（电力系统及其自动化专业论文）配电网中长期负荷预测方法的研究及实现.pdf

郑州大学工学硕士论文 训练时间长等缺点，利用m a t l a b 神经网络工具箱建立组合预测模型，该模型不 仅编程简单、而且收敛速度快。实际算例表明，该方法可以大大提高负荷预测的 精度，在电力系统规划中具有广泛的应用前景。 空间负荷预测是对规划区域内负荷的地理位置和数值大小进行的预测，它提 供未来负荷的空间分布信息。只有确定了配电网供电区域内未来负荷的空间分布， 才能对变电站的位置和容量，主干线的型号和路径，开关设备的装设以及它们的 投入时间等决策变量进行规划。 由于空间负荷预测涉及大量的空间信息，地理信息系统( g e o g r a p h i c i n f o r m a t i o ns y s t e m ，g i s ) 可以为空间负荷预测的数据收集、处理和预测结果的表 示提供一个良好的平台。将g i s 引入空间负荷预测，可以极大地减少数据收集量， 是空间负荷预测方法实用化的必要步骤。 针对国内土地使用的实际情况，在空间负荷预测中采用了分类分区法，该方 法是在分类负荷总量预测的基础上，根据城市规划用地图，计算分类负荷平均密 度；再由小区面积构成、小区负荷同时率及修正系数求得小区最终负荷。该方法 具有基础数据易于获得、能适应城市规划方案的变化、灵活性强等优点。同时， 就分类分区法在预测过程中存在的一些问题进行了恰当的处理和改进。 针对已有负荷预测软件在数据收集、统计，模型、方法选用，结果处理等方 面存在的问题，在将传统、实用的常规预测方法用计算机加以实现的同时，结合 目前负荷预测领域的一些新发展、新成果，在地理信息系统平台的基础上开发了 一套实用的配电网负荷预测软件。本软件采用o l e 自动化技术用v c 对m a p l n f o 进行集成二次开发。整个软件主要由地理信息系统、数据库系统、计算程序和系 统界面四部分组成。本软件可为城网规划提供分类负荷、分类电量、总负荷、总 电量和负荷分布预测。对电量和负荷的预测都提供了回归模型、趋势外推模型、 灰色模型和组合模型等。使用者可以依据预测模型提供的图形分析和误差分析从 多个预测模型中选择预测精度高的模型预测结果作为最后的预测结果。负荷分布 预测采用了分类分区法，具有基础数据易于获得、能适应城市规划方案的变化、 灵活性强等优点。负荷分布预测在地理信息系统的基础上完成了计算和预测结果 的显示。 关键词灰色预测，组合模型，地理信息系统，空间负荷预测，软件开发 配电网中长期负荷预测方法的研究及实现 a b s t r a c t l o a df o r e c a s t i n gi sa l li m p o r t a n tr e s e a r c hc o n t e n to f p o w e rs y s t e mp l a n n i n ga n d r u n n i n g ，a n di sap r e m i s ef o rr e l i a b l es u p p l i n ga n de c o n o m i cn m n i n g ，a n da l s oi st h e b a s i so f p o w e r s y s t e mp l a n n i n ga n d c o n s t r u c t i o n e x a c td e g r e eo fl o a df o r e c a s t i n gs h a l l d i r e c t l ya f f e c tr a t i o n a l i t yo f i n v e s t m e n t ，n e t w o r kl a y o u ta n dr u n n i n g b e c a u s et h em e d i u ma n dl o n gt e r ml o a df o r e c a s t i n gi nd i s t r i b u t i o nn e t w o r ki s a f f e c t e db ym a n yu n c e r t a i nf a c t o r s ，u pt on o w , n om e t h o d sc a no b t a i nt h es a r i s f y i n g f o r e c a s t i n gr e s u l t s a ta l li n s t a n c e s s oa tt h et i m eo f p r a c t i c a lf o r e c a s t i n g ，c h o o s i n g m a n yf o r e c a s t i n gm e t h o d sa c c o r d i n gt ot h ea c t u a li n s t a n c e ，a n dc h e c k i n gf o r e c a s t i n g r e s u l t so f d i f f e r e n tm e t h o d ，f i n a l l yf o r e c a s t i n gr e s u l t sa r ec o n f i r m e d t h i st h e s i sf i r s t l yg i v e sas u m m a r i z a t i o nf o rl o a dg r o s sa n dd i s t r i b u t i o nf o r e c a s t i n g t h e nat h o r o u 曲r e s e a r c hi n t o g r e yf o r e c a s t i n gm e t h o da n dc o m b i n e df o r e c a s t i n g m e t h o di nl o a dg r o s sf o r e c a s t i n gi sc a r r i e dt h r o u g h a n dt h ec l a s s i f e d d i v i s i o n a ll o a d d e n s i t ym e t h o di nl o a dd i s t r i b u t i o nf o r e c a s t i n gi sa p p l i e dt op r o j e c t ，a tt h es a m et i m ea d i s c u s s i o no nc o r r e l a t i v ec o n t e n to fe m u l a t i o nm e t h o di s g o n ea l o n g f i n a l l ye a c h m e t h o di sr e a l i z e dw i t hc o m p u t e rp r o g r a m , a n d p r a c t i c a ls o f t w a r ef o rl o a df o r e c a s t i n g i nd i s t r i b u t i o nn e t w o r ki sd e v e l o p e d l o a dg r o s s f o r e c a s t i n gb e l o n g st os t r a t a g e mf o r e c a s t i n g i tm a k e st h ee l e c t r i c p o w e r o rl o a do ft h ew h o l e p l a n n i n gr e g i o na sf o r e c a s t i n go b j e c t i t sr e s u l t sd e c i d et h e u r b a nd e m a n df o re l e c t r i c p o w e ra n dt h es u p p l y i n gc a p a c i t yo fu r b a nd i s t r i b u t i o n n e t w o r ki nt h ef u t u r e t h er e s u l t so fl o a dg r o s sf o r e c a s t i n gh a v ei m p o r t a n tg u i d a n c e s i g n i f i c a n c ef o ra s c e r t a i n i n gt h el o c a t i o no f p o w e rs u p p l ya n dg e n e r a t i n gp l a n n i n g i ti s t h e i m p o r t a n t b a s i so fd i s t r i b u t i o nn e t w o r k p l a n n i n g t h r o u g ht h er e s e a r c hi n t om o d e l i n gm e c h a n i s mo fg r e yf o r e c a s t i n gm e t h o d ，t h e s h o r t a g e so fg r e ym e c h a n i s m a r ef o u n da n ds o m e i m p r o v e dm e a s u r e sa r ep u tf o r w a r d t h r o u g ht h ep r e t r e a t m e n ta n do p t i m i z a t i o nt oh i s t o r i c a ll o a dd a t a , t h ea b i l i t yo f g r e y f o r e c a s t i n gd e a l i n gw i t hf l u c t u a n tl o a dd a t ai ss t r e n g t h e n e d ，a n dt h ea p p l i c a t i o nr a n g e a n d f o r e c a s t i n gp r e c i s i o n a r ea l s o e n h a n c e d b yu s i n ge q u a l l yd i m e n s i o n a l ，n e w i n f o r m a t i o n sg r e ym o d e lf o rf o r e c a s t i n g , n e wi n f o r m a t i o ni su s e di nt h ef o r e c a s t i n g ， w h i c hn o t o n l yo v e r c o m e st h es h o r t c o m i n gt h a tt h em a t hm o d e li sc h a n g e l e s si ns i m p l e g r e yf o r e c a s t i n gm e t h o d ；b u ta l s om a k e su s eo ft h ea d v a n t a g eo ft l l eh i g hp r e c i s i o ni n i i i 郑州大学工学硕士论文 s h o r tt e r mg r e yf o r e c a s t i n g s oi ts a t i s f i e st h er e q u e s tf o rt h em e d i u ma n dl o n gt e r m l o a df o r e c a s t i n g b yi m p r o v i n g ，t h ea p p l i c a b l er a n g eo ft h ec o m m o ng r e ym o d e li s e x t e n d e d ，a n dt h ep r e c i s i o no ft h ec o m m o ng r e ym o d e li s e n h a n c e d t h ei m p r o v e d m o d e li sc o m p a r e dw i t ht h ec o l n n l o ng r e ym o d e lb yc a l c u l a t i o ne x a m p l e ，w h i c hs h o w s t h a tt h ei m p r o v e dm o d e lh a st h ea d v a n t a g e so fs m a l le r r o ra n dh i 曲p r e c i s i o n t h e c a l c u l a t i o ne x a m p l e p r o v e s t h a tt h ei m p r o v e dg r e ym o d e li sag o o df o r e c a s t i n gm e t h o d a i m i n g a tt h e s h o r t a g e o fu s u a l l y a d o p t i n g l i n e a rc o m b i n a t i o nb a s e d u p o n p r o p o r t i o n f o r s i n g l ef o r e c a s t i n g m o d e li nc o m b i n e d f o r e c a s t i n gm o d e l ，n a m e l y r e q u i r i n gf o r e c a s t i n gm o d e l s e r r o r st h a tt a k ep a r ti nc o m b i n e df o r e c a s t i n gt o k e e p s t a b i l i z a t i o n ，b u tt h ef o r e c a s t i n gr e s u l t se r r o r sa r en o tu s u a l l yw e l l - p r o p o r t i o n e di n p o w e rl o a df o r e c a s t i n g t h ec o m b i n e df o r e c a s t i n gm o d e lb a s e du p o na r t i f i c i a ln e u r a l n e t w o r ki sp r e s e n t e d ，w h i c hm a k e su s eo ft h es h a p i n go fa r t i f i c i a ln e u r a ln e t w o r kf o r c o m p l i c a t e dn o n l i n e a rs y s t e m ，a u t o m a t i c a l l ya d j u s t st h ep r o p o r t i o n f o rf o r e c a s t i n g m o d e l sb yn e t w o r kt r a i n i n g a tt h es a l t l et i m e ，t oe s c a p et h ed i s a d v a n t a g e st h a tt h e c o m b i n e df o r e c a s t i n gm o d e lb a s e du p o na r t i f i c i a ln e u r a ln e t w o r ki se s t a b l i s h e du s i n g c o n v e n t i o n a ll a n g u a g e ，s u c ha sc o m p l i c a t e di ns t r u c t u r e ，l o n g e ri nt r a i n i n g e s t a b l i s h i n g c o m b i n e df o r e c a s t i n gm o d e lu s i n ga r t i f i c i a ln e u r a ln e t w o r ko nt h eb a s i so fm a t l a b t o o l b o x t h i sm o d e li sn o t o n l ys i m p l e r i n p r o g r a m m i n g ，b u t a l s o q u i c k e r i n c o n v e r g e n c e t h ec a l c u l a t i o ne x a m p l es h o w st h a t t h i sm e t h o dc a l l g r e a t l yi m p r o v e f o r e c a s t i n gp r e c i s i o n ，h a se x t e n s i v ea p p l i c a t i o np e r s p e c t i v e i np o w e r s y s t e mp l a n n i n g s p a t i a ll o a df o r e c a s t i n gi st h ef o r e c a s t i n gf o rg e o g r a p h i cl o c a t i o na n dn u m e r i c a l v a l u ef o rp l a n n i n g r e g i o n i tp r o v i d e st h ef u t u r el o a dd i s t r i b u t i o ni n f o r m a t i o n o n l yt h e s p a t i a ld i s t r i b u t i o no f t h ef u t u r el o a do ns u p p l y i n gr e g i o ni sm a d e c e r t a i n ，t h es t r a t e g i c v a r i a b l e si n c l u d i n gt h es u b s t a t i o nl o c a t i o na n dc a p a c i t y , e l e c t r i cl i n e s r o u t ea n ds t y l e ， s w i t c h e r s s e t t i n gu pa n d s e r v i c et i m ec a l lb ed e t e r m i n e d b e c a u s et h es p a t i a ll o a df o r e c a s t i n gi n v o l v e sp l e n t yo fs p a t i a l i n f o r m a t i o n ，t o i n t r o d u c eg i s ( g e o g r a p h i ci n f o r m a t i o n s y s t e m ) c a l ls u p p l y a g o o dp l a t f o r mo n w h i c h s p a t i a ll o a df o r e c a s t i n gd a t aa r ：ec o l l e c t e d ，p r o c e s s e da n dt h er e s u l t sc a nb ed i s p l a y e d a n df u r t h e rm o r e ，i tg r e a t l yd e c r e a s e st h ed i f f i c u l t i e so fd a t ac o l l e c t i n g s oi t i st h e n e c e s s a r ys t e pt om a k e t h es p a t i a ll o a df o r e c a s t i n g p r a c t i c a l a i m i n g a tt h ed o m e s t i cp r a c t i c a ls t a t u si nl a n du s e ，t h ec l a s s i f i e d d i v i s i o n a ll o a d d e n s i t ym e t h o di ns p a t i a ll o a df o r e c a s t i n gi sa p p l i e d t h i sm e t h o dc a l c u l a t ea v e r a g e d e n s i t yo f c l a s s i f i e dl o a do nt h eb a s i so f c l a s s i f i e dl o a dg r o s sf o r e c a s t i n ga c c o r d i n gt o p l a n n i n gm a p f o r g r o u n du s i n g ，t h e n c a l c u l a t es u b d i s t r i c t s l o a d a c c o r d i n g t o s u b - d i s t r i c t s a r e ac o m p o s i n g , t h e p r o b a b i l i t yt h a ta i ls u b d i s t r i c t s l o a d sr e a c hm a x i m a i 1 v 配电网中长期负荷预测方法的研究及实现 v a l u ea tt h es a l n et i m e ，c o r r e c t i n gc o e f f i c i e n to fs u b d i s 仃i c t s l o a d t h i sm e t h o dh a s a d v a n t a g e so fe a s i l yo b t a i n i n gh i s t o r i c a ld a t a ，a d a p t i n gt h ec h a n g eo f u r b a np l a n n i n g s c h e m ea n d s t r o n g l y f l e x i b l e n e s s a tt h es a m e t i m e ，a p p r o p r i a t e t r e a t m e n ta n d i m p r o v e m e n t i st a k e nt os o m e p r o b l e m s i nt h ep r o c e s so f f o r e c a s t i n g a i m i n ga tt h ep r o b l e m ss u c ha sd a t ac o l l e c t i o na n ds t a t i s t i c s ，c h o o s i n ga n du s i n g o f m o d e l sa n dm e t h o d s ，r e s u l t st r e a t m e n ti nd e v e l o p e dl o a df o r e c a s t i n gs o f t w a r e ，o nt h e o n eh a n d ，c o n v e n t i o n a la n d p r a c t i c a lm e t h o d s a r ep r a c t i s e dw i t hc o m p u t e rp r o g r a m ；o n t h eo t h e rh a n d ，c o m b i n i n gs o m en e wh e a d w a y sa n dh a r v e s t si nt h ef i e l do fl o a d f o r e c a s t i n ga tp r e s e n t ，ap r a c t i c a ls o f t w a r ef o rl o a df o r e c a s t i n gi nd i s t r i b u t i o nn e t w o r k i s d e v e l o p e d a tt h e p l a t f o r m o fg i s t t l i ss o f t w a r ec a r r i e s f l u - o u g h t h e s e c o n d a r y d e v e l o p m e n tt om a p i n f ou s i n gv cw i t ho l e ( o b j e c tl i n k i n ga n de m b e d d i n g ) a u t o m a t i z a t i o n n l ew h o l es o f t w a r ec o n s i s t so fg i s ，d a t a b a s es y s t e m ，c a l c u l a t i o n p r o g r a ma n ds y s t e mi n t e r f a c e t h i ss o f t w a r ec a ns u p p l yc l a s s i f i e dl o a d ，c l a s s i f i e d e l e c t r i cp o w e r , g r o s sl o a d ，g r o s se l e c t r i cp o w e ra n dl o a dd i s t r i b u t i o nf o r e c a s t i n gf o r d i s t r i b u t i o nn e t w o r kp l a n n i n g r e g r e s s i o nm o d e l ，e x t r a p o l a t i n gm o d e l ，g r e ym o d e la n d c o m b i n e dm o d e la r ep r o v i d e di np o w e ra n dl o a df o r e c a s t i n g u s e rm a yc h o o s et h e f o r e c a s t i n g r e s u l t so fh i g h p r e c i s i o n m o d e lf r o ms e v e r a lm o d e l sa sf i n a lr e s u l t s a c c o r d i n gt og r a p ha n a l y s i sa n de r r o ra n a l y s i sp r o v i d e dt h r o u g hf o r e c a s t i n gm o d e l s c a l c u l a t i o n sa r ec o m p l e t e da n dr e s u l t sa r ed i s p l a y e do nt h eb a s i so fg i si nl o a d d i s t r i b u t i o nf o r e c a s t i n g k e yw o r d sg r e yf o r e c a s t i n g ，c o m b i n e dm o d e l ，g e o g r a p h i ci n f o r m a t i o ns y s t e m ，s p a t i a l l o a df o r e c a s t i n g ，s o f t w a r ed e v e l o p m e n t - v 配电同中长期负荷预测方法的研究及实现 1 1 负荷预测的重要性 第1 章绪论 电力系统的作用是尽可能经济地对各类用户提供可靠和合格的电能，以满足 各类用户的需求。负荷需求的大小，无论是对于电力系统规划设计还是对于运行 研究而言，都是极为重要的因素。所以，对负荷的变化，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。电力负荷预测理论就是因此而发展起来的， 在现代电力系统工程学科中，它已经成为占有重要地位的研究领域，是电力系统 自动化领域的一项重要内容。 负荷预测用于预测未来电网负荷的时间分布和空间分布，即预测电力需求出 现的大小、时间、位置。预测内容为用电量、最大负荷、负荷分布和负荷曲线等。 从预测的时间来分，可分为长期、中期、短期和超短期负荷预测。其中，中长期 预测主要用于发展规划；短期预测用于运行规划；超短期预测则用于在线运行监 控。 负荷预测是保证电力系统可靠供电和经济运行的前提。因为电能是一种没有 仓库的特殊商品，它的生产、输送、分配和使用几个环节都在同一时刻完；而且 现代的电力系统十分庞大，要使电能达到“产”、“供”、“销”的动态平衡，必须 对电量进行预测，按用户的需求来编制发电机组的启停及运行计划，只有这样才 有可能保证可靠她供电，达到电力系统的经济运行。 负荷预测是电力系统规划建设的依据。电力工业是国民经济的重要部门之一。 随着现代工业和农业的不断发展及人民生活水平的日益提高，社会对电力的需求 量越来越大。为了满足日益增大的电力需求，必须不断扩大电力系统的规模。由 于电力工业的发展不仅需要消耗巨大的投资和一次能源，而且对国民经济的其它 部门也会产生巨大的影响，合理的进行电力系统规划不仅可以获得巨大的经济效 益，也会获得巨大的社会效益。相反，电力系统规划的失误会给国家建设带来不 可弥补的损失。因此，对电力系统规划问题进行研究，以求最大限度地提高规划 质量，具有重大的现实意义，而实现这一目标的第一步就是要做好负荷预测。 负荷预测的准确程度将直接影晌到投资、网络布局和运行的合理性，因此， 负荷预测在规划中显得尤其重要。若负荷及电量预测不足，电网的发展便不能适 应实际发展的需要，无法满足用户正常用电需求，甚至还可能缺电。另一方面， 1 郑州大学工学硕士论文 若负荷及电量预测过高，则又会导致一些过多而不能充分利用的设备，从而引起 投资的浪费。总之，负荷预测的精度高低直接关系到各方利益，电力负荷预测工 作的水平已成为衡量一个电力企业的管理是否走向现代化的显著标志之一，尤其 在我国电力事业空前发展的今天，用电管理走向市场，电力负荷预测问题的解决 已经成为电力行业人员面临的重要而艰巨的任务。 1 2 负荷总量预测方法综述 由于电力负荷预测的重要性，为了找到使用方便、精度高、计算快的预测方 法，人们在理论和实践上展开了广泛的研究。目前，应用于工程实际的预测方法 已有很多。按负荷预测方法的参考体系来看，预测方法可分为确定性预测方法和 非确定性预测方法两类。前者把电量和负荷用一个或一组方程来描述，电量和负 荷与影响其变化的因素之间有着明确的对应关系。这类方法采用的模型很多，如 弹性系数法、时间序列法、回归分析法等，主要是一些传统的预测方法；后者则 认为电力负荷的变化受众多模糊的、不确定的因素影响，它不可能用精确的显式 数学方程来描述。近年研究的并已应用于实际工程的不确定性预测方法有灰色预 测法、模糊预测法、专家预测法、人工神经网络法等。 1 2 1 负荷总量预测传统方法及其特点 ( 1 ) 电力弹性系数法 电力弹性系数等于用电量年增长率与国民生产总值( 或社会总产值) 年增长 率的比值。通过预测未来年份的弹性系数和国民生产总值的增长率可得到电力需 求的增长率。电力弹性系数与科技进步和经济结构及产品结构的调整有关。科技 进步等因素可以使单位产值的电耗不增加甚至减少，即电力弹性系数小于1 。这种 方法的优点是计算简单，主要用来实现负荷的宏观预测。 ( 2 ) 单耗法 对各类工业的用电量采用单位产品产量的耗电定额( 简称单耗) 进行预测， 称为产品单耗法。有时考虑用国民生产总值或工农业生产总值结合其电量单耗计 算出用电量，这就是产值单耗法。计算公式分别为： 用电量= 产品产量x 产品的单位耗电量 用电量= 国民生产总值( 或工农业生产总值)产值的单位耗电量 ( 3 ) 回归分析法 根据历史数据的变化规律，寻找自变量和因变量之间的回归方程式，确定模 2 配电网中长期负荷预测方法的研究及实现 型参数，据此作出预测。根据自变量的多少可将回归问题分为一元和多元回归； 按照回归方程的类型可分为线性和非线性回归。 回归分析法可以把负荷与影响负荷的各种社会和经济因素联系起来，其优点 是使预测人员能够清楚地看到负荷增长趋势与其它可测因素之间的关系。但是， 这种方法要求样本量大且要有较好的分布规律和较为稳定的发展趋势。另外，有 时难以找到合适的回归方程类型。 ( 4 ) 负荷密度法 单位面积内负荷量的大小。根据规划区域内工业、商业、居民、市政等当前 的负荷密度，考虑城市规划中各区预期的经济发展、人口增长、居民收入水平的 提高等因素，再与类似的城市对比，即可推算出各区的负荷密度预计值；将各区 的负荷密度与其面积相乘，就可得出该区负荷的预测值。负荷密度法比较直观， 适用于预测规划区域内大量分散的用电负荷，对少数集中用电的大容量负荷，需 另单独考虑。此方法需要类似的典型供电区域作为参照，还要考虑各种不确定因 素，预测结果只能是比较粗略的估计，受预测人员直观判断的影响较大。 ( 5 ) 时间序y u ； f 推法 所谓时间序列外推法，就是把历史上积累起来的资料按年、月或周进行排列， 构成一个统计数列，并根据其发展动向向前预测，所以，它实际上是一种外延的 方法。例如：移动平均法、指数平滑法等。也可以根据已知的历史资料来拟合一 条曲线，使得这条曲线能反映负荷本身的增长趋势，然后，按照这个增长趋势曲 线，对于要求的未来某一点，从曲线上估计出该时刻的负荷预测值。此方法有效 的前提是过去的发展模式会延续到未来，因而这种方法对短期预测效果比较好而 不大适合于中长期预测。 1 2 2 负荷总量预测方法研究的新进展 近年来新发展起来的负荷预测方法主要有： ( 1 ) 灰色预测法 灰色系统理论是中国学者邓聚龙教授1 9 8 2 年3 月在国际上首先提出来的。短 短二十几年里，该理论在社会、经济、生态等领域得到了迅速发展。 相对于一定的认识层次，系统内部的状态信息部分已知，部分未知，即信息 不完全，这样的系统称为灰色系统。由于影响电力负荷的因素众多，关系复杂， 难以被一一分析清楚，因此具有灰色特性。随着经济的发展，电力负荷总体上里 增长趋势，是一个非负递增数列，符合灰色预测模型的基本条件；而且，灰色预 测具有要求原始数据少、原理简单、不考虑分布规律、运算方便、可检验等优点。 因此，灰色系统理论在负荷预测中得到了广泛应用，并取得了较好的效果1 1 3 1 。 3 郑州大学工学硕士论文 过去，对随机变量、随机过程常用概率统计方法进行研究。这种方法不仅要 求样本数据量大，而且只适用于处理有较典型概率分布规律的平稳过程。因此， 具有一定的局限性。而灰色系统理论将一切随机变量看作是在一定范围内变化的 灰色变量。对灰色变量不是从统计规律角度进行大样本分析研究，而是利用数据 处理方法( 数据生成与还原) ，将杂乱无章的原始数据整理成规律性较强的生成数 据来加以研究。灰色系统理论建立的不是原始数据模型，而是生成数据模型。也 就是说，由生成数据建立的灰色模型，其预测结果必须做逆生成处理，才能得到 原始数据的预测结果。灰色系统理论认为，系统的行为现象尽管是朦胧的，原始 数据是杂乱无章的，但它本质上是有序的，有整体功能的。从看起来是杂乱无章 的原始数据中可以去开拓、发现、寻找出隐藏在原始数据背后的内在规律，这是 一种现实的规律，不是先验规律【4 】。 人们在应用g m ( 1 ，1 ) 模型进行负荷预测时，发现了一些问题【5 】【6 】，例如： 当负荷增长速度较慢，即对应的指数函数x = b e “中h 较小时，预测精度较 高：【a l 较大时，预测精度变差： g m ( 1 ，1 ) 模型比较适合具有指数增长规律的负荷的预测。当负荷的增长规律 不是指数型时，预测精度变差； 数据离散程度越大，即数据灰度越大，则预测精度越差； 简单灰色预测应用于电力系统的长期预测时，会出现增长率过快的问题。 为了提高预测精度，许多文献对灰色预测的各个环节提出了多种改进措施 7 1 1 8 1 。但是对于具体的负荷预测问题，目前并不存在一种通用的改进模型，要提高 预测精度，需要针对实际问题的特点选择合适的改进方法或几种改进的组合。 应用的实践表明，无论在理论上还是在实践中，灰色系统理论还不尽完善， 还有待于进一步发展。 ( 2 ) 模糊预测法 模糊数学作为- - i - j 学科是由美国计算机与控制理论专家扎德教授于1 9 6 5 年创 立的。在经历了3 0 多年的发展后，模糊数学已经有一套较为完善的理论体系框架， 它在实际工程中的应用也是硕果累累。 模糊数学研究和处理的对象是模糊现象。所谓模糊性，主要指客观事物在差 异的中间过渡时所呈现的“亦此亦彼”性【们。例如，“年轻”是一个模糊概念，它 的外延是不明确的、模糊的，在“年轻”和“非年轻”之间概念的外延表现出不 分明的变化层次，即表现出模糊性。 电力负荷预测受到很多不确定因素的影响，如国民经济发展的情况、国家的 政策、人口的增长、住宅区的发展趋势及气候条件等，这些因素很难用定量的方 4 配电网中长期负荷预测方法的研冗及实现 法来描述，但是其对负荷的影响又是很重要的，不能不予以考虑。模糊集理论是 目前处理主观因素较重、定性材料和数据资料不完整等不确定因素的有效方法。 它在电力系统的许多领域都得到了广泛的应用，在处理负荷预测中的不确定因素 方面也取得了很好的效果1 1 ”】。 目前模糊集理论应用于负荷预测主要有以下几种方法：模糊聚类法、模糊相 似优先比法、模糊最大贴近度法等。 模糊聚类预测法的基本思想是通过对历史数据进行加工处理，提炼出负荷变 化的若干典型模式，进而由影响负荷变化的相关因素的未来状态去判断未来负荷 变化属于那一种模式，从而达到预测的目的。这样做不仅避免了建立数学模型的 困难，而且把影响负荷的各种相关因素的模糊性和信息的不确定性、不完全性考 虑进去，这是其它方法所不及的，该方法可用于短期或长期预测。但是，当待预 测地区未来经济发展速度高于其历年速度时，需对该方法进行修正。此方法要求 拥有较多的历史负荷资料和环境因素资料，并要对未来的环境因素做出准确的预 计，这使它的应用受到一定的限制。 模糊相似优先比预测法是用相似优先比来判断哪一种环境因素增长率与电力 负荷增长率最为相似，选出该因素后，再通过待测年该因素与各历史年该因素的 贴近度，选中与待测年贴近度最大的历史年，这样就可以将被选中年的电力负荷 增长率定义为此待测年的电力负荷增长率。 模糊最大贴近度预测法的核心在于，按照一种选定的因素比较待预测地区与 各参考地区的接近程度，选中与其最为贴近的地区，认为该地区相应的负荷增长 率就是待预测地区对应所求的电力负荷增长率。 迄今为止，模糊数学在预测方面还没有形成完整而深刻的理论和系统的方法， 还有待进一步研究与探索。 ( 3 ) 人工神经网络预测法 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，简称j 心咐) 是由多个神经元连接而 成、用以模拟人脑行为的网络系统，是一秘与传统计算方法不同的信息处理工具， 它能通过学习获得合适的参数。用来映射任意复杂的非线性关系。利用人工神经 网络的学习功能，用大量样本对神经元网络进行训练，调整其连接权值和阀值， 然后可以利用已确定的模型进行预测。已经成熟的算法主要有误差反向传播算法 ( 即b a c k p r o p a g a t i o n 算法，简称b p 算法) ，利用一个简单的三层人工神经网络 模型，就能实现从输入到输出间的任何复杂的非线性映射关系。a n n 方法的优点 是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，特别的，其自学习和自 适应功能是常规算法和专家系统技术所不具备的，它克服了一些随机、非定量因 素难以用数学公式严密表达的困难。 5 郑州大学工学硬士论文 舢叮n 适宜解决时间序列预测问题，尤其是平稳随机过程的预测。到目前为止， a n n 主要应用于短期负荷预测 1 4 + t6 1 。短期的负荷变化可以认为是一个平稳的随机 过程，而长期负荷预测与国家或地区的政治、经济政策密切相关，通常会有大的 转折，不是一个平稳过程。因此，小m 应用于短期负荷预测要比应用于中长期负 荷预测更为适宜1 1 7 o 人工神经网络法的缺点是要求有足够多的负荷历史数据，样本选择困难，且 计算量大，算法复杂，有时会出现不收敛的情况，硬件实现需要一定的条件。 对某一系统设计的性能良好的m q n 结构，如果直接应用于另一系统，预测性 能就可能很差。因而对不同的系统要根据其负荷变化的规律及气象等影响因素变 化规律来选取不同的特征参量、不同的数据处理方法、不同的6 小n 模型与结构。 对于一个具体的负荷预测来说，用于预测的人工神经网络的研制需要相当长时间 的原始资料积累和模型修正，才能确定一个地区的负荷变化情况及与相关因素之 间的关系，