（电气工程专业论文）县域地区短期负荷预测模型的研究.pdf

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 ) t a k e s 觚i m p o r t a n ta c ti nd i s p a t c h i n g ，d i s t r i b u t i n g a n dp r o g r a m m i n go fe m s ( e n e r g ym a n a g e m e n ts y s t e m ) i np o w e rs y s t e m t h ed e g r e eo f l o a df o r e c a s ti n f l u e n c e st h ee c o n o m i c a la n ds o c i a lb e n e f i td i r e c t l y a c c u r a t el o a df o r e c a s t i n g w i l li m p r o v eo p e r a t i o ns e c u r i t ya n ds t a b i l i t ya n ds a v et h eg e n e r a t i o nc o s t w i t ht h ee l e c t r i c m a r k e td e v e l o p i n ga n dp o w e rd e m a n di n c r e a s i n gq u i c k l y , s t l fi sn o to n l yr e s t r i c t e dt ob ea p a r to fa r e a sw i t hh e a v yl o a d ，b u ta l s ob ean e c e s s a r yp a r to fa r e a sw i t hs m a l ll o a ds u c ha sa c o u n t y , s ot h a tt ou s ee n e r g ym o r ee f f i c i e n t l y t h i sp a p e ri n t r o d u c ec o n s t i t u e n ta n dc h a r a c t e r i s t i co fe l e c t r i cl o a d ，e x p a t i a t et h e p r i n c i p l eo fe l e c t r i cp o w e rl o a df o r e c a s t i n g ，t h eo r i g i n a t i o na n dd e v e l o p m e n t ，t h eg e n e r a l a s p e c to fp r e s e n td o m e s t i ca n di n t e r n a t i o n a le l e c t r i cp o w e rl o a df o r e c a s t i n g a f t e ra n a l y z e a n dc o m p a r et h es t r o n g p o i n ta n ds h o r t a g ef o rt h ec o m m o nm e t h o d so fl o a df o r e c a s t i n g ，t h i s p a p e rh a sd e e p l yr e s e a r c hi nc h a n g x i n gp o w e rg i r ds h o r t t e r m l o a df o r e c a s t i n g a s c h a n g x i n gp o w e rg i r dt of o r e c a s t i n go b j e c t ，u s ean e w a r t i f i c i a ln e u r a ln e t w o r k ( a n n ) b a s e d s h o r t - - t e r ml o a df o r e c a s t i n gm o d e lc o n s i d e r i n gh o u r l yw e a t h e rf a c t o r sm o d e lo ns h o r t - t e r m l o a df o r e c a s t i n g t h ef o r e c a s t i n gr e s u l t ss t a t et h a tt h em o d e lu s i n gf o rs h o r t t e r ml o a d f o r e c a s t i n gi sc o m p a r a t i v e l ys m i s f i e da n dc o u l ds a t i s f yt h er e q u e s to fp r a c t i c a lp r o d u c t i o n 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 ) b a c k - p r o p a g m i o n ( b p ) h o u r l yw e a t h e rf a c t o r s 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，也不包含为获得逝江盘鲎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 表示谢意。 学位论文作者签名：铆殳签字r 期：2 1 年6 月7 日 学位论文版权使用授权书 本学位论文作者完全了解逝姿盘堂有权保留并向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。本人授权堑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、汇编学位论文。 ( 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：铆缀 导师签 签字日期：如 年6 月7 日 裤醐：吖“月厂日 致谢 本论文是在导师吴国忠教授的悉心指导下完成，吴老师知识渊博，平易近人，无 论是在课程期间，还是在论文撰写期间，吴老师在理论上都给了我极大的帮助和指导， 使我在浙大的工程硕士攻读过程中，开阔了思路，丰富了知识，在此向吴老师表示最 诚挚的感谢! 论文的完成还得到了湖州电力局调度所甘雯的帮助和支持，甘雯有着深厚的理论 功底和丰富的实践经验，在撰写论文期间得到了甘雯的悉心指导，不仅向我提供了许 多关于负荷特性的经验和观察方法，而且给予我很多有益的建议，论文的完成和她的 热情是分不开的，在此向她表示诚挚地感谢和敬意! 本课题的进行还得到了本人所在单位长兴县供电局局长徐先明高工的大力支持， 他给我提供了大量帮助，使得工作能够顺利完成! 感谢他提出宝贵的意见和经验! 感谢我同事和领导，在我几年来的硕士学习过程中给予了极大的帮助和支持。 衷心感谢我的妻子，以及我的父母，是他们在不断鼓励我，安慰我，使我能顺利 的完成硕士学业。 最后感谢所有对我有过帮助在我人生中知遇的许许多多匆匆过客，愿他们能心想 事成，万事如意! 邵俊 2 0 0 9 年5 月于求是园 商专 本人在浙江省长兴县供电局调度室从事调度工作。调度部门的重要工作之一是电 力负荷预测。电力负荷预测工作是根据电力负荷的发展变化规律，预计或判断其未来 负荷发展趋势和状况的活动。正确地进行负荷预测，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的需要，也是电力工业自身健康发展的需要。负荷 预测对电力系统控制、运行和计划都是非常重要的，对电力市场下的商业化运营有实 际的经济意义。 2 0 0 5 年，随着电网建设的不断发展，持续多年的用电紧张局面逐渐缓和，并即将 成为历史，随之而来的电力市场建设被提上日常工作。负荷预测准确率还是湖州电力 局同业对标的一项重要指标。同业对标中，负荷预测准确率的参考基准值为9 4 。负荷 预测开始为大家所重视。 负荷预测工作在长兴县供电局开展已有数年的时间，虽然已经取得了一些经验， 但是由于该局负荷波动较大等因素，该局负荷预测的难度很大，准确率也一直不太理 想。该局2 0 0 5 年及以前年份的负荷预测准确率均未达到9 4 的参考基准值要求。 为了认真履行调度部门的工作职责，同时配合市局开展短期负荷预测工作，2 0 0 6 年起，长兴局调度室将提高负荷预测准确率的工作列为重点工作之一。本人正好负责 此工作。 本论文就是以长兴县供电局负荷预测实际工作为例，通过对县域地区短期负荷预 测模型的研究，并在实际预测工作中取得了很好的效果。 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 1 绪论 电力系统负荷预测【1 ，2 1 是根据电力负荷、经济、社会、气象等的历史数据， 探索电力负荷历史数据变化规律对未来负荷的影响，寻求电力负荷与各种相关因 素之间的内在联系，从而对未来的电力负荷进行科学的预测。 正确地进行负荷预测，既是为了保证无条件供应国民经济各部门及人民生活 以充足的电力的需要，也是电力工业自身健康发展的需要。负荷预测对电力系统 控制、运行和计划都是非常重要的，对电力市场下的商业化运营有实际的经济意 义。 负荷预测对电力系统许多部门都起着重要的作用。例如，一年以上的中长期 负荷预测是制定电力系统发展规划的前提【3 ，4 1 ，以日负荷曲线为预测对象的短期 负荷预测是制定目前发电计划的基础【5 1 。 电力负荷预测能提高负荷预测技术水平，将有利于计划用电管理，有利于合 理安排电网发电计划和机组检修计划，有利于制定合理的电源规划，有利于降低 发电成本，有利于推进电力市场改革，提高电力系统的经济效益和社会效益。 负荷预测问题涉及电力系统规划和设计，电力系统运行的经济性、可靠性和 安全性、电力市场交易等多个方面，它已成为现代化电力系统运行和管理中的一 个重要研究领域。在电力系统规划设计、运行管理和电力市场交易中，必须对负 荷需求量的变化与负荷特性有一个准确的预测。这就是人们不断研究并发展电力 系统负荷预测的重要原因。 本章对电力系统负荷预测的基本概念、意义以及国内外研究状况进行了介 绍，并阐述了本文的主要研究内容。 1 1 负荷预测的基本概念 1 1 1 负荷预测的分类【2 】 通常对负荷预测按照以下的方式进行分类。 ( 1 ) 按照时间分类 负荷预测按照时间可以分为长期、中期、短期和超短期负荷预测。长期负荷 预测一般指1 0 年以上并以年为单位进行的预测，中期指5 年左右并以年为单位 的预测。它们的意义在于帮助决定新的发电机组的安装( 包括装机容量大小、型 号、地点和时间) 与电网的规划、增容和改建，是电力规划部门的重要工作之一。 1 浙江大学硕士学位论文 县域地区短期负荷预测模型的研究 短期负荷预测是指一年之内以月为单位的负荷预测，还指以周、天、小时 为单位的负荷预测，通常预测未来一个月度、未来一周、未来一天的负荷指标， 也预测未来一天2 4 小时中的负荷，其意义在于帮助确定燃料供应计划；对运行 中的电厂出力要求提出预告，使对发电机组出力变化事先得以估计；可以经济合 理地安排本网内各机组的启停，降低旋转储备容量；可以保证正常用电的情况下 合理安排机组检修计划。 超短期负荷预测指未来1 小时、未来0 5 小时甚至为了1 0 分钟的预测。其 意义在于可对电网进行计算机在线控制，实现发电容量的合理调度，满足给定的 运行要求，同时使发电成本最小。 ( 2 ) 按照行业分类 负荷预测按照行业可以分为城市民用负荷、商业负荷、农村负荷、工业负荷 以及其他负荷的负荷预测。其中，城市民用负荷预测主要指城市居民的家用负荷 预测；商业负荷预测和工业负荷预测是指对各自为商业与工业服务的负荷进行预 测；农村负荷预测是指广大农村所有负荷的预测；而其他负荷预测则包括市政用 电、公用事业、政府办公、铁路与电车、军用等负荷的预测。 ( 3 ) 按照负荷特性分类 按照负荷预测表示的不同特性，常常又分为最高负荷、最低负荷、平均负荷、 负荷峰谷差、高峰负荷平均、低谷负荷平均、平峰负荷平均、全网负荷、母线负 荷、负荷率等类型的负荷预测，以满足供电、用电部门的管理工作的需要。 本文主要针对县域地区短期电力负荷预测做研究。 1 1 2 短期负荷预测的特a f 6 j 预测是负荷预测的重要组成部分，它的最大特点是其具有明显的周期性，包 括： ( 1 ) 不同日之间2 4 小时整体变化规律的相似性； ( 2 ) 不同周、同一星期类型日的相似性； ( 3 ) 工作日或休息日各自的相似性； ( 4 ) 不同年度的重大节假日负荷曲线的相似性。 在具备上述周期性的同时，短期负荷的另外一个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、重大文体活动 2 浙江大学硕士学位论文 县域地区短期负荷预测模型的研究 等，这使得负荷时间序列的变化出现非平稳的随机过程。 节假日负荷预测是一类特殊的短期负荷预测问题，主要原因是节假日期间的 负荷变化规律与正常日明显不同，而且一般需要提前多日进行研究分析，这使得 预测精度更加难以达到。 1 1 3 短期负荷预测的意义【2 j 随着我国社会主义市场经济的不断完善，电力企业逐步走向市场，电力系统 的经营方式从垄断转变为市场竞争将成为必然。短期负荷预测是电力市场的基础 工作，准确的负荷预测成为电力企业制定购电和售电方案的基础，随着电力市场 改革的深入开展，其作用日益重要。 短期负荷预测意义重大，主要体现在： ( 1 ) 帮助确定燃料供应计划； ( 2 ) 对运行中的电厂出力要求提出预告，使对发电机组出力变化事先得以估 计； ( 3 ) 可以经济合理地安排本网内各机组的启停，降低旋转储备容量； ( 4 ) 可以在保证正常用电的情况下合理安排机组检修计划。 提高电力系统短期负荷预测的精度既能增强电力系统运行的安全性，又能改 善电力系统运行的经济性。它不但是发电厂报价的依据，能够保证企业运行方案 真正反映负荷的变化趋势，从而确保电网的安全经济运行、节省能源、减少设备 的损失和浪费，为发电和供电商带来巨大的经济效益，更是保证电网安全稳定运 行的重要前提，其预测精度直接影响电网及各发电厂的经济效益。 1 2 短期负荷预测国内外研究和应用现状概述 短期负荷预测是电力系统领域一个传统的研究问题，其研究已有很长历史。 对预测方法的研究和探索，一直以来是国内外学者关注的一个热点。国内外的许 多专家、学者在预测理论和方法方面做了大量的研究工作，取得了很多卓有成效 的进展。总体上表现出两大趋势：一种是普遍运用新兴理论尤其是人工智能的方 法进行负荷预测的探讨，如神经网络、小波分析法、模糊控制、遗传算法等；另 一种就是克服原有理论的缺陷，将一些方法进行综合，建立组合预测模型。 由于负荷的随机因素太多，非线性极强，而有些传统方法理论依据尚存在局 限性等问题，因此，新理论和新技术的发展一直推动着短期负荷预测的不断发展， 3 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 新的预测方法层出不穷。 鉴于目前各种预测方法的运用程度，将一些已经取得较好效果的方法列举如 下 1 2 1 回归分析法【6 】 回归分析法是研究变量与变量之间的一种数学方法。在回归分析中，自变量 是随机变量，因变量是非随机变量。由给定的多组自变量和因变量资料，研究各 自变量和因变量之间的关系，形成回归方程。求解回归方程后，给定各自变量数 值，即可求出因变量值。回归分析法根据历史数据和一些影响负荷变化的因素变 量来推断将来时刻的负荷值，主要利用多元线性回归模型建立负荷与其影响因素 之间的关系，表达式如下： y ( f ) 2 + 善岛薯( f ) ( 1 1 ) 式中x ( t ) 为t 时刻影响负荷变化的因素变量的取值，岛，玩为回归系数。 回归分析法的特点是：( 1 ) 原理、结构简单；( 2 ) 预测速度快；( 3 ) 外推特性好。 对于历史上未出现过的情况有较好的预测值。 回归分析法存在的不足有：( 1 ) 历史数据要求高；( 2 ) 用线性方法描述比较复杂 的情况过于简单；( 3 ) 无法详细地考虑各种影响负荷的因素，模型初始化难度较大， 需要丰富的经验和较高的技巧。 1 2 2 时间序列法【7 ，8 】 时间序列法是被认为最经典、最传统、最被广泛采用的一类短期负荷预测方 法。 时间序列法模型预测步骤： 【1 ) 取定一个样本序列长度为n ( 2 ) 判断序列的平稳性，若非平稳，则需通过差分将非平稳序列转化成平稳序 列，一般差分次数不超过3 ，判断依据为样本的自相关系数是否迅速按指数衰减 到零，如果是，则停止差分。 ( 3 ) 对差分后的新序列进行零均值化处理，并计算零均值序列的自相关系数和 片相关系数； ( 4 ) 模型识别和参数估计：模型识别的依据是判断自相关函数及偏相关函数的 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 特性分析，如果自相关函数具有“截尾”性，则采用m a 模型；如果偏相关函数 具有“截尾”性，则选用a r 模型；如果自相关函数和偏相关函数均具有“拖尾” 性，则选用a r m a 模型； ( 5 ) 模型检验和修正。 时间序列方法的特点：( 1 ) 计算速度快；( 2 ) 反映负荷近期变化的连续性。 存在的不足：( 1 ) 对原始时间序列的平稳性要求高；( 2 ) 对天气等影响因素考虑 不足。( 3 ) 当原始时间序列不满足平稳性，平稳化后建模辨识比较繁琐。 1 2 3 灰色理论法【9 ，1 o 】 2 0 世纪8 0 年代以来，灰色理论有了重大发展。中国学者邓聚龙教授首先提 出了灰色系统理论。目前这一理论已经成功的运用到负荷预测中，并取得了较好 的结果。 灰色理论预测的实质是建立待测负荷与历史数据列的微分方程模型，这一方 法对于具有指数增长趋势的序列的预测具有很高的精度。通过累加后的负荷序列 可以近似看成具有增长趋势，对于负荷较平稳的地区的短期负荷预测，灰色方法 因具有很高的精度而得到了广泛应用。 灰色系统法预测的主要步骤如下： ( 1 ) 输入原始样本序列为 x 。= x 。( 1 ) ，x 。( 2 ) ，彳。( 门) ( 卜2 ) ( 2 ) 如果有新信息的加入，对原始序列进行新陈代谢等维处理；比如对 x 。= x 。( 1 ) ，x ( 2 ) ，x ( 甩) 作等维处理，得到 x 。= x ( 2 ) ，x 。( 3 ) ，x 。( 以+ 1 ) ( 卜3 ) ( 3 ) 对处理后的数据进行累加处理 x 1 2 x 1 ( 1 ) ，x 1 ( 2 ) ，x 1 ( 刀) ) ( 1 4 ) ( 七) = ( 歹) k = l ，2 ，刀 其中 州 ( 4 ) 对累加处理的数据列建立g m ( 1 ，i ) 预测模型i ，得到预测结果： a x ( 1 ) ( 七) ( 七= 0 ，1 2 ( 刀一1 ) ，疗) ( 1 - 5 ) 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 ( 5 ) 对当次预测结果进行还原处理 aa x o ) ( 七+ 1 ) = x 1 ( 七+ 1 ) 一x 1 ( 尼)( 七= 0 ，l ，2 ，) ( 1 6 ) ( 6 ) 检验后验残差，如不满足精度要求，则取局部残差建立残差数据序列： p o ( 七) = ( e o ( f ) ，p e ( o ) ( z + 1 ) ，p o ) ( ，z ) ) ( 1 7 ) a 其中a o ，1 】，p ( 尼) = x 。( 后) 一x ( 克) ( j i = l ，2 ，疗一1 ，刀) ( 7 ) 对残差数据列再建立g m ( 1 ，1 ) 模型i i ； ( 8 ) 用预测模型修正预测模型i ，如修正后的g m ( 1 ，1 ) 模型不理想，则调 整残差数据列，使之达到满意的后验残差精度； ( 9 ) 重新进行预测分析。 灰色预测具有要求负荷数据少，不考虑规律、不考虑变化趋势、运算方便， 短期预测精度高、易于检验等优点，在实践中得到广泛应用，在电力系统短期负 荷预测中也得到了特别的关注。 1 2 4 人工神经网络模型【l l ，1 2 】 人工神经网络以其突出的优点而倍受学者们的青睐。所谓人工神经网络法， 是指利用人工神经网络( a n n ) 选取过去一段时间的负荷作为训练样本，然后构造 适宜的网络结构，用某种i ) t l 练算法对网络进行- y j i 练，使其满足精度要求之后，用 a n n 作负荷预测。 人工神经网络的突出优点就是对大量非结构性、非精确性规律具有自适应功 能，具有信息记忆、自主学 - - j 、知识推理和优化计算的特点。a n n 具有很强的自 学 - - j 和复杂的非线性函数拟合能力，很适合用于负荷预测。通常人们将影响负荷 的非随机性因素全部作为神经网络的输入变量，然后进行训练，拟合负荷与这些 因素之间的关系，以确定待测负荷。目前短期负荷预测中常用的神经网络有前馈 型( b p ) 网络、径向基( r b f ) 网络、反馈型e 1 m a n 网络及自回归神经网络( r n n ) 。 其中，b p 网络由于结构简单、运用方便而应用最为广泛。 b p 网络提出一个简单的三层人工神经网络模型，这个模型能实现从输入到 输出间任何非线性映射复杂函数关系。因此，我们可以把对电力负荷影响最大的 集中因素作为输入，即当天的天气温度、天气晴朗度、风向风力、峰谷负荷及相 关负荷等，争取获得较好的预测结果。 6 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 b p 网络是一种前向网络，它通过一元函数的多次复合逼近多元函数的非线 性映射。实践证明一个三层前馈神经网络可以实现任何一种非线性映射，能逼近 任何复杂函数。设有输入层、隐含层、输出层的三层前向人工神经网络如图1 - 1 所示。 d l 0 p 图1 一ib p 网络的结构图 一般而言，人工神经网络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。因为短期负荷变化可以认为是一个平稳随机过程，而长期负荷预测与国 家或地区的政治、经济政策等因素密切相关，通常会有些大的波动，并非是一个 平稳随机过程。 运用神经网络技术进行电力负荷预测，其优点是可以模仿人脑的智能化处 理，对大量非结构性、非精确性顾虑具有自适应功能，具有信息记忆、自主学习、 知识推理和优化计算的特点。 但是神经网络对短期负荷进行精确有效预测的一个基础是它用来学习或训 练的样本必须尽可能地包括全部模式，并且尽量不要有明显的季节性或趋向性， 否则可能导致网络性能的下降和预测精度的下降。另外，对一个地区设计的神经 网络模型不能适用其他地区。 1 2 5 专家系统法 对数据库里存放的过去几年的每小时的负荷和天气数据进行细致的分析，汇 集有经验的负荷预报人员的知识，提取有关规则，按照一定的规则推理进行负荷 预测。专家系统是对人类的不可量化的经验进行转化的一种较好的方法， 将它 与其他方法有机地结合起来构成预测系统可得到满意的结果。专家系统方法是一 种人工智能的计算机程序系统，这些程序具有相当于某个专门领域的专家的知识 和经验水平，以及解决专门问题的能力。其基本组成如图1 - 2 所示。 7 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 图i - 2 专家系统的基本组成 负荷预测离不开预测人员的丰富经验和判断能力，尤其在特殊的节假日以及 有重大活动和突发事件的时候，但是专家的知识转化为数学规则是一件非常困难 的事情，更多的人工调节是在程序预测结果出来后的调节和修正。 1 2 6 模糊控制方法【1 3 】 模糊控制方法首先将负荷预测的输入、输出空间划分为不等的模糊集合，如 高、中、低等，然后用一组模糊规则来表示负荷预测输入、输出间的关系。每一 条模糊规则是一个模糊i f - t h e n 关系，关系前件是对各输入变量不同模糊集合的 组合，关系后件是输出变量表达式，输出变量表示为各输入变量的线性组合， 第i 条规则可表示为： r i ：i fx lis 爿a n dx 2is4 a n d x = is 群 t h e nz = p o + 纠五+ p ；j c 2 + + 以靠 其中，_ ( j = 1 ，聊) 为输入变量。4 ( j = 1 ，肌) 为输入变量_ 的第i 个模 糊集合，相应隶属度函数可采用高斯函数或三角型函数等。髟是第i 条规则的输出 部分，( = 1 ，聊) 为规则的输出部分中输入变量勺的相应系数，成为常数项。 r 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 模糊控制的最终输出为各规则输出的加权模糊值。其基本预测过程如图1 - 3 所示。 数 模模 i- l 据模 糊糊 反 l r 预糊 推化 模 处 化 理的 糊 机结 理 制果 图1 - 3 模糊预测的一般过程 虽然模糊理论在电力系统负荷预测中取得了很好的成就，但随着模糊理论更 深入的研究和应用，模糊理论暴露了一些不足：模糊的学习能力比较弱；当其映 射区划分不够细时，映射输出比较粗糙。 1 2 7 小波分析法【1 4 , 1 5 】 利用小波理论进行负荷预测成为当今负荷预测研究的一个热点。小波分析是 2 0 世纪8 0 年代后期形成的一个新兴的数学分支。它是在傅里叶分析的基础上发 展起来的，但小波分析与傅里叶分析存在极大的不同。 小波分析是一种时域一一频域分析方法，它在时域和频域上同时具有良好的 局部化性质，并且能根据信号频率高低自动调节采样的疏密，它容易捕捉和分析 微弱信号以及信号、图像的任意细小部分。其目标是将一个信号的信息转化成小 波系数，从而能够方便地加以处理、存储、传递、分析或被用于重建原始信号。 小波变化的优点在于能将交织在一起的不同频率组成的混合信号分解成不 同频带上的块信号。其优点决定了小波分析可以有效地应用于电力系统负荷预测 问题的研究。对负荷序列进行小波变换可以将负荷序列分别投影到不同的尺度 上，而各个尺度可近似地看作不同的“频带”，这样各个尺度上的子序列分别代 表了原始序列中不同的“频域”的分量，它们更加清楚地表现了负荷序列的周期 性。在此基础上，对不同的子负荷序列分别进行预测。由于各个子序列的周期性 更为明显，因而如果对每个子序列进行周期自回归模型预测再通过序列重组能够 得到很好的预测结果。 小波分析应用于电力系统负荷预测。对短期预测：通过对电力系统小时负荷 序列进行二进小波变换，把原序列投影到各个不同的尺度上，可以更清楚地看到 负荷序列逐渐席位地周期性。在此基础上，对经小波变化后不同尺度上的负荷序 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 列选用较佳的匹配模型进行预测并进行重构得出预测结果。大量数据计算表明该 方法具有较高的精度和很强的适应能力；对中期预测，通过小波神经网络来模型 年度负荷曲线，克服了传统神经网络拓扑结构差、学习时间长等缺点，得到了令 人满意的结果。 1 2 8 组合预测模型【1 6 , 1 7 】 鉴于单一预测方法的一些弊端，探索组合预测已经成为学者们的共识。目前 组合预测模型的探究主要有两种思路【1 8 , 1 9 ：一种是从预测机理的角度将单一的 预测模型进行组合，结合各自预测的优缺点，分任务进行预测，互为补充。比较 常见的几种组合有：人工神经网络与时间序列法的组合，人工神经网络与模糊算 法的组合，人工神经网络与小波分析算法的组合【2 0 ，2 1 1 ，人工神经网络与模糊、 小波分析三种算法的结合等。 另一种思路是采用各种单一的预测模型分别进行预测，然后将这些预测结果 加权平均得到最终的预测结果。例如，对不同的预测方法得到不同的预测结果进 行加权得到一个综合模型【1 6 1 ，权重的确定依据是虚拟预测结果与实际负荷曲线 数据的误差平方和最小，实质就是“最优拟合模型”。有人对这种思路的预测模 型机理进行了讨论，提出“最优拟合模型”不等于“最优预测模型”，并提出建 立“较优预测模型”和“驻点拟合模型，【1 7 1 。因为“最优拟合模型”确定的权 重大多为正，而实际上某些算法应该提供负的贡献。 1 2 9 小结 对短期负荷预测而言，目前最成功的方法是b o x - j e n k i n s 所提出的时间序列 法；对中长期预测而言，其核心是要预测负荷未来的增长趋势，因此如何较为精 确地拟合负荷曲线是最根本地问题，目前较成功的方法是神经网络法以及专家系 统法等。 在国内研究中，华南理工大学任震教授等人首次成功实现了将小波分析应用 于电力系统负荷预测。表1 - 1 是对近些年来应用比较成熟的几种预测方法的比 较。 1 0 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 表1 - 1 几种负荷预测方法的比较 预测模型原理优点缺点 时间序列法电力负荷的历史数据构成一所需历史数据少、没有考虑负荷变 时间序列，用该时间序列对电工作量少化的因素，只致力 力负荷变化的规律和特性进 于数据的拟合，对 行分析并做出预测。因变量为规律性的处理不 未来负荷，自变量为负荷自身足，只适用于负荷 的过去值。主要有变化比较均匀的 a r ，m a ，a r m a ，a r i m a 四种形式。短期预测的情况 灰色负荷预通过累加将负荷序列构成接 一般较适合于有增一是当数据离散 测近指数增长趋势的序列，建立长趋势的历史数据程度越大( 数据波 ( g m ( 1 ，1 ) )微分方程，求解最后累减还 序列。预测精度高、动大) ，即数据灰 原，得到最终的预测结果。所需样本数据少、度越大，预测精度 计算简便、可检验越差；二是不太适 合于电力系统的 长期后推若干年 的预测 人工神经网通过神经网络的拓扑结构，误可对大量影响负荷初始值的确定 络 差逆向传播，模式顺序传播，预测的相关因素进无法利用已有的 实现输入到输出的非线性映行处理对大量非系统信息，易陷于 射。同时通过学 - - j 算法调整各结构性、非精确性局部极小的状态； 神经元的阈值和连接权值，使规律具有自适应功神经网络的学 误差信号最小。 能；具有信息记习过程通常较慢， 忆、自主学习、知对突发事件的适 识推理和优化计算应性差。 的特点 优选组合预一是将几种预测方法得到的优选组合了多种单权重的确定比 测预测结果，选取适当的权重进一预测模型的信较困难；不可能 行加权平均，二是在几种预测息，考虑的影响信将所有在未来起 方法中进行比较，选择拟合优息也比较全面，因作用的因素全包 度最佳或标准离差最小的预而能够有效地改善含在模型中，在一 测模型作为最优模型进行预预测效果定程度上限制了 测。 预测精度的提高。 小波预测将负荷序列通过小波变换分 能对不同的频率成 解为几个不同的尺度( 频率)分采用逐渐精细的 序列，然后对各个子序列通过采样步长，从而可 一般的方法进行预测，最后将以聚集到信号的任 各个子序列的结果叠加得到意细节，尤其是对 最终的预测负荷。奇异信号很敏感， 能很好的处理微弱 或突变的信号 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 1 3 本文的主要工作 从短期负荷预测的一般步骤入手，本文研究的主要内容是基于人工神经网络 的日负荷预测。本文主要研究基于前向型人工神经网络中的b p 模型的日负荷预 测方法，在考虑负荷本身特性的基础上，针对日负荷进行建模预测、算例分析和 进行日负荷预测。日负荷预测主要是从已知的历史负荷数据和对此有影响的气象 ( 温度、湿度) 及节假日等的主要影响因素出发，对神经网络的算法、网络结构、 短期负荷特性及预测模型进行研究，对未来特定一天的用电需求做出预测。 本文所做的工作主要有： 阐述了日负荷预测研究意义、背景以及人工神经网络用于本课题研究的优 点；分析了国内外负荷预测的发展现状，适用于电力系统短期负荷预测的多种预 测模型及其优缺点。分析了负荷预测的基本理论以及影响负荷预测的因素。 介绍了人工神经网络的基本原理、基本算法和b p 网络的特点。 在对负荷特性全面分析基础上，以提高负荷预测的精度为目标，探讨合适的 采用人工神经网络b p 算法进行日负荷预测模型。模型的核心理论是前馈型( b p ) 神经网络。 1 2 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 2 电力负荷特性分析 要对电力负荷进行科学的短期负荷预测，不但要选择适当的预测方法和技 术，还要注意考虑对历史负荷数据的调查和选择以及数据的预处理。为此，本章 对电力负荷的特点进行分析，确定出电力负荷的组成部分和对短期负荷曲线变化 影响的因素，进而对目前的一些短期负荷预测方法进行比较和研究，对各种方法 的优点和缺点进行了总结，为后续工作打下基础。 2 1 电力负荷的分类和特点 2 1 1 电力负荷的分类【2 】 在我国电力行业被采用的分类方法有多种，不同的分类方法用于不同的研究 目的。负荷预测采用的分类方法主要是按用电的部门属性划分法和按负荷预测的 时间长短的划分法。 1 、按用电的部门属性划分 这是一种电力规划及电力工业统计中常用的分类方法。一般划分为：工业用 电、农业用电、交通运输用电、市政生活用电四大类。 2 、按使用电力的目的划分 按使用电力的目的划分一般分为动力用电、照明用电、电热用电、各种电气 设备仪器的操作控制用电及通信用电。这类分类方法主要用于能源平衡分析。负 荷预测一般不采用这类分类法。 3 、按用电户的重要性划分 长期以来，我国根据用电户的重要性程度不同，将用电户划分为三类，即一 类负荷、二类负荷、三类负荷。这种分类方法主要用于电力系统的调度管理和用 电管理。负荷预测一般不采用这类分类法。 4 、按负荷预测的时间长短的划分 一般有短期负荷、中期负荷和长期负荷之分。这是负荷预测中的主要预测对 象之一。本文主要探讨短期负荷的负荷预测。 2 1 2 电力负荷的特点【2 2 】 电力工业与一般的其它产业不同，其产品即电能无法大量储存，电力的生产 和消费必须在同一时间必须保持平衡。分析掌握各主要用户的用电特点及其变化 趋势，有助于进行准确地负荷预测工作。 1 3 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 1 、工业用电特点分析 工业负荷是指工业企业用于工业生产的用电。在我国国民经济结构中，除个 别地区外，工业负荷的比重在用电构成中居于首位，它不仅取决于工业用户的工 作方式( 包括设备利用情况、企业的工作班制等) ，而且与各工业行业的行业特 点、季节因素都有紧密的联系。 工业用电有两大特点，一是用电量大，在目前我国的用电构成中，工业用电 量的比重占全社会用电量的7 5 左右；二是工业用电比较稳定。一般情况下，在 一年时间范围内，工业用电中除部分建材、制糖等季节性生产的企业外，一般负 荷是比较恒定的。 由于工业用电量大，且比较稳定，就为电力负荷预测提供了方便。当然，对 同一地区的工业负荷而言，也要受阴雨、光照等自然气候条件的影响，但工业负 荷一般视作是受气候影响较小的基础负荷，当然这并不是说它一点也不受气候的 影响，而是因为工业负荷本身基数很大，因此这类负荷变动较小。虽然某些工业 用户可能有明显的季节性特性，但这些用户特性均能事先掌握，从而可以采用相 应的措施加以对待。 2 、农业用电特点分析 农业负荷是指农村居民用电和农业生产用电，此类负荷在全社会电力消耗中 的比重不大，与工业负荷相比，受气候、季节等自然条件的影响很大，这是由于 农业生产的特点所决定的。从负荷特性上看，农业用电在日内的变化相对较小， 但在月内，尤其在季度内和年度内，负荷变化很大，呈现出很不均衡的特点。 农业用电一般对负荷影响不大，需要注意的是农忙期间，特别是夏季生产排 灌用电，其时间不长，但负荷特别集中，容易造成周电紧张。 3 、交通运输用电特点分析 交通运输的用电比重较小，目前只占全社会用电量的1 5 左右。今后，随 着电气化铁路运输及其它运输事业的发展，交通运输的用电量会有较大的增长， 但交通运输的用电比重不会有多大变化。 4 、市政生活用电特点分析 市政生活用电包括城市居民的家用负荷、商业负荷、市政用电、街道照明、 公用事业、政府办公、军用以及其它等负荷。 在各类负荷中，城市居民负荷具有经常的年增长以及明显的季节性波动和日 1 4 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 变化特点。城市居民负荷的季节性变化和日变化在很多情况下直接影响系统峰 值负荷的变化，但其影响程度取决于城市居民负荷在系统总负荷中所占的比例。 在我国，随着国民经济的发展，居民生活水平的提高，敏感于气候变化的家用电 器( 电炉、电热器、空调装置、电风扇、电冰箱等) 的日益广泛地应用，使居民负 荷变化对系统峰值的影响越来越大，使之成为在负荷预测中必须考虑的重要因 素。 商业负荷也同样具有季节性变化和日变化的特点，这种变化也是由于商业部 门越来越广泛地采用空调、电风扇等敏感于气候的电器以及商业营业性质所致。 2 1 3 影响电力负荷变化的i n 素 2 2 】 影响电力负荷变化的因素很多，经研究，短期负荷预测需要考虑的影响因素 主要有以下几种： 1 、作息时间的影响 一般白天上班时间负荷较高，上半夜负荷达到最大值，深夜凌晨的负荷是每 天负荷的最低点，中午休息时间也往往出现负荷降低。 2 、生产工艺的影响 连续性生产的电力负荷非常稳定。三班制工业生产除交接班时负荷较小外， 其它时间的负荷也很稳定。一班制工业生产负荷主要集中在白天，夜间负荷很小， e l 负荷很不均匀。 3 、气候影响 气候的变化对电力负荷会产生很大影响。譬如，高温天气时，制冷负荷增多； 冬季冰雪天气时，取暖负荷上升。尤其是夏天，随着空调设备的逐渐普及，气温 将成为电力负荷变化的一个重要的因素。 4 、季节影响 不同季节负荷有明显的差别。由于季节性用户的存在，用电设备的大修，以 及负荷在年内的增长等均对电力负荷及其曲线产生较大的影响。一般季节性影响 使得负荷在年内呈现规律性的变化。 5 、随机因素 其他大量引起负荷变化的随机因素也经常存在，例如当地重大的政治、经济 活动等。 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 2 2 短期电力负荷的特性分析 2 2 1 电力负荷的组成分析【6 】 电力系统的负荷是一个很复杂的非线性系统，我们发现有许多直接或间接的 因素都会对电力系统负荷产生直接的影响。但是，在负荷预测的实际应用中，又 不能考虑太多的影响因索。这是因为，一方面收集这些资料比较困难，另一方面 考虑因素太多会造成建模困难，并且会带来大量的复杂计算。因此，应抓住其中 几个极具特征的影响因素。 我们根据对历史负荷的分析，一般可把负荷分为基本负荷分量和变动性负荷 分量两部分。 1 、典型负荷分量 所谓典型负荷分量，反映的是负荷自身变化的基本规律，有较强的周期性， 尤其受到时间周期的影响。对短期负荷来说，时间周期因素包括日周期、周周期、 月周期和年周期等，其中日周期和周周期对于日负荷的曲线模式有着极为重要的 影响。 2 、变动型负荷分量 变动性负荷分量是随机因素影响负荷变化的结果，一般在总负荷中所占的比 重不大。变动性负荷是由于电网内偶然因素的影响造成的负荷振荡，这种负荷在 一个长时间周期看，具有零平均值，但是对于短周期而言，负荷的振荡会使得负 荷平均值有所改变，因此对于短期负荷预测，这种振荡的负荷是必须加以考虑的， 造成这种负荷振荡的因素主要为节假日和气象条件的影响。节假日包括正常假日 ( 星期六、星期日) 和法定假日( 元旦、春节等) 以及重大的社会政治事件等， 这些都将对日常的生产、生活用电产生不同程度的影响。通常来说，变动型负荷 分量由以下三个部分组成： ( 1 ) 天气敏感负荷分量 天气敏感负荷分量与一系列天气因素有关：如温度、湿度、风力、阴晴等。 不同天气因素影响负荷的方式不同，一年中不同时期天气因素影响负荷的方式也 不同，这就形成负荷季节性周期变化的规律。 ( 2 ) 异常或特殊事件负荷分量 异常或特殊事件负荷分量使负荷明显偏离典型负荷特性：如政治事件、系统 1 6 - 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 故障、限电、特别电视节目等。由于这类事件的随机性，需要由调度人员参与判 断。在各种负荷预测模型中这部分分量往往通过人工修正得以改进。 ( 3 ) 随机负荷分量 随机负荷分量是负荷中的不可解释成分，可通过负荷预测的模型和算法来考 虑这些随机负荷分量。例如，在时间序列法中，将剩余的残差，即为各时刻的随 机负荷变量，看成是随机时间序列；而在神经网络预测中利用模型良好的非线性 能力，可以很好的考虑到随机负荷因素。 针对影响系统负荷的因素，电力系统某一时刻的短期负荷预测模型一般可以 按四个分量模型描述如下： y ( t ) = p ) + w ( t ) + s ( f ) + r ( t ) ( 2 - 1 ) 式中，】，( f ) 为f 时刻的系统总负荷，( f ) 为f 时刻的系统典型负荷分量，矽( ，) 为f 时刻的天气敏感负荷分量，s ( f ) 为，时刻的系统异常或特殊事件负荷分量， r ( f ) 为，时刻的随机负荷分量。 总之，电力负荷具有周期性的特点，而且负荷变化是连续的，一般不会出现 大的跃变；同时电力负荷对季节、天气等因素是敏感的，不同的季节、不同地区 的气候、以及温度的变化都会对负荷造成明显的影响。随着电力市场的逐步深入， 电力负荷会有新的特点出现，如负荷变化将会对电价进行响应，用户将会将用电 计划安排在电价较低的时段，这不但对本时段负荷的影响，也会影响其它时段负 荷，起到转移峰荷的作用。电力负荷在电力市场中的新特点需要更深入的研究， 在探索中不断补充对新形势下电力负荷的认识。 2 2 2 典型负荷分量的特性【2 3 】 典型负荷分量主要是由预测对象的负荷组成决定，其最大的特点就是负荷的 周期性变化规律。在不考虑其他负荷分量的情况下，负荷的规律性体现的尤其明 显，分为负荷的日周期性、周周期性、年周期性及节假日特性。 1 负荷的日周期性 负荷的日周期性是指以一天二十四小时为周期的负荷变化所体现出的规律 性。图2 - 1 给出长兴县五天工作日2 4 个点的负荷曲线，不难看出负荷的日循环 变化规律。 浙江大学硕士学位论文县域地区短期负荷预测模型的研究 图2 - 1 五天工作日2