和报价的依 据：对于供电公司，短期负荷预测为供电方制定购电计划提供依据：列。于输电公司， 短期负荷预测也是制定发电计划及安全、可靠、经济运行的基础。 3 电价是电力市场的杠杆和核心内容，体现了电力市场的竞争性和丌放性， 而电价的制定是在未来给定电价计算期的负荷预测的基础上完成的。因此，发电氽 业要保证其电价的竞争能力并且盈利，就必须获得精确的短期负荷预测值，卅ij 匕7 t 7 0 定出既有竞争力又保证盈利的电价。 4 提供运转业务是电力市场中电网的一项基本功能，是i u 力市场j f 等竞争的 必要条件，可以给电网带来巨大的效益。而电网在执行运转业务州是根据短期负荷 预测的数据及各发电机的运行参数来制定发电计划和凋度计划，所以准确的短期负 华北电力人学硕十学位论文 荷预测才能有效地促进供、运、用电三方的协调。 5 在初级发电市场，所有电量统一进行竞价，只在电费结算时考虑合同电量， 按照差价合约结算。由于电费结算按时段进行，需将合同电量按负荷预测曲线分配 至各时段，所以不准确的短期负荷预测将导致违约，甚至引起电量分配的不合理! ， 造成电量不足等问题。 6 系统充裕性评估( p r o j e c t e da s s e s s m e n to fs v s t e ma d e q u a c y ) 由电力调 度中心负责，主要内容是分析预测中短期系统供需平衡和系统安全情况，目的是让 市场成员f 确了解信息。p a s a 是发电市场得以顺利进行的基础。这也充分体现了准 确的短期负荷预测对系统及发电市场的重要影响和应用。 综上所述，如何提高预测精度是目前研究短期负荷预测理论与方法的中心和重 点，准确的短期负荷预测已成为实现电力系统管理现代化的重要内容之一。 1 2短期负荷预测研究现状 随着现代科学技术的快速发展，负荷预测技术的研究也在不断深化，各种各样 的负荷预测方法不断涌现，从发展的时l 自j 来分，可以分为传统的负荷预测方法和现 代的负荷预测方法。从预测的模型来分，可以分为单一智能的预测方法和综合智能 的预测方法。单一智能预测方法指的是扶利用种错能力法的模型，澎然综合智能 方法就是综合了多种智能方法的模型。 1 单一预测方法叫1 如神经网络法，小波分析法，模糊理论法，专家系统法均属于单一预测方法。 无论是哪种单一的预测方法均具有不足和缺陷，随着对负荷预测的深入研究和厂泛 应用，单一的预测方法的应用越来越难以适应发展，现在人们f 在探索和研究多种 智能方法综合的预测模型。 2 综合智能预测方法 单一的方法均有其优缺点，研究者考虑把多种智能方法综合在起，实现其优 缺点的互补，提高负荷预测模型的性能，从。而提高负荷预测的精度，一般有松f 孜 结合：并联型结合；串联型结合：网络学习型结合；结构等价型结合。 文献 3 把粗糙集和神经网络结合建立短期负荷预测模型，采用 l 糙集理论对 各种影响负荷预测的因素变量进行识别，以此确定预测模型的输入变量：往此毖础 上通过属性约简和属性值约简获得推理规则集，m 以这些推理规则构筑神经网络预 测模型，并采用附加动量项的b p 学习算法对网络进行优化。文献 4 融合拳h 糙集方 法与神经网络方法各自的优势，提出一种新型的负荷预测模型一一粗糙集径向基函 数神经网络模型( r s r b f n ) 。运用粗糙集方法和信息熵概念，在不改变样本分类质 量的条件下约简影响负荷的因素，简化网络输入变量。文献 5 为有效选取预测变 华北电力人学颂十学何论文 量和训练模式、提高预测精度，提出了一个基于数据挖掘技术的负荷预测模型，该 模型首先利用粗糙集理论和遗传算法选取与负荷相关的预测变量，再选取与预测同 相似的训练模式，最后利用神经网络对负荷进行予页测。文献 6 把一种新的狄色理 论自修f 模型应用到负荷预测的误差校f 中。提出了纵向负荷预测与横向误差校f 相结合的方法，首先选用同一时刻并且具有相同影响因素的负荷作为人工神经网络 的输入进行纵向负荷预测，利用预测时刻之前的整点时刻负荷预测的误差来建立一 个带自修f 功能的灰色理论模型进行负荷预测的横向误差校正。文献 7 依据可加 性模糊系统理论，提出了一种新的负荷预测方法，利用聚类方法与有监督学习相结 合的训练方法，提高了系统的函数逼近能力。文献 8 提出了一种将混沌和神经网 络相结合的方法用于短期负荷预测。利用混沌方法重构相空间系统吸引子，用i ，j 向 神经网络拟和吸引子上的全局整体映射，构成了混合预测模型。在实际应用中，将 基于奇异值分解的噪声消减滤波算法应用到数据的预处理中，并用混沌学习算法末 训练神经网络参数。文献 9 以软计算方法中的神经j 网络和模糊系统为实现工具， 将数据挖掘中的分类和聚类思想应用于负荷预测问题的研究中，根据数据挖掘理论 中的分类和聚类思想，构建k o h o n e n 网和b p 网的组合模型进行坏数据辨识和调整。 采用c a r t 算法完成模糊推理系统的结构辨识任务，构造相应的a n f i s 网络进行参 数辨识。文献 1 0 深入研究了天气和特殊事件对电力负荷的影响，建立了结合径向 基( r b f ) 神经网络和专家系统来进行短期负荷预测模型。利用r b f 神经网络的非 线性逼近能力预测出同负荷曲线，然后利用专家系统根据天气因素或特殊事件对负 荷曲线进行修f ，使其在天气突变等情况下也能达到较高的预测精度。文献 1 1 采 用分类和回归树( c a r t ) 算法对输入变量选择和输入空问划分进行了尝试，并构造 a n f i s 网络进行参数辨识。文献 12 利h j 遗传算法有指导地汁算神经网络隐联m 羔 数，从而确定一个较合理的 , i i 经网络结构：其次，山遗传算法从例始t 义值n 勺解群t f 一 选取出一优秀的初始权值，克服初始权值选取的盲目性：最后，将得到的神经网络 结构和优秀的初始权值结合起来，利用改进的b p 算法进行电力系统短期负荷预测。 文献 13 提出了一个用来进行电力负荷预测的基于自适应卡尔曼滤波算法的人二 神经元网络( a n n ) 。文献 1 4 利用粗糙集理论中的信息熵概念来选取与待预测量相 关性大的参数作为输入。所构造a n f i s 系统是基于数据进行建模并进行参数辨识的， 这样有效地避免了模糊推理系统( f u z z yin f e r e n c es y st o m ，f 1s ) 中人为主观因 素对预测的负面影响，客观地反映了相关变量与负荷值之问的复杂关系。文献 i5 提出了一种基于决策树技术的短期负荷预测算法，利用决策树对影响负荷变化的因 素进行了筛选；并在此基础上按照负荷分别进行处理，得到平稳的负荷序列；然后 应用时问序列技术进行预测。文献 16 采用神经刚络i 模糊逻辑1 j ：补的方法建：j ：了 负荷预测模型。通过粗糙集理论中的信息熵概念对神经网络的输入参数进行了筛 选，以待预测量相关性大的参数作为输入，不仅减少了神经网络的二l 作量，缩短了 1 华北电力大学硕士! 学位论文 计算时间，而且提高了预测的准确性；在神经网络中，通过引进动量系数和遗忘系 数优化网络，提高了a n n 的收敛速度；在模糊逻辑中，充分利用了人们对负荷变化 取得的主观经验，引进不平均隶属函数，来反映负荷对温度的敏感性。文献 17 通 过对电力负荷变化规律和影响因素的分析，提出了一种基于组合式神经网络的短期 电力负荷预测模型。该模型综合运用神经网络、模糊聚类分析和模式识别理论方法 进行建模。首先，采用模糊聚类分析方法，以每天的2 l 点负荷数据、天气数抓：以 及天类别数据为指标，将历史数据分成荇i 二类别；其次，埘母类别缱：矗：棚应的神 经网络预测模型；。预测时通过模式识别，找出与预测天相符的预测类别，利用相应 的神经网络预测模型进行2 4 小时的短期电力负荷预测。文献 1 8 首次提出基于 p s r t 和i c n n 融合的电力系统s t l f 模型，所构造的i c n n 预测模型对负荷初值和混 沌轨迹的游动性有很强的敏感性，可表征复杂的动力学行为和具有全局寻优的性 能，以p s r t 确定i c n n 输入维数，训练样本集按预测相点步进动态相轨迹和最近邻 点集原理形成的，可增强预测模型对混沌动力学的联想和泛化推理能力；文中用遗 传算法作为i c n n 的学习算法，对两类不同负荷系统同、周预测仿真测试，证实所 研究的预测模型能有效、稳定地提高预测精度，且有较高的适应能力，为将基于p s r t 和i c n n 融合的电力系统s t i 。f 方法用于实际运行系统存理沦i ：取得了有效的进展。 文献 19 提出了一利，基于模糊聚类分析和”h 络n 勺m 删优衙预测乃法。考虑了温 度、相对湿度以及同类型等影响负荷的因素，通过模糊聚类分析将负荷历史数据分 成若干类，找出同预测同相符的预测类别，然后建立相应的b p 网络模型，用附加 动量和变学习速率的方法预测每小时的负荷。文献 2 0 在分析粗糙集理论方法与支 持向量机方法的优势和互补性后，探讨了粗糙集与支持向量机的结合方法，提了 一种基于粗糙集数据预处理的支持向量机预测系统。该系统利用粗糙集理沦在处理 大量数据量、消除冗余信息等方面的优势，减少支持向量机的训练数据，克服支持 向量机方法数据量太大，处理速度慢等缺点。文献 2 1 针对传统k 均值聚类算法的 不足，提出了一种新的聚类算法一逐级均值聚类算法，解决了传统聚类算法解的 局部最优性问题和如何确定聚类数日的问题。存j 照用该算法确定r i f 模型隐龠层的 中心向量时，同时确定了隐含层的：肖量数和r i j l ? h 络模，弘的结构。文献1 2 2 j 前先采 用闩最小负荷对f 负荷曲线进行规范化，i ： 手将r f 负简f | i 1 线预测转化为对门最小负荷 的预测和对r 规范负荷曲线的预测。对f i 最小负倚预测应j 一 i 动态时芋模型；对规 范负荷曲线应用专家系统进行推理预测，专家系统中的推理规则应j 一| j 粗糙集理论从 历史数据中获取。文献 2 3 综合考虑温度、f fj c f j 类型和天气等因素对短期电力负荷 的影响，提出了将径向基( r b f ) 网络和模糊逻辑相结合的预测方法。利用具有非线 性逼近能力的r b f 神经网络预测出预测同的最大负荷值和最小负荷值，并用模糊逻 辑预测预测同的负荷系数，进而得到预测同的负荷值。文献 2 4 建立了一种新的人 工鱼群神经网络预测模型，利用人工鱼群算法训练神经网络的权值，再将该神经网 4 华，i l 电力人学硕十：孚：何论文 络用于短期负荷预测。文献 2 5 提出了一种将粗糙集理论和讵交最小二乘法相结合 建立短期负荷预测模型的新方法。该方法采用粗糙集理论选择模型输入变量并对其 进行划分，由样本数据的离散化结果确定模糊推理规则及其逻辑前件参数，进而采 用改进的f 交最小二乘法去掉冗余模糊规则和确定模糊推理规则后件参数。 1 3目前电力系统短期负荷预测存在的问题 如前所述，目前对于短期负荷的研究已经很多，也取得了很多研究成果，但仍 旧存在一些尚未解决的问题，基于因素影响的短期负荷预测还有许多问题有待进一 步研究。 ( 1 ) 影响因素是在目i ，j 经验基础上得到和划分的，随着认识的深入，可能还 会再细分。 ( 2 ) 电力系统获得同天气气象数据将越来越详细，负荷预测可以根掘不同气 象数据提出相应的预测模型。 ( 3 ) 特别事件因素对负荷的影响，目前只在区别只类型上给予考虑。事实上， 可以把特别事件同负荷作为一个单独模型来研究其变化规律，但这需要在大量纪录 的基础上进行。 ( 4 ) 在电力系统目前的负荷预测研究中，预测方法应与实际情况相结合，尤 其注重对气候条件，电价弹性，市场环境，负荷构成等负荷的重要影响因素的细致 研究。考虑到电力系统是一个多因素共同作用的系统，与相关因素相配合，可以尝 试对历史数据进行数据挖掘，从中找出影响预测精度的重要相关因素( 或者称为主 导因素) 。这是一个有价值的发展方向。 ( 5 ) 着力挖掘新的相关因素。例如，当f 1 温度对当f 二1 负荷的影响只是个方 向，由于温度具有累积效应，连续多同高温和某hj 币独高温对该的负荷影川f j j 稻! 度 大小不相同。因此，可以尝试引入能够体现温度累积效应的指标，构成相应负荷预 测。 针对上述的短期负荷预测研究中存在的各种问题，本文在负荷预测模型中采用 网格化的思想合理地考虑了详细的气象因素，使得气象因素对子电网的影响更具体， 气象因素与负荷的联系更紧密，建立更精确的负荷预测模型。此外，采用每天8 个点的 详细的气象因素，基本选取的是气象曲线中的转折点，能很好地跟踪负荷的变化。基于 粗糙集理论选取了影响负荷预测模型的最优属性，既有效缩小了输入空间又避免属 性选择的盲目性，条件属性采用基值和变化值的方法，能有效地体现气候的累积效 应对负荷的影口向o 1 4 本文的主要工作 华北电力大学硕士学位论文 本文综合运用粗糙集、信息熵、聚类等数据挖掘方法，提出了- i t 基于气象条 件对预测电网进行网格化的预测模型的新策略，试图提高短期负荷预测的精度以及 解决对大电网进行短期负荷预测存在的问题。本文的主要工作有： 1 分析负荷的内在特性和外在特性，并引入综合反映气温、湿度及风力对人 体作用的几个气象因子，如实感温度、寒湿指数、温湿指数及舒适度指数，将大电 网进行分区，分为各个子网格。 2 研究基于信息增益率函数的粗糙集离散化算法，对连续的气象属性进行了 离散化，使短期负荷预测模型更好地与气象因素相结合，从而提高负荷预测的精度， 并通过实验测试该离散化算法的优越性，且在信息不完备的情况下尽可能得出正确 的预测结果，具有较强的容错能力。 3 研究一种基于面向粗糙集的默认规则挖掘算法m d r b r ( m i n i n gd e f a u l tr u l e s b a s e do nr o u g hs e t ) 进行电力系统短期负荷预测，使预测模型能排除噪音的干扰， 缩小分类规则集，提高在使用规则时检索规则的效率。 4 以京津唐电网和保定电网两个电网的短期负荷预测为例，对各区域模型的 影响因素进行信息熵的计算，并利用其结果检验网格化负荷预测模型的合理性。 5 通过京津唐电网和保定电网两个电网的短期负荷预测对利用区域网格化及 非网格化两种负荷预测方法的预测结果进行对比，证明区域网格化负荷预测的优越 性。 6 华北电力大学硕士学位论文 第二章负荷特性及其与气象条件的关系 负荷的特性决定了预测模型的建立，而预测模型是预测精度的关键因素。为了 能准确地预测负荷，我们必须对电力负荷时间序列的性质有一个较为深入的认识， 对负荷序列的特性及各种外在的影响因素有充分的掌握及了解。短期负荷预测的最 大特性是具有明显的周期性，包括：不同日之间2 4 小时整体变化规律的相似性； 不同星期、同一星期类型日的相似性；工作日休息日各自的相似性；不 同年度的重大节假日负荷曲线的相似性。此外，负荷的变化受多种因素的制约，如 季节更替、天气因素突然变化、设备故障和检修、重大文体活动等等，并且这些因 素对负荷变化规律的影响程度并不相同，其中，气象因素对短期负荷的影响尤为明 显。因此，深入地分析负荷的特性是建立短期负荷预测模型的关键步骤。 本章主要分析保定地区的保定市、阜平、涞源和涿州四个区域的负荷特性，说 明了区域网格化的必要性和合理性。通过引入生物气象学中的几个综合指标评价气 象对不同区域短期负荷影响的差异。 2 1 电力负荷规律性分析 电力负荷内在特性主要从其发展的规律性进行分析，不同区域的电力负荷其发 展的规律是不相同的，本文分别以保定地区所属的保定市区、阜平、涞源、涿州四 个区域2 0 0 4 年1 月至2 0 0 4 年3 月一个季度的电力负荷值作为研究样本，数据来源 于s c a d a 系统，每天2 4 个采样点。 ( 1 ) 一个季度的总体特点 从图2 1 保定地区四个区域一个季度的日平均负荷曲线可以看出各个区域的负 荷特点差异很大：阜平县的负荷变化较为平缓，该县城整个冬天负荷变化波动较小， 因为阜平县较小，居民用电负荷较为平稳；保定市区在春节期间的负荷降低得比其 它地方明显，因为保定市工业负荷所占的比例相对较大；涞源地区2 月份曲线上升 幅度较大，涞源地区气温相对较低，其受气象因素的影响较大；涿州的负荷波动较 大，负荷曲线中2 月2 2 日和2 月2 3 曰两天负荷较平常高出了很多。总的来说，从 图中可以看出，由于各县市的负荷构成不相同，其负荷变化的趋势差异是很明显的， 因此，分别建立各自的负荷预测模型将更为准确，更为合理。 华北电力大学硕士学位论文 图2 1 各区域负荷季度日平均曲线 ( 2 ) 周期性波动特点 各区域负荷的周周期性如图2 2 所示，日周期性如图2 3 所示。从图2 2 中可 以看出一，保定市区的周周期性较为明显：每周的负荷变化有很强的规律性，每周星 期天的负荷达到最小值，然后开始上升，到周末又下降。这是由于周末部分工业、宝i 荷的降低所致。阜平、涞源和涿州的工业负荷所占比例较小，因此其周周期性并不 十分明显。 从图2 3 各区域2 0 0 4 年2 月1 日至2 月8 日7 天的2 4 点电力负荷曲线图，每 隔2 4 点为一天，从图中可以看出各区域每天的负荷变化均有很强的规律性，但其 表现的规律并不相同：保定与涿州的变化略有相似，每天凌晨4 点左右负荷达到最 小值，然后持续上升，到了上午1 0 一l l 半之间达到一个高峰值，然后下降，到了中 午一点左右到达一个低谷，继而负荷开始上升，到晚上7 点半以后又达到一个最大 值，接着负荷开始下降，直至第二天凌晨4 点到达最小值。在阜平和涞源区域，负 荷在晚上7 点达到最大，然后负荷开始慢慢下降，一天的负荷变化平缓。这表明这 两个区域主要以农业负荷和居民用电为主。 ( 3 ) 周末负荷特点 从图2 4 可以看出：保定市由于工业负荷占有比例较大，因此在周末由于工业 负荷的减少，其负荷水平下降比较明显，而在2 月2 1 日和2 月2 2 日这个周末的负 荷较大，主要是因为保定市在2 月2 0 日和2 月21 日连续两天下雨，气温相对较低， 因此这个周末的负荷比平日反而增大了不少，这是由于降雨使温度降低导致了取暖 负荷的增加，总的来看，周末负荷还是表现出比平日负荷下降的规律。而在阜平、 涞源由于工业负荷较少，因此周末负荷下降得不是十分明显，但是仍然可以看出周 末负荷比平日稍有下降。 r 华北电力大学硕士学位论文 图2 2 各区域负荷的周周期性 图2 3 各区域负荷的日周期性 图2 4 各区域周末( 2 0 0 4 1 3 1 2 0 0 4 3 1 ) 日平均负荷 9 华北电力大学硕士学位论文 图2 5 各区域节假日( 元旦、春节) 日平均负荷 ( 4 ) 节假日负荷特点 近年来五一、国庆、春节假期的时间较长，五一和国庆有7 天假期，春节1 0 天左右，在这几个节假日中，工业电力负荷明显减少，除了一些重工业及基础工业 外，其他工业负荷基本降为0 ，按理论上来说，整个节假日期间的电力负荷应该大 大降低，但同时也应该注意到节假日期间商业负荷有所增大。 从图2 5 可以看出，保定市在元旦和春节期间负荷下降比其他三个区域要大， 涿州的负荷也有所下降，涞源和阜平的负荷变化相对较小，原因主要是涞源县的气 温相对较低，其取暖负荷占的比例较大，工业负荷和商业负荷占比例少，因此节假 日对负荷的影响不大。阜平县的工业负荷也非常少。由此可见，不同区域的负荷特 性差异很大。 以上从负荷的总特点、负荷周期性波动特点、周末负荷的特点和节假曰负荷的 特点等四方面对负荷的内在特性进行了分析，从分析结果来看，不同区域的负荷其 特性存在着明显的差异。从这点来看，根据不同区域的负荷结构建立相应的负荷预 测模型是非常必要的，这是提高负荷预测精度的一个重要手段。 2 2 气象条件与电力负荷关系分析 一般而言，负荷变化受多种因素的制约，而且这些因素对负荷变化规律的影响 程度互不相同，从而构成了负荷变化的波动性。其中气象因素是影向短期负荷最典 型的因素。而温度是所有气象因素中影响最大的一个，如夏季的持续高温，将引起 空调、风扇、电冰箱等一系列降温和制冷设备的大规模满负荷运行，这时有可能形 l o 华北电力大学硕士学位论文 成比以往相对较大的高峰负荷。事实上，气象因素与负荷变化之间是以人为纽带的， 具体地说，气象因素对负荷的影响是通过改变人体对环境的舒适度感觉而实现的， 温度当然是最重要的一个指标，但这并不全面，还有湿度、风力等因素也会对人体 舒适度产生很大的影响，所以，在负荷预测中仅仅考虑温度指标是不够全面和准确 的。为此，本章引入生物气象学中的实感温度、寒湿指数、温湿指数、舒适度指数 四个指标来综合衡量气象因素对电力负荷的影响，并通过这四个指标说明影响不同 区域的气象因素以及负荷受影响的程度各不相同，从而验证对大电网进行网格化预 测的合理性。 2 ，2 1 综合气象指数 人类在大气环境中活动，经受着气象要素的综合作用，尽管人们通常用气温高 低来表示环境冷热，但是，人体对外界冷热的舒适感，并不能仅仅根据气温或其他 任何单一的气象要素来评价。通常人的皮肤温度比体温度稍低一些，大约是3 2 度 左右。从理论上讲，当气温高于3 2 度时，人体就应该产生炎热的感觉，然而事实 并非如此，例如，在气温3 5 度的环境中，如果空气的相对湿度在4 0 一5 5 ，平均风 速在3 m s 以上，人们就不会感到很热，但是同样的温度环境下，湿度若增大到7 0 以上，风速在很小时，人们就会产生闷热难熬的感觉，甚至出现中署现象，同样的 道理，在低温环境下，不同的湿度和风速也会给人们带来不同的寒冷感受。所以人 们对环境温度的感觉是受诸多因素综合影响的，进而气象因素通过人的取暖或降温 行为对电力负荷的影响也应该是综合的。在诸多因素中，以气温、湿度及风力3 个 气象要素对人体舒适度的影响最为明显，也就是影响短期负荷的主要因素。 1 实感温度 实感温度是由h o u g h t e n 和y a g t o u 提出来的，它是人体在不同气温、湿度和风 速条件下，所产生的热感觉指标。实感温度以静止饱和的大气( 风速= 0 时，相对湿 度= 1 0 0 ) 条件下使人产生舒适的温度，来代表不同风速、不同相对湿度、不同气 温使人产生的同样感觉。其计算公式为： te=37-丽而等_02腓to(68 01 4 r l ( i7 6 4 v 剐 ( 2 1 ) 【o 一 + + 1 仉”) 式中乃、无、尼、 分别是实感温度( ) 、气温( ) 、相对湿度( ) 、风速( m s ) 。 对公式( 2 1 ) 分析可以得到如下：风速增大使实感温度降低，但随着气温增 加，风速对实感温度的影响越来越小，当气温超过3 7 度时，风速增大反而使实感 温度升高。湿度对实感温度的影响比较复杂，通过计算发现：在风速一定的情 况下，气温较高时湿度增加使实感温度增加：而气温较低时湿度增加则使实感温度 降低。从上面的分析可以看出实感温度这一指标基本上反映了实际情况，并且由于 华北电力大学硕士学位论文 它使用的参数都是气象台日常天气预报的内容，计算方便。 2 温湿指数 温湿指数是由t o m 提出的，这里我们引入国家气候中心张清提出的温湿指数计 算公式： 舻纾o 5 5 ( 卜脚( 5 8 一彩( 2 2 ) 式中历温湿指数，单位为，乃为1 4 时的温度；尼为1 4 时相对湿度；e r ( 1 8 9 可看作由冷应力引起的不舒适指标；助2 5 6 可看作由热应力引起的不舒适指标。 3 寒湿指数 寒湿指数是考虑气温、风速和湿度来衡量寒冷程度的一个指标，其计算公式为： e = ( 3 3 一瓦) ( 3 3 矿一v 3 十2 0 ) e 0 0 0 5 - 4 0 i ( 2 3 ) 式中历为寒湿指数；乃为气温；v 为风速；尼为相对湿度。 4 舒适度指数 舒适度指数是度量温度、湿度、风速等气象要素对人体的综合作用，表征人体 在大气环境中舒适与否。其计算公式为： k = 1 8 l o 5 5 ( 1 8 疋一2 6 ) ( 1 一r ) 一3 2 4 v + 3 2 ( 2 4 ) 式中k 为人体舒适度指数；是气温( ) ；是相对湿度( ) ；是风速( m s ) 。 2 2 2 电力负荷与各综合气象指数的关系 为了对比各区域综合气象指数与电力负荷关系的差异，我们采用保定市区、阜 平、涞源和涿州四个区域的2 0 0 4 年1 月至2 0 0 4 年3 月三个月的每天的温度、相对 湿度、风力来计算以上相应的综合指数，并分析区域的各综合气象指数与负荷的关 系。 为了更好地说明气象指数与电力负荷的关系，我们给出了电力负荷与各指标的 比值曲线，并以温度和负荷的比值曲线作比较，通过同一区域的曲线比较说明引入 各气象指数的合理性，通过不同区域比值曲线比较说明不同区域的负荷与气象指数 的关系的差异，从而验证了建立网格化负荷预测模型的必要性。 1 同一地区各气象指数与负荷的关系 以保定市为例，给出各气象指数与电力负荷的关系图，说明引入综合气象指数 的合理性。 华北电力大学硕士学位论文 曹 封 善 婷 寄 蚕 二： ， l ， | k 1 ”：薹：。71 _ 。藩密蕊爻 f 0 誊j 囊、。譬 ? 吩? _ ， l - 、_ 乞= 弓0一一”：o 温度( 度) ( a ) 。一：一；。、，、： i ：。i 。j ，、o ，j 泛i 。卿痞蕊：1 【 - ：肆 。：o 、：71 曩“j 妻l y 。：? ：曩。二一“；”：j h 二一。，o j ， ! 。 卜：r ；，17 。 ：一 c o。i 00 0：0”o蚋 温湿搭数 鏊 一 直 ( c ) r v 。” 、：，e z ， o f ：一7j 。：二飞座， _ 釜一f _ ，” _ r v v n、 f k 婷 萤 萋 二= ： t | 7桶蛤 - k ；， - l ；0：o一二0一l 。0l o：o 宴感温度 ( b ) 、盔闷飘 ：，i 。- | ：妒翼 。 。! ， - 0哥l 0i 02 o 謇 显搭势 ( 1 ) ) 图2 6 保定市( 2 0 0 4 1 - 2 0 0 4 3 ) 各气象指标与甲均负荷的关系倒 从图2 6 中可以看出各指标和负荷的关系，其中图( a ) 反映出气温在一8 度如 右时负荷达到最低点，此后电力负荷随着气温的升高而增加。图( b ) 、( c ) 、( 的大致规律与图( a ) 相似，但是图( 3 ) 在( 一l0 ，j0 ) 之问的点要密集些，说 明了实感温度在这一区间比温度与电力负荷的关系更紧密：从图( c ) 可以看出， 点的分柿相对要均匀，说明该时间段内保定地区的负荷与湍湿指数在( 一3 0 ，0 ) 跟 踪负荷较好：图( d ) 的特点也很明显，在寒湿指数大= 二5 0 0 ( 人体感觉到冷) 后， 负荷与寒湿指数之间有很紧密地关系，随着寒湿指数的增加，负荷随之增大。当寒 湿指数大于8 0 0 ( 温度在8 度以上时) 后，负荷丌始下降。 2 不同区域气象指数与负荷的关系 下面给出保定市、阜平、洙源和涿州四个区域的气象指标与负荷 ( 2 0 0 4 1 2 0 0 4 3 ) 的关系图，图中各指数均作了归一化处理。 l3 啪 蝴 劝 佃 啪 泐 | 婶卦一莒 熟溶 。髓 鼾 加。 华北电力大学硕士学位论文 保定温员比保定实感负比 保定漂湿负比傈定寒湿负比 保定舒适度负比 图2 7 保定市( 2 0 0 4 卜2 0 0 4 3 ) 各气象指标与平均负荷的关系曲线 一皇平颛比一阜平辐负比一皇平温湿负比 阜平寒湿负比宝平钉莲度负比 濠疆温负比深疆实目s 负比椿疆温湿负比 一滦澄嗽魄滦潦翱置度负比 1 2 1 0 8 翼6 4 2 0 _叮no 口t _ _ 口面n e r ， ilh “- ，lihdn “l hh n n h d liliiinilll i_ hd l1 。nnt lnln nnn r t ii_ 十i-ii f ilii oot tf口of ftfot 十ff ooooooooooo 口口ooo nnooo“noooono 口ao nnnnn“nnnnn 图2 9 涞源( 2 0 0 4 1 - 2 0 0 4 3 ) 各气象 指标与平均负荷的关系曲线 h面noot 西f 十由n 西一 li_“nl 1_ _ “ i_ _ “ hhill c , i 由l li i ni li ilh_h- 1“n lnn r t_li_ 十iiil_iii oo十fto口t，f_of_十_ oooooooo口ooo 口口oo nna口onno口oon口ooo nnnnn 剁“ n “0 , 1 图2 8 阜平( 2 0 0 4 卜2 0 0 4 3 ) 各气象指标与平均负荷的关系曲线 涿州温负比诼州察磊负比诼州温湿负比 诼j i 寒湿负比涿州钉连度负比 _帕no 口r _ f 口n 订 l lhnnl 1-_nnihhnn d hlii“nilliniil l _hhl 1 一n “nlnnnn 十fl ii_iill_ iiii 口口f十_oof_十_o十十_r ooooooo 口口ooooo口o nnooonn 口口oono 口口o nn “nn n nnnn 图2 1 0 涿州( 2 0 0 4 1 - 2 0 0 4 3 ) 各气象指标与平均负荷的关系曲线 从图2 7 可以看出保定市负荷温度、负荷实感温度、负荷温湿指数、负荷 舒适度指数曲线较低，比值曲线的变化趋势以及值的大小都很相近，说明这几个指 标与负荷有着密切的关系，能很好地跟踪负荷。相比之下。寒湿指数与负荷的关系 要显得弱一些。 从图2 8 可以看出，阜平地区负荷寒湿指数比值曲线最低，说明这段时间寒湿指 数能最好地反映负荷的变化，舒适度指数次之；负荷温湿指数比值曲线较高，说明 温湿指数与负荷的关系要稀疏一些。 从图2 9 可以看出，涞源地区舒适度指数与负荷的关系最为密切，它能最好地 反映负荷的变化，其它指数与负荷的关系相当。 从图2 1 0 中可以看出，涿州地区在2 0 0 4 - 1 - 1 至2 0 0 4 3 - 7 日寒湿指数最低， 1 4 6 5 4 3 2 l 0 理墨 4 2 o 8 6 4 2 0 霉u。 nn寸oo“nnn寸oo一n占dow“一n可口口n n寸oon 穗n。n。寸oo“甘n。一寸oon西一。“可口口= n_o on 西nt，口on _ 占口o n 口n一_口o“oh占oonn一一甘口on 一。可口on一h占oon 0 9 8 t 6 s 4 3 2 l 0 姆蓝 华北电力大学硕士学位论文 与负荷的跟踪最为密切，对负荷的变化把握得很准，而2 0 0 4 3 7 日以后，负荷寒 湿指数比值曲线偏高，而其他各指数却能很好地反映负荷的变化。 从图2 7 一图2 1 0 可以看出，影响不同地区的负荷的气象指数各不相同，负荷 受其影响的程度差异也较大。 华北电力大学硕士学位论文 第三章基于聚类分析和信息增益率函数的气象属性离散化 从第二章的分析可以看出，气象条件与负荷的关系非常密切。人们逐步开始把 气象条件考虑到负荷预测的模型中。然而大多数文献还是根据经验对气象因素进行 划分，如把气温分为：超高温，高温，中温，低温，超低温等五个等级进行考虑， 这种考虑方法主观性较强，没能很好地反映气象因素与负荷之间的关系。如文献 2 8 按照经验对温度、降雨等连续属性进行量化( 即离散化) 。有些文献也开始研究如何 离散化气象属性从而在预测模型中能更好地考虑气象条件。如文献 3 采用基于断 点重要性的粗糙集离散化算法，此方法考虑到条件属性和决策属性的相互影响，但 是考虑得过于简单且没有很好的解决候选断点的选取问题。文献 1 4 采用模糊隶属 函数方法对温度进行离散化，文献 2 7 采用模糊均值聚类的方法对属性进行离散 化。模糊隶属函数的选取具有很强的主观性，从而限制了该方法的使用。文献 2 6 采用粗糙集理论中的s e m in a i v as c a l e r 算法进行数据离散化处理，此方法具有完 备性，即理论上可以找出所有可能组合的离散化断点集，但是该算法复杂度是指数 级的，限制了其在实际问题中的应用。上述方法均没有很好地考虑条件属性和决策 属性之间的关系，离散化的效果并不是很好。由于条件属性的离散化处理在实际负 荷预测中的重要性，本文对此问题进行了研究，提出了基于聚类分析和信息增益率 函数的气象属性离散化方法。 3 1 信息增益率函数 3 1 1 信息熵的概念 设丁为数据集，类别集合为 c ，c 2 g ) ，选择一个属性y 把丁分为多个子 集。设y 有互不重合的力个取值 y ，v 2 ，1 ，) ，则丁被分为力个子集乃，乃，瓦，这 里乃中的所有实例的取值均为v 卜则属性离散前样本集丁的总体信息熵为： 七 e ( t ) = 一乏：p ( c i ) l 0 9 2 ( p ( c j ) ) ( 3 1 ) i = j 式中，p ( g ) = igi 1 丁l ，i 术1 为术的样本数目。总体样本熵反映了样本在离散 化前的不确定性。 信息熵有以下2 个重要定理。 定理1 ： e ( p ，p 卜，p 。) o ，其中等号成立当且仅当对某厶p i 2 1 ，其余的p k 2 0 ( 七j ) 。这表明确定场( 无随机性) 的熵最小。 由定理1 可知，如果每个离散区间的元素仅仅对应于同一种分类情况，则其信 息熵应该是最小的。 华北电力大学硕士学位论文 定理2 ：e 0 ，p 2 ，p 。) _ l 0 9 2 n ，其中等号成立当且仅当p k = ，仫k = l ，z ，1 2 。 这表明等概场具有最大信息熵值。 由定理2 可知，如果每个离散区间的元素对应了所有分类情况，则此时的信息 熵值应该是最大的。 3 1 2 信息增益率函数 在属性离散化的过程中，按照属性v 把集合丁分割，分割后的样本的总体熵为： nk e ( c ，刁= 一p ( v ，) p ( c ，lv j ) l o g ：p ( c 小) ( 3 2 ) i = l j = l e ( c 乃表示经过属性y 划分后，样本的不确定程度。由公式( 3 1 ) 和( 3 2 ) 分析 可知，条件熵总小于无条件熵，即e 他刀 e 倒。说明经过离散化后，总能消除一 些关于样本的不确定性。且足c ，功= e ( g 乃e ( 刃越大，说明样本的不确定性去 除得越多，离散化效果越好。随着断点数的增多，化功肯定是越来越大。当每个 样本各自归为一类时，这种情况没有误分类，足c ，功最大，但是此时无法从样本 提取有益信息，从而离散化也就没有意义。为了能用尽可能少的断点获得尽可能好 的离散化效果，本文引入信息增益率函数g a i nr a t i o 将离散化断点的数目控制在一 个较为理想的数值，实现属性的合理离散化。 g a i n _ r a t i o = i ( c ，v ) h ( 功 ( 3 3 ) 其中，觑功表示属性v 的信息熵，可以通过公式( 3 1 ) 代入相应的数字求得。 由公式( 3 3 ) 可以看出，随着断点数的增多，z ( c ，功增大，矾功也增加。可见， g a i nr a t i o 克服了选择断点数多的组合作为离散化断点集的缺点。 3 2 聚类分析 3 2 1 聚类的基本描述 聚类( c l u s t e r i n g ) 是对物理的或抽象的对象集合分组的过程。聚类生成的组称 为簇( c l u s t e r ) ，簇是数据对象的集合。簇内部的任意两个对象之间具有较高的相 似度，而属于不同簇的两个对象间具有较高的相异度。相异度可以根据描述对象的 属性值计算，对象间的距离是最常采用的度量标准。在实际应用中，经常将一个簇 中的数据对象作为一个整体看待。虽然用聚类生成的簇来表达数据集不可避免地会 损失一些信息( 类似于有损的数据压缩) ，但却可以使问题得到必要的简化。 聚类分析是根据空间的内在性质将其分成一些聚合类，它是在不对数据作任何 假设的条件下进行的。在人工智能和模式识别中，聚类分析亦称为“无先验学习”。 聚类算法有多种，其中k 均值聚类算法运用最广，它是完全非监督式的学习过程。 聚类分析可归结为以下的数学寻优问题： 华北电力大学硕士学位论文 m i n p f a ( x j ，y f ) ，i = 1 式中定义胙( x ，砀，柏，为样本数据空间：为样本总数目：乃为第个样 本向量；i 7 为需分类的数目；乃为第j 个类的中心向量；( 册，乃) 为乃与k , - 的欧式 距离。 旷托黧国类 慨5 ， 寻优的目的是求出尸( 乃，乃，局) ，使得式( 3 4 ) 得以满足。 3 2 2 传统k 均值聚类方法 常见的划分方法有k 一均值方法和k 一中心点方法。k 均值聚类算法步骤为： ( 1 ) 随机选取每个类的中心； ( 2 ) 通过计算每一个样本与中心的距离，将其归并到离它最近的类里去； ( 3 ) 重新计算每个类的中心； ( 4 ) 判断每一类的元素是否变化，若没有变化，则聚类完成，否则，转第( 2 ) 步。 一般聚类存在两大缺陷：最优解严重依赖于初值，这是该聚类算法的固有 弊端；其初始中心的选取要么是随机的，要么是依赖于时间或排序下标的，一旦初 始中心选择不恰当，如几个初始中心点选在一类中时，它在演化中止时将陷入局部 最优；没有解决聚类数目7 的问题，该算法是在给定样本数据空间和聚类数目 这2 个前提下寻优的，而聚类分析的目的是在给定第一个前提下按照空间自身的特 性对空间进行剖分，即使公式( 3 4 ) 的全局最优解可以通过k 均值聚类算法获得， 但仍然可能没有真实地反映原始样本空间的分布情况。 3 2 3 逐级均值聚类算法他 为了解决前述方法存在的缺陷，本文采用一种新的聚类算法一一逐级均值聚类 算法，用于确定中心向量参数，该算法摈弃了k 均值聚类算法随机选取初始中心向 量的方法，采用了种逐步增加聚类数目，逐层搜索初始中心向量的思路，逐层进 行聚类分析。不仅解决了解的局部最优性问题，还解决了聚类数目的问题。该方法 主要内容为通过逐步增加聚类数目来逐层搜索初值中心点( 本文中聚类数与层 相对应，其含义显然) 。考虑到在进行聚类分析时，总希望将一些特性相似的样本 数据划分在同一类中，而它们在空间中的相互关系可以按照某些范数度量的大小关 系来表征，逐级均值的聚类思想正是充分利用这些关系，选择相对分散在样本数据 空间中的点作为初始中心向量，它相当于取初值使得其接近最优解，从而避免局部 最优，其基本思路是首先将所