（电力系统及其自动化专业论文）电力系统负荷预测软件及相关问题研究.pdf

华中科技大学硕士学位论文 a b s t r a c t l o a df o r e c a s tisa ni m p o r t a n tw o r ki np o w e rs y s t e ma st h eb a s eo fp o w e r s y s t e mp l a n n in g a n dp o w e rs 、，s t e mo p e r a t l o n 1 nt h ef je l do ft h em o d e r n a u t o m a t i o no ft h ep o w e rs y s t e m ，1 0 a df o r e c a s t i n gh a s b e e no n eo ft h e i m p o r t a n tt o p i c eo fr e s e a r c h ， d u r i n g1 a s tt w od e c a d e s ，v a r i o t i sty p e so i lm e t h o d sa n da r i t h m e t i cw e r e i n t r o d u c e d a tt h es a m et j m ev a r i o u st y p e so fs o l t w a r et h a tc a nb eu s e dt o f o r e c a s tt h e1 0 a d o f p o w e rs y s t e mh a v e b e e nd e v e l o p e d t h e s et y p e s o f s o f t w a r ec h a n g e dt h es i t u a t i o nt h a tl o a df o r e c a s t i n gm u s tb ed o n eb yh a n d m a d es o m ec o m p e xa r i t h m e t icb ep r a c t j c a a n dl m p r o v e dt h ee f f i c i e n c yo f 1 0 a df o r e c a s t j n g h o w e v e r i nt h eo t h e rh a n d ，a 1 t h e s et y p e so fs o f t w a r e h a ds h o r t c o m i n g s t h es h o r t c o m i n g so fc u r r e n tl o a df o r e c a s ts o f t w a r e ，f o re x a m p e ，c a n n o te x c h a n g ed a t aw i t ho t h e rs o f t w a r e ，c a nn o ta d dn e wm o d e l st ot h e m s e y e s e a s i 】va n dc a nn o tb eu s e di naf l e x i b l ew a ya r ed e s c r i b e di nt h i sp a p e r t h er e a s o n sw h yt h e s et y p e so fs o f t w a r eh a ds om a n ) s h o r t c o m in g sa r et h a t t h e yw e r eb a s e do ns e p a r a t e dd a t aa n dt h e yh a du n r e a s o n a b l ea r c h i t e c t u r e s t os 0 1 v e t h e s e p r o b l e m s ，t h ec o n c e p t i o n o fp o w e r s y s t e ml o a dd a t a i n t e g r a t i n g ( p s l d i ) i sp r e s e n t e df i r s t p s l d c a nb eu s e d t oc o m b i n ea l l t h ed a t aj np o w e rs y s t e ma sa1 0 9 i c a lu n i t e do n e t h ed e s i g no fal o n g t e r m l o a df o r e c a s t i n gs o f t w a r eb a s e do n3 - t i e ra r c h i t e c t u r ea n dp s l d i ，a sw e l l a st h ea r c h i t e c t u r e ，s y s t e ms t r u c t u r ea n dd a t am o d e l si nt h i ss o f t w a r ea r e i n t r o d u c e d a 1 s o ，t h ei m p l e m e n t a t i o no ft h i ss o f t w a r ei sp r e s e n t e da n dt h e k e yt e c h n o o g i e sa r ed e s c r i b e d t h el a s t b u tn o tt h e1 e a s t ，t h et r e n do f 1 0 a df o r e c a s t i n gs o f t w a r eisd i s c u s s e di nt h is p a p e r k e y w o r d s ：l o a df o r e c a s t ：d a t ai n t e g r a t i n g ：3 - t i e ra r c hj t e c t u r e ：i n t e r n e t p o w e rm a r k e t i l 华中科技大学硕士学位论文 1 绪论 11 引言 电力系统负荷预测是电力系统调度、用电、规划等管理部门的重要工作之一。 提高负荷预测技术水平，有利于计划用电管理，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，有利于制定合理的电源建设规划，提高 电力系统的经济效益和社会效益。负荷预测的结果，还可以用于决定未来新的发电 机组的安装，决定装机的地点、时间以及容量的大小，决定电网的增容和改建，决 定电网的建设和发展。因此，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。 由于负荷预测是根据电力负荷的过去和现在推测它的未来数值，因此负荷预测 工作所研究的对象是不肯定事件，这使得负荷预测具有不准确性、条件性、时间性 和多方案性的特点。 e 是由于负荷预测的上述特点，所以有必要对负荷预测进行进一步的深入研 究。随着计算机软技术和人工智能技术的发展，目前在与负荷预测分析相似的电力 系统分析计算领域已经取得了诸多成果，充分利用计算机技术来提高负荷预测水平 已成为负荷预测发展的新方向。 1 2 负荷预测 1 2 1 负荷预测的意义 电力系统规划和运行调度应以未来电力负荷的预测为依据。众所周知，电能在 目前尚不能大量存储，电力生产与消费是同时进行的。因此，电力系统对未来预计 要发生的负荷进行预测的必要性就在于：系统内可用发电容量在正常运行条件下， 应当在任何时候都能满足系统内负荷的要求。负荷预测偏低会引起电力供应紧张， 供电可靠性下降：负荷预测偏高又会导致发输变电设备不能充分利用，造成大量资 金积压，影响系统的经济性指标。1 ，尤其是中长期负荷预测作为电力系统增容改建 的依据，具有重要的意义。所以，电力负荷预测是电力系统调度、规划的重要组成 部分。具体来说，负荷预测的意义在于： ( 】) 只有进行负荷预测，才能经济、合理地安排电网内各发电机组的启动与 1 华中科技大学硕士学位论文 停机，也才能使系统在要求的安全范围内，保持最合理的旋转储备容量； ( 2 ) 当电网进行在线控制时，需要用负荷预测来实现对出力的预测，合理调 度发电容量，满足给定的运行要求，同时使发电成本为最小； ( 3 ) 在电力系统的安全分析过程中，需要用负荷预测提供的数据来寻找未来 系统的薄弱环节，以便于运行人员采取必要的措施来使系统安全运行； ( 4 ) 新的发电机组的安装( 包括装机容量的大小、型式、地点和时间) 与电 网的增容和改建，均决定于对未来若干年后的中长期负荷预测结果： 总之，电力系统负荷的大小与特性，无论是对电力系统设计或对运行研究而言， 都是极为重要的因素。因此，对负荷的变化与特性，有一个事先的估计，是电力系 统发展与运行研究的重要内容。电力系统负荷预测理论也就因此发展起来。在现代 电力系统工程科学中，它已经成为占有重要地位的研究领域，是电力系统自动化领 域中的一项重要内容。 1 2 2 负荷预测的研究现状 过去的几十年里，负荷预测工作有了长足的进步，负荷预测在模型，算法的研 究方面均取得了很多成果，已有的负荷预测模型一般可归纳为时间序列模型、回归 模型、专家系统模型、人工神经网络模型、灰色模型和组合模型。 时间序列模型根据以往的负荷历史记录，把负荷看成一个依时间变化的序列， 采用时间序列法预测出未来的负荷。对于时间序列模型，需要复杂的计算来确定模 型的形式、阶数与参数。而且，在负荷预测中，时间序列模型不能充分利用气象资 料等数据”； 回归模型是通过分析负荷与其他影响因素之间的函数关系来预测负荷的模型。 若要使结果足够精确，建模技术会很复杂，计算工作量也会很大o 3 。 1 9 8 7 年，r a h m a n 将专家系统引入负荷预测中，获得了令人满意的预测精度。 然而，这种方法适应性较差，预测规则的建立也是一件很困难的事情“1 。 1 9 9 1 年，p a r k d c 等人首次用人工神经网络法进行了负荷预测，给负荷预测 的研究提供了一条新的途径。然而，b p 网络自身的一些缺点以及神经网络结构设计 方面的困难却阻碍了人工神经网络的进一步推广”3 。 灰色理论是在8 0 年代初发展起来的一种新型理论，由邓聚龙教授创立。近年 来，灰色模型g m ( 1 ，1 ) 在电力系统负荷预测方面得到了广泛的应用。g m ( 1 ，1 ) 模型不 华中科技大学硕士学位论文 需要大量的样本数据，使用简单，可以达到较高预测精度”。 组合模型通过将各种模型进行组合，可以避免单一模型的局限性。但是在实际 使用中，确定组合模型中各种模型的权值仍然是一件困难的事情。 除了在算法方面进行研究外，计算机软件技术也在电力系统负荷预测中得到了 广泛的应用，有一些成熟的负荷预测软件面世，为提高电力系统的负荷预测工作水 平发挥了重要的作用。目前，在电力系统中得到广泛应用的中长期负荷预测软件包 括r e r 公司的m e t r i x n d 软件、h e n w o o d 公司的e n e r p r is e 软件、l o a d c a s _ l e r 软件、 清华大学电机系开发的t h p s l f 软件等。 m e t r i x n d 软件目前得到了广泛的应用，该软件具有较强的集成能力，可以和 r e r 公司的其他软件实现无缝集成；具有很强的扩展能力，可以通过内置的v b a 语 言实现二次开发；具有较强的报表输出能力，能够输出e x c e l 报表等，但是m e t r i x n d 不能实现自定义格式的报表，只能在输出报表后手工调整格式；m e t r jx n d 采用灵活 的系统结构，通过配置和部署，可以以桌面方式、两层c s 结构和三层c s 结构方 式运行。m e t r i x n d 使用的模型种类不多，主要是回归预测、趋势外推和时间序列模 型。 e n e r p r is e 软件是一个用于电力市场分析、风险预测、发电管理的软件包，目 前也有许多用户，其中的r a c m ( r e t a i la c c e s sm a n a g e m e n ts o f s w a r e ) 模块是一个 用于负荷预测的软件。该软件采用两层c s 结构，提供与本公司其他软件的集成能 力，能够输出预定义的报表。该软件最大的特点是良好的数据管理能力，能够管理 负荷预测过程中产生的所有数据，甚至其他的相关数据”1 。 l o a d c a s t e r 软件用于负荷预测，可以进行短期和中长期负荷预测。该软件具 有丰富的模型，提供了报表编辑模块，允许用户进行报表的自定义，并可根据用户 自定义的报表格式报表，但在集成性和可扩展性方面表现不佳。 t h p s l f 软件在国内一些地区如山西、湖北等得到了应用，该软件采用f o x p r o 开发，具有模型丰富、考虑因素全面的特点，但该软件不具备良好的集成能力和可 扩展性，另外，在数据管理、报表输出方面也有些不足“”3 。 这些软件在实际使用中，在负荷预测数据管理，软件的易用性，预测模型等方 面或多或少地存在一些不足。例如，不能很好地与其他软件集成，不能很好地管理 负荷预测中产生的数据，不能很好地支持多用户协同工作，不具备良好的模型和扩 展能力等。在计算机软硬件技术取得长足发展的今天，以上这些问题都可以得到较 t 华中科技大学硕士学位论文 好的解决。目前，计算机和人工智能技术的发展在与负荷预测分析相似的其他电力 系统分析计算领域取得了诸多成果，分析计算过程的自动化、智能化处理已成为电 力系统软件发展的新方向。 1 3 本文所做的主要工作 负荷预测软件一直处于不断的发展当中，随着电力市场改革的进行、网络技术 的发展以及软件技术的发展，负荷预测软件将会面临巨大的改变。本文对负荷预测 软件进行了系统的研究，针对现有负荷预测软件的不足之处，提出了一种新的负荷 预测软件的框架并给出了该软件的设计与实现。 本文的主要研究内容如下： ( 1 ) 针对电力系统负荷预测数据管理的不便，提出了电力系统负荷预测数据 集成的概念，使用一个分层次的数据集成模型实现对电力系统历史数据 的统一管理。论文的第3 章针对电力系统负荷预测数据分散分布的现状 说明了建立数据集成的重要性，并对数据集成的实现进行了讨论。 ( 2 ) 分析了现有负荷预测软件的不足，归纳了负荷预测软件应具有的功能， 提出了一个新的用于中长期负荷预测的负荷预测软件框架，给出了该软 件的设计与实现，并探讨了实现该软件的一些关键技术。论文的第4 、第 5 章分别讨论了软件的设计与实现。 ( 3 ) 论文的第6 章对负荷预测软件的发展趋势进行了讨论，展望了负荷预测软 件的发展趋势，给出了对未来电力系统负荷预测软件的设想。 - 4 华中科技大学硕士学位论文 2 负荷预测方法 21 引言 负荷预测是电力系统的重要工作之一，其预测结果是电力系统规划和运行调度 的依据，预测结果的好坏直接影响电力供应的可靠性、供电的经济合理性。 从预测的时间长短上，电力系统负荷预测可以分为长期预测、中期和短期预测。 一般说来，长期预测是指五年以上的预测，中期预测通常为l 一5 年。中期与长期 预测主要用于电力系统规划阶段，用于决定新发电机组的安装、电网的增容、改建 等。短期负荷预测则为几个月、几周、几天、几小时甚至更短。 负荷预测的预测量( 预测指标) 是负荷预测工作要考虑的重要因素。因为我国 各个地区负荷特性的差异以及实际统计数据可获得程度的不同，目前我国各个地区 负荷预测的预测量存在很大的差异；在预测方法方面，我国各个地区采用的预测方 法也不尽相同。 2 2 负荷预测的内容 2 2 1 负荷预测的预测量 1 9 8 9 年原能源部颁发了电力工业生产统计指标解释，其中涉及负荷特性的 指标有最高负荷、最低负荷、平均负荷、负荷曲线、负荷率、平均日负荷率、最小 负荷率、月生产均衡率、年生产均衡率、最高负荷利用小时、同时率、不同时率、 尖峰负荷率等1 4 个。2 0 0 1 年初国家电力公司对原电力工业生产统计指标解释 进行了补充说明，其中增加了峰谷差率指标。 电力工业生产统计指标解释中对负荷特性指标的定义，从指标的物理含义 出发，概念性较强。在实际应用中，根据数据的可获得程度和应用的方便性，扩展 出一些常用的负荷特性指标定义，包括目最大负荷、目平均负荷、日负荷率、日最 小负荷率、年平均日负荷率、年平均日最小负荷率、月负荷率、年平均月负荷率、 季负荷率、年负荷率、最大负荷利用小时数、日峰谷差、日峰谷差率、年最大峰谷 差、年平均峰谷差、年平均峰谷差率、典型曰负荷曲线、年负荷凿线、年持续负荷 曲线。 在采用的这些特性指标中，各个地区对指标的解释也不尽一致，对典型日的选 华中科技大学硕士学位论文 取没有统一的规定，这些都容易引起在一些关键问题研究上的争议。文献 1 1 考察 了我国主要地区在负荷预测特性指标上的差异，提出了对我国负荷预测特性指标选 取的建议。 2 2 2 负荷预测的预测步骤 一般说来，负荷预测工作遵循以下的几个步骤： 1 、制定负荷预测计划，确定要预测的预测量： 2 、调查资料和选择资料，对资料进行整理： 3 、分析负荷的历史记录，判断用何种模型最适合描述这个负荷的变化过程； 4 、对所建立的模型，根据模型本身的特性和已知的数据资料，对它进行辨识 和参数估计； 5 、对模型使用合理性检验： 6 、建立预测模型； 7 、在预测过程中，对预测模型进行必要的修正； 8 、编写预测报告，交付使用。 2 3 常用负荷预测方法 2 3 1 专家预测法 预测组织者邀请批在本领域富有经验和权威的专家对某预测专题进行分 析预测，提出相关的结论及意见，这种方法称为专家预测法“3 。专家预测法一般分 为两种：专家会议法和德尔菲法。专家会议法是召集专家参加会议，在会议上请专 家们就预测结果充分发表意见，若能达成一致，则预测结果成立；若不能达成一致， 可采取统计处理方法，统计出预测结果。德尔菲法是采用专家背靠背的信函调查法， 信函调查在预测组织者和专家之间多次反馈。预测组织者通过第二轮开始的信函调 查表，将前一轮不同的预测结果反馈给所有的专家，便于专家了解不同的看法及其 理由，并对自己的预测结果进行修正，最后对于专家预测结果进行归纳，可用中位 数、四分位差等指标对预测结果予以定量处理，并用专家意见集中度、协调程度等 指标了解预测结果的可靠程度。 专家预测法适用于远景规划以及重大事件决策，其优点是能够充分利用专家的 。一 6 华中科技大学硕士学位论文 经验，缺点是缺乏有效的量化手段，具有较大的主观性。 2 32 经济模型预测方法 经济模型预测方法包括投入产出法和计量经济模型。 ( 1 ) 投入产出法 投入产出法建立在各产品之问或各部门单位之间的复杂的消费和生产关系或 经济往来的基础之上。在建立了描述这种相互关联的模型之后，根据已知的某些产 品或部门的需求变化之后，就可以预测其他产品或部门的相应需求。其预测关键是 确定投入产出表，预测结果完全依赖投入产出表的规模大小或部门分类的粗细。此 方法适合于宏观经济预测，使用上较为复杂，在电力系统负荷预测中应用较少。 ( 2 ) 计量经济模型 计量经济模型是对负荷预测领域内各相关因素建立联立方程组来实现预测。回 归模型假设每个自变量都是外部产生的，并且相互独立，不受所研究的变量间关系 的影响，使用单个模型拟合因变量与若干自变量之间的关系。事实上电力负荷预测 领域内各个因素往往是相互关联的，并非都产生于所研究关系的外部，因此使用联 立方程组模型可以更全面的描述实际现象，获得更精确的预测结果。 计量经济模型的特点是能够反映市场变化因素的相互关系，物理及经济概念清 晰，尤其适合于反映电力需求与经济发展的关系，比一般回归预测模型具有更高的 精确度，适合于近期、中长期各种预测。 2 3 3 时间序列法 时间序列就是依时间变化而又相互关联的数据序列。对时间序列进行统计分析 的方法，就称为时间序列法。在电力系统负荷预测中，段历史时期的负荷组成 的时间序列可以看成是一个随机过程，某一时刻的负荷与它过去的负荷有关，是在 过去负荷基础上的波动。这种相关关系可以用自协方差函数和自相关函数来描述。 时间序列法正是通过研究这种相关关系来建立模型，进行预测。 时间序列模型包括如下五种： ( 1 ) 线性模型： y 2 4 + b t ( 2 1 ) ( 2 ) 指数函数模型： j 一 ( 2 2 ) 华中科技大学硕士学位论文 ( 3 ) 幂函数模型： j 2 妇( 2 3 ) ( 4 ) 对数函数模型： y2 l o g 【。) ( 2 4 ) ( j ) 逻辑斯谛( l o g i s 1 i c ) 模型： l i 万( c o ，d o ，b o ) ( 2 j ) 实际预测时，分别采用这五种模型对时间序列进行回归分析，建立数学模型， 然后依据与历史数据的拟合情况，选择一个拟合误差最小的模型作为实际计算模 型，给出预测年的年电量数据。 该方法的优点是不需人工干预，预测过程可自动进行，不足之处是它只能利用 负荷本身的数据，无法充分利用其他信息资料，限制了其预报精度的提高。时间序 列法可以用于中长期负荷预测和短期负荷预测。 2 3 4 回归分析法 回归分析法是利用数理统计原理，对大量的统计数据进行数学处理，并确定用 电量与某些自变量例如国民生产总值等之间的相关关系，建立一个相关性较好的数 学模式即回归方程，荠加以外推，用来预测今后的用电量”“。 回归分析法的基本模型包括以下三种： ( 1 ) 一元线性回归模型 由于负荷数据是时间( 或其他变量) 的函数，因此，若以y 表示负荷， 则它作为时间x ( 或其他变量) 的线性函数可以表示为： y = 日o + 口1 x l + p ( 2 6 ) 其中，y 是个正态分布的随机变量，它的平均值是+ 口，z ，方差为v 。 e 是随机干扰项，口。是待定系数，可通过求残差平方和的最小二乘估计 来确定“。1 。 ( 2 ) 多元线性回归 多元线性回归的函数形式为： y ；口o + a l 工i + a 2 x 2 + + 口。x 月+ e ( 2 7 ) 一 8 - 华中科技大学硕士学位论文 其中。：，。z ，x n 是影响负荷预测的因素，多元回归系数。o o ”的确定也 是通过求贱差平方和的最小二乘估计来获得的1 。 ( 非线性回归 在使用线性回归时我们必须假定自变量与负荷之间满足线性关系。而 在实际的负荷预测中，这一假设常常不成立。此时，为了反映负荷与研究变 量之间的非线性关系，就应该采用非线性回归模型。对一些典型的非线性问 题，可以通过变量变换成线性回归来处理，而复杂的非线性回归问题，则需 要根据具体情况来加以解决。 回归分析法是负荷预测中实际使用最多的方法之。负荷预测中通常采用一元 回归模型，一元回归模型简单易用，在通常情况下对负荷数据的拟合较好。j ，。该 方法的缺点是使用时需要假定回归方程的基本形式，然而，在实际的负荷预测过程 中，这种函数关系是变化的，因此，回归模型不能真实地反映出负荷与影响因素之 间的变化关系。回归分析法可以用于中长期负荷预测，也可用于短期负荷预测。 2 3 5 灰色预测法 狄色预测法是近年出现的一种预测方法，该方法采用累加生成的方法，使用指 数增长曲线拟合累加生成曲线。与传统的概率统计和时间序列相比，该方法注重规 律的发现，不追求大样本量，也不是只追求对历史数据的拟合。该方法构思新颖， 在预测方面有着自己的独到之处。经多个领域的使用证实了模型的预测精度，在电 力系统负荷预测中得到了广泛的应用“i j 。 设原始数列为x 柙= x 柙( f ) ) ( ，= 1 , 2 ， ) ，经过次累加变换后得到新的数 列= x ( ，) ) ，( ，) = z 。( ，) 。若原始数列爿o 为一非负数列，则经累加变 换后的数列x ”就是一个递增数列。假设这个递增数列按指数规律变化，就可用下 述一阶微分方程来描述： v “) 竺_ 4 - a x ”】- ( 2 8 ) a t 方程式( 2 8 ) 就是g m ( 1 ，1 ) 的数学模型。 方程( 2 8 ) 的求解可分成两步：第一步确定参数a 和，第二步求解常系数微 分方程。 l 、求参数a 和u ：先将方程( 2 8 ) 离散化，再将x 和x 的值代入到( 2 8 ) 华中科技大学硕士学位论文 式的离散形式的微分方程中，建立线性方程组，然后求线性方程组的最小 二乘解得到口和的近似值a 和； 2 、求解常系数微分方程：将西和代入方程( 2 8 ) 中并求解，得x ”的预测值 爻( 1 ) ： 戈m ( f ) ；( 力( 1 ) 一譬) p “+ 譬 ad 由于求解微分方程得到的是“的预测值又 戈t 1 ，进行一次逆累加变换，即： 戈( 1 ) = 力( 1 ) = x ( 1 ) 戈( k ) = 戈1 ( 女) 一霄1 1 ( 女一1 ) 将( 2 9 ) 式代入( 2 1 0 b ) 式得： ( 2 9 ) 要获得x 的预测值还必须对 ( 2 1 0 a ) ( 2 1 0 b ) 贾( ) = 元1 ( 女) 一元1 ( t 1 ) = ( 力1 1 ( 1 ) 一譬) p “( 1 一e a ) ( 2 1 1 ) d 由方程( 2 1 0 a ) 和方程( 2 1 1 ) 得到的又o 就是x ”的预测值。 灰色预测法不需要大样本数据，简便易行，而且具有较好的精度，在电力系统 负荷预测中的应用也十分广泛。但是灰色预测采用累加的指数模型，随着预测期的 变长，灰色预测的误差会很快增加“。另外，在某些情况下，灰色模型会出现病 态，造成很大的预测误差。“。灰色预测法一般不适合用于长期负荷预测。 2 3 6 神经网络法 神经网络法利用人工神经网络，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。 在负荷预测中，一般采用的神经网络模型是三层神经网络模型。该模型具有输 入层、中间层和输出层。中间层不与实际的输入、输出相联接，又称隐含层。三层 神经网络模型可以在输入和输出之间映射任何函数关系。神经网络的常用训练算法 是误差反向传播算法( b p 法) ，该算法由四个过程组成，输入模式由输入层经中间 层向输出层方向“模式顺序传播”，传播网络的期望输出与网络实际输出之差的误 1 0 - 华中科技大学硕士学位论文 差信号由输出层经过中间层向输入层进行修正连接权的误差逆序传播”，由“模 式顺序传播”与“误差逆序传播”的反复交替进行的网络学习记忆，训练过程， 直至实际输出值与期望输出值较好的吻合为止。 设模型输入层单元数为个：隐含层一般来说，单元个数大于输入层的2 倍， 所以取隐含层神经元个数上 2 n 个；输出层单元个数为m 个。设。为模式p 下全 网络的误差函数：f ，为模式p t t aj 的期望输出值；o p ：为模式p 下节点j 的实 际输出值：肜，为节点i 到节点j 之间联系的权重，护，为节点j 的阈值。 定义误差函数三，为各节点期望输出值与实际输出值之差的平方和 1 ， 2 e l , 2 圭善( 铲o p , ) ( 21 2 ) 在方式p 下，节点j 的净输入v l 。为 砸0 ，2 嘭。o 一0 ，( ，= 1 “2 - m ) ( 2 1 3 ) 其中求和是对所有作为节点j 的输入量进行的，如果节点j 处于输出层，则0 代表该节点的实际输出，其实际输出值。由式( 2 1 3 ) 的加权及阈函数决定，即。 p 一2 ( 形，o 。一目，) ( ，= 1 “2 一，m )( 2 1 4 ) 一般阈值臼，为常数，并取( 一】，+ 1 ) 之间的任意值。要使式( 2 1 2 ) 的误差函数 为最小值，则需每次训练时使e ，关于的导数为负，由隐函数的求导法则得 强n a e ，o n e t , , 藏。藏百芦。刮o ，“l ，叫，2 。，m ) ( 2 1 5 ) 将式( 2 1 3 ) 代入式( 2 1 5 ) 中的第二个因子，有 等= 高喜哪= 圭k = l o w q 一肿 其中， 8 w n1 0 i 营k o 【1 i = 记 a e 一丽瓦一 ( 2 1 6 ) ( 2 1 7 ) ( 2 1 8 ) 华中科技大学硕士学位论文 将式( 2 1 8 ) 、式( 2 1 6 ) 代入式( 2 】j ) ，有 一万- - p 。盯一 ( 2 1 9 ) 要减少误差函数，的值就要使权重的变化量正比于口。o 肼，e l i w ? i 。r g o n ( 2 。2 0 ) 一旦求出仃。，则可由式( 2 1 9 ) 决定权重的改变量，便可对权重进行调整。式 ( 2 - 1 8 ) 中的仃。的表达式可以写成 a 。一丽o e p 一番盎 z ， 口= 一l l，qn 1 、 ” 矾e 1 wa o a n e t 。j 、1 j 将式( 2 1 4 ) 代入式( 2 2 1 ) ，有 盖q ( n z ：r p , ) ( 22 z ) 将式( 2 1 2 ) 代入式( 2 2 0 ) ，有 嚣一。月加h ) ( 2 2 3 ) 将式( 2 2 2 ) 、式( 2 2 3 ) 代入式( 2 2 1 ) ，得 盯。2 f ( e 乙) ( ，。一)( 2 2 4 ) 如果j 是输出单元，f 。、0 。均已知，由式( 1 3 ) 和式( 1 7 ) 联立，求出仃。和彬。 如果j 不是输出单元而是隐含层单元，因为期望输出值未知( 对于隐含层而言) ，需 再用隐函数求导法进一步推出 考2台一oer百onetpi=善旦去c黔n00 o n e t 肿0 0o n e t , 。0 0以卜扣。q色。j 、鲁7 “ua 一白u p p y8 ( ，21 , 2 ，三) ( 2 2 5 ) 式中k 是指与隐含景了点j 相联的输出节点，而输出层的节点k 的盯肚已经求 出，由式( 2 2 5 ) 可算出善 的值，将式( 2 2 2 ) 、( 2 2 4 ) 代入式( 2 2 1 ) ，有： 洲 。 一 华中科技大学硕士学位论文 盯，= ，h v e l , ) 盯肚m 神经网络法使用人工神经网络和自适应算法产生输入和输出之间的关系映射， 不需要使用确切的函数表达式表达输入输出之间的函数关系，对于非线性函数关系 具有很好的拟合特性j “1 。但是，要获得良好的预测结果，确定人工神经网络的拓 扑结构，选取样本数据等工作都需要较大的工作量，这是神经网络法在应用上的不 足之处。由于受样本数的限制，神经网络模型一般用于短期负荷预测。 2 3 7 综合法 在实际应用中没有永恒不变的模型适用于所有的负荷情况，因此采用综合法 的好处是能够综合各种模型的结果，降低预测风险。 综合法的实质就是对采用多种方法预测生成的多个结果进行综合分析，得出一 个较为合理的结果。 综合法实际是给各种模型分配一个权系数，用各种模型的预测结果分别乘上各 自的权系数再相加，即得到综合法预测结果。一般采用的模型如下： m“， y 鲸2 k ，y 、同时满足，= 1 k ， 0 式中：j ，综台综合法预测结果 y ，第i 种模型的预测结果 k i 一第j 种模型的权系数 m 可供采用的模型数目 权系数k 的设置应满足这样的原则，第i 种模型的精度越高，相应权系数k 。应 越大。当k ，等于零时，第i 种模型实际上不被考虑。当k 等于1 时，综合法结果等 于第j 种模型的预测结果。 综合法通过综合各种模型结果，可以提高负荷预测的精度，补充单一模型的不 足”。“1 。但是，对于综合模型中的各个模型权重，很难有有效的方法来给定。综合 法既可以用于中长期负荷预测，也可用于短期负荷预测。 华中科技大学硕士学位论文 除了这些常用的负荷预测方法外，还有一些方法如主观概率预测、小渡分析方 法、最大负荷利用小时数法、分类负荷叠加、分类负荷曲线叠加法、负荷曲线扩展 法、终端用户用电需求模型等也在电力系统中得到了应用。 一般而言，需电量预测可以采用专家预测法、经济模型法、时间序列法、回归 分析法、灰色预测法、终端用户用电需求模型法及综合预测法等多种方法；最大负 荷预测采用时间序列外推法、神经网络法、壤大负荷利用小时数法及分类负荷叠加 法等方法；负荷曲线预测采用基于历史数据的时间序列法、基于分类负荷曲线的叠 加法及综合典型负荷曲线扩展法。 2 4 小结 本章对负荷预测技术进行了回顾，讨论了负荷预测特性指标的选取，归纳总结 了负荷预测中使用的方法，描述了几种常用的方法和模型，并对每种模型的优缺点 进行了说明。最后，本章对各种模型进行了讨论，分别指出了适用于需电量预测、 最大负荷预测和负荷曲线预测的方法。 华中科技大学硕士学位论文 31 引言 3电力系统负荷预测的数据集成 随着计算机软件新技术在电力系统中的应用，目前已有诸多的电力系统应用软 件在电力系统中发挥作用，例如，e m s s c a i ) a 软件、电力系统负荷预测软件、电源 规划软件、电网规划软件等等，这些软件从一个或几个方面简化了电力系统的工作， 提升了电力系统工作的质量”“。 但是，勿庸讳言，这些应用软件在提升电力系统工作质量的同时，也带来了一 些问题。由于现有的软件大都采用独立的数据设计方式，不同应用之间很难集成在 一起：另外，由于电力系统本身是一个庞大的分散系统，这些软件在设计时都从现 有的管理体系出发，以地理区域为中心组织数据，造成了电力系统数据的分散。 负荷预测数据是以地理区域组织的。负荷预测工作一般按照地区开展，由于各 个地区使用的负荷预测软件、数据库都不尽相同，因此，这些地区的负荷预测数据 均以不同形式存在于不同地点的数据库中。这种负荷预测数据的存储方式既不利于 上级部门对下级数据的统一查询，也不利于各个下级部门之间的数据交换。针对这 种情况，文献 3 5 提出“国家电力公司建立统一规范的电力市场分析数据库。各电 力分公司、集团公司、省级公司根据国家电力公司的统一规范，分别建立相应的数 据库”，也就是说，在电力市场条件下，要求按照分层次的方式建立统一的数据库。 但是，在目前的情况下，建立统一的数据库十分困难。一方面，目前尚没有一个统 一的数据库规范；另一方面，即使存在这样的规范，对现有数据的转换工作也将是 一件复杂的工作。因此，在现阶段，有必要采取一种过渡性的措施来实现对数据的 统一，这种过渡性措施不需要对现有的数据库进行大的改变。 目前可以用于实现数据统一的种技术是“软总线”技术。所谓的软总线技术 就是为已经存在的软件设计一个数据包装( w r a p p e r ) ，将已有软件的输入输出包装 起来，利用消息处理中间件构建虚拟的软件总线，通过规定的协议实现各个原有软 件之间的协同工作。”。”，软总线技术通过对应用的集成间接实现对数据的统一访问。 软总线技术在应用层次上提供了一种集成原有应用的方案，但是这种实现是通 过对应用的集成间接实现的。使用这种实现方案要求所有对数据的访问均通过原有 的应用，一旦产生新的需求，这种方式就很难满足要求。因此，本文提出了种在 数据层次上对电力系统负荷预测数据实现数据统一的数据集成方案，该方案不需要 一一 5 华中科技大学硕士学位论文 对原有的数据库结构进行改变，同时又能够实现对数据的统一访问。 32 数据库技术概述 数据库系统本质上是一个用计算机存储记录的系统。数据库本身可被看作是一 种电子文件柜，也就是说，它是收集数据文件的仓库或容器。系统用户可以对这些 文件进行一系列的操作。数据库系统是个计算机系统，该系统的目标是存储信息 并支持用户检索和更新所需要的信息1 ”1 。 数据库系统由数据、硬件、软件和用户四个部分组成，在这些部分中，我们最 关注的是数据和软件，数据是数据库系统存储的信息，软件就是数据库管理系统 ( d b m s ) ，所有对数据库的请求都由d b m s 处理。 从数据模型的角度来看，数据库技术的发展经历了层次数据库、关系数据库、 面向对象数据库等几个阶段。 层次数据库技术是最早得到应用的数据库技术，它采用层次结构描述数据模 型，非常适合于分类层次的数据，但是这种数据模型对于非层次的查询却十分复杂， 因此这种数据库系统对数据库设计的要求很高，设计中必须考虑到所有可能的查询 需求，另外，对于非严格层次的数据，这种数据库系统在实现时不可避免的会造成 大量的数据冗余，因此，在7 0 年代以后，层次数据库就很少被使用了。 关系型数据库采用关系( 表) 来描述数据之间的联系，这种数据库系统有成熟 的数学理论基础，能够处理复杂的查询，从7 0 年代以来一直被广泛应用，目前的 主流数据库如o r a c l e 、m i c r o s o f ts q ls e r v e r 等系统主要都支持这种方式。 面向对象数据库是8 0 年代以来发展的新兴技术，它主要是为满足 c a d c a m c m i s 对复杂对象存储、对象版本管理的需求而产生的，目前已有一些面向 对象数据库的产品，主流的数据库管理系统如o r a c l e 、m i c r o s o f ts q ls e r v e r 等 对面向对象数据库也有部分支持。 从数据库的结构来看，数据库技术的发展经历了桌面数据库、网络数据库、分 布式数据库几个阶段。 桌面数据库是运行在单机上的数据库系统，这种数据库系统只提供对单机数据 库的管理，不考虑多用户并发等因素，相对比较简单。这种数据库系统以d b a s e 、 f o x p r o 、a c c e s s 为代表。 网络数据库是运行在网络上的数据库系统，这种数据库系统除了具有单机数据 p 一 1 6 华中科技大学石页士学位论文 库的全部功能外，还增加了对多用户并发访问的支持、对用户身份认证等功能，目 前主流的数据库如o r a c le 、m ic r o s o f ts q ls e r v e r 、s y b a s es q ls e r v e r 系统都是 网络数据库。 分布式数掘库是近年出现的新技术，是在集中式数据库的基础上发展起来的， 它在网络数据库的概念之上进行了进一步的延伸，允许用户以透明的方式访问分布 在网络上的多个数据库系统，按照分布式数据库构成的不同，可以分为异构型分布 式数据库和同构型分布式数据库。目前主流的数据库系统都有分布式数据库的某些 特点。 由于历史原因，电力系统负荷预测的数据在地理位置上大都是分散的，而且这 些数据大都采用不同类型的数据库系统存放。因此，分布式数据库是最适合电力系 统负荷预测数据集成要求的数据库系统。下面我们就重点介绍分布式数据库系统。 33 分布式数据库系统 分布式数据库系统实际上是一种虚拟的数据库，它的各个组成部分物理的存储 在网络上不同的位置，这些组成部分都拥有自身的一个数据库系统。也就是说，每 个组成部分有自己本地的用户、自己本地的d b m s 和事务管理软件系统，还有自己 本地的数据通信管理器。对于用户来说，一个用户可以操作自己本地的数据而不用 知道这个本地数据库系统是某个分布式数据库系统的部分；从这个意义上说，分 布式数据库系统是不同物理位置上的独立的d m b s 之间形成的种合作关系。为了 维持这种合作关系，在每个不同的物理位置必须有一个新的软件模块来提供所需的 合作功能，这样分布式数据库系统的用户可以透明的访问整个分布式数据库中的 所有数据。 图3 1 是一个典型的分布式数据库系统。 从构成上来看，分布式数据库由个全局数据库管理系统( g d b m s ) 、分散在各 个节点的数据库管理系统( d b m s ) 、通讯管理部分( c m ) 组成，各个节点的d b m s 负 责节点自身的用户管理，数据存取，事务管理等工作，g d b m s 作为全局的管理系统 负责协调各个节点d b m s 的工作，同时向访问分布式数据库的用户提供一个统一的 逻辑视图。 分布式数据库系统提供了一种将多个不同物理位置的数据库系统组成一个对 用户透明的数据库系统的机制，一般说来，分布式数据库有如下的特点“。3 ： 17 华中科技大学硕士学位论文 ( 1 ) 本地自治。本地自治是指任何给定节点的数据库系统的所有操作由自身 控制，a 节点数据库的成功操作不应该依赖于其他任何b 节点的数据库。 本地自治还意味着本地数据是本地所拥有和管理的，并具有本地的可计 算性：所有的数据都是“真正”属于本地数据库的，本地数据的安全性、 完整性和存储形式之类的问题也由本地直接控制和管辖。 ( 2 ) 位置独立性。位置独立性的基本概念是：用户不需要知道数据的实际物 理存储位置，但是仍然可以进行操作就好像数据是存储在用户自己 本地一样。分布式数据库允许数据在节点之间迁移，而不会造成程序和 操作的失效。 ( 3 ) 数据的逻辑相关性。数据的逻辑相关性是指在分布式数据库系统中，分 布在不同节点的数据在逻辑上属于同一个系统。也就是说，所有这些数 据构成了一个逻辑的整体。 ( 4 ) 分片独立性。分片是指将给定的关系分割成小块和片断，分片独立性是 指分布式数据库允许将数据库的关系分成小块和片断保存在不同地理位 置的数据库上，对这些关系的分片不会影响对数据库的操作。 ( 5 ) 复制独立性。复制独立性是指分布式数据库能够将一个存储的关系( 或 者是一个存储关系的某个分片) 由许多不同物理位置上存储的副本来表 不。 ( 6 ) 分布事务管理。分布事务管理是指一个给定事务在分布式环境中是原子 的，都做或者都不做。分布事务管理与非分布的事务管理相比，因为存 在着更多的出错的因素，因此更为复杂。 (