（计算机应用技术专业论文）基于神经网络的短期负荷预测的研究与实现.pdf

摘要 电力系统短期负荷预测是能量管理系统( e m s ) 的重要组成部分， 是电力系统调度运营部门的一项重要的日常工作，其预测精度的高低 直接影响到电力系统运行的安全性、经济性和供电质量。 本文介绍了历史负荷数据中不良数据的成因与对负荷预测的影 响，提出了根据差分方法的思想，修正不良数据，消除负荷曲线毛刺 的方法。在深入分析电力负荷周期性变化规律以及夏季气温对短期负 荷的影响基础上，本文设计了基于b p 神经网络并考虑气温因素的短 期负荷预测模型，该模型选择了动量自适应学习速率调整算法改进 b p 网络，有效提高了b p 网络的收敛速度，抑制了b p 网络容易陷入 局部极小点的缺点，并采用独特的气温量化处理，充分考虑了气温对 电力负荷的影响。利用湖南历史负荷数据比较该预测模型与未含气温 因素的神经网络模型的预测效果，证明该预测模型能有效地提高短期 负荷预测的精度，具有良好的实用性和可行性。 最后介绍了短期负荷预测软件的设计与实现，该软件系统采用 b s 模式，基于n e t 平台开发。由于本系统预测效果理想，在实际使用 中，有效地缓解了电力公司负荷预测人员预测工作的压力，得到了用 户的好评。 关键词负荷特性分析；负荷预测；神经网络；系统设计 a bs t r a c t s h o r t t e r ml o a d f o r e c a s t i n g i sa ni m p o r t a n tc o m p o n e n to ft h e e n e r g ym a n a g e m e n ts y s t e m ( e m s ) ，a n di ti sa ni m p o r t a n ts e c t o ro ft h e d a y t o - d a yw o r kf o rt h es c h e d u l i n go fp o w e rs y s t e mo p e r a t o r s t h el e v e l o fp r e d i c t i o na c c u r a c yo fi t sd i r e c th a v eh i g hi m p a c to nt h es e c u r i t y ， e c o n o m ya n dq u a l i t yo f t h eo p e r a t i o no f p o w e rs y s t e m t h i st h e s i sd e s c r i b e st h ec a u s e so ft h eh i s t o r i c a ll o a dd a t aa n dt h e i m p a c to fl o a df o r e c a s t ，p r o p o s e sa d i f f e r e n c em e t h o db a s e do nt h ei d e a o fd i f f e r e n t i a li no r d e rt oa m e n dt h eb a dd a t a ，a n de l i m i n a t et h ec u r v e b u r r i n d e p t ha n a l y s i so ft h ec y c l i c a lc h a n g e so fp o w e rl o a da n dt h e s h o r t - t e r ml o a db a s e do nt h ei m p a c to fs u m m e rt e m p e r a t u r e ，t h et h e s i s d e s i g n sa 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 lb a s e do nb pn e u r a ln e t w o r k ， c o n s i d e r i n gt h et e m p e r a t u r ef a c t o r t h em o d e ls e l e c t e dt h em o m e n t u m - a d a p t i v el e a r n i n gr a t ea d j u s t m e n ta l g o r i t h mt oi m p r o v eb pn e t w o r k ， w h i c he f f e c t i v e l yi m p r o v e dt h ec o n v e r g e n c er a t eo fb pn e t w o r k ，a n d i n h i b i t e dt h eb pn e t w o r k sv u l n e r a b l et ot h es h o r t c o m i n g so ft h el o c a l m i n i m u mp o i n t a n di tu s e st h eu n i q u et e m p e r a t u r et r e a t m e n tw h i c ht a k e f u l lc o n s i d e r a t i o nt ot h el o a di m p a c to ft h et e m p e r a t u r e b yu s i n gh u n a n h i s t o r i c a ll o a d d a t a ，a n dc o m p a r e dw i t ht h et e m p e r a t u r e f a c t o r sn o t i n c l u d e di nn e u r a ln e t w o r kp r e d i c t i o nm o d e l ，i ts h o w st h a tt h ep r e d i c t i o n m o d e lc a n e f f e c t i v e l yi m p r o v e t h e a c c u r a c y o fs h o r t t e r ml o a d f o r e c a s t i n g ，w i t hg o o dp r a c t i c a b i l i t ya n df e a s i b i l i t y f i n a l l y ，s h o r t t e r m l o a d f o r e c a s t i n g s o f t w a r ei s d e s i g n e d a n d i m p l e m e n t e d t h es o f t w a r es y s t e mu s e sb sm o d e l ，i sd e v e l o p e db a s e d o n n e tp l a t f o r m t h ef o r e c a s tr e s u l t so ft h es y s t e ma r es a t i s f a c t o r y i n a c t u a lu s e ，i te f f e c t i v e m i t i g a t e dt h ep r e s s u r e o fw o r k e r so fp o w e r c o m p a n i e sw h o s ew o r ki sl o a df o r e c a s t e r sp r e d i c t a n di tg e t sg o o d a p p r a i s a lo f t h eu s e r s k e yw o r d s a n a l y s i so fl o a dc h a r a c t e r i s t i c s ，l o a df o r e c a s t i n g ， a r t i f i c i a ln e u r a ln e t w o r k s ，s y s t e md e s i g n 原创性声明 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。尽我所知，除了论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，也不包含为获得中南 大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本 研究所作的贡献均已在论文中作了明确的说明。 作者签名： 獐盘 日期： 趁1 2 2 年一 月丑日 学位论文版权使用授权书 本人了解中南大学有关保留、使用学位论文的规定，即：学校有权 保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允许学位 论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用 复印、缩印或其它手段保存学位论文。同时授权中国科学技术信息研究所 将本学位论文收录到中国学位论文全文数据库，并通过网络向社会公 众提供信息服务。 作者签名： 绛丕 导师签名 硕士学位论文第一章绪论 1 1 短期负荷预测的意义 第一章绪论弟一早三百 t 匕 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、增容决策与 自然条件的情况下，利用一套系统地处理过去与未来负荷的方法，在一定精度意 义上，决定未来某特定时刻或某些特定时刻的负荷值。 电力系统负荷预测按照预测时间的长短可分为年度预测、月度预测和同度预 测，从大的方面来分类，也可以分为长期、中期、短期和超短期负荷预测。长期 预测覆盖时间从未末数年到数十年不等，主要用于电源发展规划及网络发展规 划；中期预测是指未来一年( 1 2 个月) 之内的用电负荷预测，用于安排大修计划 以及水库的经济运行；短期负荷预测通常是指未来2 4 小时的同负荷预测和未来 1 6 8 小时的周负荷预测，目的是给各个电厂安排同、周发电计划，包括确定机组 起停、火水电协调、燃料采供、联络线交换功率、负荷经济分配、水库调度和设 备检修等；超短期预测是指未来1 小时、未来0 5 小时甚至未末1 0 分钟的预测， 主要用于安全监视、预防性控制和紧急状态处理。 我国短期电力负荷预测的研究已有较长的历史，它是随着电力系统中现代能 源管理系统( e m s e n e r g ym a n a g e m e n ts y s t e m ) 的逐步发展而发展起来的。e m s 系 统有效运行依赖于短期负荷预测的准确性。由于对安全和经济发、配电有重大意 义，短期负荷预测是对电力系统最为重要的负荷预测。短期负荷预测是电力系统 调度运营部门的一项重要同常工作，是制定发电计划和输电方案的主要依据。精 度较高的短期负荷预测在制订发电计划时可以合理安排旋转备用和冷备用容量， 减少机组启停次数，降低即同交易电量，在满足用户用电的同时减少电能成本和 电价，另外同负荷预测数据是校核电网安全的重要依据。因此，不论从经济角度 还是从安全角度讲，短期负荷预测工作都是十分重要的。 1 2 国内外短期负荷预测研究的发展与现状 1 2 1 短期负荷预测方法的发展 短期负荷预测的核心问题是利用现有的历史数据( 历史同负荷据等) ，采用适 当的数学预测模型对被预测同的负荷值进行估计，因此期负荷预测要具备两方面 的条件，一是历史数据信息的可靠性，二是相应的手段。由于现在电力系统调度 硕+ 学位论文第一章绪论 运营部门管理信息系统的逐步部门气象预测水平的提高，各种历史数据的获取己 不再困难，因此的核心问题是预测模型的水平高低。 对于电力系统的短期负荷预测模型的研究，在过去的十几年中，各种预测方 法和模型被引入负荷预测中，其特点总体上体现在如下： 1 ) 预测模型从简单到复杂： 2 ) 智能技术用于负荷预测； 3 ) 影响负荷变化因素的计及： 4 ) 从单一型预测到多型组合预测。 1 。2 2 短期负荷预测主要方法与模型 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。短期电力负荷预测的传统理论和方法有： 1 时间序列法心1 时间序列模型有自回归( a r ) 、滑动平均( m a ) 、自回归一滑动平均( a r m a ) ， 累积式自回归一滑动平均( a r i m a ) 模型。模型辨识的基本途径是对原时间序列的 相关性分析，也就是计算序列的均值、自相关和偏相关函数，从而确定模型的类 型。模型辨识后，就要利用原序列有关的样本数据，对模型参数进行估计。由于， 时间序列模型无法引入对负荷影响的其它变量，所以，单纯应用时间序列模型进 行负荷预测精度难以提高。 2 回归预测法。玎 回归分析预测是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，据此作出预测。按自变量的个数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回归和非线性回归。多元线性回归 模型可以表示为： y = b o + b l x l + b 2 x 2 + + b r x 。+ f ( 1 一1 ) 孝( 0 ，仃2 ) ( 卜2 ) 其中y 是随机变量，x ，x 2 ，x ，是p 个线性无关的可控变量，b o , b l ，一，b p , 仃2 都是与x ，x ：，x 。无关的未知参数，言是随机误差。该模型适用于变量y 与p 个 可控变f i t x ，x ：，x 。存在线性关系的情形。然而，各种变量和负荷问的函数关系 并非是线性和静态的，而是随着时i 、日j 的变化而变化的，常规的回归分析模型没有 适应这种变化的灵活性，通常它的预测值是一个平均值。 3 灰色系统理论n 3 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 2 硕士学位论文第一章绪论 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 力负荷预测的模型通常为g m ( 1 ，1 ) 模型及其改进。 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。 4 专家系统法瞄1 传统人工智能是从计算机科学的角度来研究机器智能的智能科学。专家系统 是传统人工智能中最活跃的分支。专家系统是对领域专家分析、求解复杂问题能 力的模拟。而一般地来说，人类专家的能力来源于他们渊博的知识，即专家的知 识很大程度上决定了他们的能力。因此如果能让计算机程序具备并能灵活运用与 专家相同的知识，我们就可期望该程序系统也具有与专家相似的分析、判断和推 理能力，这一点已为一些成功的专家系统实践所证实。专家系统方法的优势在于 它可以避开复杂的数值计算而使问题得到解决，系统结构简单、清晰，对于预测 过程和预测结果具有良好的透明性。而专家系统的缺点是知识库的建立比较困 难。尽管如此，专家系统对于解决不确定性问题和非规律性问题仍然是一个强有 力的工具。专家系统是将专家在实际工作中对事物获得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。 5 小波分析m 1 小波分析是当前数学中一个迅速发展的新领域，它同时具有理论深刻和应用 十分广泛的双重意义。 小波变换的实质是通过时间轴上的位移与放缩和幅度的变化产生一系列的 派生小波，用系列小波对要分析的信号进行时间轴上的平移比较，获得用以表征 信号与小波相似程度的小波系数，由于派生小波可以达到任意小的规定精度，并 可以对有限长的信号进行精确的度量，因此可以获得相对于傅立叶分析所不能获 得的局部时问区间的信息。 6 混沌分形理论m 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，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 3 硕+ 学位论文 第一章绪论 定理，由b 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。对所有样本求得的迭代函数系数进行相应的参 数求均，可得到具有统计学特征的i f 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策论、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。 7 人工神经网络( a n n ) 方法0 3 运用人工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 处理过程，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，特别是其自学习和自适应功能是常规算法 和专家系统所不具备的，因此，预测是人工神经网络的最有潜力的应用领域之一， 有非常广泛的前途。由于人工神经网络适于解决时间序列预测问题( 尤其是平稳 随机过程的预测) ，在电力系统负荷预测中应用人工神经网络在理论上是可行的。 1 9 9 1 年p a r k 等人第一次将人工神经网络应用于电力系统负荷预测，并取得了令 人满意的结果旧1 。 现在研究最多的是应用误差反向传播算法( b p e r r o rb a c kp r o p a g a t i o n a l g o r i t h m ) 进行短期负荷预测3 ，常用的是简单的三层神经网络模型n 引，能实现 从输入到输出间非线性映射任何复杂函数关系，其主要思路是将对电力负荷影响 最大的几种因素的历史数据中作为学习样本集，如当天的天气温度、天气晴朗度、 峰谷负荷及相关负荷等，把这些相关因素的历史数据作为输入量输入神经网络， 经过输入层、隐含层和输出层中各神经元的作用最后生成输出量，再与样本集中 所希望的输出项比较，确定是否在误差允许范围内，若不在误差允许范围，则重 新修改各个权重直到达到精度要求；若在误差允许范围，则用确定的权重开始进 行预测工作，只要把待预测同的相应刺激输入神经网络就可以得到相关的输出， 即预测结果。由于人工神经网络具有一定的联想和推理功能，所以对于训练过程 中没有出现过的情况，神经网络同样可以进行预测。 4 硕+ 学位论文第一章绪论 文献n 加利用天气参数在神经网络中预测未来l 到1 0 天的负荷。天气预测变 量是神经网络用于负荷预测的关键输入量，由于神经网络能够在很大程度上模拟 负荷和天气变量之间不确定的非线性关系，该文重点比较天气预测结果对负荷预 测的影响，提出将天气整体预测方法应用于神经网络预测模型中，指出将这种整 体天气预测方法应用于神经网络模型比常规天气预测方法更能实现准确的负荷 预侧。 人工神经网络技术的主要优点在于它不需要任何负荷模型，并具有很好的函 数逼近能力，较好地解决了天气和温度等因素与负荷的对应关系，通过学习能够 反映输入、输出之| 1 自j 复杂的非线性关系。与传统预测方法相比，这种方法具有其 不可比拟的优点，所以，人工神经网络得到了众多学者的赞誉。但其缺点是训练 过程比较消耗时间，并且不能保证一定收敛。同时神经网络的结构确定、输入变 量的恰当选取、隐含层数目及其节点数的多少等问题都要在实践中进行摸索。常 用的b p 网络存在以下缺陷： ( 1 ) 从数学上看，它是一个非线性优化问题，这就不可避免存在局部极小问 题； ( 2 ) 学习算法的收敛速度很慢且不易收敛； ( 3 ) 网络的运行是单向传播，没有反馈； ( 4 ) 难以科学地确定网络结构，如隐含层神经元的个数； 一 为克服以上a n n 的缺点，提高其收敛速度和精度，许多文献对b p 算法进行 了改进，如变步长、加入惯性项、引入遗忘因子( 对训练样本输入集) 和期望因子 ( 对训练样本输出集) 、采用指数型能量函数来调整权值等。 人工神经网络在进行负荷预测建模时，原理新颖，思路明确。引入非线性模 拟概念比较接近于客观实际，可以考虑比较多的影响因素，但是人工神经网络样 本的选择困难，计算速度慢，有时会出现不收敛情况，外推特性差，所以至今还 没有一个方法能引导我们从可能适合于用户的无数个模型中最合理地选择一个 最为合适的模型。 1 3 本文的主要工作 本文主要工作是短期负荷预测的研究与实现。主要包括对历史负荷进行分 析，建立基于神经网络的短期负荷预测模型，算例分析和系统实现，并从这几个 方面构建的一个完整的负荷预测体系来解决目f i 短期电力负荷预测中的一些问 题。 第2 章介绍了电力负荷预测的分类、基本组成以及作用，分析了电力负荷曲 线的特点，在分析气候因素对电力负荷的影响时，重点讨论了夏季气温对电力负 硕士学位论文第一章绪论 荷的影响，为建立短期负荷预测模型如何考虑气温因素打下了基础。 第3 章的主要是介绍人工神经网络以及负荷预测中最常用的b p 神经网络， 建立了基于b p 神经网络的短期负荷预测模型，为了提高模型预测精度，对模型 输入节点数掘进行了一系列的处理，包括修正历史负荷数据中的不良数据、对负 荷数据归一化和气温采用独特的量化处理。 第4 章主要验证了本文提出的预测模型的有效性与精确性，介绍了负荷预测 软件的功能模块以及数据库设计。 最后对全文进行了总结，并阐述了短期负荷预测未来的发展趋势。 6 硕士学位论文 第二章电力负荷预测概述 第二章电力负荷预测概述 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 社会影向的条件下，研究或利用一套系统地处理过去与未来负荷的数学方法，在 满足一定精度要求的意义下，确定未来某特定时刻的负荷数值，称为负荷预测。 电力系统在逐步发展、完善过程中，负荷预测已成为能量管理系统( e m s ) 中一项 独立的内容：在当前电力系统市场化的必然趋势下，负荷预测已成为电力市场交 易管理系统中必不可少的一部分。 要对电力负荷进行科学的预测，首先要从负荷的历史记录中，找出电力负荷 变化的规律和特性，分析电力负荷的组成部分和对短期负荷曲线变化影响的因 素。为此，本章介绍了电力负荷预测的分类、基本组成以及作用，重点对短期负 荷特性及气象因素对其影响进行了分析。 2 1 负荷预测组成及作用 负荷是电力系统的重要组成部分。负荷可指电力需求量或者用电量，需求量 是指能量的时问变化率，即功率。因此，负荷预测也包括两方面的含义：对未来 需求量( 功率) 的预测和对未来用电量的预测( 能量) 。对功率的预测用来决定发电 设备的容量，以及相应的输电与配电的容量；而对能量的预测则决定了应当安装 何种类型的发电容量。本论文只是针对需求量，即功率进行预测的研究，而不涉 及对能量的预测。 2 1 1 电力负荷的分类 用电分类可以说明国民经济各部门用电情况和变化规律，用于分析研究经济 增长与电力生产增长、社会产品增长与电力消耗量增长的相互关系，它是反映电 气化的发展水平和趋势的指标，是负荷预测和电力分配的依据。按国民经济行业 用电进行分类，电力系统负荷一般可以分为城市居民用负荷、商业用电负荷、农 村用电负荷、工业用电负荷以及其他负荷等，不同类型的负荷具有不同的特点和 规律。 1 城市民用负荷 城市民用负荷主要是城市居民的家用负荷，它具有经常的年增长以及明显的 季节性波动特点，而且民用负荷的特点还与居民的同常生活和工作的规律紧密相 关。居民负荷的季节性变化在很多情况下，直接影响系统峰值负荷的季节性变化， 7 硕十学位论文第二章电力负荷预测概述 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例。尤其是随着空 调、电冰箱、彩电等家用电器的广泛使用，使居民负荷变化对系统峰值负荷变化 的影响越来越大，同时民用负荷在系统负荷中所占的比重，以及民用负荷季节性 变动对系统峰值负荷季节性变动的影响都会越来越大。 从负荷的特点看，地区间呈现不同的特点，如夏季的南方由于高温天气导致 大量空调投入，负荷剧增；而北方的冬季在取暖器投运后，也会造成用电负荷增 长等。在同一天内，负荷也极不平衡，生活用电的高峰往往和电力系统高峰段重 叠。 2 商业负荷 商业负荷主要是指商业部门里的照明、空调、动力等用电负荷，覆盖面积广， 且用电平稳增长，商业负荷同样具有随季节性变动的特性。虽然商业负荷在电力 负荷中所占比重不及工业负荷和民用负荷，但商业负荷中的照明类负荷占用电力 系统高峰时段。此外，商业部门由于商业行为在节假同会增加营业时间，从而成 为节假同中影响电力负荷的重要因素之一。市场经济的发展推动了商业以及餐 饮、供销、仓储、零售等行业的发展，用电量也迅速增长，以后仍将会有较快增 长。 3 工业负荷 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。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；在一个月内，一般 上旬用电负荷低，任务饱满的企业在用电上常常是下旬高于中旬，中旬高于上旬； 从一天来看，一般一天内出现用电的三个高峰，两个低谷，对于工业本身而言， 晚峰比早蜂负荷低得多。 此外，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。 4 农村负荷 农村负荷是指农村居民用电和农业生产用电，此类负荷与工业负荷相比，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。我国地 域广阔，由于地理位置的原因，各地降雨季节有较大差异，一场大雨对北方而言 8 硕+ 学位论文 第二章电力负荷预测概述 可造成农业负荷骤降，但却可能造成南方地区排涝用电负荷剧增。此外，农业的 农村电气化水平和经济发展程度也决定用电量的大小。就电力而言，农业用电负 荷也受农作物种类、耕作习惯的影响：就电网而言，由于农业用电负荷集中的时 间与城市工业负荷离峰时间有差别，所以对提高电网负荷率有好处。在用电构成 中，农业用电所占的比重不大。 2 1 2 电力负荷预测的分类 电力系统负荷预测按预测内容可分为，系统负荷预测和母线负荷预测。系统 负荷预测是对研究系统未来的负荷需求的预测：母线负荷预测是由系统负荷预测 取得某一时刻系统负荷值，并将其分配到每一条母线上。而系统负荷预测又可根 据不同的侧重点来分类。 1 负荷预测按行业分类 负荷预测按行业分类并不严格，一般来说负荷预测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。其中，城市民用负荷主要是城市 居民的家用负荷；商业负荷与工业负荷是个自为商业及工业服务的负荷预测；农 村负荷预测是指广大农村所有负荷( 包括农村民用电、生产与排灌用电以及商业 用电等) 的预测；而其他负荷预测则包括市政用电( 街道照明等) 、公用事业、政 府办公、铁路与电车、军用等负荷的预测。每种类型的负荷都有各自的主要影响 因素，如民用负荷及商业负荷随季节性变化：而工业负荷一般都视作是受气候影 响较小的基础负荷。分析负荷的结构及其影响因素对提高负荷预测的准确性至关 重要，尤其是针对突发性重大事件。 2 负荷预测按时间分类 电力负荷预测中经常按时间期限进行分类，一般可分为超短期、短期、中期 和长期负荷预测。 超短期负荷预测是指未来一个小时以内的负荷预测。当用于质量控制时需 5 一1 0 秒的负荷值，用于安全监视需1 - 5 分钟负荷值，用于预防控制和紧急状态 处理需1 0 6 0 分钟的负荷值，使用对象是调度员。在j 下常情况下一般不考虑气象 条件的影响，因为天气因素中最主要的影响因素温度己体现在负荷的历史数据中 了。但是对于天气的突变和其他一些对负荷影响的突发事件必须考虑在内。超短 期负荷预测模型主要在于反映负荷在短时间内的变化规律，即反映负荷的上升、 下降或水平趋势及变化值。 短期负荷预测通常是指2 4 小时的同负荷预测和1 6 8 小时的周负荷预测。其 主要用于火电分配、水火电协调、机组经济组合和交换功率计划，需要卜7 天的 的负荷值，使用对象是编制调度计划的工程师。短期负荷预测模型中主要考虑负 荷的周期性变化规律及天气影响因素。 9 硕十学位论文第二章电力负荷预测概述 短期负荷预测的特点主要表现为：负荷变化具有连续性，即每一日丌始时间 的负荷都和昨日结束时间的负荷相联系，在正常情况下负荷是连续变化的，没有 突变；呈现出同周期性，同一地区在时间跨度不大的情况下，每同的负荷曲线呈 现出一定程度的相似性，变化具有很强的规律性；受气象要素影响很大，并且随 着调温负荷在总负荷中所占的比重不断增加，这种影响呈不断增大的趋势：受节 假日、重大事件活动影响的负荷必须与正常的负荷进行区分。 中期负荷预测是指未来一年( 1 2 个月) 之内的用电负荷预测，主要预测指标有 月平均最大负荷、月最大负荷和月用电量。其主要用于水库调度、机组检修、交 换计划和燃料计划，需要1 月一1 年的负荷值，使用对象是编制中长期运行计划 的工程师。中期负荷预测比短期负荷预测考虑的因素要多一些，特别是一些未来 的因素及气候条件。 长期负荷预测是指未来数年至数十年的用电负荷预测，其主要用于电源发展 规划和网络发展规划，使用对象是规划工程师。长期负荷预测受到地区的社会经 济、人口、气候等多因素影响，涉及不确定问题较多，难度较大。 3 负荷预测按特性分类 电力系统负荷预测按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，以满足供电部门和用电部门的管理工 作。 2 1 3 负荷预测的作用 随着电力市场运营的建立，负荷预测在电力系统中的作用也在不断变化。负 荷预测系统已经成为电力市场技术支持系统的重要组成部分，为期货交易管理系 统和调度决策支持系统提供数据。电力市场运营同时也赋予了各类负荷预测新的 作用，如表2 1 所示。 在电力系统市场技术支持系统中，长期、中期、短期负荷预测还是系统适应 性评估的主要依据。而短期和超短期负荷预测的数据又是电力市场技术支持系统 核心模块，调度决策支持系统的主要数据源。 l o 硕士学位论文第一二章电力负荷预测概述 表2 - 1 负荷预测的作用 负荷预测类型预测周期用途 实事调度决策系统、状态估计、实时校正、网络安全 超短期数分钟一数小时 分析 现货交易( 预调度计划) 、状态估计、水火电分配与 短期日一周 协调、机组经济组合、交换计划、发电厂报价系统 中期月一年 期货交易、书库调度计划、机组检修计划、燃料计划 长期数年 电源规划、电网规划 2 2 电力负荷特性分析 电力系统的负荷是时刻在变化的，不但按小时变、按同变，而且按周变、按 月变、按年变。作为一变化的时间序列，电力系统短期负荷具有周期性、波动性、 随机性等特点。其中周期性表现为电力负荷以天、周、年为周期发生波动，大周 期中包含小周期；波动性表现为电力负荷序列在取值较小的时段，其波动的幅度 较小；在取值较大的时段，波动幅度也较大；随机性表现为电力短期负荷的变化 有一定的随机性，并受到各种不同社会因素的影响，这种随机性具有一定增长的 趋势。 2 2 1 电力负荷组成分析 电力系统负荷是一个很复杂的非线性系统，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，不能考虑过多的 影u 向因素。因为很难收集到各个影响因素的数据，还有一个原因就是考虑的影响 因素太多会造成神经网络模型输入节点过多，网络规模庞大，并且会带来大量的 复杂计算，这都会影响到模型的实际应用。因此建立预测模型应该抓住其中最重 要的影响因素。 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。基本负荷分量，或者说周期性负荷分量，反映的是负荷自身变化的基本 规律，呈较强的周期性，尤其受到时间周期的影响。变动性负荷分量是随机因素 影响负荷变化的结果，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。 对于短期负荷预测，造成负荷振荡的因素主要为节假同和气象条件的影响。 节假日包括正常假同( 星期六、星期同) 和法定假同( 元旦、春节等) 以及重大的社 会政治事件等，这些都将对同常的生产、生活用电产生不同程度的影响。而气象 因素随着国民经济的快速增长和人民物质生活水平的不断提高，其产生的夏季降 硕十学位论文第二章电力负荷预测概述 温负荷与冬季取暖负荷在近几年中持续快速增长，使电网负荷明显呈现出“夏冬 双峰”的特征，在我国南方地区尤为明显。 除了上述的影响因素外，还有其他一些影响因素也会对负荷产生影响，如社 会经济发展状况、重大事件、随机因素等。社会经济因素，包括人口、工业发展 水平、农业、人民生活水平和习惯、社会经济等，表现为各类用户对电能的需求 特征，直接影响了负荷曲线的形状和模式。然而，对于短期负荷曲线而言，社会 经济因素是一种相对变化缓慢的影响因素，对较长时期的负荷历史记录分析可以 发现，负荷是按照一种固定的变化局势发展的，如逐步增长或逐步减少，这些因 素在中长期的负荷预测中要加以考虑，而对于短期负荷预测，由于是用近期的历 史负荷数据训练网络，可以认为负荷受社会发展因素影响而增大的局势基本为 零，可忽略不计。 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： s ( f ) = ，( ，) + q ( f ) + r ( ，) + 尺( ，) ( 2 1 ) 上式中s ( t ) 为时刻t 的系统总负荷；j ( t ) 为时刻t 的基本负荷分量，主要由 周期性负荷构成：q ( t ) 为时刻t 的天气敏感负荷分量，t ( t ) 为时刻t 的特别事件 负荷分量，r ( t ) 为时刻t 的随机负荷分量。q ( t ) 、t ( t ) 和r ( t ) 共同构成变动性 负荷分量。 对于短期负荷预测，基本正常负荷分量j ( t ) 一般呈周期性变化，可用线性变 化模型和周期变化模型描述，或用二者的合成共同描述。对于天气敏感负荷分量 q ( t ) ，可以对给定的过去若干负荷记录、天气记录( 如温度、湿度、风力、阴晴 等) ，利用线性回归或曲线拟合方法来描述。特别事件负荷分量t ( t ) 是指重大政 治活动、民问节假r 等对负荷造成的影响，其特点是只有积累大量的事件记录， 才能从中分析出某些事件的出现对负荷的影响程度，从而做出特别事件对负荷的 修正规则。随机负荷分量r ( t ) 实际上是对于给定的过去一段时间的历史负荷记 录，提出基本负荷分量、天气敏感负荷分量和特别事件负荷分量后，剩余的残差 可以看作是随机时间序列。 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。本文主要分析基本负荷分 量和天气敏感负荷分量。 2 2 2 负荷周期性及季节性分析 基本负荷分量具有线性变化和周期变化的特点。线性变化描述同平均负荷变 化规律，而周期变化描述以天、周、月、年为周期的变化规律。下面本文以湖南 1 2 硕士学位论文 第二章电力负荷预测概述 某市2 0 0 7 年的历史负荷数据为例，对电力负荷特性进行分析。2 0 0 7 年7 月5 日 至7 月8 日的日负荷曲线如图2 1 所示。 2 0 0 0 莹 皇 运1 6 0 0 8 0 0 时问小时 图2 - 1 日负荷曲线图 从图2 1 可以看出电力同负荷的变化是具有明显周期规律的，每天的电力负 荷曲线形状都相似。这是因为每天昼夜的变换都是一样的，人每天的活动也会随 之相似，而电力负荷都是人的活动所产生的。 在实际系统中，每天的负荷曲线可以分为峰荷、谷荷、腰荷。由于这三个时 段负荷的组成是不同的，因此它们的变化规律也不同。在低谷期间，对应的时间 是在夜间，在这个时问段中，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i f i j 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变化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j 下发生变化，而且它的持续时间 也相对比较长，因此这个阶段的负荷处于一种上升状念或处于一种下降状态。从 图2 - 1 中不难看出同负荷曲线的这种变化趋势。 2 0 0 7 年7 月2 日至7 月8 同的周负荷曲线如图2 - 2 所示。 硕士学位论文第二章电力负荷预测概述 2 4 0 0 2 0 0 0 蕾 = 稼1 6 0 0 1 2 0 0 8 0 0 lz 54 97 3 9 7 1 2 l1 4 5 时间d , 时 图2 - 2 周负荷曲线图 从图2 - 2 可以看出电力负荷曲线以星期一至星期只这7 天作为一个周期变化 的。一般说来，负荷的周周期是比较明显的，这与人们的日常生产、生活和学习 大都是以周为单位安排计划有关。但工作同和周木负荷是有所不同的，这是因为 负荷的构成有所区别。在工作同期间，负荷的主要组成为工业负荷( 周一到周五 运转) 。这些工业负荷在工作同期间通常处于稳定的运转之中，因此工作同的负 荷变化具有相似性。而在休息同期间，这些工业负荷所占比重大幅度下降，居民 生活和服务性的行业用电所占比重明显上升，因此周末同负荷就有所不同。f 常 情况下，休息同负荷明显较工作同类型负荷低。 湖南省冬寒夏热，四季分明；春秋短促，冬夏绵长，充分体现了亚热带大陆 性季风气候类型的共同特点。其四季典型同负荷曲线如图2 - 3 、图2 - 4 、图2 - 5 、 图2 - 6 所示。 奎 皇 挺 12 3 456 78 91 0ll1 21 31 4 1 5 1 6 1 71 8 1 92 02 12 22 32 4 时间4 , 时 图2 - 3 春季典型负荷日曲线 1 4 硕士学位论文第二章电力负荷预测概述 2 4 0 0 2 0 0 0 奎 = 襄1 6 0 0 1 2 0 0 8 0 0 12345678 91 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 92 02 12 22 32 4 时问d , 时 2 4 0 0 2 0 0 0 每 皇 运1 6 0 0 妪 1 2 0 0 8 0 0 2 4 0 0 1 2 0 0 8 0 0 图2 - 4 夏季典型负荷日曲线 1234 567891 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 92 02 12 22 32 4 时问小时 图2 - 5 秋季典型负荷日曲线 l2345678 91 0 1 l 1 21 3 1 4 1 5 1 6 1 7 1 8 1 92 02 l2 22 32 4 时间小时 图2 - 6 冬季典型负荷日曲线 1 5 硕十学位论文第- 二章电力负荷预测概述 对比图2 3 、图2 - 4 、图2 5 、图2 - 6 不难看出，电力负荷曲线的季节性非 常明显，这与当地气候四季分明的特点密切相关。由于我国经济近几年的高速发 展，越来越多的空调、取暖设备等大功率电器进入城乡居民家中。夏季与冬季的 电力负荷容易受到这些季节性用电设备的影响。在夏季，随着高温天气的持续出 现，电力负荷中空调用电负荷所占比重越来越大，因而全年的同最高负荷一般都 会出现在夏季的某天：在冬季，由于南方没有集体供暖，随着气温的不断降低， 取暖设备的大量投入使用，也使得电力负荷有所增长。而在气候舒适的春秋季节 中，由于天气状况非常适合人们的同常生活和工作，降温取暖设备使用不多，这 使得电力负荷比夏冬两季都要偏低，全年的同最低负荷一般会出现在春季的某 天。 综上所述，电力负荷对天气状况是很敏感的，天气变化对人们的生活和工作 规律产生影响，从而导致负荷的变化。气候因素对短期负荷具有非常明显的影响， 不仅仅是温度这个最主要的影响因素，还有同照、降水量、湿度、风向等影响因 素。但这些影响因素要视不同地区的实际情况而定，并非都是短期负荷预测的主 要考虑因素，例如对于受降水量影响较大的地区，不仅要考虑农业旱涝造成的影 响，而且降水量对于地区的小水电同样要产生影响。如果进行负荷预测地区的电 力负荷对这些因素都比较敏感，在预测工作中应该把这些因素都作为历史数据进 行分析考虑。 本文主要考虑气温对短期电力负荷的影响。结合实际情况，湖南省冬季低温 对负荷的影响不如夏季高温对负荷的影响大。因此，本文在下节中重点分析在夏 季温度对电力负荷的影响。 2 2 3 气温与负荷相关特性分析 夏季随着气温的不断攀升，电力负荷也会随之不断上升，而突然的降温又会 导致电力负荷的急剧下降。这主要是由于随着国民经济的不断发展，城乡居民物 质生活水平的不断提高，使得夏季空调降温负荷在电力总负荷中的比重越来越 大。 文献弛们指出：用相关系数和灰色关联度描述的同最高温度和日最大负荷之问 相关程度最高。文献妇提出“近似马鞍模型”，只有当气温高于2 5 或低于1 5 时才考虑气温对负荷的影响。 图2 7 是某市2 0 0 7 年夏季同最高温度和同最大负荷散点图。通过分