（电力系统及其自动化专业论文）负荷预测中误差校正及组合权重选取的研究.pdf

a b s t r a c t 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 sa ni m p o r t a n tt a s ko f p o w e ru t i l i t i e s ，w h i c h i sw i d e l yu s e di nt h ed i s p a t c h i n ga n do p e r a t i o np l a n n i n go fp o w e rs y s t e m s ，a n dt h e a c c u r a t el o a df o r e c a s t i n gi sh e l p f u lt ot h es e c u r i t ya n ds t a b i l i t yo fp o w e rs y s t e m sa s w e l la st or e d u c et h eg e n e r a t i o nc a s t s w i t ht h ee s t a b l i s h m e n ta n dd e v e l o p m e n to f t h e p o w e rm a r k e t , s t l fw i l lp l a ym o r ea n dm o r ei m p o r t a n tr o l ei np o w e rs y s t e m s t h el o a do fp o w e rs y s t e m si sa nu n s t e a d ys t o c h a s t i cp r o c e s s a m o n gt h o s e o b s e r v e dv a l u e st h e r em a yb es o m e u n h e a l t h yd a t a d u et ot h ee f f e c to fv a r i o u s f a c t o r s t h e s e u n h e a l t h yd a t a , p a r t i c i p a t i n g t h e t r a i n i n g o fn e u r a ln e t w o r k s i n t e r m i n g l e dw i t hn o r m a ld a t a , b a d l ya f f e c tt h ea c c u r a c yo fl o a df o r e c a s t i n g t h i s d i s c u s s e dan e wm e t h o df o rr e m o v i n gt h es i n g u l a rp o i n t s ，a b s o l u t em e a nv a l u e m e t h o d l o a df o r e c a s t i n gm o d e lo n l yc a ne a r l yo nt h el i m i t e dd e s c r i p t i o nt ot h el o a d r e g u l a r i t yi nt h em o d u l a rf i e l dt oh a v et h em o d e l i n ge r r o r , s ot h e r ew i l lb et h es a l t l e s t a t i s t i c a lp r o p e r t ye r r o rc o m p o n e n tw i t ht h em o d e l i n ge r r o rt ob ea b l et oc o n t i n u et o t h ef o r e c a s te r r o ri nt h ef o r e c a s t i n gf i e l d t h i sp a p e rp u t sf o r w a r dt h e a s s o c i a t i v e m e t h o do fs p e c t r u ma n a l y s i sa n dt r a n s v e r s ee r r o rc o r r e c t i n gw h i c ha r eb a s e do na n e wg r a yt h e o r y t h e r e f o r et h em e t h o do fs p e c t r u ma n a l y s i ss h o u l db eu s e dt o f o r e c a s tl e n g t h w a y sl o a d t r a n s v e r s e l yc o r r e c t st h ee r r o ro ff o r e c a s t i n gl o a di s p r o c e e d e db yu s i n gt h es h a r p t i m ef o r e c a s te r r o rb e f o r ef o r e c a s t i n gt i m et os e tu pa g r a yt h e o r ym o d e l i ti m p r o v e st h ep o i n tw h i c hl i e si nt h em e t h o do fg r a yt h e o r y c o r r e c t i n g a n a l y s i so fp r a c t i c a le x a m p l e ss h o w st h a tt h ep r o p o s e dm e t h o di ss i m p l e ， e f f e c t i v ea n df e a s i b l e t h e r ea r em a n yu n c e r t a i nf a c t o r si np o w e rs y s t e ml o a d w h e no n l ys i n g l e f o r e c a s t i n gm o d e li su s e d ，t h ep r e c i s i o nm a yn o tb eh i g h s om o d e l i n gf e a t u r e so f e v e r ym o d e lw a sc o n s i d e r e ds i m u l t a n e o u s l y b yu s i n gt h eb a y se s t i m a t em e t h o d ，t h e w e i g h to fe v e r yf o r e c a s t i n gm o d e li so b t a i n e d s u p p o r tv e c t o rm a c h i n e sa n d i i a b s t r a c t s p e c t r u ma n a l y s i sa r es e l e c t e dt oc o n s t r u c tt h eb a y sc o m b i n e dm o d e l ，w h i c ha r e a p p l i e dt of o r e c a s t t h ef o r e c a s t i n gm e t h o dg i v e sb i g g e rw e i g h tt ot h em o d e l s ，w h i c h b e t t e rc o n f o r mt ot h ev a r i a t i o no f p o w e rl o a d ，a n di m p r o v e st h ep r e c i s i o n t h es a m p l e c a l c u l a t i o ns h o w st h ec o m b i n e dm o d e li sb e t t e rt h a nt h o s eo ft h es i n g u l a r i ti st h e c h a r a c t e r i s t i co ft h ec o m b i n e dm o d e lt ot r a c kp r e d i c t i o nm o d e lp e r f o r m a n c eo n l i n e a n da l w a y sc o m b i n et h eb e t t e rp e r f o r m i n gp r e d i c t o r sf o ras t a b l ep r e d i c t i o n 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 i n g ；g r a yt h e o r y ；t r a n s v e r s ee r r o rc o r r e c t i n g ；b a y s c o m b i n e dm o d e l i 论文原创性声明 本人声明，所呈交的学位论文系在导师指导下本人独立完成的研究成果。文 中依法引用他人的成果，均已做出明确标注或得到许可。论文内容未包含法律意 义上已属于他人的任何形式的研究成果，也不包含本人已用于其他学位申请的论 文或成果。 本人如违反上述声明，愿意承担以下责任和后果： 1 交回学校授予的学位证书； 2 学校可在相关媒体上对作者本人的行为进行通报； 3 本人按照学校规定的方式，对因不当取得学位给学校造成的名誉损害， 进行公开道歉： 4 本人负责因论文成果不实产生的法律纠纷。 1 ，生巾 论文作者签名： 鱼堕垄日期：立型2 年l 月_ 堑日 论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属东北电力 大学。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权利。 本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署名 单位仍然为东北电力大学。 论文作者签名： 导师签名： 年 日期： 日期： 第1 章绪论 第1 章绪论 1 1概述 电力系统负荷是系统中所有用电设备消耗功率的总和，也称电力系统综合 用电负荷。综合用电负荷加上电网中的损耗和发电厂的厂用电，就是系统中所 有发电机应发的总功率，也称电力系统发电负荷。电力负荷是影响系统安全稳 定运行的重要因素。 电力负荷预测中的负荷概念，是指国民经济整体或部门或地区对电力和电 量消费的历史情况及未来的变化发展趋势。负荷预测是电力系统领域的一个传 统研究问题，是指从已知的电力系统、经济、社会、气象等情况出发，在正确 的理论指导下，在调查研究掌握大量详实资料的基础上，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，运用可靠的方法和手段 对电力负荷的发展趋势做出科学合理的推断。 正确的预测电力负荷，既是为了保证无条件供应国民经济各部门及人民生 活以充足的电力需要，也是电力工业自身健康发展的需要。电力负荷预测工作 既是电力规划工作的重要组成部分，也是电力规划的基础。全国性的电力负荷 预测，为编制全国电力规划提供依据，它规定了全国电力工业的发展水平、发 展速度、能源动力资源的需求量，电力工业发展的资金需求量，以及电力工业 发展对人力资源的需求量。地区或电网范围内的电力负荷预测成果，则是地区 或电网范围内的电力规划的基础，它为地区或电网的电力发展速度、电力建设 规模、电力工业布局、能源资源平衡、地区或电网i 日j 的电力余缺调剂，以及地 区或电网资金和人力资源的需求与平衡提供可靠的依据。因此，电力负荷预测 是一项十分重要的工作，它对于保证电力工业的健康发展，乃至对整个国民经 济的发展均有着十分重要的意义。 东北电力大学硕卜学位论文 1 1 1 短期电力负荷预测的重要性 短期电力负荷预测在实现现代电力系统的安全和经济运行中起着重要作 用，是能量管理系统的重要组成部分。它主要用于预报未来几分钟，几小时( 超 短期) 或几星期的电力负荷，对电力应用如机组最优组合、经济调度、最优潮 流而言，短期电力负荷预报是具体操作的基本依据。 目前，随着电力工业市场化进程的加快，供电管理走向市场，对各级调度 中心的负荷预测功能都提出了更高的要求。负荷预测水平的高低将直接与供电 企业的经济效益紧密相关，它们又是衡量一个供电企业的管理是否走向现代化 的标准，也将成为决定供电企业经济效益好坏的重要因素。电力工业市场化的 进程迫切需要精准的短期负荷预测。然而，电力负荷的大小，除了随着人们的 生产，生活而呈现出其总体的规律性之外，还受到多方面因素的影响而产生非 规律性的波动。负荷的非规律性波动是产生预测误差的主要因素，而深入地 认识并把握这种非规律性并不是一朝而就的事情。尽管负荷预测的许多方法已 经在国内外得到了广泛的应用，有的已经编制成了商业化的应用软件，更有许 多专家学者不断提出多种多样的基于新理论或在原有方法基础上改进的预测方 法，然而到目前为止，在我国能够在实际电力系统中长期、准确、有效运行的 负荷预测软件还不多见。 一方面是电力商业化运营对精确负荷预测的迫切需要，另一方面，人们对 负荷的认识又一个逐渐深化的过程。要找到较为理想的负荷预测方法，取决于 人们对负荷规律性认识的程度。也正因为如此，电力负荷预测领域吸引着众多 的研究人员在此探索，各种最新的数学理论都可以在这个领域觅到它们的踪迹。 负荷预测是一个让人们长谈不衰、屡显新意的热点。 1 1 2 电力负荷预测的分类 电力负荷预测按预测期限可分为即期预测( 同或周) ，短期预测( 1 2 2 4 个 月) ，中期预测( 5 - 1 0 年) 和长期预测( 1 0 - 3 0 年) “1 。 即期预测用于编制发电机的运行计划，确定旋转备用容量，控制检修计划， 估计收入，计算燃料及购入电量的数量和费用。在此短期内，发供电的固定成 第l 章绪论 本及燃料储备均不变，预测只是一种手段，以促使现有的发电机组及电厂在最 经济的状况下运行。这一般是在电网调度部门由编制运行方式的人员做预测。 短期预测除用于电厂经济运行外，还用于确定检修计划，确定电力系统的 交换功率，水力发电工程的水库和水文情况的估计，核电厂燃料棒的管理，以 及确定燃料和购电的数量和费用，在这期间还有可能调整输变电建设计划，这 种预测主要在电力公司的计划部门做。 中期预测的期限大致与电力工程项目的建设周期相适应，发电项目的建设 规划、输变电工程建设、配电计划、电价研究等主要根据这种预测的结果。我 国电力规划部门所作的预测，主要是指这种预测。 长期预测用于战略规划，包括对发电能源资源的长远需求的估计，确定电 力工业的战略目标，确定电力新科技发展及科技开发规划，以及长远电力发展 对资金总量的需求估计等。主要由电力规划部门来做。 1 2 短期负荷预测的发展和现状 1 2 1短期负荷预测的发展过程 短期负荷预测的研究已有较长的历史，它是随着电力系统中e m s 系统的逐 步发展而发展起来的。从上世纪七十年代开始，对电力负荷预测的研究就呈现 逐步上升的趋势，到了八十年代，由于能源紧张造成的对负荷科学管理的迫切 要求以及对准气候适应性强的负荷模型的渴望，使得对负荷预测的重视程度越 来越高。九十年代，随着世界各国电力市场的发展，负荷预测受到了人们更加 广泛的重视。至今，国内外研究人员在预测理论和方法方面已做了大量的研究 工作“，并不断地将数学上的相关发展应用到负荷预测领域中。 短期负荷预测是电力系统调度和计划部门安排购电计划和制定运行方式的 基础。由于电力负荷除了受温度、天气状况等非线性因素影响之外，还具有自 身的随机性，故短期负荷预测是一个非常复杂的问题。 1 2 2 负荷预报领域的两大研究方向 。 各种方法都是人类智慧的结晶，体现着人们在科学与实践面前勇于探索， 东北t 乜力人学硕f | 学位论文 精益求精的精神。我们从提出的各种方法背后可以得出一致的结论：由于一个 区域的总负荷是难以计算的个别负荷的总和，故负荷中必然包含随机变化的成 分，由于随机变化的不确定性，导致预报误差捉摸不定，无法给它以确定性的 指标，这就诱导人们产生这样的想法：如果取得足够多的负荷相关信息，对负 荷的研究足够透彻，那么，人们就可以通过不断改进预测方法，找到最能反映 负荷变化规律的方法，从而无限的减小预报误差，最终总会找到一种方法把这 看似简单而又极难达到目的的问题予以解决。正是基于这样的一种信念，每年 都有大量的关于负荷预测的论文出世。而每一种新的数学理论的提出，都会被 人们引用到负荷预测领域，做遍文章”。1 。 然而，由于负荷的变化除了受人们生产、生活规律的支配而呈现出规律性 以外，还受到一些相关因素的影响( 诸如日类型、负荷时段、节假日、气温、湿 度、风速、日照时间、降雨量、阴晴雨雪、季节、特殊事件，经济发展等) 而呈 现出随机性。而随机性恰恰是负荷中不可预报的非规律性成分“”，也就是说任 何一种预报方法都不可能避免预报误差。 对于一种具体的预报方法，将其应用于具有不同时空特性的负荷进行预测 时，其预报误差各异。那么，什么样的预报误差是该种负荷模式可以接受的， 如果改进预报方法，尽可能全面地考虑各种相关因素，该种负荷模式的预报误 差是否存在最小值或者最小误差带? 如果存在，如何找到? 文献 2 1 从负荷预 报的经济影响分析入手，采用m o n t ec a r l os i m u l a t i o n s ，研究了不同负荷预报 误差( 实际负荷的2 至5 ) 对某电力企业不同季节，不同时段的经济影响， 指出误差在实际负荷的5 以内即为准确，并指出了提高日最高负荷预测准确率 的重要性。该文献对评价预报方法的有效性及对改进预报精度的重点所在进行 了抛砖引玉的研究，其所用研究方法可以针对不同的企业进行推广。 实际工作中，人们总希望预报精度越高越好，对负荷预报部门提出缺乏科 学依据的精度要求。文献 2 2 针对负荷预报实践中的实际情况，深入地研究了 负荷自身的规律性，提出了负荷预报中对负荷变化规律性进行评价的问题，构 建了评价负荷规律性的基本思路和方法，提出了最小建模误差，即负荷预报精 度上限的概念。文献 2 3 在负荷规律性评价和预报方法有效性全面评估的基础 上，提出了一种内蕴误差评价的负荷预报方法，使预报和误差评价融于一体。 第1 审绪论 运用该方法，可以有效的诊断导致预报误差的主要因素，并在预报前估计预报 误差的上下限。对改进预报方法，提高预报精度提供了有益的线索。 总之。在当前的负荷预报领域，大体上存在两个方向：对预报方法的研究和 对负荷自身规律性的研究。大量的基于预报方法的负荷预报研究表明，无论负荷 预报方法多么完善，都难以摆脱负荷自身规律性的支配作用，因而不可能无限制 的提高负荷预报的精度。目日 ，已有更多的注意力转向对负荷数据自身特性的研 究。 对负荷规律性的评价研究和基于评价基础上的负荷预报方法的创建，将对 负荷预报研究领域产生深远的影响。 1 3 短期电力负荷预测的方法概括 不断提高负荷预测的准确性，是从事负荷预测的研究者共同追求的目标。 随着各种数学理论的不断提出、发展、完善，以及人们对负荷规律性认识的不 断深入，逐渐形成了一系列不同特色的预测方法。总体上，我们可以分为三种 方法： 1 基于经验的负荷预测这类方法是指电力行业的运行人员或有关研究负 荷预测领域的专家，根据长期实际工作经验，对负荷的变化规律进行分析和判 断，采用主观类比法，主观概率法等方法对负荷做出预测。 2 基于显示数学模型的预测方法这类方法就是将负荷与影响负荷变化的 各个因素之间的关系用数学模型的方法来描述。负荷预测模型的精确性对负荷 预测的精度至关重要。 3 无数学模型的人工智能方法这类方法的特点是：不需要建立描述负荷 变化规律的精确的数学表达式，而通过模仿人脑的智能化处理功能，对负荷历 史数据进行记忆、判断和推理。 就具体的负荷预测实践而言，短期负荷预测技术经历了大致三个阶段： 早期的回归技术和时间序列法，以其计算量小、速度较快见长。但是由于 这些模型的线性特性，若在截然不同的时间使用唯一的线性模型，就不足以真 正描述电力系统的不同负荷模式的非线性特性。预测精度不能满足实际工程的 要求，特别是节假同的预测效果更不能保证。加上不具备自适应学习能力，预 东北电力人学硕 哗位论文 测系统的鲁棒性没有保障。 二十世纪8 0 年代中后期，专家系统在负荷预测技术中逐渐取得了成功的应 用“”。对于突发性事件引起的负荷变化脱离正常模式的情况，由调度员经验发 展而来的负荷预测专家系统可以避开复杂的数值计算而使问题得到解决。这些 系统非常简单，但通用性较弱，缺乏学习能力和利用模糊知识的能力。二十世 纪9 0 年代初，兴起了人工神经网络在电力系统负荷预测中的应用热潮。 由于其具有很强的鲁棒性、记忆能力、非线性映射能力即强大的自学习能 力，近年来出现了很多接近实用水平的成果。但由于收敛速度慢和可能收敛到 局部最小点，并且知识表达困难，因而难以充分利用调度人员经验中存在的模 糊知识。 由于模糊集理论适合描述广泛存在的不确定性，同时具有强大的非线性映 射能力，能够在任意精度上一致逼近定义在一个致密集上的非线性函数，并且 能够从大量的数据中提取他们的相似性，这些特点正是进行短期负荷预测所需 要的或是其它方法所欠缺的优势所在，因此，模糊集理论与其它预测技术的结 合在短期负荷预测中也表现出旺盛的生命力。 经过多年的研究和实践，目前，被人们广泛采用并具有实用意义的预测方 法有：趋势外推法。1 、时间序列法”1 、灰色系统法嘲、混沌预测法。1 、专家系统 法“”“、人工神经网络法“”1 、支持向量机法“圳、小波分析法睁嘲、模糊推理 法等。由于各种单一方法陆续暴露出其这样或那样的弱点，经过人们的不断尝 试和勇于创新，取各方法之长进行优势互补，以适应复杂多变的负荷情况，各 种方法相互渗透，趋于综合“”“。 1 3 1短期负荷预测的传统方法 短期电力负荷的一大特点是其明显受到各种环境因素的影响，如季节更替、 天气因素突然变化、设备事故和检修、重大社会活动等，这使得负荷时间序列 的变化出现非平稳的随机过程。短期负荷预测的传统理论和方法有： 1 时间序列法时蚓序列法是应用较早、最为广泛、发展比较成熟的一种 方法”1 。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i 日j 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机过程，进行 第1 幸绪论 分析和处理。常用的时间序列分析模型有以下几种：自回归( a r ) 模型、动平 均( m a ) 模型、a r m a 模型、累积式自回归一动平均( a r i m a ) 模型。 时间序列法优点主要是：( 1 ) 对历史数据量要求较低；( 2 ) 计算量小；( 3 ) 以采用估计被测日电量值的方法减小误差。其缺点主要表现在：( 1 ) 对历史数 据准确性要求高，坏数据对对预测效果的影响较大；( 2 ) 难以解决气象因素对 短期负荷预测的影响；( 3 ) 不适用于电网容量较小或变化较大地区的负荷。 2 回归预测方法回归预测法电力负荷预测的一种常见的方法”1 ，其特点是 简单、有效和快速，长期以来一直广泛地应用于各类数理统计问题和预测问题 中，它不仅适用于中长期负荷预测，改进后也可用于短期负荷预测。 回归预测方法是通过对负荷历史数据进行统计分析，确定变量之间的相关 关系，从而实现预测的目的。它包括线性回归预测与非线性回归预测，其中多 元线性回归模型是负荷预测问题中最常用的方法。 回归预测法优点是：( 1 ) 方法简单，预测速度快；( 2 ) 外推特性较好；( 3 ) 对于没有气象条件巨变情况下的负荷预测准确性较高；其缺点是：( 1 ) 用线性 方法无法描述复杂的非线性关系；( 2 ) 缺乏自学习能力；( 3 ) 在线应用时的递 推算法还不完善。 3 趋势外推预测方法趋势外推预测方法是针对负荷的趋势变化采用曲线 拟合或递推计算的方法外推预测结果的一种预测方法。1 ，它包括多项式拟合法、 指数平滑法等方法，这些预测方法可以针对水平趋势、线性趋势、多项式趋势 和季节性趋势建立模型进行外推预测。 趋势外推预测法是一种快速简单的预测方法。尤其是平滑预测法，它可以 很容易可以推广应用于包含周期性和趋势性变化的负荷时间序列，因而也是目 前被广泛采用的负荷预测方法之一。 4 灰色系统理论灰色系统理论是研究解决灰色系统分析、建模、预测、 决策和控制的理论，近年来，它已在气象、农业等领域得到广泛应用。从电力 系统的实际情况可知，影响电力负荷的诸多因素中，一些因素是确定的，而另 一些因素是不确定的，故可以把它看作是一个灰色系统。其优点是计算简洁、 精度高、适用性好的优点，它在电力负荷预测中已有很多成功的应用“。 5 组合预测方法由于预测模型受各种条件的制约，为了保证预测结果的 东北电力大学硕 坞位论文 准确性和可靠性，人们也常常对同一问题采用各种不同的预测方法，然后再从 中选择一个预测结果较好的预测模型。但是这样做，只是依据现有的信息，而 这些信息在未来表现如何几乎无法确定。此外，对同一问题，不同的预测方法 所用的信息也不相同，从信息利用方面来说，单一的预测方法只利用了部分的 有用信息而抛弃了其它的有用信息，为了尽可能的利用所有信息，人们提出了 组合预测方法。 组合预测的概念首先是由b a t e x 和g r a n g e r 提出的。他们组合的 b o x j e n k i n s 自适应方法和b r o w n 指数平滑方法，采用国际航班乘客数据进行 预测，得到了较高的预测精度。后来有不少学者对此做了深入和广泛的研究“， 得到了一个基本结论：组合预测比单一预测对于环境的变化具有较强的适应能 力。 组合预测方法可分为等权组合预测方法和优选组合方法8 1 ，其中等权组合预 测方法是人们熟知的一种传统预测方法，优选组合法则是近年来刚刚兴起的一 种新方法。根据所采取的具体优化手段的不同，优选组合方法又可以分为方差 一协方差优选组合法、回归优选组合法、模型群优选组合法等”3 。 从理论上分析，等权组合预测法无需了解每个预测值的预测精度和各预测 模型之间的误差关系，它是组合预测方法中最简单的一种形式。优选组合方法 是建立在最大信息利用的基础上的，它集多个单一的预测模型所包含的信息进 行最优组合。因此，通过组合预测有可能达到改善预测精度的目的。 需要指出的是，组合预测方法只有在单个预测模型不能完全准确描述负荷 的变化规律时才能发挥出其优势。若单一预测模型可以很好的反应负荷的实际 变化，它的预测准确度完全有可能比组合预测方法好。 1 3 2 短期负荷预测现代研究方法 由于电力负荷的随机因素太多，非线性极强，而有些传统的理论依据尚存 在局限性等问题，因此，新理论和新技术的发展一直推动短期负荷预测的不断 发展，新的预测方层出不穷。人工智能研究方面，应用较多的方法是专家系统 和人工神经网络及支持向量机方法。负荷规律方面，有频谱分析方法。 1 ，专家系统预测方法专家系统预测法是将专家在实际工作中对事物获得 第1 帝绪论 的感性认识进行提取，建立知识库，并在系统的实际运行过程中对知识库不断 进行更新和维护，以跟随事物的变化轨迹，达到模拟专家的目的。它具有像人 类专家一样的大量的专门知识，它能够根据具体情况灵活运用这些知识，并根 据不确定和不完整的证据得到较好的结论“。 专家系统具有以下优异性能：( 1 ) 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、空间的限制而广泛应用、永久保存； ( 2 ) 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； ( 3 ) 能进行符号操作，知识表现直观，可以表示现实世界的概念；( 4 ) 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；( 5 ) 专家系统具有透明性和自我知识，可以解释为什么做出这 样的推理，便于人们检查推理过程；( 6 ) 专家系统具有交互性。专家系统用于 短期负荷预测基本上达到了令人满意的效果，但把专家知识转换为一系列的数 学规则是较难实现的。 2 人工神经网络( a n n ) 法人工神经网络是一门涉及生物、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问题，具有广泛的应用 前景。其优点主要有；( 1 ) 可以处理那些难以用解析规则描述的过程或系统；( 2 ) 由于神经网络的并行结构，使得其在处理实时性要求较高的自动控制领域显示 出优越性；( 3 ) 善于模拟复杂的非线性映射关系；( 4 ) 具有很强的信息综合能 力和容错能力，能恰当地协调好相互矛盾的输入信息。因此，a n n 具有很强的自 主学习、知识推理和优化计算的特点，以及非线性函数拟合能力，很适合于电 力负荷预测问题，它是在国际上得到认可的实用预测方法之一“”。用于负荷预 测的人工神经元网络有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。 3 支持向量机( s v m ) 方法支持向量机( s u p p o r t v e c t o rm a c h i n e ) 是v a p n i k 等人提出的一类新型机器学习方法。它建立在统计学习理论基础之上，能够较 好地解决小样本、高维数、非线性和局部最小点等实际问题”。由于其出色的 东北电力大学硕卜学位论文 学习性能，该技术已成为继神经网络之后新的研究热点，并在很多领域得到了 成功的应用。 优点：( 1 ) 它与传统的神经网络学习方法不同，实现了结构风险最小化原 理，它同时最小化经验风险与v c 维的界，这就取得了校小的实际风险，即对未 来样本有较好的泛化性能。( 2 ) 它的训练等价于解决一个先行约束的二次规划 问题，存在唯一解，解中只有一部分不为零，对应样本就是支持向量。与神经 网络方法相比，s v m 有着显著的优越性，被认为是人工神经网络方法的替代方法。 5 频谱分析方法频谱分析方法是穆钢等人提出的一种新的负荷预测方 法，认为系统未来日的负荷之所以可以预测，是因为负荷的变化是有一定规律 性的。负荷的变化既有规律性又有随机性，这种规律性是通过对一定窗宽的历 史数据进行建模来反映的。负荷的规律性变化包括负荷的日周期性、周周期性 交化等与社会生产、生活的规律性相关的变化魄1 。对负荷做有限傅立叶分解， 负荷重新组合为日周期分量，周周期分量，低频分量与高频分量四部分，日周 期分量和周周期分量是按固定周期变化的负荷分量，因此在预报时可直接外推， 低频分量与高频分量可建立适当模型进行预测。其优点为模型是基于负荷预测 机理建立的，揭示了负荷历史数据的规律性，预报精度比较高。 1 4 负荷预测的误差指标 为提高区域电网总体效益，优化资源配置，我国的电力工业工f 在进行“厂 网分开，竞价上网”的电力市场改革，其运营的目的是在保证安全的基础上利 用市场的“杠杆作用”自动优化资源配置，降低系统的运营成本从而降低全网 的购电费。随着电力市场改革的深入开展，负荷预测的作用更加重要，在电力 市场中它是发电厂报价，电力公司安排购电的依据。直接影响电网及各发电厂 的经济效益，因此对其精度要求较高。 预测误差和预测结果的准确性关系密切。误差越大，准确性越低，反之， 误差越小，准确性越高。计算分析误差的大小有着重要意义，这不仅可以客观 认识预测结果的准确程度，从而对利用预测资料作决策具有重要参考价值，同 时，对于改进负荷预测工作，检验和选用恰当的预测方法等方面也有较大帮助。 负荷预测的误差指标很多，较为常见的有： 第1 章绪论 ( 1 ) 平均绝对误差 捌e = 扫r e , i = 矧l = 一引( 1 - 1 ) 其中：m a l e 表示平均绝对误差。 r 表示第i 点的实际负荷值，e 表示第i 点的预测负荷值。 由于预测误差有正有负，为了避免相互抵消，取误差的绝对值，然后再进 行平均。 ( 2 ) 相对误差 巨= ( z - r , ) r , ( 卜2 ) 其中：e 表示相对误差，其它符号同前。这是一种直观的误差表示方法，也 是电力系统经常用的一种综合指标。 ( 3 ) 均方误差 m s e = 土量( 霉一r ) 2 ( 1 3 ) 其中：m s e 表示均方误差，其它符号同前。 均方误差是误差平方之和的平均数，它避免了正负误差不能相加的问题。 ( 4 ) 均方根相对误差 r m s e = j 1 1 n 妻( ( r t ) r ) 2 ( 1 - 4 ) 其中：r m s e 表示均方根相对误差，其它符号同前。 ( 5 ) 平均相对误差 删饱= = 去耋i ( 一霉) ，= i ( 1 栅 玎- i 其中：m a p e 表示平均相对误差，其它符号同前。 ( 6 ) 相对误差的方差( 标准差) ( 1 6 ) 由于相对误差指标比绝对误差指标更直观和易于比较，因此本文将五个相 对误差指标作为文中预测效果的判断依据。它们是：相对误差，平均相对误差， 最大相对误差，最小相对误差，相对误差的标准差。这里相对误差取绝对值。 东北屯力大学颐 j 学 奇论文 1 5 本文在短期负荷预测方法上的探索 尽管短期负荷预测技术在算法理论研究上取得了很大的成就，但是由于社 会、经济、能源、环境等原因，人们对现代电力系统的规划与运行水平提出了 越来越高的要求，而这些水平的提高在很大程度上取决于对电力系统实际行为 定量模拟精度的提高。因此，短期负荷预测技术在实际应用中还存在很多问题 有待进一步的解决。 负荷预测的种类很多，其中一天各整点时刻( 2 4 小时) 的负荷预测是重要 的短期负荷预测。在预测方法上，建模域的选取通常有两种，一种是选用与预 测负荷同一时刻具有相同影响因素的历史负荷作为模型的输入进行预测( 称之 为纵向预测) ，另一种是选用预测时刻之前的各个整点时刻的负荷作为模型的输 入进行预测( 称之为横向预测) ，纵向预测保证了输入输出影响因素的一致性， 横向预测强化了预测负荷与相邻时刻负荷之问的联系，鉴于两者的优点，本文 将两种方法结合起来，提出了一种计及横向误差校正的短期负荷预测方法。 单一预测方法所用信息是有限的，从单一预测模型走向综合预测( 组合预 测) ，成为研究人员的共识，但就预测机理而言，组合预测的权重仍是一个未能 很好解决的问题。本文提出一种利用贝叶斯定理，计算组合预测模型的权重的 组合预测方法。 1 6 本文的研究内容 1 历史数据预处理电力系统负荷预测是建立在历史负荷的基础之上，故 什么样的历史数据，将建立起来什么的负荷模型。所以要有准确的历史数据才 能够建立较好的负荷模型，才能够真实的反映本地区的负荷规律。因此，坏数 据处理是负荷预测过程中必不可少也至关重要的一环，在这一任务中应该要做 到对坏数据的准确定位和正确识别，并且为调度规划部门提供有用的系统信息。 本文采用了一种简单的检测修正方法一绝对均值法，在数据的采集过程中，对 奇异数据进行修正。大大的减少了现场人员的工作量。 2 ，计及横向误差校正的短期负荷预测方法的研究影响预测负荷的随机因 素很多，尤其是突变因素对预测域的负荷具有延迟效应，建模域的状况会影响 第1 帝锗论 预测域，因此预测误差与建模误差之间有着密切的关联关系，基于灰色理论模 型的横向误差校正方法，是利用预测负荷前一日的各个整点时刻负荷预测值的 误差组成一个时间序列来建立灰色理论模型，由此可预测出预测时刻的负荷预 测误差值，根据此误差值对负荷预测值进行横向误差校正。 3 基于贝叶斯理论的组合预测方法的研究贝叶斯学习是一种基于已知的 概率分布和观察到的数据进行推理，做出最优决策的概率手段。由于短期负荷 的规律性，通过计算表明其日周期分量几乎占负荷的9 0 以上，因此可以根据 负荷模型前一日的预测表现，构造模型，进行预测。利用贝叶斯定理，计算出 每个预测模型的前一日同时刻的权重，选取支持向量机预测方法和频谱分析预 测方法，构造贝叶斯组合预测模型。 第2 章历史负荷数据预处理 2 1 引言 电力负荷预测是根据电力负荷历史数据和其它各类相关影响因素来进行预 测，因此，预测的精确度很大程度上取决于历史数据的准确性。然而，由于电 力调度自动化系统中各种信息存在大量随机信号而具有明显的不确定性，如： 遥测、遥信信道中的白噪声，电力负荷的随机波动性，故障发生的随机性，开 关、保护柜动、误动的发生概率等，众多的不确定性对电力负荷建模和负荷预 测造成困扰。且历史负荷数据采集来自于量测系统，数据采集系统中的量测、 记录、转换、传输过程的任意环节都可能引起故障而导致观测数据的反常态势， 也会导致观测数据的违背常规。所有这些非正常的观测数据统称为异常值，异 常值一般包括坏数据和畸变数据两种。为保证负荷预测的精度，必须对历史进 行异常数据的辨识和修正。 2 2 异常数据的分类 在实际数据采集系统中，异常数据的产生往往是随机的，以多种类型存在 于数据库中。可统分为两大类： ( 1 ) 坏数据这类数据通常由于量测系统的故障引起的。主要表现为如下类 型： a 完全缺失值：主要由于量测系统的故障造成的，在数据库中的表格单元 里表现为空值。也是最容易识别的。 b 待补充数据：这类数据主要是由于在一天的某一段时间内线路检修，某 用电大户设备停电检修或某些变电所在一段时期内测量表计损坏等因素造成 的，使负荷曲线与相邻日正常负荷或当日计划负荷相比在一天或一段时间内出 现明显的增大和减小。 c 极大极小值：这类异常数据在数值上表现为在非负荷峰、谷时刻超出当 第2 章历史负荷数据预处理 日负荷的峰值或低于谷值。或在峰、谷时刻的负荷值大量超出相邻只峰、谷时 刻负荷值。 ( 2 ) 畸变数据这类数据通常是在量测系统正常情况下由于特殊事件的发生 造成的。表现为自然正常数据叠加随机事件引起的负荷波动而产生的负荷畸变。 主要表现为两类： a 含有冲击负荷数据：这类数据主要由于突发事件或某些社会政治经济生 活中的大事件、或电力市场模式中的随机因素造成。如某用电大户的设备的突 然停、投而引起的连续时段内的负荷下降或负荷增加，沙尘暴天气会造成人们 照明负荷增加，为庆祝节日的偶尔举办的灯会，奥运会等也会引起负荷增加。 这类负荷应分解为正常的规律性负荷和受诸类因素影响的冲击负荷。 b 含毛刺负荷数据。这类异常数据在数值上表现为在相邻时段数据间的突 然增大或减小。有突变幅度大小之分，极大极小值有时候属于突变幅度过大的 毛刺。 图2 1 给出了异常数据情况的曲线图。 2 0 0 0 1 8 0 0 1 6 0 0 1 4 0 0 量1 2 0 0 钆1 0 0 0 蓑8 0 0 6 0 0 4 0 0 2 0 0 0 11 63 14 66 17 69 1 1 0 61 2 11 3 6 1 5 11 6 61 8 11 9 62 1 l2 2 62 4 12 5 62 7 12 8 6 t s m i n 图2 - 1 异常数据图 2 3常用的异常数据的识别和修正方法 常用的异常数掘修难方法有以下几类： ( 1 ) 经验修正法由现场负荷预测人员根据长期积累的经验对数据进行修正。 ( 2 ) 分时段设定阈值判别法对不同时段区间内的负荷，参照其波动范围分 别设定最大、最小阈值，然后对区间内的各负荷数据进行筛选。该法可以将多数 坏数据筛选出来。对筛选出的坏数据，运用第( 4 ) 、( 5 ) 、( 6 ) 、( 7 ) 种方法进 行修正。 ( 3 ) 曲线置换法对大事故日负荷或明显负荷曲线异常的负荷进行剔除或用 正常曲线置换。 ( 4 ) 数据横向对比法将某一时刻的负荷与其前后时刻的负荷进行比较，如 果差值大于某一闽值，则认为是负荷毛刺。 ( 5 ) 数据纵向对比法将某一时刻的负荷值，分别与其前l d ，2 d 相同时刻的 负荷值进行比较，如果偏差大于某一阈值，则取平均值代替。 ( 6 ) 插值法运用多种插值算法对数据进行识别和修正。 ( 7 ) 概率统计法先采用方法一，对多数坏数据进行筛选和修正，然后对余 下的部分坏数据和畸变数据用置信区间的方法进行识别和修正。先设定置信区 间，对于置信区间以外的数据我们认为它就是异常数据，给予剔除，然后采用 极大似然估计，估计出该点在正态分布下最可能的负荷值大小，即认为是该点 的正常负荷数值，用该值代替原数值，即完成了该点的修正。 以上方法存在一定的缺点：数据处理粗糙，有的时候不能精确的处理异常 数据，而且在异常值识别和替换时都需要人工去干预，加大了运行人员的工作 量。为了更好的处理异常数据，本文提出一种绝对均值法进行异常数据的识别 和修正。 2 4 绝对均值法异常值的辨识与处理 绝对均值法：在动态信号测试中，运用数据采集设备所获得的信号是离散的 有限的数字时序信号，可表示为： x ( t ) = ( 五+ 覃) ，( 恐+ 蕈) ， + 功，( + i ) ( 2 1 ) 第2 章历史负荷数据预处理 式中可为x ( f ) 的均值。 对于零均值数字时序信号则可表示为 x ( r ) i 置o = 五，x 2 ，x 3 ，t9 t 9 简写为 x o ( t ) = x i ，j c 2 ，t ，x n ( 2 2 ) 一般地，动态信号是连续变化的，经过等间隔的数据采集后获得的数字时序 信号，其数据间的变化也不应该有突变。根据数理统计原理，动态信号的时序数据 具有在一定阈值范围内变化的特征，若令阀值为矿，则当k l w 时，一既被认为 是石( ，) 序列中的坏点应予以剔除。由此可见矽的取值是非常关键的。 绝对均值法定义：对零均值数据序列x o ( t ) 求出其数掘样本的绝对值的均值 i - i ，再乘以系数来确定值，当l x , i - - - 矿时，即认为t 是数