（电力系统及其自动化专业论文）考虑实时气象因素的短期负荷预测.pdf

浙江人学硕f ：学位论文 a b s t r a c t s h o r tt e r ml o r df o r e c a s t i n g ( s t l f ) i so n eo ft h em o s ti m p o r t a n tc o n t e n t so f r u n n i n ga n dd i s p a t c h i n gp o w e rs y s t e m ，a n di m p o r t a n tp a r to fp o w e r m a r k e t i ti st h e p r e m i s ea n db a s i co fs a f e ，e c o n o m i ca n dr e l i a b l eo p e r a t i o no fp o w e rs y s t e m t h e f o r e c a s t i n gp r e c i s i o nw i l lg r e a t l ya f f e c tt h ee c o n o m i cb e n e f i to fp o w e rs y s t e m ， t h e r e f o r e ，h o wt or a i s et h ea c c u r a c yo fl o a df o r e c a s t i n gh a sb e e nah o t s p o to f r e s e a r c ha th o m ea n da b r o a d r e s e a r c hs h o w st h a tp o w e rl o a di si n f l u e n c e db ym a n yf a c t o r s ，b e t w e e nt h e s e f a c t o r s ，m e t e o r o l o g i c a lf a c t o r sa f f e c tt h ep o w e rl o a dm o s ts i g n i f i c a n t l y t h e r e f o r e ， s t u d yh o wt h el o a dp o w e ri sa f f e c t e db yw e a t h e rf a c t o r sa n dh o wt oe s t a b l i s ha a p p r o p r i a t ef o r e c a s t i n gm o d e li st h ek e yt oi m p r o v el o a df o r e c a s t i n ga c c u m c y i nt h i st h e s i s ，f i r s t l y , t h el o a dc h a r a c t e r i s t i co fh a n g z h o ua r e ai sa n a l y z e db y m o n t h l y , w e e k l y a n dd a i l y , a n di n f l u e n c eo ft e m p e r a t u r ea n dh u m i d i t yw a s q u a l i t a t i v ea n a l y s i s e d s e c o n d l y , t h r o u g ht h es t u d yo fa n n ，t h r e ed i f f e r e n ta n n m o d e l sa r ec a r r i e do u t b yu s i n gt h r e ed i f f e r e n ti n p u t ：u s i n gw e a t h e rd a t ad i r e c t l y , u s i n gh u m a nb o d y a m e n i t yi n d i c a t o r , a n du s i n gt e m p e r a t u r e h u m i d i t yi n d e x a n da l s ot h r e ed i f f e r e n t o p t i m i z a t i o na l g o r i t h m so fa n n a r eu s e di nm o d e l i n g b yc o m p a r i n gt h e s er e s u l t s ， t h ew a yo fu s i n gt h ia n dh i s t o r i c a ll o a dd a t aa si n p u tw a sp i c k e d t e s tr e s u l t ss h o w t h a tt h ep r o p o s e dm o d e lh a sah i g hl e v e lp r e c i s i o ni nf o r e c a s t i n gs u m m e rd a y s f i n a l l y , o nt h eb a s i so ft h es t u d i e sa b o v e ，b ya n a l y z i n gt h ec o - r e l a t i o n s h i p s b e t w e e nw e a t h e rf a c t o r sa n dw e a t h e r s e n s i t i v el o a d ac o r r e c t i o nm e t h o d c o n s i d e r i n gt h ea c c u m u l a t i o ne f f e c to ft e m p e r a t u r ei sp r o p o s e d t h i sm e t h o dn o t o n l yc o n s i d e r st h ei n f l u e n c eo ft h et e m p e r a t u r eo f af e wd a y sa g o ，b u ta l s oc o n s i d e r s t h ei n f l u e n c eo ft h et e m p e r a t u r eo faf e wh o u r sb e f o r et h et o b e f o r e c a s t e dh o u r c o r r e c t i o nm e t h o dc o r r e s p o n d i n gt ot h eh u m i d i t yi sa l s od e v e l o p e d a b o v ea l l ，a r e g r e s s i o nf o r e c a s t i n gm o d e lb a s e do nl o a dd e c o m p o s i t i o na n d c o r r e c t i o no f a c c u m u l a t i o ne f f e c to ft e m p e r a t u r ei sp r o p o s e d t h ea v a i l a b i l i t yo ft h em o d e lw a s p r o v e db yf o r e c a s t i n gs i m u l a t i o no fh a n g z h o ua r e ai ns u m m e r2 0 0 7 ，i tc a ni m p r o v e t h ef o r e c a s t i n ga c c u r a c yr e m a r k a b l y k e y w o r d s ：s h o r t t e r ml o a df o r e c a s t ；h o u r l yw e a t h e rf a c t o r s ；a c c u m u l a t i o n e f f e c t ；w e a t h e rs e n s i t i v el o a d ；a n n 一1 l 一 浙江大学研究生学位论文独创性声明 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。 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，也不包含为获得逝姿基堂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i 舅 意。 学位论文作者签名：纠长蹉 签字同期： 2 口年多月彦同 学位论文版权使用授权书 本学位沦文作者完全了解逝鋈盘堂有权保留- i t - r 甸国家有关部门或机构送交本 论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝姿盘堂可以将学位论文的 全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段 保存、汇编学位沦文。 学位论爻作者签名：纠长珐 签字f | 期：，2 0 勿年多月多同 导师签名：历石乌竹 签字同期： 夕，一年乡月9 同 浙江人学硕一f j 学位论文 第1 章绪论 电力系统负荷预测，是指在充分考虑一些重要的系统运行特性、增容决策、 自然条件与社会影响的情况下，研究或利用一套能够系统地处理过去与未来负荷 的数学方法，在满足一定的精度要求下，确定未来某特定时刻的负荷【l 】。电力系 统负荷预测水平是衡量电力系统运行管理现代化的显著标志之一。准确的负荷预 测对于保持电力系统的安全稳定运行、保障人们生产活动和生活的有序进行具有 重要的意义。 1 1 课题的来源和意义 负荷预测的研究已有很长的历史，国内外许多专家学者对这一课题进行了深 入的研究，提出了诸多预测方法，但由于各个地区的负荷结构和影响因素不同， 需要根据具体情况开发合适的预测模型。 短期负荷预测是针对未来一天到数天各时段的负荷预测的研究，是电力系统 负荷预测工作的一项重要内容。短期负荷预测精度的高低直接关系剑各项生产的 丌展，其精度越高，越有利于提高发电设备的利用率和经济调度的有效性。影响 短期电力负荷的因素较多，例如：负荷水平、气候条件、生活习惯及社会经济发 展水平等。大量研究表明，气象因素对负荷有着至关重要的影响，其中温度对负 荷的影响最大，其次是湿度、风力、降水等。随着人民生活水平的提高，制冷、 取暖设备的使用越来越多，导致调温负荷在总负荷中所占的比例不断提高，特别 是夏季降温负荷对电力系统的影响十分显著，而这部分负荷又直接受到气象因素 的影响，因此研究气象因素对电力负荷的影响，成为精确预测的关键。 近年来，杭州地区的夏季电网最高负荷逐年上升，电网负荷受气象因素的影 响显著，表现出极强的非线性与不可预测性，这给负荷预测工作带来较大困难， 预测精度难以达到较高水平，预测可靠性不足。因而需要建立一套科学的评判标 准，分析各气象因素与负荷的内在联系，充分考虑各气象因素对负荷的影响，从 而科学地建立综合预测模型，提高预测精度。 浙江人学硕f ：学位论文 1 2 电力系统负荷预测概述 1 2 1 负荷预测的基本原理 预测，是值对尚未发生或目前还不明确的事情进行预先的估计和推测。电力 系统负荷预测与其他预测问题类似，基于如下原型2 】： ( 1 ) 可知性原理：人们可以认识过去、现在，并据此对未来进行预测。预测 的可靠性取决于对事物发展变化规律的掌握程度； ( 2 ) 可能性原理：未来事物的发展不是单一的可能性，而是存在各种可能性， 因此，只能对其可能性进行预测： ( 3 ) 可控性原理：未来事物的发展是可以控制和干预的。预测的动机在于将 所预测的未来信息反馈至现在，从而做出决策，以调整和控制未来的行动； ( 4 ) 系统性原理：控制对象在时问上是连续的，预测将来必须知道过去和现 在。 1 2 2 负荷预测的特点 由上述原理分析可知，负荷预测工作研究的对象是不肯定事件，因此负荷预 测具有以下特点【3 】： ( 1 ) 条件性：负荷预测都是在一定条件下进行的。这些条件分为必然条件和 假设条件，当预测工作中完全掌握了电力负荷的本质规律时，那么预测条件是必 然条件，此时的预测结果是比较可靠的。一般情况下，负荷未来发展是不肯定的， 因此需要赋予一些假设条件； ( 2 ) 不准确性：电力负荷的未来发展要受到多种复杂因素的影响，而且这些 影响因素本身也是发展变化的。这些发展变化很难完全事先预见到，加之一些突 发情况所产生的影响，决定了预测结果的不准确性或不完全准确性； ( 3 ) 多方案性：由于预测的条件性和不准确性，因此需要对各种不同情况下 的负荷的进行预测，得到多种不同条件下的负荷预测模型； ( 4 ) 区域性：不同的预测地区，电网状况、负荷构成、负荷特性都有所不同， 需要根据当地实际情况来考虑各种影响因素。 1 2 3 负荷预测的分类 电力系统负荷预测的内容可分为电量预测( 网供电量、全社会电量、各行业 一2 一 浙江人学硕： ：学位论文 电量等) 和电力预测( 最大负荷、最小负荷、峰谷差、负荷曲线等) 两大类。传统地 从预测时间上可以分为以下四类1 4 j ： ( 1 ) 长期预测，指对未来一年或者几年的负荷预测。其数据基本上是单调变 化( 一般是递增性) ，主要受国民经济发展情况、人口、产业结构调整和电价政策 等因素的影响。其作用是为电网规划提供基础数据，确定年度检修计划、运行方 式等； ( 2 ) 中期预测，指对未来几周或者几个月的负荷预测。其数据一般成周期性 增长，各年度的1 2 个月具有相似的规律，主要受到大用户生产计划、气象条件、 电价政策等因素的影响。其作用是安排月度检修计划、水库调度计划等； ( 3 ) 短期预测，指对未来几个小时或者一周的负荷预测。其在年、月、周、 日不同期限上均有明显的周期性，主要受星期类型、气象因素、电价等因素的影 响。其作用为安排日停机计划和发电计划； ( 4 ) 超短期预测，指对未来一个小时、半个小时甚至几分钟的负荷预测。预 测时段的负荷变化与前几日同时段的瞬时变化规律比较类似，主要应用于实时安 全分析、实时经济调度和自发电控制。 随着电力系统地不断发展，一些新的负荷预测内容逐渐地被引入，如连续多 日负荷曲线预测、扩展短期负荷预测等。这些新的预测问题的引入，弥补了传统 负荷预测分类之间的空隙，使得负荷预测问题在时问广4 度上更为宽泛。 1 3 短期负荷预测的理论发展和方法研究 短期负荷预测的研究已经有很长的历史，国内外专家、学者在预测理论和方 法方面做了较多的研究工作，取得了大量成果。 1 3 1 短期负荷预测的理论发展 在预测技术发展的初期，限于当时的研究水平，学者在进行预测时并不考虑 气象因素的影响，只是根据负荷的历史规律，使用各种传统预测方法进行预测， 如基于同类型日的预测方法【5 罐1 与时间序列分析法1 1 等。隧研究的深入和技术 的发展，气象因素开始被引入到负荷预测中，并扮演着越来越重要的角色，期间 大致可以分为以下几个阶段【1 2 】： ( 1 ) 第一阶段，气象因素校正。根据人的经验，估计气象因素影响电力负荷 的灵敏度，采用一些敏感分析的数学方法对气象因素的影响进行适当的修正： 一气一 浙江大学坝 - 学t 位论义 ( 2 ) 第二阶段，在预测模型中考虑f i 特征气象因素的影响【1 3 - 1 9 。即在预测模 型中引入日特征气象因素，例如天气类型、同平均温度、同最高温度和日最低温 度等，采用人工神经网络、支持向量机等方法进行处理，一般只能对全天负荷作 整体修正； ( 3 ) 第三阶段，在预测模型中直接考虑实时气象因素的影响2 0 1 。考虑实时气 象因素时，可以根据不同时段的气象条件分别对各个时段进行修正，具有更好的 效果。 1 3 2 短期负荷预测的方法研究 在短期负荷预测研究中，产生了许多经典预测方法，这些方法的原理简单， 理论成熟，至今仍有应用，包括趋势外推法、时间序列法、回归分析法及灰色模 型法等。 ( 1 ) 趋势外推法 外推法就是根据已知的历史数据来拟合一条曲线，使这条曲线能反映负荷的 增长趋势。以时间t 为自变量，时序数值y 为因变量，建立趋势模型y = f ( t ) 。当 认为这种趋势能够延伸到未来时，赋予变量t 所需的值，利用动平均法、指数平 滑等方法就可以得到相应时刻的未来值。 ( 2 ) 球4 f a l 序列法【2 l 】 电力负荷的历史数据是一个有序时间序列。时间序列预测技术就是根据负荷 的历史数据建立一个时间序列的数学模型，该模型描述了电力负荷变化的规律， 在此模型的基础上建立负荷预测的数学表达式，进行负荷预测。时间序列法主要 有自回归模型a r ( p ) 、移动平均模型m a ( q ) 署f i 自回归一滑动平均模型a r m a ( p , q ) 等。 a r m a ( p ，q ) 模型认为，现在的负荷值y ，可以由过去负荷值的某些项加权和 过去、现在的干扰量的某些项加权和的叠加来表示，数学表达式如下： y f = 妒l y ，_ 1 + + 妒，j ，卜j 口+ 口f 一吼口，一l 一o q a f g ( 1 _ 1 ) 时间序列法计算速度较快，能反映负荷近期的连续变化，但其主要是基于对 平稳时间序列的分析来建立模型，对气象因素的影响考虑不足，而且当原始时间 序列平稳度不足时，其建模、辨识比较繁琐。 ( 3 ) 回归分析法【2 2 】 4 浙江人学硕- 1 学位论文 回归分析法是研究变量与变量之问关系的一种数学方法。回归分析的任务是 寻找因变量y 与自变量x 之间存在着的相关关系及其回归方程y = f ( s ，x ) ，并 求解回归模型的参数向量s 。其中自变量是随机变量，因变量是非随机变量。按 照自变量与因变量之间的回归方程的类型可以分为一元线性回归、多元线性回 归、一元非线性回归和多元非线性回归。回归分析法简单易用，可以方便的考虑 影响负荷的各种因素，但对数据要求较高，特别是当历史数据有残缺或存在较大 误差时，预测精度下降较大。 ( 4 ) 卡尔曼滤波法 卡尔曼滤波法是把负荷分解为确定分量和随机分量，确定分量用一阶线性模 型进行预测，随机分量则用状态变量表示，通过状态空间模型进行预测。卡尔曼 滤波算法是递推进行的，适用于在线预测2 3 1 ，尤其是超短期负荷预测。卡尔曼滤 波应用中最大的困难在于估计噪声的统计特征，目前多采用极大似然估计来决定 量测噪声和系统噪音方差。 ( 5 ) 灰色模型法 灰色预测以灰色系统理论为基础，对含有不确定因素的系统进行预测的方 法。该方法能在数据4 、= 多的情况下找出某个时间内其作用的规律，从而建立负荷 预测的模型，分为普通灰色系统模型f 2 4 1 和最优化灰色模型f 2 5 1 两种。其优点是要 求的数据少、不考虑变化趋势，用于短期预测时精度较高。缺点是当数据离散程 度太大时，预测精度较差。 以上传统预测方法对于有明确变化规律的负荷序列有较好的预测结果。但是 这些方法采用的数学模型较为简单，其参数难以及时、准确地进行调整，且不能 体现负荷的突然变化。随着科学技术的迅速发展，人工智能方法的研究和应用成 为热点，这些智能方法的出现突破了传统方法的局限性，表现出很强的应用能力， 主要有模糊预测法、专家系统预测法、人工神经网络预测法、小波分析预测法、 支持向量机等。 ( 1 ) 模糊预测方法 模糊预测法建立在模糊数学理论的基础上，引入模糊数学的概念用来描述电 力系统中的一些模糊现裂2 6 】【2 7 1 ，例如，负荷预测中气象状况的评判、负荷日期 类型划分等。模糊预测法将模糊信息和经验以规则的形式表示出来，并转换为可 以在计算机上运行的算法。将模糊方法应用于负荷预测可以较好的处理负荷变化 一5 一 浙江大学硕：l ：学位论文 的不确定性。 ( 2 ) 专家系统法 专家系统是一个基于知识的程序设计方法所建立的计算机系统，它拥有有经 验的负荷预测人员的知识，并能像专家那样运用这些知识，通过一定的推理规则 进行负荷预测【2 8 1 。 专家系统预测较好地解决了气象等因素对负荷的影响，克服了时间序列法不 能处理数据序列中出现大扰动的情况。但是这种方法太过依赖于规则，需要一套 完整成熟的规则体系，否则无法进行运行，且系统适应性很差。 ( 3 ) 人工神经网络技术 人工神经网络是由大量神经元组成的仿效生物处理模式以获得智能信息处 理功能的非线性系统2 9 1 。人工神经网络可以模仿人脑的智能化处理，对大量非结 构性、非精确性规律具有白适应能力，同时具有自主学习、信息记忆、优化计算 和知识推理等特点，其自学习和自适应功能是常规算法所不具备的。人工神经网 络技术通过学习过程来确立模型，能够逼近任意非线性函数，因此在负荷预测领 域具有很大的应用价值。同时也存在学习速度慢、记忆不稳定等缺陷。 ( 4 ) 小波分析法 小波分析技术1 3 1 1 吸取了现代数学中诸如数值分析、泛函分析、f o u r i e r 分 析、样条分析等众多分支的精华，是一种时域一频域分析方法，它在时域、频域 都具有良好的局部化性质。小波变换能将各种不同频率的混合信号分解成不同频 带上的块信号。通过对负荷序列进行小波变换，将各子序列投影到不同尺度上， 使各子序列的周期性更加明显，从而可对不同的子序列分别进行预测，最后通过 序列重构得到完整的负荷预测结果。 ( 5 ) 遗传算法 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【3 2 1 ，它从一组初始的群体出发，通过选择、杂交、变异、评价等操作， 使得群体进化到搜索空问中的最佳区域。遗传算法具有全局优化能力，一般将遗 传算法应用于a n n 权值的优化，以克服b p 算法容易陷入局部最小的不足，提 高了预测精度。 一6 一 浙江大学顾。 j 学位论文 1 4 气象因素对短期负荷预测的影响 气象是指大气中发生的物理现象和物理过程，主要研究空气压力的水平变化 和垂直变化、空气的水平运动和垂直运动、空气温度的变化、辐射能和热能在大 气中的传递和吸收过程以及大气中水的相变过程3 3 】【3 4 1 。一个地区在某一段时间 内的气象要素的综合就是该地区的天气。 在考虑气象因素对短期负荷预测的影响时，目前的大多数预测方法都还停留 在处理每r 的特征气象因素对负荷的影响。但是仅仅考虑r 特征气象因素，无法 得到精确的结果。随着气象部门预测手段的完善和技术的发展，已经可以为电力 部门提供实时气象因素的历史信息和预测结果，这为负荷预测工作开创了新的条 件。文献 2 0 】分析了实时气象因素对短期负荷的影响，并将实时气象数据引入到 人工神经网络中建立预测模型。但是仅仅通过神经网络建模，无法明确给出负荷 与气象因素的具体的数学方程，无法得见实时气象因素对负荷的影响机理。因此 研究实时气象信息与电力负荷的内在关系，并合理有效地利用实时气象信息进行 负荷预测成为重要的研究课题。 近年来，气象敏感负荷在夏、冬季节所占的比例越米越高，准确地预测这部 分负荷成为电力负荷预测的关键所在，这其中很重要的一个困难之处在于，当出 现持续高温天气时，温度会出现累积效应，致使电力负荷出现一定幅度的反常增 长。目自订对这方面的研究还较少。文献 3 5 】分析了多种气象因素与电网负荷的相 关性，并为温度、湿度、降雨、气压等因素分别建立了负荷修正模型，根据各个 气象因素的变化直接对负荷进行修正，但这样建立的模型需要大量的人为干涉， 适应性较差，且预测精度不足。文献【3 6 通过考虑预测日温度、高温持续天数等 因素对积温效应强度的影响，提出用离散的累积系数和温度修正公式来反映累积 效应强度的不同。但文中仅仅考虑了根据预测同前几日的日特征气象因素对温度 的修正。文献 3 7 】分析了对短期负荷有较大影响的日类型、降水、温度等相关因 素，并且考虑了在连续高温同情况下，预测同前几日的特征温度对预测r 负荷的 影响。同样这项研究也没有注意到实时气象因素对负荷的影响。 现阶段短期负荷预测的研究重点是如何合理、有效地利用实时气象因素处理 温度累积效应对电力系统负荷预测的影响，这也是本文的主要研究内容。 一7 一 浙江人学顾i j 学位论文 1 5 本文的主要研究内容和章节安排 针对当前短期负荷预测研究中存在的问题，本文通过对杭州地区的负荷特性 分析，引入实时气象因素，建立了人工神经网络预测模型，取得了较好的预测精 度。在此基础上分析了温度累积效应对负荷的影响，并提出了温度累积效应的修 正方法，最后建立了基于负荷分解和温湿度修正的多元非线性回归模型，并通过 预测实例证明了该方法的有效性。 本文的主要内容包括以下六个部分： 第一章：介绍电力系统负荷预测研究的背景、意义，概述了负荷预测研究的 原理和特点，讨论了短期负荷预测技术的发展以及气象因素对负荷的影响，并简 要介绍了本文研究的主要内容； 第二章：介绍了用电负荷的分类，对杭州电网进行了负荷特性分析，同时初 步研究了实时气象因素对电网负荷的影响，并简要介绍了电网负荷数据的预处理 工作； 第三章：介绍了人工神经网络的基本知识，分析了标准b p 算法的原理和缺 陷，并介绍了b p 神经网络的优化改进算法； 第四章：分别以各气象因素、人体舒适度值和温湿指数为输入建立了三个 b p 神经网络模型，并且采用三种优化改进算法进行负荷预测。通过比较，最终 选择了以温湿指数作为输入，采用有动量和自适应学习速率的梯度下降法建立预 测模型。通过预测实例，证明了该方法的高精度性和快速性； 第五章：通过对夏季高温期气象敏感负荷与实时温度、湿度的相关性分析， 提出将温度累积效应对负荷的影响分为日内温度累积效应和多同温度累积效应 两部分进行处理的新思路。并结合对神经网络拟合的敏感负荷与温度、湿度的关 系曲线的研究分析，建立了基于负荷分解和温湿度修正的多元非线性回归模型， 最后通过对杭州地区2 0 0 7 年8 月份电力负荷的仿真预测，证明了该方法能够有效 提高预测精度； 第六章：总结本文的主要工作，展望负荷预测研究的未来发展。 一8 一 浙江大学硕j 二学位论文 第2 章电力系统负荷特性分析 电力负荷与社会经济、政治、气象等众多因素有着非常复杂的关系，具有极 强的周期性和随机性。在实际应用中，电力系统负荷的各组成部分对负荷预测精 度的影响有所不同，因此研究负荷特性和负荷变化的内在规律具有重要的意义。 本章对杭州地区的电力负荷特性进行了详细的分析，得出了该地区的用电模式和 气象因素的影响特点，为提高该地区的负荷预测精度奠定基础。 2 1 用电负荷的分类和特点 2 1 1 用电负荷的分类 电力负荷按不同的标准，可以分成不同的类型。按影响负荷的因素来分，可 将负荷分为基础负荷、天气敏感负荷、突发事件负荷和随机负荷等；按重要性来 分，可以分为一类用电负荷、二类用电负荷、三类用电负荷等。按国家经济行业 进行分类，即行业用电负荷与城乡居民用电负荷两大类【3 8 1 。行业用电负荷包括第 一产业、第二产业和第三产业所有用电负荷的总和，城乡居民用电负荷包括居民 家用电器、家庭照明等生活用电负荷。 第一产业用电负荷主要包括各种农、林、牧、渔业所消耗的负荷3 引。这部分 负荷受季节、气温等自然条件的影响较大，有时变化较为剧烈。第二产业用电负 荷主要是工业用电负荷。工业用电负荷比较稳定，受光照、阴雨等自然条件和季 节变化的影响较小。根据浙江省的用电结构分析，这部分消耗的电能比重非常大 且增长平稳。第三产业包括商业用电与其他一些用电负荷。这部分负荷增长平稳， 随着季节的变化波动较大。居民用电负荷具有明显的年增长和季节波动特点，其 季节性变化在很多情况下直接影响系统峰荷的变化。随着经济的不断发展，尤其 是空调等家用电器的广泛使用，居民负荷变化对系统峰荷的影响越来越大。 综上分析可知，由于各地区电网用电负荷结构和用电特征的显著差异，导致 电力负荷具有很强的地域性，这就决定了负荷预测工作必须根据各地的实际负荷 特性因地制宜。 2 1 2 用电负荷的特点 由上节描述可知，电力系统中不同类型的负荷受不同因素的影响，具有不同 一9 一 浙江人学硕。i ：学位论文 的变化规律，但由于电能的生产、输送和消费是同时进行的，用电负荷表现出一 些共同的特点例： ( 1 ) 电力系统的用电负荷是一直变化的，每年、每天、每小时都在不断地变 化中。从负荷曲线来看，负荷的变化表现出明显的周期性特征； ( 2 ) 用电负荷是连续的，即负荷曲线上任意相邻两点之间的变化是连续的， 不存在奇点，这是电力系统稳定性要求所决定的： ( 3 ) 电力负荷的变化具有一定的随机性，这主要是由气象条件突然变化或者 其他突发事件所引起，此时的负荷变化比较突然，难以完全掌握其变化规律。 2 2 杭州电网负荷特性分析 由上文分析可知，用电负荷具有很强的地域性，各地的电网结构和用电模式 差异显著，因此对预测地区进行负荷特性分析是预测的必要条件。通常负荷特性 包括负荷的内在规律和外在特征。其中内在规律主要是指负荷以月、周、日为周 期的变化规律，外在规律主要是温度、湿度、气压、风速、降水量等外在因素对 同负荷曲线的影响。 2 2 1 月负荷特性分析 图2 1 为杭州市2 0 0 6 年1 月至2 0 0 7 年9 月的 二1 平均负荷曲线，由图可知， 杭州电网每年的r = l 平均负荷曲线具有明显的季节性特征。l 、2 、1 2 月份是冬季 月，受气象因素的影u 向，有部分取暖负荷；3 、4 、5 、l o 、1 1 月份是受气象因素 影响较小的春秋月份，此时系统的调温负荷所占比很小，适合用于求取基础负荷； 6 - 9 月是夏季月，受炎热天气的影响，系统中的调温负荷所占比重较大，负荷水 平也是一年中最高的。通过比较2 0 0 6 与2 0 0 7 年负荷曲线可以得出，随着经济的 增长和人民生活水平的改善，全社会用电负荷不断增加，电力负荷呈逐年增加的 趋势。 一1o 一 浙江火学硕+ f j 学位论文 至 律 斌 霸 融 t r r 图2 12 0 0 6 2 0 0 7 年杭州电网日平均负荷曲线 2 2 2 周负荷特性分析 周负荷曲线能够反映一周内r 负荷的变化规律。图2 2 、2 3 为杭州市2 0 0 7 年4 月和7 月的f i 平均负荷曲线。由图2 2 可知负荷变化存在明显的以周为周 期的变化规律，乖常工作h 的用电负荷与周末差别较大，这是由于双休同工业用 电负荷减少所造成的。通过对比两图可知，7 月份的负荷蓝线的周期性规律较4 月份弱，这是由于7 月份的温度很高，酷热少雨，夏季调温负荷对总负荷情况影 响很大，此时电网总负荷除了受同类型影响外，很大程度上还受到气象因素的影 响，这种影响与r 类型的关系很小，因此打乱了休息日与工作同用电负荷的差别， 使夏季电网的周负荷波动规律被弱化了。 根据上述分析可知在进行负荷预测时需要将正常工作同与休息日分开处理， 即使夏季也是如此。 浙江人学硕二j ：学位论文 图2 2 杭州市2 0 0 7 年4 月份日平均负荷曲线 图2 - 3 杭州市2 0 0 7 年7 月份日平均负荷曲线 2 2 3 日负荷特性分析 作杭州电网2 0 0 6 年夏季、冬季典型日负荷曲线如图2 4 所示，由图可知， 杭州电网夏季典型日负荷曲线呈现较为明显的三峰三谷的形式，分别为早高峰、 午高峰、晚高峰、夜问低谷、午间低谷、傍晚下班低谷。一天中负荷最高峰一般 出现在下午1 4 时左右的午高峰，这个时段的温度达到一天中的最高值，调温负 荷也随之达到高点。进入傍晚下班时段，工业用电负荷下降，电网负荷值随之降 一12 浙江人学硕：l j 学位论文 入低谷，到了夜间由于居民用电负荷的提高，电网负荷再次达到一个较高的值。 杭州电网冬季典型同负荷曲线与夏季差异较大，冬季典型日的昼问负荷变化较为 平稳，这是由于杭州冬季的调温负荷对总负荷影响较小。 时f 可，j 、时 图2 4 杭州市2 0 0 6 年夏季、冬季典型日负荷曲线 2 3 实时气象因素的影响分析 气象因素中对负荷影响最大的是温度，其次是湿度、风速、r 辐射量、降雨 等因素。但由于风速是变化较快，难以实时定量地用于分析。同照量对负荷的影 响实际上已经体现在温度中。降雨量对负荷影响较为明显，电力负荷通常随着降 雨迅速下降，但由于降雨量是集中于某个时段，因此研究降雨量的影响时应针对 降雨发生的时段进行考虑，而不是对全天每个点。实时温度和湿度因素与负荷一 样是连续变化的，因此，有必要研究负荷随实时温度、湿度的变化趋势。 收集杭州市2 0 0 7 年夏季某日的实时温度、湿度及负荷数据，作曲线对比如 图2 5 、2 - 6 所示。其中，负荷数据按下式进行比例变换： ， 厶手l c ，h = 1 ，2 ，9 6 ( 2 1 ) l m “ 式中，h 为时段下标；厶为各小时的实际负荷；厶为比例变换后的负荷数 据。当与温度对比时c 取4 0 ，与湿度对比时c 取1 0 0 ，该变换可使负荷数据便于 与对应时段的实时温度、湿度进行对比。 一1 3 浙江大学硕一i ：学位论文 习 辎 制 图2 5 实时温度信息与负荷曲线对比 图2 - 6 实时湿度信息与负荷曲线对比 由图可知：夏季实时温度对负荷影响非常明显，昼间负荷随着温度的升高而 升高，呈现较强的正相关性，夜晚则由于使用电量空调负荷降温，虽然温度有所 下降，但负荷依然较大。湿度则相反，随着负荷的升高而降低，成负相关性。温 度和湿度因素共同影响着负荷的变化。 一1 4 浙江大学硕一l j 学位论文 2 4 电网负荷数据的预处理 目前，我国各级电力调度中心大多采用s c d a 历史负荷数据采集系统，系 统在测量、记录、转换、传输过程中都可能出现故障，以至出现与其它观测值不 符的异常数据；另一方面，当出现突发事件引起负荷异常变化时，也会导致观测 数据违背常规，如切负荷停电、线路检修等。如果不能有效识别这些数据，并加 以校正，它们会将错误的变化规律带入预测模型中，影响预测结果的精确度。 2 4 1 数据来源 本文所采用的数据包括杭州市2 0 0 6 年1 月1 日至2 0 0 7 年9 月9i q 间每同 9 6 点负荷数据，以及在这期间的每天每个整点的温度、相对湿度、气压、辐射 和风速等气象数据。将每日2 4 个整点的气象数据作插值处理使之与每日9 6 个点 的负荷数据对应。通过对负荷数据的对比分析，发现初始数据中存在较多的异常 数据，因此在以这些数据进行负荷预测前必须先找出所有异常数据并作修f 处 理。 2 4 2 异常数据的分类 通过对电网负荷数据的分析研究，发现电网的异常数据主要有以下几种表现 形式【4 】： ( 1 ) 需要替换的数据：这类数据主要表现为大段负荷数据变化异常，完全背 离了负荷的正常变化趋势，这部分数据可用相似同负荷作代替处理； ( 2 ) 需要修补的数据：这类数据主要表现为一段时间内负荷数据出现突然变 大或变小的情况； ( 3 ) 需要平滑的数据：这类数据主要表现为锯齿状波动。 2 4 3 错误数据的检测和修正 在众多数据中通过人工搜索错误数据是很困难的，通常可以采用数据的纵向 对比处理和横向对比处理来识别异常数据。 ( 1 ) 纵向对比处理【4 0 l 负荷的纵向对比是指通过对比连续几同同时刻的负荷数据来识别异常数据。 这是由于电力负荷呈周期性变化，连续几日同一时刻的负荷具有相似性，其变化 范围维持在一定的限度内。如果超出这个范围，则可以认为该数据存在异常。公 一15 浙江大学硕。f ：学位论文 式如下： 如果 则 y ( i ，) - y ( t ) | 9 ( t ) y ( f ，f ) ：f 芝( f ) + f o ) 【) ，( f ) 一f ( f ) y ( i ，f ) y p ) y ( i ，f ) 口( ，) y ( i ，) - y ( i ，+ 1 ) i p ( t ) 则 j ，( f ，f ) = 2 墨蔓生三掣+ y ( f 一1 ，) 一2 堑生二生三! ! 趔( 2 - 3 ) 式中：a ( t ) ，f l ( t ) 为阈值。 2 4 4 缺失数据的修补 对于连续缺失的数据段仅用上面的方法是无法补齐的，可以利用几个相邻同 类型r 的正常数据进行曲线拟合1 4 0 1 ，根据拟合曲线估计缺失值，假定拟合曲线为： f = g ( y ，a l ，a 2 ，) = a l g l ( y ) + a 2 9 2 ( y ) + 岛( j ，) ( 2 - 4 ) 令蜀( j ，) = 19 2 ( y ) = y ，依次类推。 将前几个相同日类型的正常数据y k 代入公式( 2 4 ) ，则： 一1 6 浙江人学硕：f ：学位论文 值。 q 吕( m ) ，= l a , g j ( 咒) i = l q 蜀( 乃) f = l 咒 儿 ： 乃 ( 2 - 5 ) 应用最小二乘原理： 群= a 8 ( 2 6 ) 以及极值概念： 争尻堕0 a j = 。( 待1 ，2 ，力) ( 2 - 7 ) 求解出a i ，a 2 , - - - ，从而得到拟合曲线，通过该拟合曲线求出缺失数据的修正 2 5 本章小结 本章首先介绍了用电负荷的分类，然后对杭州电网进行了负荷特性研究，分 析了杭州电网负荷曲线的月变化规律、周变化规律和h 变化规律。在此基础上， 讨论了温度、湿度、风速、辐射量、降水等气象因素对负荷的影响方式，并初步 研究了实时温度、湿度因素对负荷的影响。最后简要介绍了电网负荷数据的预处 理工作。 一1 7 一 浙江人学硕： ：学位论文 第3 章人工神经网络的基本理论 人工神经网络理论( a n n ) 是8 0 年代中后期世界范围内迅速发展的一个前沿 研究领域。它的研究和发展涉及神经生理学、数理科学、信息科学和计算机科学 等众多领域，是- - l - j 高度综合的交叉学科【2 9 1 。a n n 是模仿大脑神经网络的结构 和功能而建立的信息系统，由大量简单元件互相连接而成，具有高度的非线性， 能够解决复杂的非线性、不确定性、不确知性问题，在电力系统研究中应用广泛， 在短期负荷预测方面也取得了大量的研究成果。 3 1b p 神经网络基础 反向传播网络( b a c kp r o p a g a t i o nn e t w o r k ，简称b p 网络) 是目前应用最为广 泛和成功的神经网络之一。b p 网络是基于误差反向传播训练算法的多层前向网 络，系统地解决了多层网络中隐含单元连接权的学习问题。在人工神经网络的实 际应用中，大部分的模型都采用b p 网络或它的变化形式。 b p 网络是从输入到输出的一种高度非线性映射，具有良好的自适应性、自 组织性、和容错性以及较强的学习、记忆、联想、识别等能力。b p 神经网络具 有强大的非线性拟合能力，而且学习规则简单。 3 1 1b p 神经元模型 b p 神经元模型有三个基本要素：连接权，求和单元，激活函数，如图3 1 所示： 卫l z 2 图3 1b p 神经元模型 薯：输入信号；w ：对应突触的连接权系数，是模拟突触传递强度的一个 比例系数；：信号的空间累加；臼：表示神经元的阈值；仃：表示神经元的传 递函数，起非线性映射作用，并限制输出幅值。 一18 浙江大学硕i j 学位论文 该模型的数学表达式为： 3 1 2b p 神经网络的结构 s = w ，- 0 ，= l y = 仃( s ) ( 3 - 1 ) b p 网络是一种单向传播的多层前向网络，一般具有三层或三层以上，上下 层之间全连接，而每层神经元之间无连接。当学习样本提供给神经网络后，神经 元的激活值从输入层经各中间层向输出层传播，输出层的神经元得到输入响应。 然后，按照减小目标输出与实际误差的方向，从输出层经各中间层逐次修正各连 接权值，最后返回输入层。随着误差逆的传播修正，网络的正确率不断上升。 b p 网络的传递函数要求是可微的，常用的如s i g m o i d 型的对数、线性和正 切函数等。因此对b p 网络来说，传递函数所划分的区域不再是线性划分，而是 由一个非线性的超平面组成的区域。这是一种比较柔和、平滑的曲面，它的分类 比线性划分更合理、精确，网络的容错性更好。 b p 网络最后一层神经元的特性决定了整个神经网络的输出特性。如果最后 一层是s i g m o i d 型神经元，那么整个例络的输出就被限制在一个较小的范围内； 如果b p 网络最后一层是p u r e l i n 型神经元，那么整个网络的输出可取任意值。理 论证明，当隐含层神经元数目足够多时，具有偏差和至少一个s 型隐含层加上一 个线性输出层的b p 网络，可以以任意精度逼近任何一个具有有限间断点的非线 性函数。这种结构的实现比通过增加更多的隐含层来提高网络训练精度要简单得 多，因此在电力负荷预测领域中应用的b p 网络大多只取一个隐含层【4 2 】。 3 1 3b p 神经网络的设计 在进行b p 网络的设计时，一般从网络层数、每层中的神经元个数和激活函 数、初始值及学习速率等几个方面来进行考虑。下面讨论一下各自选取的规则【4 3 】。 ( 1 ) 网络层数的选取 如上所述，对于任何在闭区间内的连续函数都可以用单隐层的b p 网络逼近， 因此，b p 神经网络一般由一个输入层、一个隐含层和一个输出层组成。 ( 2 ) 隐含层的神经元数选取 隐层神经元数目选择较为复杂，隐单元数目与问题的要求、输入输出单元的 一19 浙江大学硕f ：学位论文 数目有着直接的关系，往往需要根据设计者的经验和多次实验来完成，太多或太 少都无法得到理想的结果。可以先由下面的经验公式确定： m = 门+ ，+ 口( 3 - 2 ) 其中m 是隐含层神经元数，n 是输入节点，是输出节点，a 是调节常数， 在l 一1 0 之间。在具体设计时，可以先放入较少数量，根据训练结果适当增加， 直到达到满意的结果为止。 ( 3 ) 初始值的选择 初始值对于学习能否达到局部最小、能否收敛以及训练时间长短都有着很大 的关系。一个重要的要求是：初始权值在输入累加时使每个神经元的状态值接近 于零，如初始值选得太大，将使整个调整过程几乎停顿，因此，初始值一般取为 ( 1 ，1 ) 之间的随机数。输入样本也要进行归一化处理，使那些比较大的输入仍落 在传递梯度较大