（水利工程专业论文）基于粗糙集理论的电力短期负荷预测.pdf

中文摘要 论文题目：基于粗糙集理论的电力短期负荷预测 学科专业：水利工程 研究方向：电力系统规划与运行 研究生：冯继安签名： 指导教师：姚李孝教授签名： 王子奇高级工程师签名： 摘要 随着我国电力事业的发展，电网的管理臼趋现代化，电力系统负荷预测问题的研究也 越来越引起人们的注意，现在已经成为了现代电力系统运行研究中的重要课题之一。电力 系统负荷预测的结果是研究电力系统规划问题、电力系统经济运行及其调度自动化的重要 依据。预测精度的高低直接影响到电力系统运行的安全性、经济性和供电质量。 本文首先对负荷的特性与分类进行了研究，指出负荷除了具有年周期、周周期和日周 期性外，还受到多种外部因素的影响从而呈现出不同的特性，在此基础上分析了诸如温度， 降雨量与节假日等对负荷的影响特征及关系。 其次，对于电力负荷预测中目前最常用的方法人工神经网络进行了一些理论基础的 介绍和探讨工作。重点介绍了b p 网络在电力负荷预测中的实际应用，并深入研究了在实 际的系统中b p 网络所遇到的问题，并提出了一些改进措施。 然后，针对采用神经网络进行电力系统短期负荷预测时其网络输入变量的选择是影响 预测效果的关键，该文提出使用粗糙集理论来解决这一问题。在分析探讨了粗糙集基本理 论的基础上，文章重点探讨了基于属性依赖度的属性约简算法，并将其用来挖掘与负荷最 为相关的因素作为预测模型的输入，保证输入变量的合理性。 最后，创建基于数据挖掘技术的负荷预测模型。文中以预测工作的各个环节为线索， 将预测模型分为四个模块：数据预处理模块、样本选择模块、属性约简模块以及预测模块。 从各个环节考虑影响负荷预测精度的因素，并加以解决。实例分析证明，本文所提出的负 荷预测模型在一定程度上可以提高负荷预测的精度。 关键词：短期电力负荷预测；数据挖掘；神经网络；粗糙集 西安理工大学_ t - 程硕士学位论文 t i t l e ：r e s e a r c ho fe l e c t r i cp o w e rl o a df o r e c a s t l n g b a s e d o nr o u g hs e tt h e o r y m a j o r ：h y d r o e l e c t r i ce n g i n e e r i n g r e s e a r c hd i r e c t i o n ：l a y o u ta n do p e r a t i o no fp o w e rs y s t e m n a m e ：d i a nf e n g s u p e r v i s o r p r o f l i x i a oy a o s e n i o re n g i n e e r z i q iw a n g s i g n a t u r e ： a b s t r a c t w i t ht h ed e v e l o p m e n to f o u rn a t i o n a le l e c t r i ci n d u s t r y ，t h em a n a g e m e n to f e l e c t r i f i e dw i r e n e t t i n gi sm o r ea n dm o r em o d e r n i z e d p e o p l ep a ym o l ea t t e n t i o nt ot h es t u d yo i le l e c t r i cs y s t e m l o a df o r e c a s t i n gt h a ne v e r i th a sb e c o m eo n eo ft h ei m p o r t a n tt a s k si nt h es t u d yo nm o d e m e l e c t r i cs y s t e m ，i ti st h ei m p o r t a n tf o u n d a t i o no f t h es t u d yo ne l e c t r i cs y s t e mp l a n n i n gp r o b l e m ， e c o n o n f i c a ln m n i n ga n dd i s p a t c h e ra u t o m a t i o n i t sa c c u r a c yd i r e c t l yi n f l u e n c ep o w e rs y s t e m s s e c u r i t y ，p r o f i ta n dq u a l i t y f i r s t l y ，t h ep a p e rs t u d i e st h ec h a r a c t e r sm a ds o r t so f l o a d ，i ts h o w s t h a tl o a dn o t o n l yh a s t h r e ek i n d so fp e r i o d i c i t yw h i c ha r ey e a r l y ，w e e k l ya n dd a i l yp e r i o d i c i t yb u ta l s ot a k e so n d i f f e r e n tc h a r a c t e r i s t i c sb e c a u s eo ft h ei n f l u e n c eo fv a r i o u so u t e rf a c t o r s t h ei n f l u e n c eo f t e m p e r a t u r e ，r a i n f a l la n dh o l i d a yi sa n a l y z e di nd e t a i l s e c o n d l y ，t h eb a c k w o o da n dd e v e l o p m e n to fa n n t os h o r t - t e m al o a df o r e c a s t i n ga r e i n t r o d u c e da n dt h e ns o l l q ei n t r o d u c t i o no f b a s i ct h e o r ya n dr e s e a r c hw o r kh a v eb e e nd o n ea b o u t h o wt o a p p l ya n nt op r e d i c t i o nt e c h n o l o g y ，d u r i n gw h i c hb pn e t w o r ki s i n t r o d u c e d i m p o r t a n t l y c h o o s i n gi n p u t v a r i a b l ea n dn e t w o r k sa r c h i t e c t u r ei s k e yp r o c e s s e s f o r m o d e l i n g s h o r t - t e r ml o a df o r e c a s t i n gb ya r t i f i c i a ln e u r a ln e t w o r k s ，t h ep a p e rd e a l 、 ，i t hi tb a s e do nr o u g h s e tt h e o r y b a s e do nt h er e s e a r c ho fr o u g hs e tt h e o r y ，t h ep a p e rd i s c u s s e dt h ea r i t h m e t i co f a t t r i b u t er e d u c t s ，m o r e v e r ，a p p l yi tt om i n en l o r ec o r r e l a t i v ea t t r i b u t e si nt h ep e n d i n g f o r e c a s t i n gc o m p o n e n t s m ，i n s u r e st h er a t i o n a l i t yo f i n p u tp a r a m e t e r so f f o r e c a s t i n gm o d e l ， l a s t l y ，c o n s t r u c tt h es h o r t t e r ml o a df o r e c a s t i n gb a s e do nd a t am i n i n g t h ea u t h o ra i m sa t a b s t r a c t e a c hs t a g eo fs t i ne n dh a sd o n ed e e pr e s e a r c ho nt h ep r e - p r o c e uo fh i s t o r i c a ll o a dd a t a ， c l a s s f i c a f i o no f l o a ds a m p l e s ，p r o c e s so f w e a t h e rc o n d i t i o n ，e s t a b l i s h m e n to f f o r e c a s t i n gm o d e l a n di t si n p u tp a r a m e t e r sm i n j 丑g a l lt h e s ew o r kh a dl a i das o l i df o u n d a t i o nf o rh i - a c c u r a c y s t l f t h ef o r e c a s t i n gr e s u l t ss h o wt h a tt h ep r o p o s e dm e t h o dp o s s e s s e sb e t t e rf o r e c a s t i n g a c c u r a c ya n dt h ef o r e c a s 血gj ss a e s f a o o 哆 k e yw o r d s ：s h o r t - t e r ml o a df o f o c a s t i n g ；d a t am i n i n g | e r t f i c i a ln e u r a ln 越w o r k ；r o u g hs e t 独创性声明 秉承祖国优良道德传统和学校的严谨学风郑重申明：本人所呈交的学位论文是我个 人在导师指导下进行的研究工作及取得的成果。尽我所知，除特别加以标注和致谢的地 方外，论文中不包含其他人的研究成果。与我一同工作的同志对本文所论述的工作和成 果的任何贡献均已在论文中作了明确的说明并已致谢。 本论文及其相关资料若有不实之处，由本人承担一切相关责任 论文作者签名：髫避毋，一月2 2 日 学位论文使用授权声明 本人i 幺缝在导师的指导下创作完成毕业论文。本人已通过论文的答辩，并 已经在西安理工大学申请博士硕士学位。本人作为学位论文著作权拥有者，同意授权 西安理工大学拥有学位论文的部分使用权，即：1 ) 已获学位的研究生按学校规定提交 印刷版和电子版学位论文，学校可以采用影印、缩印或其他复制手段保存研究生上交的 学位论文，可以将学位论文的全部或部分内容编人有关数据库进行检索；2 ) 为教学和 科研目的，学校可以将公开的学位论文或解密后的学位论文作为资料在图书馆、资料室 等场所或在校园网上供校内师生阅读、浏览。 本人学位论文全部或部分内容的公布( 包括刊登) 授权西安理工大学研究生部办 理。 ( 保密的学位论文在解密后，适用本授权说明) 论文作者签名：邋导师签名司年f 口月嗡 1 蝽论 1 绪论 1 1 本课题研究的意义及背景 科学的预测是正确决策的依据和保证。负荷预测是电力系统领域的一个传统研究问题 s 2 3 ，是指从已知的电力系统、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。根据不同的 预测目的，负荷预测可分为超短期、短期和中长期的预测一般说来，一小时以内的负荷 预测为超短期负荷预测，用于安全监视、预防性控制和紧急状态处理：日负荷和周负荷预 测为短期负荷预测，分别用于安捧e l 调度计划和周调度计划，包括确定机组的起停、水火 电的协调、联络线交抉功率、负荷经济分_ 配、水库调度和设备检修等；月至年的负荷预测 为中期负荷预测，主要确定水库的运行方式和设备大修计划等；电源规划和发展时需要数 年至数十年的长期负荷预测电力负荷预测时实现电力系统安全、经济运行的基础，对一 个电力系统而言。提高电网运行的安全性和经济性，改善电能质量，都依赖于准确的负荷 预测 随着我国市场经济的不断完善，电力负荷的调度发生了比较大的变化，厂网分离， 发电市场放开，各发电企业竞价上同。电网的电量采购则以采购成本最小为原则，电价 是电量采购的一个重要因素。发电企业根据电网公布的短期负荷预测结果报价，负荷预 测成为电量采购的基础。对于竞价策略有着重要影响，直接影响到电网及发电企业的经 济效益电力负荷预涓工作是电力公司经营和制定发展战略的基础，是准确把握市场脉 搏，分析未来电力需求走势的必要工具，对企业的发展具有十分重要的经济意义 因此，电力负荷预测工作的水平已经成为衡量一个电力企业的管理是否走向现代化、 科学化的显著标志之一。近十年来，我国电力负荷预测工作取得了很大的发展。尽管如 此，与我国快速发展的电力市场、不断产生和出现的电力需求及电力需求特点相比，目 前的电力负荷预测研究、工作还远远不够。目前，我国电力负荷研究工作整体现状是比 较零散；预测方法科学化、智能化、自动化程度不高，在信息存贮与处理技术飞速发展 的今天，有相当一部分地区的电力负荷预测工作仍主要依靠技术人员借助以往经验得出， 不仅劳动强度大，负荷预测效果也不理想。随着我国社会经济的快速发展和电力企业向 着现代化、科学化进程的不断推进，电力负荷预测的重要性及目前存在的不足愈发突显， 因此迫切需要我们进行更加深入的电力负荷预测研究，提出更加科学、全面、有效的负 荷预测策略和方法。同时这一工作的开展对于促进我国社会经济发展、提高企业经济效 益具有非常重要的经济价值和社会意义 西安理工大学工程顽士学位论文 1 2 目前国内外发展状况 目前，国内外关于短期负荷预测的研究主要集中在三个方面：负荷预测的影响因素、 负荷预测的数学模型以及负荷预测的算法。梗对前两个方面，在算法方面的研究最广泛， 已经涌现出了个中不同算法，而这些算法在模型的复杂性、灵活性、对数据的要求以及满 足用户的特殊要求等方面都有着很大的不同 1 2 1 时间序列法 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【。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即过程，进行分析和处理。 时间序列法分为确定性时序法和随机性时序法，前者包括时问序列平滑法、趋势外推 和季节变动法等。后者包括马尔可夫法和b o x - j e n k i n s 法( 又称a r m a 模型法) 等，其 中b o x - j e n k i n s 法最成功，使用最广泛 它的优点主要表现在：对历史数据量要求较低；计算量小；可以通过估计被 测日电量值来减小误差。缺点主要表现在：对历史数据准确性要求高，伪数据出现对 预报影响很大；气象因素难以解决造成负荷预测的不准确性； 尤其不适用于电网总 容量较小或变化较大( 平稳度较小) 地区的负荷 1 2 2 回归模型法 回归预测法是电力系统负荷预测的一种常用方法，它用数理统计中的回归分析法，根 据历史数据的变化规律寻找自变量与因变量之间的回归方程式，确定模型参数，据此做出 预测。 回归分析包括线性回归和非线性回归。 它的优点主要表现在：方法简单、预测速度快；外推特性好；从实际运行经 验来看，在没有气象条件巨变情况下，回归法准确度是比较高的。缺点主要表现在： 用线性方法无法描述复杂的非线性关系； 缺乏自学习能力：传统的在线应用还不够 普遍，相应的递推算法还不够完善。 1 2 3 神经网络法 人工神经网络州是- - f - j 涉及生物、电子、计算机、数学和物理等学科的交叉学科， 它从模仿人脑智能的角度出发，来探寻新的信息表示、存储和处理的方式，设计全新的计 算机处理结构模型，构造一种更接近人类智能的信息处理系统来解决传统计算机难以解决 的闯题1 。 用于负荷预测的人工神经网络有b p 网、r b f 网、h o p f i e l d 网、k o h o n e n 自组织特征 映射等。其中b p 算法应用的最为广泛。 它的优点主要表现在：可以处理那些难于用解析规则描述的过程或系统：由于神 2 经网络的并行结构，使得其在处理实时性要求较高的自动控制领域显示出极强的优越性； 善于模拟复杂的非线性映射关系：具有很强的信息综合能力和容错能力，能恰当的协 调好相互矛盾的信息输入。缺点主要表现在：当前的神经网络学习算法，大都基于克服 训练错误，从概率统计的角度来说，神经网络的学习算法仅仅试图使经验风险最小化，并 没有使期望风险最小化，与传统的最小二乘法相比，在原理上缺乏实质性的突破，同时也 缺乏理论依据。输入输出节点数、跨层层数、隐层节点数、传播函数的类型、学习率、 步长等参数的确定尚无理论上的指导，完全靠开发者的经验来确定，因而被称为“一门不 严格的艺术”；在神经网络的学习算法中普遍存在着局部极小问题、过学习与欠学习问 题等，尽管采取了各种补救措施，但都不能从根本上解决这些问题。 目前研究的重点大多是对b p 算法的改进嘲、如何构造样本唧、如何构成输入层数据 l 蚓，如何防止训练过程中出现过拟合现象i l l 喀 1 2 4 灰色理论法 灰色系统理论研究的是贫信息下建模，提供了贫信息下解决系统问题的新途径。它把 一切随机过程看作是在一定范围内变化的，与时间有关的灰色过程对灰色量不是从统计 规律的角度应用大样本进行研究，而是采用数据生成的方法，将杂乱无章的原始数据整理 成规律性强的生成序列再做研究在灰色建模系统中，最具特色的是针对生成的时间序列 模型，即灰色模型( g m ) 现在，应用于电力负荷预溯的模型通常为g m ( 1 ，1 ) 模型及 其改进。 它的优点主要表现在：建模时不需要计算统计的特征量，从理论上讲，可以适用于 任何非线性变化的负荷预测指标；要求负荷数据少、不必考虑分布规律及变化趋势； 运算方便，短期预测精度高，易于检验。缺点主要表现在：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，对于具有其它趋势的指标则拟合灰度较大，精度难以提高； 负荷预测中常用的g m ( i ，1 ) 模型，对原始数据段的不同选取和对原始数据列的不同处 理，均会对建模的精度和预测的结果产生影响。 目前研究的重点大多是对g m ( 1 ，1 ) 模型的改进及将g m 模型同其它方法的结合上 1 9 埘 1 2 5 专家系统 专家系统【l i 阀是一个基于知识的知识处理系统。它拥有某个特殊领域内专家的知识和 经验，并能像专家那样运用知识，通过推理在某个领域内做出智能决策所以，一个完整 的专家系统是由4 个部分组成的：即知识库、推理机、知识获取部分和解释界面 它的优点主要表现在：具有丰富的经验、知识和高水平的技术，而且经验可以不断 丰富、积累，不受时间、空间的限制而广泛使用、永久保存；能进行符号操作，知识表 示直观，可以表示现实世界的概念； 以计算机为载体的专家系统可以准确无误地工作， 可靠性好、工作效率高等；专家系统具有透明性瓤自我知识，可以解释为什么做出这样 3 西安理工大学工程硕士学位论文 的推理，便于人们检查推理过程；专家系统的知识大多是经验性的，没有严格的理论依 据，并且只是在一定条件下是正确的，在这种情况下专家系统能根据不确定知识、综合利 用这些信息进行推理、做出较正确的结论；专家系统具有交互性。缺点主要表现在：知 识库的构建是专家系统方法的难点。目前知识库往往是通过访问有关领域专家来获取相关 知识，再将其表示成能够采用计算机程序表达的形式来实现。这一过程有着许多不足，如 专家知识存在着主观性、不确定性、不完全性，往往造成知识冗余、蕴涵、矛盾、遗漏： 计算机程序不一定能够准确，完全地表达专家的知识能 目前发展的关键是如何实现预测知识的自动获取【d , 1 4 1 2 6 模糊逻辑法 模糊推理系鲥境l q 用一组模糊i f - t h e n 规则来表示系统输入输出之间的非线性关系， 通过对输入输出空间的划分，模糊推理系统可以逼近任意复杂的非线性关系。其规则含义 较为清晰直观、规则结构适合描述不同种类变量之间的复杂关系，模糊推理已成为一种效 果较好的负荷建模方法 它的优点主要表现在：由于模糊控制使用模糊逻辑语言方法，不需要掌握过程的精确 数学模型，且在过程参数变化方面具有很强的适用性，所以非常适用于负荷预测领域。它 的不足主要表现在；较弱的学习能力由于电力系统的负荷是一个既存在随机变化分量， 又存在周期变化分量，同时还有增长的趋势，于是要获得较高的学习精度，必须使得预测 系统有较强的学习能力。所以单纯用模糊方法进行负荷预测研究应该说是比较困难的。好 的解决办法是将模糊方法与其它a i 方法有机的结合起来，取长补短，利用它们的优点进 行预测；模糊系统的结构辨识还未形成完善的理论，在预测系统中选择模糊系统的结构 尚需进一步的研究，目前较好的解决方案是与g a 、e p 、最优化理论结合 目前模糊理论在电力负荷预测的应用研究主要集中于两个方向：将模糊逻辑与传统 数学模型方法、神经网络及专家系统预测方法相结合的电力负荷预测方法研究；基于模 糊理论的电力负荷预测方法主要基于模式匹配思想，通过对历史数据的模糊化处理和分 析，提炼出负荷相关环境及负荷变化的若干种典型模式通过判定未来待预测环境属于哪 种模式，实现负荷预测。 1 2 7 小波分析法 负荷信号通常表现为以日、周、年等为周期的变化特性，各分量均表现出不同的频 率特性。于2 0 世纪9 0 年代初引入了工程界的数学工具小波分析。小波分析吸取了现 代数学中诸如泛函分析、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 华它在时域、频域同时具有良好的局部化性质m 。小波变化能将由各种不同频率交织 在一起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化，可以将 各子序列分别转换到不同的尺度上，子系列分别代表了原负荷序列中不同“频域”的分 量，因而各子系列的周期性更加明显，因此可以对不同的子系列分别进行预测，然后通 过序列重构而得到完整的负荷预测。 它的优点主要表现在：时域和频域上同时具有很好的局部化性质；能根据信号 频率高低自动调节采样的疏密；容易捕捉和分析微弱信号，可以聚焦到信号的任意细 节，尤其是对奇异信号很敏感，能很好的处理微弱或实质信号；能将一个信号的信息 转化成小波系数，可以方便的处理、存储、传递、分析或用于重建原始信号。缺点主要 表现在：未能考虑气象、湿度和温度等诸多因素对负荷的影响；由于电力负荷的复 杂性及多样性，小波系数不易确定 目前，国内外有关小波分析在电力负荷预测中的文献不多，但是越来越多的学者已经 开始致力于将小波分析同其它人工智能方法相结合共同应用于电力负荷预测了1 1 8 1 9 1 1 2 8 混沌分形理论 在电力市场中，负荷的变化在一定标度下是近似不变的，这种标度即自相似集合，放 大其任何部分进行分形预测，其不规则程度都是一样的分形的核心是标度不变性，即自 相似性 2 0 - 2 2 1 ，因而分形理论应用于电力负荷预测存在可能性。它用于负荷预测的基本思路 是：将电力负荷历史数据划分为若干样本，根据分形拼贴定理，由b a r n s l e y 引进的分形 插值方法，对规格化后的每一个样本求取一个吸引子与样本数据相似的迭代函数系统 ( s ) 。对所有样本求得的迭代函数系数进行相应的参数求均，可得一具有统计学特征的 s ，即分形预测模型。 它的优点主要表现在：速度快、精度高、无收敛性问题、数据收集简便等。缺点主要 表现在：该方法完全是以历史资料为基础，对于影响电力负荷变化的各种因素仅赋予不同 的权重系数加以处理，趋势的预测难免会存在一些人为因素造成的缺陷 目前混沌分形理论在电力负荷预测的应用研究主要集中于两个方向：单纯应用混沌 理论做短期负荷预测，它的出发点是电力负荷受多种因素影响，负荷所造成的时间序列可 看作一个非线性的输入输出系统，如果检验确定它是一个混沌运动现象，则可以通过混沌 现象的决镱论、非线性控制技术达到高精度进行短期负荷预测的目的；将混沌理论用于 改进短期负荷预测的算法上，比如将神经网络与混沌网络相结合，使神经网络由最初的混 沌状态逐渐退化到一般的神经网络，利用中间过程混沌状态的动力学特性使神经网络跳出 局部最优点，保证全局最优。 1 2 9 组合预测 在预测实践中，常常可以对同一问题采用不同的预测方法。不同的方法提供不同的有 用信息，其预测精度往往也不同。如果简单地将预测误差较大的一些方法舍弃掉，将会丢 掉一些有用的信息，这种做法对信息是一种浪费，应予以避免一种更为科学的做法是， 将不同的预测方法进行适当的组合，从而形成组合预测方法。其主要目的是综合利用各种 方法所提供的信息，尽可能地提高预测精度。 常用的组合预测方法嘲有：最优组合预测方法：该方法的思想是根据“过去一段时 5 西安理工大学工程项士学住论文 问内组合预测误差最小”这一原则来求取各个单项预测方法的权系数向量的。这种方法存 在的主要问题有两个：一是可能会出现负权重，而是求出的权重是否为最优；变权重组 合预测方法：在组合预测中掣，变权重的方法显然比不变权重的方法更为科学。因为对每 一种单项预测方法而言，它总是表现出。时好时坏”性。但是，由于变权重的组合预测方 法比较复杂，所以目前关于变权重组合预测方法的研究并不多见。 值得注意的是，组合预测是假定时间序列为平稳的条件下而应用的然而，电力系统 短期负荷是一非平稳的时间序列。因此，要引入组合预测方法，必须首先进行协整分析嘲， 确定组合预测模型中的每个单项预测与被预测量具有协整关系。只有满足这个条件，组合 预测的精度才可能提高，否则组合预测的误差将是非平稳的，那么为了提高预测精度而做 组合预测的努力只能白费。因此，如何将基本变量为平稳的假设条件下的组合预测推广到 基本变量为非平稳的情形，以及推广应满足的条件，应是值得深入研究的问题另外，一 旦确定组合预测是可能的，权重的正交性问题、权重的最优问题、变权重问题以及预测精 度的求取问题，也是需要深入研究的问题。目前，已经将模糊控制理论，专家系统以及人 工智能中的一些方法和理论引用到组合预测领域中来以降低算法的复杂性，提高预测精 度。 1 3 本文的主要工作 为了提高短期负荷预测精度，本论文主要针对如何建立一个实用高效的负荷预测模 型，进行了以下几方面的主要工作： 1 、以西安地区为例，分析影响预测的各种因素，如负荷的组成以及影响负荷变化的 天气因素等；研究负荷特性，总结负荷变化的规律性，根据负荷的这些特性提出短期负荷 预测的基本模型； 2 、深入讨论了神经网络的算法，尤其是b p 网络的结构设计、参数选取。并且对b p 算法所存在的问题进行了深入了的探讨以及尝试性的解决办法 3 、针对采用神经网络进行电力系统短期负荷预测时其网络输入变量的选择是影响预 澍效果的关键问题，本文提出使用粗糙集理论解决这一问题：对采集到的信息进行特征提 取、形成决策表；利用粗糙集理论中的属性约简算法对影响负荷预测的因素进行约简- 从 中挖掘出与待预测量相关性大的各属性，保证预测模型输入参数的合理性 4 、建立短期负荷预测模型，以预测工作的各个环节为线索，将预测模型分为四个模 块：数据预处理模块、样本选择模块、属性约简模块以及预测模块。从各个环节考虑影响 负荷预测精度的因素，并加以解决 6 2 电力负荷特性分析 2 电力负荷特性分析 电力系统是一个周期性和随机性都很强的系统，它与社会、经济、政治、气象等众多 的因素都有着极为复杂的关系。一方面，电力负荷按一定趋势有规律地、周期性的发展变 化：另一方面，负荷受到众多不确定性因素的影响，随时都可能发生一定的波动。在进行 电力系统负荷预测时，针对负荷变化的这些特点，既要充分分析、掌握并利用其规律性， 又要兼顾各种因素的影响。因此，在负荷预测前，对负荷特性进行全面的了解是很必要的。 2 1 负荷的组成 一般而言，负荷主要包括城市民用负荷、商业负荷、农业负荷、工业负荷以及其 它负荷( 包括市政用电、公用事业、政府办公、交通、军用以及其它) 。负荷组成的差异 性主要体现在负荷的种类和各种负荷成分所占比重两个方面。因为不同的组成成分对 各种影响因素会表现出不同的响应特性。可见负荷的具体组成对负荷特性具有根本性 和决定性的影响。 城市居民负荷具有经常的年增长以及明显的季节性波动特点，而居民负荷的季节 性变化在很多情况下，会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重尤其是随着电热器、空调、电风扇等敏 感于气候变化的家电广泛应用，居民负荷变化对系统峰值负荷变化的影响越来越大。 相对来说，工业负荷一般都被看作基础负荷，它受气候影响较小商业负荷的季节性 变动相对较小农业负荷的季节性波动很强烈，农业用电负荷的季节性变化体现在农 时上，如每年春灌、捧涝、收播等农业活动直接决定着农业用电负荷的变化方式和大 小。对于其它负荷，根据它们的不同特点，也有可能具有季节性变化的因素，如街道 公用照明负荷，显然冬季的需求大于夏季的需求 一般来说负荷的组成规律是：工业负荷占最大部分的负荷百分比；城市居民用电 占较大比例；其后是商业用电负荷。这三类负荷在系统总负荷中的比例大概占到 踟，对总负荷起着重要的决定性作用。 负荷组成成分随季节变化的规律是：工业负荷随季节波动较小；城市居民的民用 负荷、其它负荷和农业负荷用电所占比重随季节有较大变化，说明这三部分负荷具有 明显的季节变化特性 2 2 负荷的内部规律 电力系统的负荷是经常变化的，但它的变化是有规律的。这是因为人类的生产和生活 具有规律性，人们在生产和生活中要消费电能，所以负荷变化也具有规律性。电力系统负 荷变化的规律性主要体现在负荷变化的周期性及连续性上，它们是负荷的内部规律 2 2 1 电力负荷的周期性 负荷变化的周期性是指在一定的时间内，负荷的变化具有重复性。负荷的周期性有年 7 周期性、周周期性和日周期性如图2 - 1 所示，对电力系统的负荷曲线从每周来分析。负 荷的变化是具有周期规律的。 图2 - 1 以天为单位的负荷曲线 巧萨1 【o a dc u r v ew i t hd a yf o rc y c l e 从图2 - 1 可以看出，负荷每隔2 4 小时不断起伏，具有较大的周期性，即负荷的日周 期性负荷变化的日周期性是指以一天2 4 小时为周期的负荷变化所体现出的规律性以 西安地区为例，每日负荷的峰荷由早高峰与晚高峰两部分组成，冬季早高峰出现在1 0 ：0 0 左右，晚高峰出现在1 9 ：0 0 左右；夏季早高峰略有提前，出现在9 ：0 0 左右，晚高峰略 有推迟，出现在2 1 ：0 0 左右。早高峰低于晚高峰最大负荷出现在晚高峰时段。早晚 高峰之间负荷比较平缓，呈现出早晚高峰时段之间一段持续高峰【冽。在实际系统中， 通常根据负荷变化规律的不同将每日负荷分为峰荷、腰荷、谷荷三个时段，各时段的 负荷变化规律有所不同。在低谷期间，对应的时间是在夜里，在这个时间段中，大多 数人都处于休息的状态，负荷组成主要是那些必须运行的不问断的负荷，它们长期运 行，组成了负荷的基础部分，是一天负荷的较低部分；在峰荷期间，对应的时间是在 白天，人们的活动较多，负荷的种类也体现出多样性，作为总体负荷其幅值也明显高 于其它时段的负荷；而在腰荷期间，负荷变化处于过渡过程中，负荷的组成正发生变 化，因此这个阶段的负荷处于一种上升状态或处于一种下降状态。负荷的日周期性是 分析掌握日负荷预测、超短期负荷预测的关键，也是进行日负荷预测、超短期负荷预 测的依据和基础。 负荷变化除了具有天周期性，还具有周周期性和年周期性一般说来，负荷的周周 期性是比较明显的。负荷变化的周周期性是指以七天为周期的负荷变化的规律性。这 种周期性分为两种负荷变化类型的规律：一类是从周一到周五的正常工作日类型的负 荷变化特点，另一类是周六和周日的周末日期的负荷变化特点从图2 - 1 可以看出， 工作日类型的负荷变化规律具有相同的规律；但是工作日类型的负荷与周末类型的负 荷变化规律不大相同。周一到周五为人们的工作高峰期，负荷的主要组成为工业负荷， 8 2 电力负荷特性分析 而工业负荷受气候等因素的影响较小，属于基础负荷，负荷相对较大，而且差异很小， 所以工作日的负荷变化具有相同的规律。周六和周日为大部分人的休息日，工业负荷 所占比重大幅下降，而居民生活用电、服务性行业用电所占比重明显上升，但是总的 负荷有所降低，使得周末负荷变化有一定的波动但周末负荷曲线形状具有相似性， 一般周末负荷较工作日负荷偏低。负荷变化的周周期性是分析、掌握典型日负荷预测 和日负荷预测的关键，也是进行典型日负荷预涮和日负荷预测的基础 负荷的年周期性是指以一年为周期的负荷变化中体现出的规律，这种周期性与季节 变化关系较大。西安地区冬季气温较低，增加了取暖负荷；而在夏季由于气温较高， 就相应地增加了降温负荷：在春秋两季，气温比较适宜，基本上没有取暖负荷也没有 降温负荷所以，从全年来看，夏、冬季同春、秋季的负荷有较大差异而春、秋季 的负荷变化不大。负荷变化的年周期性是进行中期负荷预测和节假日短期负荷预测的 基础，因而掌握负荷变化的年周期性对于节假日短期负荷预测意义重大 正是因为负荷具有一定的周期性，有其可以为人们所利用的内在规律，所以才使负 荷预测成为一种可能 2 2 2 电力负荷的连续性 电力负荷不但具有周期性，而且具有一定的连续性，即电力负荷的变化是连续的， 一般不会出现大的跃变，这是指在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，从电力系统的稳定性要求可以找出负荷的连续性的原因电力系统的运行 条件一般可以用三组方程式来描述，其中一组代数方程式构成电力系统安全运行的某 些参数( 如母线电压、线路潮流) ，应处于系统或设备安全运行的范围之内，其中就涉 及到发电机的有功和无功出力的不等式约束根据该约束条件。为了保证系统稳定运 行，必须避免对系统造成大的冲击，无论是增加或是切除负荷时都要求的负荷的变化 大小在一定的范围之内。由于这个限制，负荷总量就表现为一个连续变化的过程，负 荷曲线一般不会出现大的跃变 正是因为负荷具有可以为人们所利用的内在规律，所以才使负荷预测成为一种可 能负荷的周期性为人们进行负荷预测提供了依据，而连续性为人们描绘非线性曲线， 构造非线性函数进行负荷预测提供了保障。 2 3 负荷的外在特性 负荷的外在特性是指负荷随外在影响因素的变化而变化的过程中所体现出来的特 性。如前所述，负荷的变化在一定程度上具有周期性，但同时也伴随着一定的波动 一般而言，负荷的变化受多种因素的制约，并且这种因素对负荷变化规律的影响互不 相同，从而构成了负荷变化的波动性，即随机性当然，这些外部因素的影响也是有 规律可循的 影响因素按着作用时何及效果的角度来分，这些影响因素一般可按其表现分为两 9 西安理工大学工程硕士学位论文 类：一类是宏观影响因素：另一类是微观影响因素。其中，宏观影响因素是指那些对 负荷具有长期效应的影响因素，这些因素对负荷的影响表现为负荷变化的长期趋势性， 例如经济发展水平和经济结构调整的影响，收入和生活水平提高及消费观念变化的影 响，电力消费结构变化的影响，需求侧管理措施的影响，电力供应侧的影响等。微观 影响因素是指那些对负荷的影响具有短期效应的因素，它们对负荷的影响表现为短期 时间内负荷的相对波动性，例如温度、降雨量等因素都是典型的微观影响因素。所以 本文只研究对短期负荷预测起主要影响的微观影响因素。 2 3 1 温度对负荷的影响 温度是影响负荷变化的主要因素之一。研究日负荷随温度的变化情况，是掌握负荷与 温度关系的重要途径。 以西安地区为例，由于夏季、冬季的平度温度差较大，负荷组成成分的不同，使 得在两个季节的日负荷对温度的相应不同( 见图2 - 2 ，2 3 所示) 。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，这使得电力负荷的季节性特点更 加明显。在比较温和的春秋季节，由于温度、天气状况适合人们的工作和生活，这两 季的负荷受天气影响程度较低，所以我们常常讨论的是有典型意义的夏季与冬季的负 荷情况 1 0 1 8 0 0 1 6 0 0 1 4 0 0 1 2 0 0 量l o o o 蓑s o o 0 4 0 0 2 0 0 0 l3 579儿1 31 51 71 92 12 3 时间( 小时) 图2 - 2 夏季日负荷曲线图 f i 9 2 - 2t h el o a dc t n v eo f s u m m e r 2 电力负荷特性分析 1 6 1 4 0 0 1 2 0 0 ，、1 0 0 0 宝 。8 0 0 枢 蝮6 0 0 4 0 0 2 0 0 o l357gl l1 31 5l t1 9z lz 3 时间( 小时) 图2 - 3 冬季日负荷曲线图 f i 醇- 3t h el o a dc t n v eo f w i n t e r 日量大负荷与日量高温度的关系 不同季节，温度对负荷的影响不同，所以分季节对其进行分析。 冬季日最大负荷与日最高温度之间呈负相关关系。即最高温度越高，最大负荷越 低。这是因为供热负荷是冬季的波动负荷的主要组成成份，而供热负荷的变化与温度 成相反趋势变化。当温度升高时，供热负荷减少，此时日负荷减少；当温度下降时， 供热负荷相应得增加，以满足人们的供热需求，此时日负荷增加。夏季日负荷与温度 具有相同的变化趋势。这种相同的变化趋势是因为夏季的波动负荷主要由制冷负荷组 成，这部分负荷与温度呈现相同的变化趋势。当温度升高时，制冷负荷也随之增多； 当温度下降时，温度变得比较适宜，制冷负荷也随之下降。 春季日负荷与温度的关系较为复杂在春季，温度随着时间的移动而升高，负荷 的组成成分从由供热负荷为主，逐步转为以制冷负荷为主。春季是冬季向夏季的过渡 阶段，因此春季的日负荷与温度的关系，含有冬季负荷与夏季负荷两者的特点。通过 对西安市历年来的负荷数据与温度数据分析、调查，可以得出日负荷的变化分界线为5 月1 日。在5 月1 日之前，日负荷与温度的关系具有冬季负荷的特点；在5 月1 日之 后，日负荷与温度具有夏季负荷的特点。因此，可以将春季的负荷与温度的关系，在 时间上分别归为冬季负荷与夏季负荷来处理。在秋季，正好与春季的日负荷与温度的 关系相反，处于夏季向冬季的过渡阶段。与春季负荷类似，秋季负荷也可以按春季日 负荷与温度的关系来处理。 b 日最小负荷与日量低温度的关系 2 3 - 0 1 2 12 8 2 3 l - 2 2 1 5 表2 - 1 最小负荷与曩低温度变化衰 8 0 3 2 7 8 1 2 6 7 瑚1 7 1 5 2 1 m 7 1 6 2 2 8 2 4 2 1 0 1 4 6 9 8 6 8 从上表可以看出，日最小负荷与日最低温度的关系并不紧密。因为日最小负荷一 般在凌晨2 点左右，此时的负荷主要是一些保证人们日常生活和生产的工业负荷以及 街道照明等负荷，它们对于温度的变化并不是很敏感。我们也知道，负荷的变化不仅 受必然因素的影响，同时也受随机因素的影响。由于随日最低温度变化的日最小负荷 在总负荷中所占比重较小，所以。温度对这部分负荷的影响，基本上被随机影响的作 用淹没从实际调查与分析知道，相邻日的日最低负荷的变化较小，不像日最大负荷 变化那么明显。从历年的全年日最小负荷的变化来看，日最小负荷在幅值上存在的差 异与相应年的政治、经济发展情况基本相符。 2 3 2 降雨量对负荷的影响 在众多影响因素中，除了温度对负荷的影响较大之外，降雨量也对负荷的变化起 着不可忽视的作用。长期以来，由于降雨量与负荷关系的复杂性，使得人们难以针对 降雨量对负荷的影响程度进行详尽的定量的分析通过现场的记录和观测、对负荷规 律的掌握及大量的数据分析，可以对降雨量和负荷的关系做定性的分析。 其中，有一点需要注意，存在降雨的情况下，温度与降雨对负荷的影响是并存的。 例如，降温可以使民用负荷等呈现下降的变化趋势，而降雨也能使负荷出现相同的变 化。那么，对于此时的负荷的下降的情况，温度与降雨哪一个是主要影响因素，这一 点将影响到负荷预测模型的建立。表2 2 和图2 _ 4 说明了这一点 表2 - 2 降雨对日最大负荷的影响 t a b 2 - 2e f f e c to fr a i n f a l lo np c a kl o a d 日朋 图2 - 4 降雨对电力负荷的影响 f i 9 2 - 4e f f e c to fr a i n f a l lo re l e c t r i cl o a d 从表2 - 2 和图2 4 可以看出，2 0 0 2 年8 月4 日到8 月6 日之问，天气一直处于晴 天状态，但是因为它处于周末，故无法看出它负荷上升的趋势，可是跟同样处于周末 的8 月1 1 日到8 月1 3 日的负荷曲线相比，它是明显高出的，由此可以看出温度对负 荷的影响是很明显的。2 0 0 2 年8 月7 日开始降雨，这时的负荷本应是下降的，可是实 际上它却上升，原因有二：一是因为它处于周一上班时间，负荷本应该比周末高，这 体现了周末负荷与工作日负荷强烈的规律性；二是因为尽管这天出现降雨，可是长期 以来的高温突然遭遇降雨，这时的温度反而上升，人体感觉到闷热，空调等降温设备 投入使用，故而负荷反而出现上升状态2 0 0 2 年8 月8 日是降雨的第二天