（电力系统及其自动化专业论文）相空间重构与支持向量机结合的短期负荷预测研究.pdf

第1 i 页西南交通大学博士研究生学位论文 m o r l e t 小波核和复g a u s s i a n 小波核等3 种平移不变小波核函数，并对其满足构 建支持向量机平移不变核的条件进行了证明。将其用于一维函数和二维函数的 逼近实验以及c h e n s 混沌时间序列的预测实验，结果表明，3 种小波核函数都 能取得较好的效果，它们都优于常用的g a u s s i a n 核和m o r l e t 小波核，证明了本 文提出的小波核函数的可行性和优越性。在相空间重构基础上，使用平移不变 小波核支持向量回归机模型对工作日和休息日的负荷进行预测仿真实验，结果 验证了论文提出的结合相空间重构的小波核支持向量机能够进行比较精确的短 期负荷预测。 关键词：短期负荷预测；混沌理论：相空间重构；支持向量机；小波核函数； 群集智能；优化算法 西南交通大学博士研究生学位论文第1 ii 页 a b s t r a c t s h o r t t e r ml o a df o r e c a s t i n g ( s t l f ) i np o w e rs y s t e mi sa ni m p o r t a n tw o r kf o r p o w e rd e p a r t m e n t ，a n di t sa c c u r a c yd i r e c t l yi n f l u e n c e st h es a f e t ya n de c o n o m i c o p e r a t i o no fp o w e rs y s t e m s ，a n dm a ya l s oi n f l u e n c et h ep o w e rq u a l i t y i tw a sd r a w n f r o mal o to fr e s e a r c h e st h a tt h es h o r t t e r m1 0 a d t i m es e r i e sh a sc h a o t i c c h a r a c t e r i s t i c s i ti sd i f f i c u l tt of o r e c a s tt h el o a du s i n gt r a d i t i o n a lm e t h o d s i nt h i s t h e s i s ，b a s e do nt h ep h a s es p a c er e c o n s t r u c t i o n a d d w e i g h t e do n e r a n kl o c a l r e g i o n m u l t i - s t e p sm o d e l ( a o l m m ) a n ds u p p o r tv e c t o rm a c h i n e ( s v m ) m o d e la r eu s e df o r t h es t l et h e o r e t i c a la n a l y s i sa n dt e s t i n gr e s u l t sp r o v et h e mt ob ev a l i da n df e a s i b l e t h em a i nc o n t e n t sd i s c u s s e di nt h i st h e s i sa r ed e s c r i b e da sf o l l o w s ： p h a s es p a c er e c o n s t r u c t i o nt h e o r yi st h ef o u n d a t i o no fs h o r t t e r ml o a dc h a o t i c t i m es e r i e sf o r e c a s t i n g t h ec h o i c eo fr e a s o n a b l ep a r a m e t e r s w h i c hi su s e f u lf o rt h e p h a s es p a c er e c o n s t r u c t i o n m a k e si tp o s s i b l et og e tt h ei n f o r m a t i o nc o n t a i n e di nt h e t i m es e r i e sa n dt oc a r r yo u tt h ea c c u r a t el o a df o r e c a s t i n g b a s e do nt h ep h a s es p a c e r e c o n s t r u c t i o n m a n yl o a dt i m es e r i e sf o r e c a s t i n gm e t h o d sw e r ee s t a b l i s h e d t h e c o m m o nu s e da d d w e i g h t e do n e - r a n kl o c a l r e g i o nm e t h o d ( a o l m ) i sas i n g l e s t e p m o d e l a n di tw i l lr e s u l ti nl a r g ec o m p u t a t i o n a lq u a n t i t ya n dc u m u l a t i v ee r r o rf o r m u l t i s t e p sf o r e c a s t i n g d u et ot h ed i s a d v a n t a g e ，a na o l m mf o r e c a s t i n gm o d e li s e m p l o y e d w h e nu s i n gt h et w om e t h o d sf o rt h es t l fo ft h en e ws o u t hw a l e s i n a u s t r a l i a ，2 0 0 6 ，s a t i s f y i n gr e s u l t sa r er e a c h e d t h ec h a o t i cc h a r a c t e r i s t i c so ft h el o a d t i m es e r i e si nt h i sc a s ea r ea n a l y z e d a n dt h ep h a s es p a c er e c o n s t r u c t i o np a r a m e t e r s a r ed e d u c e d t h e nt w om e t h o d sa r eu s e di nt h ef o r e c a s t i n ge x p e r i m e n tf o rt h el o a di n w o r k i n gd a ya n dr e s td a y t h es i m u l a t i o nr e s u l t ss h o wt h es u p e r i o r i t yo ft h e a o l m mm o d e li ns t l e t h es v mm e t h o di su s e di ns t l fi nt h et h e s i s a i m e da ts o l v i n gt h ep r o b l e m s o fc h o o s i n gp a r a m e t e r so fs v ma n di t sk e m e lf u n c t i o n an o v e lo p t i m i z a t i o n a l g o r i t h mc a l l e ds t o c h a s t i cf o c u s i n gs e a r c h ( s f s ) i sp r o p o s e d t h en e wa l g o r i t h mi s s o r t e dt ot h es w a r mi n t e l l i g e n c ea l g o r i t h m w h i c hi sb a s e do ns i m u l a t i n gt h e b e h a v i o u r so fh u m a nr a n d o m i z e ds e a r c h i n g i ti ss i m p l ew i t hf e wp a r a m e t e r s a n d h a st h el o w e rc o m p u t a t i o n a lc o m p l e x i t yt h a np a r t i c l es w a r mo p t i m i z a t i o n ( p s 0 1a n d o t h e rm o d i f i e dp s o a l g o r i t h m s t h ep e r f o r m a n c eo ft h i sa l g o r i t h mi si n v e s t i g a t e di n o p t i m i z i n gt h et y p i c a l b e n c h m a r kf u n c t i o n sa n d s o l v i n g t h er e a c t i v ep o w e r o p t i m i z a t i o np r o b l e m a f t e rt h ec o m p a r i s o nw i t hd i f f e r e n t i a le v o l u t i o n ( d e ) a n d 第lv 页西南交通大学博士研究生学位论文 t h r e em o d i f i e dp s oa l g o r i t h m s i ti sp r o v e dt h a ts f sh a sab r o a d e rp r o s p e c ta n d m u c hm o r ep r a c t i c a lv a l u e i no r d e rt oc h o o s et h ei n p u tp a r a m e t e r so ft h es v mi ns t l f as v mm e t h o d c o m b i n e dw i t hp h a s es p a c er e c o n s t r u c t i o ni sp r o p o s e di nt h et h e s i s t h eh i s t o r i c a l l o a dt i m es e r i e sa r eu s e df o rp h a s es p a c er e c o n s t r u c t i o n a n dt h em e t e o r o l o g i c a l f a c t o r sa r ei g n o r e d t h ev e c t o r si nt h el o a dt i m es e r i e sr e c o n s t r u c t e dp h a s es p a c ea r e t r e a t e dt ob et h ei n p u to fs v m a n dt h e nt h en o n l i n e a rp r o b l e m sa r et r a n s f o r m e dt o l i n e a ro n e si ne i g e n s p a c em a p p e db yk e r n e lf u n c t i o n s i m u l a t i o no fd a i l yp e a kl o a d f o r e c a s t i n gr e s u l t ss h o wt h ev a l i d i t yo ft h em o d e l g e n e r a l l y , i m p e r c e p t i b l ef e a t u r e s a r ev e r yi m p o r t a n ti np r o c e s s i n gl o a dt i m e s e r i e ss i g n a lw i t hc h a o t i cc h a r a c t e r i s t i c s s o m ek i n d so ft r a n s ! a t i o n i n v a r i a n tw a v e l e t k e r n e ls v ma r ee s t a b l i s h e dt h r o u g hc o m b i n i n gw a v e l e ta n a l y s i sm e t h o dw i t hs v m k e r n e lf u n c t i o nm e t h o di nt h i sp a p e r g a u s s i a ns e r i e sw a v e l e tk e r n e l ，c o m p l e xm o r l e t w a v e l e tk e r n e la n dc o m p l e xg a u s s i a nw a v e l e tk e r n e la r ep r o p o s e d ，a n ds o m e t e s t i f i c a t i o nw e r ed o n et op r o v et h a ti ts a t i s f i e st r a n s l a t i o n i n v a r i a n tk e r n e lt h e o r e m i ti su s e di na p p r o x i m a t i o no fas i n g l e v a r i a b l ef u n c t i o n t w o v a r i a b l ef u n c t i o na n d f o r e c a s t i n gc h e n sc h a o t i ct i m es e r i e s s i m u l a t i o nr e s u l t ss h o wt h ef e a s i b i l i t ya n d v a l i d i t yo ft h et h r e et r a n s l a t i o n i n v a r i a n tw a v e l e tk e r n e lf u n c t i o n s a n dt h e ya l l p e r f o r mb e t t e rt h a nt h ec o m m o nu s e dg a u s s i a nk e r n e la n dm o r l e tw a v e l e tk e r n e l b a s e do np h a s es p a c er e c o n s t r u c t i o n ，t h et r a n s l a t i o n i n v a r i a n tw a v e l e tk e r n e ls u p p o r t v e c t o rr e g r e s s i o nm a c h i n em o d e l sa r eu s e di nt h ef o r e c a s t i n ge x p e r i m e n tf o rt h e1 0 a d i nw o r k i n gd a ya n dr e s td a y t h es i m u l a t i o nr e s u l t ss h o wt h a tt h ew a v e l e tk e m e l s v mm o d e lc o m b i n e dw i t hp h a s es p a c er e c o n s t r u c t i o ni se f l f i c i e n ti na c h i e v i n gt h e a c c u r a t es t l e k e yw o r d s ：s h o r t - t e r ml o a df o r e c a s t i n g ( s t l f ) ；c h a o st h e o r y ；p h a s es p a c e r e c o n s t r u c t i o n ；s u p p o r tv e c t o rm a c h i n e ( s v m ) ；w a v e l e tk e r n e lf u n c t i o n ；s w a r m i n t e l l i g e n c e ；o p t i m i z a t i o na l g o r i t h m 学位论文版权使用授权书 本学位论文作者完全了解西南交通大学有关保留、使用学位论文的规定， 有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅 和借阅。本人授权西南交通大学可以将学位论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、缩印或扫描等复制手段保存、汇编学位论文。 本学位论文属于 1 保密口，在年解密后适用本授权书； 2 不保密曲，适用本授权书。 ( 请在以上方框内打“) ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：智禾序 e t 期：2 , - o o 多年1 6 月歹岁日 导师签名： 低，糨j 日期：矿年占月2 9 e t 西南交通大学 学位论文创新性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人已经发表或撰写过的研究成果，也不包含为获得西南交通大学或其他教 育机构的学位或证书而使用过的材料。与我同工作的同志和集体对本研究所 做的任何贡献均已在论文中作了明确的说明并表示谢意。本人完全意识到本声 明的法律结果由本人承担。 本学位论文的主要创新点如下： l 、分析了负荷时间序列的混沌特性，在相空间重构理论基础上，引入加权 一阶局域法多步预测模型，对短期负荷混沌时间序列进行多步预测。该模型操 作简单，计算量小，且克服了原加权一阶局域法一步预测模型进行短期负荷多 步预测时，计算量大且会产生累积误差的缺点。( 第2 章) 2 、模拟人的随机搜索行为，提出了随机聚焦搜索优化算法，将其用于对支 持向量机及其核函数中多个参数的优化选择。通过对典型的b e n c h m a r k 函数的优 化和 i e e e 3 0 节点的电力系统的无功优化，仿真结果验证了随机聚焦搜索优化算 法的有效性和可行性。( 第3 章) 3 、使用支持向量机方法进行短期负荷峰值预测，针对支持向量机输入参量 的选择，提出了结合相空间重构的方法，将日负荷峰值时间序列进行相空间重 构，用重构相空间中的向量作为支持向量机的输入参量。该方法不考虑气象因 素的影响，仍然能够取得较好的负荷预测效果。( 第4 章) 4 、提出了g a u s s i a n 系g g d , 波核、复m o r l e t d x 波核、复g a u s s i a n d , 波核等3 种 s v m 的平移不变小波核函数，将其用于短期负荷预测。对这3 种新的小波核函数 满足支持向量机平移不变核函数判定定理进行了证明，并构建相应的支持向量 回归机模型。通过对函数逼近署h c h e n s 混沌时间序列的预测，结果验证了他们的 性能优于常规核函数。结合相空间重构，将3 种小波核s v m 模型用于对短期负荷 的预测取得了较好的效果。( 第5 章) ， 学位论文作者签名：善户右厦 l，7 日期： 如d 髫年易月乡日 西南交通大学博士研究生学位论文第1 页 第1 章绪论 1 1 电力系统负荷预测的作用与意义 电力系统需要向用户提供安全、可靠、优质的电能，以满足用户的需求。 由于电能具有不能大量存储的特点，因此电力系统必须随时保持供电和负荷的 平衡，而负荷预测是保证这种平衡的一种重要手段。 电力系统负荷预测是指根据系统的运行特性、增容决策、自然条件和社会 影响等诸多因素，研究或利用一套系统的处理过去与未来负荷的数学方法，在 满足一定精度要求的条件下，确定未来某特定时刻的负荷数据 1 】。负荷预测是 电力系统规划和调度的基础，提高负荷预测精度，有利于制定合理的电厂建设 规划，有利于用电计划管理，合理安排电网的运行及机组检修，有利于降低发 电成本，提高电力系统的经济效益和社会效益。 根据预测周期和用途的不同，一般可以将负荷预测分为长期、中期、短期 和超短期负荷预测。 1 ) 长期负荷预测 长期负荷预测一般是指未来几年到几十年并且是以年为单位的预测，主要 用于电源和网络规划； 2 ) 中期负荷预测 中期负荷预测一般是指提前几周甚至几年的预测，主要用于确定水库调度、 燃料计划和机组检修等。 3 ) 短期负荷预测 短期负荷预测是指对未来一天和一周的预测，目的是给各个电厂安排日、 周的发电计划，包括优化机组启停、水库调度、水火电协调、交换功率、负荷 经济分配等。 4 ) 超短期负荷预测 超短期负荷预测是指对未来几分钟到一小时内的预测，主要用于安全监视、 预防性控制和紧急状态处理等。 短期负荷预测由于其对安全和经济发、配电具有重要意义，已经成为电力 系统调度运营部门的一项重要日常工作，是制定发电计划和输电方案的主要依 据。提高短期负荷预测的精度，可以在制定发电计划时更加合理的安排旋转备 第2 页西南交通大学博士研究生学位论文 用和冷备用容量，减少机组启停次数，在满足用户用电的同时减少电能成本和 电价。 近几年我国开始推行电力市场的工作对负荷预测提出了更高的要求，因为 短期负荷预测作为电力市场中的基本信息，是各级电力市场的重要组成部分， 对于建立电量计费系统、实行峰谷分时电价和建立模拟电力市场等都有重要的 影响。负荷除了受到自然和社会各种因素影响而表现出随机性以外，在电力市 场条件下，实时电价甚至投机因素都给负荷预测工作增加了难度。随着我国电 力市场的深入发展，短期负荷预测对电力系统经济运行的影响会更加明显。总 的说来，短期负荷预测的意义主要表现在： l 、对电力系统经济运行的影响 短期负荷预测对于发电公司来说，是制定发电计划和报价的重要依据；对 于供电公司，是制定购电计划的依据；对于输电公司，是制定发电计划以及安 全、可靠、经济运行的基础。 2 、对制定实时电价的影响 电价作为电力市场的杠杆和核心内容，体现了电力市场的竞争性和开放性， 而电价制定是以未来给定电价计算期的负荷预测为基础。因此，发电企业要保 证其电价的竞争能力并且尽量提高盈利水平，就必须获得较精确的负荷预测值， 从而定出合理的电价。 3 、对用户用电的影响 由于负荷的随机性，电能的供、需情况是不断变化的，供电成本也随之而 变化。即使是同一用户，不同时间用电时，对其供电的成本也不相同。为了反 映这种差别，电力市场条件下需要促进用户合理用电，用分时电价的措施，鼓 励用户错峰用电。短期负荷预测的结果，可以让用户了解负荷高峰和低谷出现 的时间，以便合理安排用电情况；而且用户可以相应地对电价做出响应，选择 低电价时段用电，从而节约电费。 4 、对转运业务的影响 转运业务是电力市场中电网的一项基本功能，也是电力市场平等竞争的必 要条件，可以给电网带来巨大的效益。电网在提供转运业务时是根据短期负荷 预测的数据及各发电机的运行参数，制定发电计划和调度计划，所以准确的短 期负荷预测能有效的促进发电、输电、用电三方的协调。 5 、对合同电量分配的影响 在初级发电市场，所有电量需要统一进行竞价，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，需按短期负荷预测曲线 西南交通大学博士研究生学位论文第3 页 将日合同电量分到各时段，因此不准确的短期负荷预测将会导致违约情况，甚 至造成电量供应不足等问题。 6 、对系统充裕性评估的影响 电力系统充裕性评估是发电市场得以j l 骄l j 进行的基础。它是由电力调度中 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 让市场成员正确了解信息，以便合理的安排系统的供电、用电及设备检修，进 行发电报价决策，从而尽可能减少电力调度中心的干预。 总的来说，短期负荷预测既是电力系统优化调度的基础工具，又是电力企 业日常经营管理工作的重要组成部分，对电网安全、稳定、优质、经济的运行 具有重要作用。因此，根据历史负荷数据和相关条件精确的预测电力系统短期 负荷，是一个值得深入研究的课题。本文主要针对电力系统短期负荷预测的现 状和问题，研究相空间重构与支持向量机结合的短期负荷预测方法。 1 2 短期负荷预测的研究现状 电力系统负荷受到作息时间、生产工艺、气候、节假日及其他突发事件等 的影响，具有时间性和不确定性等特点，难于精确建模和预测。随着电力系统 的发展，短期负荷预测的研究也逐步发展起来，从二十世纪七十年代初开始， 对其研究呈现上升趋势。随着八十年代能源供应逐渐紧张，产生了对负荷科学 管理和建立准确的、适应性强的负荷预测模型的强烈要求，从而对短期负荷预 测的重视程度也越来越高。在九十年代，随着世界各国电力市场化的改革和发 展，对负荷的预测也受到了更加广泛的重视。到现在为止，国内外的专家学者 们已经在短期负荷预测的理论和方法方面做了大量的研究工作，也取得了卓有 成效的成果。 1 2 1 经典预测方法 对电力系统短期负荷进行预测的经典方法主要是各种时间序列预测法以及 回归预测法。 l 、回归预测法 回归预测法是电力系统短期负荷预测的一种常见方法【l 】，【2 1 。该方法是通过 对负荷历史的观测数据进行统计分析，建立可以进行数学分析的模型，从而实 现对未来负荷的预测。可以分为一元回归和多元回归，也分为线性回归和非线 性回归。当前一般采用多元线性回归模型建立负荷与相关影响因素之间的关系。 第4 页西南交通大学博士研究生学位论文 文献 2 根据剧期自回归模型，建立了短期负荷的周期白回归预测模型和算法， 以方便地处理电力负荷的周期性及不平稳性，其形式简单、运算速度快，特别 适合电力系统短期运行规划：文献 3 】与常规的回归分析中采用线性参数估计的 方法不同，直接采用非线性参数估计计算，从而得到更精确的预测模型。该方 法的优点是： 1 ) 对于气象变化不剧烈的情况下能取得较高的负荷预测准确度； 2 ) 外推特性比较好； 3 ) 算法简单，计算速度较快。 该方法仍然存在一定的局限性： 1 ) 负荷预测的输入输出之间存在的非线性关系，回归预测法难于找到比较 理想的数学模型来描述； 2 ) 回归变量的选取存在一定的困难，特别是气象情况的各因素不能详尽的 考虑，因此气象的剧烈变化会影响预测效果； 3 ) 缺乏自学习能力，不能随着负荷结构的变化自动修正输入变量与输出变 量之间的关系。 4 ) 要求历史负荷具有较高的准确性。 2 、时间序列预测法 时间序列预测法是一种应用较早、发展相对较成熟的预测方法，在负荷预 测领域获得了广泛的应用【4 矧。该方法将负荷数据看作是按一定时间周期变化的 时间序列，并且将预测负荷值与实际负荷值之间的差值当成平稳的随机过程， 在此分析基础上建立一个数学模型来描述电力负荷这个随机变量变化过程的统 计规律，并根据此模型确立负荷预测的数学表达式，进而实现对未来负荷的预 报。基本的时间序列预测模型主要有四种： 1 ) 自回归模型( a r ) ：描述为现在值可以由其本身过去值的有限项的加权 和以及一个干扰量( 假定为白噪声) 来表示； 2 ) 动平均模型( m a ) ：描述为现在值可以由其现在与过去的干扰量的有限 项的加权和来表示； 3 ) 自回归动平均模型( a r m a ) ：描述为现在值可以看作是其过去值的有 限项的加权和及其过去干扰量的有限项加权和的叠加； 4 ) 累积式白回归动平均模型( a r i m a ) ：是适用于含有趋势项的非平稳随 机过程的预测模型。 时间序列预测法有以下优点： 1 ) 对历史数据量要求较低； 西南交通大学博士研究生学位论文第5 页 2 ) 可以采用估计被测日电量值的方法减小预测误差； 3 ) 计算量较小，计算速度快。 时间序列预测法也存在一定的局限性： 1 ) 不能敏感的反映气象因素，对于因气象变化造成的短期负荷变化不能准 确预测； 2 ) 对历史数据准确性有较高要求，坏数据对其预测效果影响很大，需要严 格处理脏数据； 3 ) 预测步数越长，能达到的预测精度越低。 随着对时间序列预测法研究的深入，学者们提出了各种改进方法。文献 7 针对a r m a 模型研究了伪数据的处理以及从自动搜索定阶到节假日预报的一整 套程序化模型，并用于对上海某供电局的负荷预报，取得了较好的效果；文献 【8 针对采用时间序列预测法无法考虑温度变化等因素的影响，将神经网络结合 时间序列预测法对电力系统负荷进行预测，仿真结果表明了算法是有效可行的； 文献 9 使用a r i m a 算法对负荷粗预测后，再训练出对气象非平稳变化敏感的 输出因子对该预测结果进行修正，针对广西负荷区的预测结果表明其较好的解 决了气象变化影响下a r i m a 算法预测准确率偏低问题。 1 2 2 现代预测方法 影响电力系统负荷的随机因素很多，具有很强的非线性特征，经典方法的 应用有一定的局限性。二十世纪八十年代以来，一些新的理论和技术逐渐应用 到短期负荷预测中，特别九十年代以后，随着智能算法研究的发展深入，也为 负荷预测提供了强有力的工具。这些算法能提供更为精确的数学模型，提高负 荷预测的准确度，因而被人们大量使用。主要有：专家系统、人工神经网络、 小波分析、模糊逻辑、灰色理论、混沌理论、支持向量机、组合预测等。 l 、人工神经网络 人工神经网络从模仿人脑智能的角度出发，探寻一种新的信息表示、存储 和处理的方式，设计全新的计算处理结构模型，构造更接近人类智能的信息处 理系统来解决传统算法难以解决的问题【l0 1 。预测问题是人工神经网络最重要的 应用方向之一，有广泛的前景，特别是在电力系统负荷预测的理论和实验中证 明是可行的。 p a r k 等人在1 9 9 1 年第一次将人工神经网络用于负荷预测，并取得了满意的 结果 】。现在研究较多的是应用误差反向传播算法( b p ) 进行短期负荷预测， 常用的是三层神经网络模型【坦】。主要思路是将天气温度、峰谷负荷及相关负荷 第6 页西南交通大学博士研究生学位论文 等影响负荷的因素的历史数据作为学习样本集，输入神经网络进行训练，获得 神经网络权重，再进行相应的预测。人工神经网络法进行短期负荷预测具有一 定的优越性： 1 ) 可以处理难于用解析规则描述的过程或者系统，通过对样本的学习，自 动实现对待解决问题的描述； 2 ) 神经网络具有并行结构，对于解决实时性要求高的问题能显出很大的优 越性； 3 ) 理论上已经证明了人工神经网络多层感知器具有任意逼近给定的函数甚 至逼近其各阶导数的能力； 4 ) 神经网络有很强的信息综合能力及容错性，能恰当的协调好相互矛盾的 输入信息。 人工神经网络也存在一定的缺点： 1 ) 网络模型输入参数的选取和处理没有一定的理论依据； 2 ) 训练过程中可能产生学习不足或者过拟合现象，但缺乏有效的方法来解 决： 3 ) 收敛速度慢并且容易陷于局部极小，训练过程比较耗时； 4 ) 输入变量以及隐含层数目的选取等要根据经验摸索。 当前将神经网络用于对短期负荷的预测主要考虑算法的改进、结合其他理 论的应用、对输入变量的选取等。文献 1 3 、 1 4 1 提出将模糊理论与神经网络结 合的预测方法，对输入、输出变量模糊处理，建立相应规则进行训练并预测， 该方法有效的结合了神经网络的学习能力和模糊理论的模糊表达能力；文献 1 5 】、【1 6 引入天气情况作为神经网络的输入变量，提高了预测效果；文献 1 7 】 对神经网络进行改进，并融入电力负荷的机理和先验知识，构成了改进的神经 网络预测模型，将其用于对安徽电网总负荷的预测，取得了较好的效果。 2 、专家系统 专家系统法是通过对数据库存放的历史数据进行分析，并汇集有相关经验 专家的知识，提取有关规则，再按照一定的规则推理来解决专门问题的方法。 对于电力系统的负荷预测，需要考虑气象、季节、工作日、具体时刻及一定的 时间滞后效应等经验认识，还有政治、经济生活中的诸多突发事件，建模比较 困难，而使用专家系统可以比较方便的进行处理。该方法可以避开复杂的数值 计算，还能够通过经验的累积而不断的修改知识库，使系统便于扩充。 将专家系统法用于负荷预测一般是与模糊理论、神经网络等结合，主要思 路是在其它算法预测的基础上，用专家系统对预测结果进行修正。文献 1 8 】提出 西南交通大学博士研究生学位论文第7 页 了结合神经元网络和模糊专家系统的短期负荷预测模型；文献 1 9 针对人工神经 网络短期负荷预测方法的不足，利用专家经验，模仿专家处理问题的方法，设 计了一个模糊专家系统，对负荷预测结果进行修正，以提高负荷预测精度，该 方法还减少了计算量，提高了算法速度；文献 2 0 提出了三个智能化模块的短期 负荷预测模型，将模糊专家系统作为最后模块对另外两个模块的预测结果进行 修正。 专家系统的建立需要获取高质量的领域知识，将专家知识转化为数学规则 也存在一定的难度，并且该类系统还具有很强的针对性，不能直接应用于其他 系统。这些缺点也限制了专家系统方法的应用，需要对其进行更加深入的研究。 3 、小波分析 小波分析是f o u r i e r 分析的进一步发展，受到了众多学科领域专家学者们的 共同关注，现已广泛应用于电力系统负荷预测、信号处理、语音识别、故障诊 断、数字通信、图像处理等 2 。小波分析既继承了f o u r i e r 分析的优点，又克服 了f o u r i e r 分析的某些缺点，在时域和频域都有良好的局部化性质，能够比较容 易的捕捉和分析微弱信号，聚焦到信号的任意细节部分。小波分析可以用于数 据的分析、处理、存储和传递。 电力系统的负荷曲线具有特殊的周期性，可以分别按天、周、年为周期， 利用小波分析的优点能够进行比较有效的预测。文献 2 2 】通过小波变换，将各序 列分量分别投影到不同的尺度上，对不同的子负荷序列进行数据处理，并分别 采用相匹配的模型进行预测，最后通过小波重构，得到预测结果文献 2 3 】、 2 4 、 2 5 都将小波分析与神经网络相结合，取得的预测精度比单一的神经网络模型有 所提高；文献 2 6 在对历史负荷进行小波分解的基础上，引入小波熵阈值识别非 正常数据，提高了预测的准确性；。 小波分析法由于其独特的优势，在电力系统短期负荷预测中会有一定的发 展前景，但国内外研究文献还相对较少，其预测分析的有效性也需要进一步的 研究。 4 、模糊逻辑 模糊逻辑理论适合于描述广泛存在的不确定性，通过其强大的非线性映射 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 能够从大量的数据中提取它们的相似性。这些特点恰好是电力系统短期负荷预 测所需要并且其它很多方法所欠缺的，因此模糊逻辑法在该领域得到了飞速的 发展。 电力系统中许多现象是不精确的、模糊的，而模糊逻辑中的隶属函数可以 第8 页西南交通大学博士研究生学位论文 比较明确的进行描述。负荷变化由一定的发展趋势和随机临时变化两部分组成， 趋势部分可以根据历史数据用传统的回归法或者时间序列法等求取其规律，但 气象和临时重大影响负荷的事件用一般的方法就不能够准确的进行预测，使用 定义在模糊集上的模糊规则进行模糊推理，理论上就可以达到足够的精度。模 糊逻辑法在负荷预测中还有较强的白适应能力和鲁棒性。 文献 2 7 】对模糊理论应用于短期负荷预测的现状进行了综述，并指出了这一 技术的发展趋势及应用前景；文献 2 8 】使用两种不同的模糊模型共同完成对短期 负荷的预测；文献 2 9 禾1 1 1 3 0 都使用了模糊神经网络模型进行预测并取得了较好 的预测效果；文献 3 1 使用加速进化算法优化模糊模型的规则库，然后用模糊模 型进行预测，并与神经网络模型作了比较。 虽然模糊逻辑法在电力系统短期负荷预测中取得了一定的效果，但深入的 研究和应用表明：该方法学习能力比较弱；在映射区域划分不够细时，映射输 出比较粗糙；受到主观人为因素影响比较大。 5 、灰色理论 灰色理论用于研究灰色系统的分析、建模、预测、决策和控制，其显著特 点是能用少量的数据建立预测的模型，当前在各个领域也得到了广泛的应用。 电力系统中影响因素有很多是不确定的，可以将其看作是灰色系统，用灰色理 论法来研究。该方法具有计算简洁、精度高、实用性好的优点，在负荷预测中 也有了很多成功的应用。 文献 3 2 】讨论了灰色模型g m ( 1 ，1 ) 及灰色差值模型在短期电力负荷预测中 的应用，提出了适合普通日电力负荷预测的数据处理方法，提高了短期电力负 荷预测的精度；文献 3 3 1 考虑到灰色预测系统模型g m ( 1 ，1 ) 在影响负荷的因素 较多、模型灰度较大时，精确度就不够理想，对模型中的0 【参数和负荷预测差 值建立了修正模型，进而修正负荷预测值，使预测精度得以提高；文献 3 4 针对 电力负荷预测残差序列具有复杂的非线性状态的特点，运用神经网络模型，对 电力负荷的灰色预测残差进行校正，进一步提高了预测精度。 灰色理论法用于负荷预测也存在一定的局限性：数据灰度越大则预测精度 越差；比较适合于具有指数增长趋势的负荷指标：预测精度随着预测点数的增 加将会有较大偏差。 6 、混沌理论 混沌理论是非线性科学的重要组成部分，反映的是一种貌似随机性的运动， 揭示了确定性非线性系统中的内在随机性，它作为非线性动力学系统所特有的 一种性质，广泛的存在于自然与社会系统中。 西南交通大学博士研究生学位论文第9 页 混沌最早是1 9 0 3 年法国的庞加莱发现的。1 9 6 3 年，著名的气象学家l o r e n z 在l o r e n z 方程中发现决定论非周期流，从此混沌科学受到了学者们的重视。中 国学者李天岩和美国学者j y o r k e 具体证明了周期三意味着混沌，深刻地揭示 了从有序到混沌的演变过程【3 引。1 9 8 7 年，p g r a s s b e r 等人提出重构动力系统的 理论和方法，并从实验数据时间序列提取出实验系统的奇异吸引子的统计特征， 如分数维、l y a p u n o v 指数和k o l m o g o r o v 熵等混沌特征量，从而使得混沌理论 研究进入了实际应用阶段【3 6 i 。 混沌理论已经广泛的应用于自然科学和社会科学的各个领域，包括：数学、 物理、化学、气象、经济、地质等。电力系统受到各种社会、自然因素影响， 是典型的非线性系统，将混沌理论用于电力系统已经成为研究的一个热点。文 献 3 7 】介绍了混沌理论在电力系统稳定性分析及控制、电力系统经济调度与优 化、热控系统参数辨识与控制器优化等方面的应用。 对于电力系统的负荷，由于受到众多因素影响，而这些因素不一定都可以 进行量化或者直接得到准确的数值，一般情况下，只能取得负荷时间序列，使 用常规方法对其进行预测会难于精确建模，而混沌理论为其准确预测提供了一 条重要途径。基于混沌理论的负荷预测是利用混沌吸引子在不同层次间的白相 似性进行预测，它不需要了解各影响因素与负荷之间的相互关系，也无需对负 荷序列建立工作日和节假日预测模型，仅通过相空间重构来近似恢复原来的多 维非线性混沌系统。 随着非线性系统研究的发展，基于混沌理论的非线性时间序列预测模型在 短期负荷预测中的应用引起了人们的广泛兴趣，越来越多的基于混沌理论的预 测方法应用于该领域，并且取得了较好的预测效果。文献 3 8 通过计算得到负荷 时间序列的l y a p u n o v 指数为正，从而判断出该序列具有混沌性，然后对序列进 行相空间重构，最后通过多层感知机对负荷进行预测；文献 3 9 用混沌理论对电 力负荷的复杂时间序列进行分析，得出该时间序列属于混沌时间序列的结论， 就此提出了一种新的神经网络学习算法一混沌学习算法，克服了前馈神经网络的 b p 学习算法的不足：文献 4 0 $ h 4 1 1 探讨了对于某负荷记录时间序列，其负荷 记录是以双周期行为为主的，双周期以外的剩余成分是以混沌为主的，因此采 用“双周期加混沌”两个子模型来进行负荷预报，获得了更高的预报精度和可 靠性；文献 4 2 提出以关联度代替欧氏距离来确定相空间最邻近点的思想，同时 发展了一种改善高嵌入维重构空间全局l y a p u n o v 指数谱的方法，当嵌入维数 逐渐增大时，该方法在预测精度方面有明显的提高；文献 4 3 】分析了相空间中混 沌吸引子邻近轨道间的平行、交叉、折叠3 种拓扑关系，根据负荷吸引子的特 第1 0 页西南交通大学博士研究生学位论文 点提出了负荷时序最大l y a p u n o v 指数预报模式预测值的判定依据，并探讨了相 空间中临近点( 轨道) 的选择方法，所建立的短期负荷预测模型提高了预测精度并 达到了预期效果。 t a k e n s 嵌入定理为负荷混沌时间序列相空间重构提供了理论依据，如何根 据相空间重构理论构造预测模型就成了混沌时间序列预测中的一个关键问题， 值得进一步的深入研究。另外，该预测方法需要大量的历史负荷时间序列数据， 但在很多情况下并不能得到足够的数据量，因此有必要研究小数据量下的预测 模型。 7 、支持向量机 在2 0 世纪9 0 年代中期，v a p n i k 等人提出了基于统计学习理论的支持向