（电力系统及其自动化专业论文）基于负荷成分分析的短期负荷预测研究.pdf

东北电力大学硕卜学位论文 a b s t r a c t s h o r t - t e r m1 0 a df o r e c a s t i n g ( s t l f ) i sa l li m p o r t a n tt a s ko f p o w e ru t i l i t i e s w h i c h i sw i d e l yu s e di nt h ed i s p a t c h i n ga n do p e r a t i o np l a n n i n go fp o w e rs y s t e m s ，a n dt h e a c c u r a t el o a df o r e c a s t i n gi sh e l p f u lt ot h es e c u r i t ya n ds t a b i l i t yo fp o w e rs y s t e m sa s w e l la st or e d u c i n gt h eg e n e r a t i o nc a s t s 。黝t h ed e v e l o p m e n to ft h ep o w e rm a r k 既 s t l fw i l li m p o r t a n tr o l ei np o w e rs y s t e m se s t a b l i s h m e n ta n dp 】a ym o r ea n dm o l q e i m p o r tr o l ei np o w e rs y s t e m s n el o a do fp o w e rs y s t e m si sa l lu n s t e a d ys t o c h a s t i cp r o c e s s a m o n gt h o s e o b s e r v e dv a l u e st h e r em a ye x i s ts o m ea n o m a l o u sd a t ad u et ot h ee f f e c to fv a r i o u s f a c t o r s t h e s ed a t at o g e t h e rw i t hn o r m a ld a t a , b a d l ya f f e c tt h ea c c yo fl o a d f o r e c a s t i n g s u p p o r tv e c t o rm a c h i n e s ( s v m ) r e g r e s s i o na l g o r i t h mi su s e dd e a lw i t h t h i sp r o b l e md u et ot h es m o o t h i n go ft h es t r u c t u r er i s k i n gf u n c t i o na n dk k t c o n d i t i o n b yc a l c u l s t i n gt h er e s i d u a le r r o ro fs u p p o r tv e c t o rs a m p l ea n o m a l 0 1 1 5d a t a c a nb ed e t e c t e d a c c o r d i n gt ot h ec h a r a c t e r i s t i c so fa n o m a l o u sd a t ad i f f e r e n tm e t h o d s a r cu s e dt oa m e n dt h e m i tc a ni d e n t i f ya n dm o d i f yt h ea n o m a l o t i sd a t ae f f e c t i v e l y a c c o r d i n gt ot h ea n a l y s i so fc o m p o n e n ta n df e a t u r e so fl o a d ，b a s e do na n a l y s i s o fl o a dc o m p o n e n tf o rs h o r t - t e r m1 0 a df o r e c a s t i n gm e t h o di sp r o p o s e db yt h ep a p e r f i r s tb a s e do nf o u r i e rs p e c t r u ma n a l y s i sm s t o r i c a ll o a dd a t ai sd e c o m p o s e di n t ot h e s e r i e sw i t hd i f f e r e n tf r e q u e n c yc h a r a c t e r i s t i c s t h e na c c o r d i n gt of e a t u r e so fl o a d d a t a t h ed i f f e r e n tf r e q u e n c ys e r i e sa r ec o m p o s e di n t of o u rk i n do fc o m p o n e n t d i f f e r e n tm o d e l sa r ec o n s t r u c t e dt od e a lw i t ht h ed i f f e r e n tc o m p o n e n t s f i n a l l y , t h e f o r e c a s t e dr e s u l t so ft h ec o m p o n e n t sa r er e c o n s t r u c t e dt oo b t a i nt h eu l t i m a t e f o r e c a s t i n gr e s u l t n l ef e a s i b i l i t ya n dv a l i d i t yo ft h em e t h o di sp r o v e db yp r a c t i c a l e x a m p l e a c c o r d i n gt op r a c t i c a ld e m a n d ，l o a da n a l y z i n ga n df o r e c a s t i n gs o f t w a r e i s d e v e l o p e di n t h ep a p e ra n dh a v ea p p l i c a t i o ni nn o r t h e a s tg i i dc o m p a n y u s i n g f o r e c a s t i n gs o f l 、：v a r e ，l o a dr e g u l a r i t yo fn o r t h e a s tg r i da n de a c hs u b a r e ai sa n a l y z e d a n de v a l u a t e d ；f o r e c a s t i n gp e r s o nc a nh o l dl o a dr e g u l a r i t yo f g r i da n de a c hs u b a r e a k e y w o r d s ：s h o r t - t e r ml o a df o m c a s t i n g ：s u p p o r tv e c t o rm a c h i n e s ；f o u r i e r i i 论文原创性声明 本人声明，所呈交的学位论文系在导师指导下本人独立完成的研究成果。 文中依法引用他人的成果，均已做出明确标注或得到许可。论文内容未包含法 律意义上已属于他人的任何形式的研究成果，也不包含本人已用于其他学位申 请的论文或成果。 本人如违反上述声明，愿意承担以下责任和后果： 1 交回学校授予的学位证书； 2 学校可在相关媒体上对作者本人的行为进行通报； 3 本人按照学校规定的方式，对因不当取得学位给学校造成的名誉损害， 进行公开道歉； 4 本人负责因论文成果不实产生的法律纠纷。 论文作者签名： ：缢型塑金日期：塑2 年生月二l 日 论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属东北电 力大学。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权 利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时， 署名单位仍然为东北电力大学。 论文作者签名：壅堕逾日期：壶丑年上月旦日 导师签名：e t n ：丝 年l 月堡e t 第1 章绪论 1 1 负荷预测的概念及意义 电力系统负荷是指系统中所有用电设备消耗功率的总和，也称电力系统综 合用电负荷。综合用电负荷加上电网中的损耗和发电厂的厂用电，就是系统中 所有发电机应发的总功率，也称电力系统发电负荷。电力负荷是影响系统安全 稳定运行的重要因素。 负荷预测是电力系统领域的一个传统研究问题，是指从己知的电力系统、 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。 电力负荷预测是电力系统规划、计划、调度、用电的依据。提高负荷预测 技术水平，有利于制定合理的电源建设规划，有利于合理安排电网运行方式和 机组检修计划，有利于节煤、节油和降低发电成本，有利于计划用电管理，有 利于提高电力系统的经济效益和社会效益。因此，电力负荷预测是实现电力系 统管理现代化的重要内容之一“。 电力系统负荷预测可以分为长期、中期、短期及超短期负荷预测。长期预 测主要用于提供电源、电网规划的基础数据，确定年度检修计划、运行方式等， 它受国民经济发展情况、人口、产值单耗、产业结构调整情况、电价政策等影 响：中期预测是指对未来一年之内的用电负荷预测，用于安排年度检修计划、运 行方式、水库调度计划、电煤计划；短期预测通常是指日负荷预测和周负荷预 测，其目的是安排日开停机计划和发电计划，它受星期类型、气象因素( 温度、 湿度、降雨量) 、电价的影响；超短期预测是指未来1 小时内的负荷预测，主要 用于实时经济调度、a g c 、实时安全分析和安全监视。 1 2 负荷预测的发展过程和研究现状 t 2 1 短期负荷预测的发展过程 东北电力大学硕十学位论文 我国对负荷预测的重视程度经历了一个较长的认识过程：1 9 7 0 年以来，我 国持续面临缺电局面，由于控制用电、控制报装等客观原因，拉闸限电现象严 重，同时在计划体制下，负荷预测工作没有受到应有的重视，造成负荷预测的 准确度不高，并且对新方法的应用力度不够。进入“九五”以后，随着我国电 力市场供需矛盾缓解以及用电结构的变化，拉闸限电明显减少，电力需求增长 开始明显放慢，逐步由卖方市场进入了买方市场，局部地区供大于求，甚至出 现了供电负增长，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 同比增长只有2 8 ，1 9 9 9 年，用电增长星恢复态势，主要是由于工业用电的强 劲恢复。但在2 0 0 3 年，随着我国经济的迅猛发展，出现近年来罕见的缺电现象， 在市场机制下，对负荷预测的重要性和迫切性提到了新的高度，同时也对负荷 预测的精度提出了更高的要求。1 。由于电力系统短期负荷预测在电力系统调度自 动化系统中的重要地位，所以一直是工程技术人员的研究重点之一。在长期的 实践中，为了找到使用方便、计算精度高、计算速度快的预测方法，国内外许 多学者对负荷预测闯题进行了深入广泛的研究，相继提出了很多种有效的预测 方法。 1 2 2 短期负荷预测的传统方法 短期电力负荷的一大特点是其明显受到各种环境因素的影响，如季节更替、 天气因素突然变化、设备事故和检修、重大社会活动等，这使得负荷时间序列 的变化出现非平稳的随机过程。短期电力负荷预测的传统理论和方法有时间序 列方法，回归预测方法，趋势外推预测方法，灰色系统理论等。 1 时间序列方法时间序列法是应用较早、最为广泛、发展比较成熟的一 种方法“1 。它把负荷数据看作是一个按季节、按周、按天以及按小时周期性变化 的时间序列并将实际负荷和预测负荷之间的差值看作一个平稳的随机过程，进 行分析和处理。常用的时问序列分析模型有以下几种：自回归( a r ) 模型、动平均 ( m a ) 模型、a r m a 模型、累积式自回归一动平均( a i l a m a ) 模型。时间序列法 优点主要是：1 ) 对历史数据量要求较低；2 ) 计算量小；3 ) 可以采用估计被测日电 量值的方法减小误差。其缺点主要表现在：1 ) 对历史数据准确性要求高，异常数 据对预测效果的影响较大：2 ) 难以解决气象因素对短期负荷预测的影响：3 ) 不 第1 幸绪论 适用于电网容量较小或变化较大地区的负荷。 2 回归预测方法回归预测法是电力负荷预测的一种常见方法嗍埘。但这 种方法在考虑气象因素时只能考虑诸如温度、湿度等定量条件，无法处理变化 较多的天气状况。 回归预测法优点是：1 ) 方法简单，预测速度快；2 ) 外推特性较好：3 ) 对于没 有气象条件巨变情况下的负荷预测准确性较高：其缺点是：1 ) 用线性方法无法描 述复杂的非线性关系：2 ) 缺乏自学习能力：3 ) 在线应用时的递推算法还不完善。 3 趋势外推预测方法电力负荷的变化一方面有其不确定性，如气候的变 化、国家政策的改变、意外事故的发生等造成对电力负荷的随机干扰；另一方 面，在一定条件下，电力负荷存在着明显的变化趋势。一旦找到了负荷的变化 趋势，按照该变化趋势就能对未来的负荷情况作出判断并进行预测，这就是趋 势外推预测技术。趋势外推预测技术的特点时作趋势外推，但不对其中的随机 成分进行统计处理，因此是简单实用的预测方法。 4 灰色系统理论灰色系统理论是在8 0 年代由我国学者邓聚龙教授提出 以来，己在各个领域得到广泛应用。灰色系统理论将一切随机交化量看作是在 一定范围内变化的灰色量，常用累加生成和累减生成的方法，将杂乱无章的原 始数据整理成规律性较强的生成数据列，用灰色模型( g r e ym o d e l ，简称g m ) 的 微分方程作为电力系统单一指标( 如负荷) 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，此法适用于短、中、长三个时期的负荷 预测7 。 从理论上讲，可以使用于任何非线性变化的负荷指标预测。但其不足之处 是其微分方程指数解比较适合于具有指数增长趋势的负荷指标，由于灰色系统 理论呈指数( 增长或者递减) 变化的模型，其预测精度与被预测对象的变化规 律密切相关，当原始数据波动情况如上下连续波动、指数波动、倍数波动时， 预测的精度就差，不宜使用灰色预测模型。 1 2 3 短期负荷预测的新技术 近年来，预测理论技术取得了长足的进步，负荷预测的新技术层出不穷， 综合起来主要有：专家系统预测技术、小波分析预测技术、模糊预测技术、混 沌理论预测技术、神经网络预测技术，遗传算法等。 1 专家系统专家系统是一个应用基于知识的程序设计方法建立起来的 计算机系统，它拥有某个特殊领域专家的知识和经验，并能像专家那样运用这 些知识，通过推理，在该领域内做出智能决策。从本质上来看，专家系统是有 许多收集的规则组成，清楚地表示了知识和结果。一个完善的专家系统通常由 知识库、推理机、数据库、知识获取部分、解释部分共五个部分组成，其中知 识库和推理机是专家系统的核心，是不可缺少的组成部分。知识库是用来存储 专家知识和经验的地方；推理机则是一组智能程序，用来实现推理的方法和推 理过程的控制策略；数据库仅是计算机中规定的一部分空间。用来存放用户提 供的事实和推理过程中的某些中间信息；知识获取部分用来使智能系统直接从 领域专家那里获取知识或自动修改、补充完善系统中的知识数据和规则。建立 一个专家系统最困难的是知识获取部分。 将专家系统技术用于负荷预测时，能对所收集整理的常规的预测模型逐一 进行评估决策，对于突发性事件引起的负荷变化，由调度人员经验发展丽来的 负荷预测专家系统可以避开复杂的数值计算，快速地做出最佳预测结果，避免 了人工推理的繁琐和人为差错的出现，克服以往用单一模型进行预测的片面性 缺陷。 然而，把专家的知识和经验等精确地表达并转化为一系列规则往往是很困 难的，而且建立专家系统的工作量要比一般预报算法大得多。专家系统法需要 对一段时间的数据进行精确的分析，从而得出各种可能引起负荷变化的因素， 其分析本身就是一个耗时的过程，并且对于某些复杂的因素，通用性较差，缺 乏学习能力和自适应推理能力，如天气因素，要准确定量地确定它们对负荷的 影响，也是很困难的氟专家系统是对人类不可量化的经验进行转化的一种较 好的方法，若能将它与其它方法有机的结合起来，构成预测系统，将可锝到较 满意的结果。 2 小波分析方法小波分析是上个世纪数学研究中的最杰出的代表。它吸 取了现代分析学中的泛函分析、数值分析、f o u r i e r 分析、样条分析、调和分析 等众多分支的精华，包罗了它们的特色，受到了科学界、工程界的广泛关注， 并且在信号处理、图像处理、模式识别、地震预报等得到应用。在负荷预测中， 通过选择合适的小波。对不同性质的负荷进行分类，从而可以针对某种性质的 负荷，根据其规律采用相应的预测方法，对分解出的序列分别进行预测，再将 预测得到的序列进行重构，得到负荷的预测结果9 】i 。 由于重构可能造成误差的累加，因此对各小波系数序列的预测精度要求较 高，也增加了模型的复杂性。小波分析以其独特的分析方法，为负荷预测提供 了一个新的思想，随着技术的发展，小波分析方法会有很好的应用前景。 3 。模糊理论模糊集理论是t 9 6 5 年由美国加州大学伯克来分校l 。a z a d e h 教授提出的，利用模糊性原理解决实际工程问题，并且制定了模糊集合 概念，作为定量描述模糊事物的基本数学模型m 。计算和数值计算之间的一 种数学工具，形式上利用规则进行逻辑推理，但其逻辑取值可以在0 与1 之间 连续变化，采用数值的方法进行处理。由于模糊集理论适合描述广泛存在的不 确定性，同时具有强大的非线性映射能力，能够在任意精度上一致逼近任何定 义在一个致密集上的非线性函数，并且能够从大量的数据中提取它们的相似性， 这些特点正是进行短期负荷预测所需要的而其它方法所欠缺的优势所在“州川。 近年来，模糊集理论在电力系统中的应用也得到了飞速发展。模糊集合理 论便作为一门崭新的学科显示出强大的生命力。从实际应用来看，单纯的模糊 方法对于负荷预测，精度往往不尽如人意，这主要是由于模糊理论缺乏学习能 力不断变化的电力负荷来说，是极其不利的。 4 混沌理论自1 9 6 3 年l o r e n z 首次提出“蝴蝶效应”( 即对初始条件的 敏感性) 以来，人们对混沌学进行了深入的研究，无论是在生物学、物理、化 学、数学领域，还是在天文学、经济学等领域。尤其是在天气预报方面，混沌 学都得到了广泛的应用。混沌学并非是无序和紊乱，它是非线性系统所产生的 复杂的不规则行为，研究的是无序中的有序。近年来，国内外许多学者将非线 性变化的混沌理论引入电力系统负荷预测中来，提出了一系列的方法，显示了 较好的效果“”“”“”。 5 人工神经网络方法人工神经网络是通过对人脑或者生物神经系统的 结构模拟来实现预测的，具有非线性、自组织、自适应、大规模并行处理等优 点，是目前使用较多的一种方法。 人工神经网络具有任意逼近非线性函数的特性，负荷曲线是与诸多因素有 关的一个非线性函数，用人工神经网络对负荷历史数据进行拟合，是抽取和逼 近负荷曲线进行负荷预测的有效方法。人工神经网络的优点在于它具有模拟多 变量而不需要对输入变量作复杂的相关假定，不要求知道输入输出变量问的函 数关系，只要通过对输入输出数据的训练，获得输入输出之间的映射关系，从 而进行负荷预测n ”。 人工神经网络法被认为是一种非常有效的负荷预测技术，在国内外已经取 得了许多成功的应用实例。 6 遗传算法进化计算( e c e v o l u t i o n a r yc o m p u t a t i o n ) 是- f 新兴学科， 它研究的是仿照生物进化自然选择过程中所表现出来的优化规律和方法，它是 对复杂的工业技术领域或其它领域中用传统优化理论和方法难以解决的优化问 题，进行优化计算、预算和数字寻优等的一种计算方法。进化计算包括三方面 内容：1 ) 遗传算法( g a g e n e t i ca l g o r i t h m ) ；2 ) 进化规划( e p - e v o l u t i o n a r y p r o g r a m m i n g ) ；3 ) 进化策略( e s - e v o l u f i o n a r ys t r a t e g y ) 。 遗传算法是一种基于自然选择和自然遗传的全局优化算法，它采用从自然 选择机理中抽象出来的几种算子对参数进行操作。这种操作是针对由多个可行 解构成的群体进行的，故在其世代更替中可以并行地对参数空间的不同区域进 行搜索，并使得搜索朝着更有可能找到全局最优的方向进行且不至于陷入局部 极小。由于遗传算法的各种优点，已有许多文献将遗传算法与神经网络、回归 算法结合建立模型，并取得了较好的效果“”踟。 尽管短期电力负荷预测技术在算法理论研究上取得了很大的成就，但是由 于社会、经济、能源、环境等原因，人们对现代电力系统的规划与运行水平提 出了越来越高的要求，而这些水平的提高在很大程度上取决于对电力系统实际 行为定量模拟精度的提高。因此，短期电力负荷预测技术在实际应用中还存在 很多问题有待进一步的解决。 1 3 电力负荷预测的主要研究方向 负荷预测作为古老的研究课题，随着新形势的不断变化，特别是在电力市 场条件下，如何提高负荷预测的能力和水平仍然是目前学者的不断追求的目标。 目前在新形势下电力负荷预测领域的研究方向如下。 1 应重视电力负荷本身内在变化规律的研究某些电力系统负荷预测的 论文，把负荷数据当成一堆( 一系列) “纯粹”的数据看待，使用纯粹的数学方 法，这就失去了电力系统的特色。事实上，预测问题是经济、社会发展、地质 灾害、水文、气象、产量等领域的共性问题，使用共性的方法预测不是不可以， 但可能存在很多问题。为了避免这种不足，要求研究人员应从电力系统的角度， 重视负荷发展的内在规律分析。这需要更多的、细致的探索和研究。亦即，在 负荷预测工作中，从负荷构成的物理机理人手，研究其变化规律。不但不同的 电量、负荷指标其成因有较大差异，而且即使是同一指标，在不同口径上的统 计方法、管理模式的差异，也将导致成因的明显差别。 2 探索预测策略新思路想方设法地应用某种新的数学方法、特别是时髦 的人工智能理论等来进行预测，这种纯粹为了应用某理论而套上去的预测方法。 不是不可以研究，但需要由实践检验其预测效果，才能评价某种新的数学方法 的应用前景。例如，就国内外目前的论文情况看，n n 几乎是“万能”的，哪个 地方都可以用，这种研究思路值得商榷。这就要求研究工作者不能仅仅停留在 “对某个已有预测方法的改进”和“新的数学方法的应用”这种理论层面上， 而应该着重于发现已有预测方法存在的薄弱环节或缺陷，在预测策略方法上力 求新思路、新突破。例如，从单一预测模型走向综合预测( 组合预测) ，普遍被 认为是一种预测策略的进步o “。那么，还有没有类似的这种策略性的升华? 3 组合预测鉴于单一预测方法的一些弊端，探索组合预测已经成为学者 们的共识。这里有2 种思路： 第1 种是直接从预测机理的角度将单一预测模型进行组合，这种技术在短 期预测中比较常见，例如n n 与小波分析的结合、n n 与专家系统的结合嘲、 自组织理论与a r m a 的结合咖等。 第2 种是单一模型预测结果直接加权组合。其主要出发点是，不同方法的 预测结果一般都有差异，应设法在这些预测结果的基础上综合判断，给每个预 测模型赋予不同权重，由此得到一个预测效果更好的综合模型。这力一面的研 究目前主要是针对中长期预测。”。”，当然也有针对短期预测的尝试汹3 。 但是，就预测机理而言，组合预测的权重确定仍然是一个未能很好解决的 问题。例如，一般认为组合预测的权重应该非负，而文献 2 9 尝试了权重取负 值的问题。这个问题需要迸一步探讨。 4 预测模型的预评估负荷发展的历史规律性如何，在某种程度上决定并 限制了预测所能达到的最佳效果。因此，不能针对任何数据都盲目提出无限制、 高精度的预测要求。由此产生了预测模型的预评估问题，其目标是：在预测量未 发生之前，衡量( 估算) 某个模型用于某种环境的预测后所能达到的预测精度。 由于预测精度同时取决于预测模型的好坏和历史数据的规律性，因此，可以采 用“虚拟预测”的策略进行探索，根据若干误差特性分析指标和拟合精度分析 指标，作为预测评价的依据。 在这方面，文献 3 0 ，3 1 提出了一种基于内蕴误差评价的电力系统短期负 荷预报方法。该方法建立在对负荷规律性和预报方法有效性全面评估的基础上， 使预报和误差评价融于一体。在分析历史变化规律的基础上，该方法可以在预 报前估计预报误差的上下限。这个思路很值得继续加以深人研究。 1 4 本文的主要工作 电力负荷预测对电力系统控制、运行和计划都是非常重要的，提高其精度 既能增强电力系统运行的安全性，又能改善电力系统运行的经济性。负荷预测 的特点是需要大量的历史负荷数据作为依据，而且影响因素众多，如何做好历 史负荷数据预处理和提高负荷预测技术水平是当今学者的研究热点。本文正是 针对以上问题作了如下一些研究工作。 1 历史负荷异常值的处理问题电力负荷预测是依靠大量历史资料及相 关因素资料的被动型预测，预测者占有资料的翔实可靠程度，对任何预测方法 的结果都会有很大的影响。以往提出过很多简单实用的异常数据检测算法，但 大都要求人们事先根据实际情况给出一个阀值作为判断依据，其判断缺乏科学 依据。本文针对负荷异常值的类型，对于出现概率较大的极大值异常和毛刺负 荷提出了基于支持向量机回归算法的异常值检测方法。支持向量机回归算法中 结构风险函数较好的平滑性以及k k t 条件为检测异常数据提供了条件，它通过 计算支持向量样本点的残差来作为判据，经过残差比较认为残差明显偏大的样 本点为历史负荷异常值。并根据其特点采用缺失数据修补、横向数据修正法对 第1 章绪论 其进行修正，结果表明此种对电力负荷异常数据检测及修正方法在实际中是可 行的。 2 基于负荷成分分析的短期负荷预测方法长期以来很多学者的对负荷 预测问题的研究多数集中在负荷预测模型数学问题的研究，把负荷数据当作纯 粹的数字来处理，往往忽略了电力负荷形成的物理成因及其特性。本文正是针 对这一问题，提出基于负荷成分分析的预测模型。它在对负荷的成因及特性作 出充分分析基础上，利用傅里叶谱分析方法重构负荷序列将其分解为具有体现 负荷实际特性的四种分量，日周期分量、周周期分量、低频分量、高频分量。 其中周期分量认为是正常负荷分量，低频分量为气象敏感性负荷分量，高频分 量为特殊负荷分量，对不同的分量采用不同的预测模型。正常负荷分量采用外 推数学模型方法进行预测，气象敏感性分量利用支持向量机进行预测，特殊负 荷分量则采用时间序列方法预测。对不同的分量的预测结果，通过重构得到负 荷的最终预测结果。算例结果表明该方法减少了由于统一建模所引起的误差， 有效地提高了预测的精度。 3 短期负荷分析及预报系统的研究与开发在进行理论分析和实例验 证的基础上，针对不同的电网，开发了具有多种负荷预测方法的短期负荷预 测系统。己在多家电网投入运行，有力地支持了现场负荷预测工作水平的提高。 本文主要以最新开发东北电网负荷分析与预测系统软件为例，对短期负 荷预测系统的背景和功能进行介绍和分析。 第2 章历史负荷数据预处理 2 1引言 电力负荷预测是根据电力负荷历史数据和其它各类相关影响因素来进行预 测，因此，预测的精确度很大程度上取决于历史数据的准确性。然而，由于电 力调度自动化系统中各种信息存在着大量的随机信号而具有明显的不确定性， 如：遥测、遥信信道中的白噪声，电力负荷的随机波动性，故障发生的随机性， 开关、保护拒动、误动的发生概率等，众多的不确定性对电力负荷建模和负荷 预测造成困扰。因此，为了保证负荷预测的精确度，必须对历史数据中的异常 数据进行辨识和调整。 2 2 异常数据的分类 假设可以找到一种万能的预测方法，准确地预测未来某时刻的负荷值l i f t ) ， 面一个不良的负荷量测系统实际测得的负荷为厶，那么，对f 时刻而言，负荷 预测效果的评价仍存在一个误差a l = l r ( t ) 工r 御。这显然不是预报方法的过错。 在实际负荷预报中，历史数据中的异常值会产生两方面的影响：其一，作为建模 数据时，干扰了对负荷变化规律的正确认识；其二，作为检测预测结果的预测值 时，能导致对负荷预测结果的误判。因而，异常数据犹如一把双刃剑，其影响是 严重的。 在实际数据采集系统中，异常数据的产生往往是随机的，以多种类型存在于 数据库中。可统分为两大类。 1 坏数据这类数据通常由于s c a d a ( s u p e r v i s o r yc o n t r o la n dd a t a a c q u i s i t i o n ) 系统的故障引起的。主要表现为如下类型： ( 1 )完全缺失值主要由于s c a d a 系统的故障造成的，在数据库中的表格 单元里表现为空值。也是最容易识别的。 ( 2 )待补足数据这类数据主要是由于在一天的某一段时间内由于线路检 修，某用电大户设备停电检修或某些变电所在一段时期内测量表计损坏等因素 造成的，使负荷曲线与相邻日正常负荷或当日计划负荷相比在一天或一段时间 内出现明显的增大和减小。 ( 3 )极大极小值这类异常数据在数值上表现为在非负荷峰、谷时刻超出当 日负荷的峰值或低于谷值。或在峰、谷时刻的负荷值大量超出相邻日峰、谷时 刻负荷值。 图2 - i 给出了以上三种坏数据的特征示例。 2 0 0 0 1 8 0 0 i 6 0 0 1 4 0 0 喜1 2 0 0 趔i 0 0 0 曩8 0 0 6 0 0 4 0 0 2 0 0 0 l 2 4 4 77 09 31 1 61 3 9 】6 21 8 52 0 8 2 3 1 2 5 42 7 7 时问5 m i n 图2 1 三种坏数据的特征示例 这些坏数据不去处理，直接作为数据样本用来预测，必然降低负荷预测的 准确度。 2 畸变数据这类数据通常是在量测系统正常情况下由于特殊事件的发 生造成的。表现为自然正常数据叠加随机事件引起的负荷波动而产生的负荷畸 变。主要表现为两类 ( 1 ) 含有冲击负荷数据这类数据主要由于突发事件或某些社会政治经济生 活中的大事件、或电力市场模式中的随机因素造成。如某用电大户的设备的突 然停、投而引起的连续时段内的负荷下降或负荷增加，沙尘暴天气会造成人们 照明负荷增加，为庆祝节日的偶尔举办的灯会，奥运会等也会引起负荷增加嘲。 东北电力大学硕i 。学位论文 这类负荷应分解为正常的规律性负荷和受诸类因素影响的冲击负荷。 ( 2 ) 舍毛刺负荷数据这类异常数据在数值上表现为在相邻时段数据间的突 然增大或减小。有突变幅度大小之分，极大极小值有时候属于突变幅度过大的 毛刺。 图2 2 给出了以上两种畸变数据的特征示例。 图2 - 2 两种畸变数据的特征示例 2 3 基于支持向量机回归算法的异常值检测 在回归分析的应用中，数据时常包含着一些异常的或极端的观测值，这些 观测值与其它数据远远分开，可能引起较大的残差，极大地影响回归曲线拟合 的效果。数据中含有异常值，也是造成最小二乘估计不好的主要原因。 采用识别异常值的方法有散点图法、残差图法等。由于异常值事先并不知 道，所以用含有异常值的数据建立回归模型，通常会在进行最小二乘法估计时 使用使回归线拉向异常数据点，从而使异常数据点的残差反而较小，如图2 3 所示。 第2 章历史负荷数据预处理 i i 此时残差法已不能应用。而散点图法只能对一元回归比较有效，而在多元 回归的情况下，用它来识别异常数据就很困难，需要更有效的方法。支持向量 机回归模型将在第三章中详细介绍，本文利用支持向量回归算法中结构风险函 数较好的平滑性以及k k t 条件，提出一种回归中的异常值的检测方法。支持向 量机回归中结构风险函数为异常值检测提供了几点条件： 1 它不倾向于消除个别大的回归误差，而是从整体上考虑回归曲线的平滑 性；因此，异常值与回归函数之间的距离将是显著的，容易观测。 2 有了占一不敏感区域，回归数据被划分成支持向量和非支持向量，而支持 向量又被分成边界支持向量和非边界支持向量。非支持向量和边界支持向量都 为于占一不敏感区域以内，只有非边界支持向量才可能位于s 一不敏感区域以外。 yy ( a ) 不含异常数据的回归线 ( b ) 含异常数据的回归线 图2 - 3 回归模型示意 x 以上两点为我们检测异常值提供了一条有效的途径。由于异常值与其他观 测值不是来自同一模型，因此，它最可能处在占一不敏感区域以外。根据k k t 条 件，占一不敏感区域以外的样本点所对应的口及g + 参数一定满足a = c 或者 g + = c ，此时，优化中的松弛变量发挥了作用。根据以上分析，给出了异常值 检测步骤如下： ( 1 ) 对训练数据采用支持向量回归算法建立回归模型。 ( 2 ) 找出所有满足条件口= c 或者a = c 的点，并将之代入回归模型，计算预 测值。 东北电力大学硕j 。学位论文 省登雾喜满曼篓翳烹烹鬈棚计算一哟= k 一五f ，多为删 值，) ，。为观测值，i 为满足条件的样本点。 。 ( 4 ) 如果e r r o r ( i ) a ，则认为第i 个样本为异常值，其中，五 0 ，可根据实 际情况适当选择一个常数。 2 4 异常数据的修正方法 电力系统负荷的异常数据无论是何种原因产生的对于负荷预测的精度都存 在很大影响，因此不仅要正确检测出负荷数据序列中的异常数据而且还要根据 负荷的特性对其进行修正，只有这样才能减小异常数据对预测结果的影响程度。 2 4 1缺失负荷数据的修补 如果某一天的数据出现大量缺失或不良数据，这一天就可以认为是数据缺 损，对于缺失数据的处理通常可以利用相邻几天的正常数据进行补遗。由于不 同日类型的负荷数据差异较大，因此修补数据时一定要采用相同日期类型的数 据，并用下式进行加权平均处理： ，p ，r ) = c o , t ( a ，f ) + 吐，p ：，t ) ( 2 - 1 ) 式中t ( d ，) 是第d 天第t 时刻的负荷值，( 一，f ) 是与第d 天具有相同日期 类型，且距离该天最近的两个t 时刻的负荷值，是加权的平均权重，这里卢l ， 2 。 2 4 2 横向数据修正法 从对异常数据的分类中我们可知对于坏数据中的极大极小值、畸变数据中 的冲击负荷数据、毛刺数据具有共同的特点，在负荷数据序列中出现次数较少， 且持续时间较短。负荷序列中的任一时刻数据都与其前后时刻的负荷点密切相 关，且当采样点时间间隔很短时可近似采用平均值法。在进行分析数据时，将 前后两个时间的负荷数据作为基准，采用平均值的方法平稳其变化，计算公式 如下： 第2 帝历史负荷数据预处理 t ( d ，) = 业半( 2 - 2 ) 2 5 算例分析 随机抽取某地区若干天的负荷数据将其中的若干时间段的数据进行改动， 并假定原始负荷数据不包含异常数据值，利用本文的支持向量机回归模型进行 异常数据值检测，结果如表2 - 1 所示。其中漏检表示为把异常数据检测为正常 数据，误检表示把正常数据检测为异常数据。 表2 - l 异常数据检测 总数据量 异常数据量 漏检( 个)误检( 个)错误率( ) ( 个)( 个) 2 4 600o 7 2 1 2loo 0 8 1 4 4 3 021o 1 由表2 - 1 可见利用本文方法进行异常值检测是可行的，在实验数据中可以 看到虽然随着异常数据量的增加错误率又有所上升，但是整体检测效果还是令 人满意。本文方法检测到的满足条件的样本点数多于异常数据的样本点数，因 此在识别异常数据时残差的大小决定了错误率的大小，不连续时间段的负荷异 常值残差分布间隔较大容易辨别，连续的大段时间的负荷值异常则较难辨别。 2 6 小结 负荷预测准确与否和历史负荷数据的准确性密切相关，对历史负荷数据中 异常数据的检测显的尤为重要。电力系统异常负荷数据分为若干种，其中出现 概率最高的就是由于采集系统通信问题造成的单点或若干点的负荷极大值，针 对此现象采用本文所述的异常数据检测方法可以较好的解决这类问题，实验证 明此方法是可行的。 第3 章基于支持向量机的负荷成分分析预测方法 3 1引言 电力系统的负荷数据不能仅仅被当作是一堆数据，它是对历史发生的负荷 的数据的记录其中蕴臧了许多有意义的信息。对电力系统负荷预测的研究其实 就是对历史负荷数据的研究，要做出准确的负荷预报首先要对电力负荷的特点 进行分析，确定出电力负荷的组成部分和对短期负荷曲线变化影响的因素，从 负荷的历史记录中，找出系统负荷变化的规律和特性。本文正是基于以上的考 虑利用离散傅里叶变换方法提取负荷组成分量，根据负荷的成因和特点对不同 负荷分量选择不同的建模方法，其中对于气象因素影响敏感的负荷成分选取机 器学习算法支持向量机进行预测，算例结果表明该方法是有效的。 3 2 电力负荷的分类与特点 3 2 1 电力负荷的分类 用电分类可以说明国民经济各部门用电情况和变化规律，用于分析研究经 济增长与电力生产增长、社会产品增长与电力消耗量增长的相互关系，它是反 映电气化的发展水平和趋势的指标，是负荷预测和电力分配的依据。按国民经 济行业用电迸行分类，电力系统负荷一般可以分为城市民用负荷、商业负荷、 农村负荷、工业负荷以及其他负荷等，不同类型的负荷具有不同的特点和规律。 1 城市民用负荷城市民用负荷主要是城市居民的家用负荷，它具有经常 的年增长以及明显的季节性波动特点，而且民用负荷的特点还与居民的日常生 活和工作的规律紧密相关。居民负荷的季节性变化在很多情况下，直接影响系 统峰值负荷的季节性变化，但其影响程度则取决于城市居民负荷在系统总负荷 中所占的比例。尤其是随着空调、电冰箱、彩电等家用电器的广泛使用，使居 民负荷变化对系统峰值负荷变化的影响越来越大，同时民用负荷在系统负荷中 第3 章摹于支持向量机的负荷成分分析预测方法 所占的比重，以及民用负荷季节性变动对系统峰值负荷季节性变动的影响都会 越来越大。从负荷的特点看，地区间呈现不同的特点，如夏季的南方由于大量 空调投入，负荷剧增：而北方的冬季在取暖器投运后，也会造成用电负荷增长等。 在同一天内，负荷也极不平衡，生活用电的高峰往往和电力系统高峰段重叠。 2 商业用电负荷商业负荷主要是指商业部门里的照明、空调、动力等 用电负荷，覆盖面积大，且用电增长平稳，商业负荷同样具有季节性变动的特 性。虽然商业负荷在电力负荷中所占比重不及工业负荷和民用负荷，但商业负 荷中的照明类负荷占用电力系统高蜂时段。此外，商业部门由于商业行为在节 假日会增加营业时间，从而成为节假日中影响电力负荷的重要因素之一。市场 经济的发展推动了商业以及餐饮、供销、仓储等行业的发展，用电量也迅速增 长，以后仍将会有较快增长。 3 工业用电负荷工业负荷是指工业企业用于工业生产的用电。在我国国 民经济结构中，除个别地区外，工业负荷的比重在用电构成中居于首位，它不 仅取决于工业用户的工作方式( 包括设备利用情况、企业的工作班制等) ，而且 与各工业行业的行业特点、季节因素都有紧密的联系。一般情况下，在一年时 间范围内，工业用电中除部分建材、制糖等季节性生产的企业外，一般负荷是 比较恒定的：在一个月内，一般上旬用电负荷低，任务饱满的企业在用电上常常 是下旬高于中旬，中旬高于上旬；从一天来看，一般一天内出现用电的三个高峰， 两个低谷，对于工业本身而言，晚峰、早峰负荷低得多。 此外，对同一她区的工业负荷而言，也要受阴雨、光照等自然气候条件的 影响，但工业负荷一般视作是受气候影响较小的基础负荷，当然这并不是说它 一点也不受气候的影响，而是因为工业负荷本身基数很大，因此这类负荷变动 较小：虽然某些工业用户可能有明显的季节性特性，但这些用户特性均能事先掌 握，从而可以采用相应的措施加以对待。 4 农村用电负荷农村负荷是指农村居民用电和农业生产用电，此类负荷 与工业负荷相比，受气候、季节等自然条件的影响很大，这是由于农业生产的 特点所决定的。我国地域广阔，由于地理位置的原因，各地降雨季节有较大差 异，一场大雨对北方而言可造成农业负荷骤降，但却可能造成南方地区排涝用 电负荷剧增。此外，农业的农村电气化水平和经济发展程度也决定用电量的大 小。就电力而言，农业用电负荷也受农作物种类、耕作习惯的影响：就电网而言， 由于农业用电负荷集中的时问与城市工业负荷离蜂时间有差别，所以对提高电 网负荷率有好处。在用电构成中，农业用电所占的比重不大。 3 2 2 电力负荷的特点 电力工业与一般的其它产业不同，其产品即电能无法大量储存，电力的生 产和消费必须在同一时间必须保持平衡。另外，由于我国市场经济的发展，电 力需求量猛增，在今后一个相当时期内会存在电力的供需矛盾，这一切使电力 负荷预测工作尤显重要。这就要求我们首先要对于电力负荷的特点有一定的了 解，才能针对负荷的特性采用恰当的预测方法，得到符合精度要求的预测负荷 值，更好地为电力系统的调度和运行提供依据。 电力系统的负荷是时刻在变化的，不但按小时变、按日变，而且按周变， 按年变。作为一变化的时间序列，电力系统短期负荷具有以下特征： 1 周期性负荷以天、周、年为周期发生波动，大周期中嵌套小周期。 2 波动性负荷序列在取值较小的时段，其波动的幅度较小：在取值较大 的时段，波动幅度也较大。 3 随机性短期负荷的变化有一定的随机性，并随着各种不同社会因素的 影响，这种随机性具有一定增长的趋势。 负荷曲线的季节性与各类用电负荷的季节性相关。随着国民经济的快速发 展，越来越多的空调、制冷设备等电器投入使用，这使得电