（电力系统及其自动化专业论文）基于小波及人工神经网络的短期负荷预测研究.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 gb a s e do n f 蚀v e l e tt r a n s f o r ma n dn e u r a ln e t w o r k s a b s t r a c t a c c u r a t ef o r e c a s to fs h o r t - t e r md e c t r i c a ll o a di sv e r yi m p o r t a n tt ot h ep o w e rs y s t e m ss e c u r i t ya n d e c o n o m y an e wm o d e li sp r o p o s e dw h i c hb a s e do nb o d yc o m f o r ti n d e xa n dc o m b i n i n gt h ew a v e l e t t r a n s f o r ma n dn e u r a ln e t w o r k sf o rl o a df o r e c a s t i n gi nt h i st h e s i s c o n s i d e r i n gt h ei m p o r t a n c eo ft h ep e a k l o a dt ot h ed i s p a t c h i n ga n dm a n a g e m e n to f t h es y s t e m ，t h e6 t r o to f p e a kl o a di sc o n s i d e r e di nt h i st h e s i sa s c 血e r i at 0e v a l u a t et h ep r e c i s i o no f t h ef o r e c a s t i n gm o d e b ya n a l y z i n gt h ee l e c t r i cl o a dw ef i u dt h a tt h el o a dc u i v es h o w sc e r t a l np e r i o d i c i t i e s t h e r e f o r et h e 1 0 a ds e r i a l sc a nb ec o n s i d e r e da sa1 i n e a rc o m b i n a t i o no fs u b s e r i a l sc h a r a c t e r i z e db vd i 位r e n tf r e q u e n c i e s e v e r ys u b s e r i a lc o r r e s p o n d st oar a n g eo f f r e q u e n c i e sa n ds o m eo f t h e mh a v et r a n s i e n tf c a t u r e si nn a t u r e c o n s i d e r i n g 血ee r i e c to fw e a t h e ra n dh o l i d a y sw eu s eb o d yc o r n f o r ti n d e xr e f l e c tw e a t h e rc o n d i t i o n a n du s ed a yt y p er e f l e c th o l i d a y s w h i c hr e d u c e st h ew o r kf o ra n na n ds i m p l i f i e si t ss t r u c t u r e t h ew a v e l e tt r a i l s f o r mi se s p e c i a l l ys u i t a b l ef o rt r a n s i e n ta n a l y s i sb e c a u s eo fi t st i m e f r e q u e n c y c h a r a c t e r i s t i c sw i t ha u t o m a t i c a l l ya d j u s t e dw i n d o wl e n g t h s i nt h ep r o p o s e dm o d e l ，t h el o a ds e r i a l sa r ef i r s t d e c o m p o s e dt od i f f e r e n ts u b - s e r i a l sb yu s i n gt h em a l l a ta n dd a u b e c h i e s p y r a m i d a la l g o r i t h mw h i c hi s a f a s ta l g o r i t h mf o rt h ed i s c r e t ew a v e l e tt r a n s f o r m e a c hs u b - s e r i a ls h o w st 1 1 ed i r e r e n tf r e q u e n c y c h a r a c t e r i s t i c so ft h el o a d w i t hs e l e c t i n gp r o p e rw a v e l e tf u n c t i o na n dt h el e v e lo fd e c o m p o s i t i o n , t h e s u b s e r i a l ss h o ws i g n i f i c a n tr e g u l a r i t i e st h a nt h eo r i g i n a ll o a ds e r i a l s f o re x a m p l e ，s o m eo f t h es u b - s e r i a l s v a r yw i t hs p e c i f i cp e r i o d i c i t i e sa n ds o m ev a r yw i t hm u c hr a n d o m i c i t y t h e r e f o r ed i f f e r e n tm o d e ls h o d db e d e s i g n e dt oc a p t u r ee a c hs u b - s e r i a l sc h a r a c t e r i s t i c s 。 i nt h i st h e s i s d i r e r e n ta r t i f j c i a ln e u r a ln e t w o r k sa r ec o n s t r u c t e dt op r e d i c te a c hp e r i o d i c a ls u b - s e r i a l a c c o r d i n gt ot h e i rc h a r a c t e r l s t i c s n en e t w o r ko fe a c hs u b - s o f t a lm a i n l yd i r e r si ns e l e c t i o no fi n p u t v a r i a b l e so ft h en e t w o r k b e c a u s eo fs m a l lr a t i o no fr a n d o ms u b s e r i a li no r i g i n a ll o a d 1 i n e a rw e i g h t e d m e t h o di su s e dt of o r e c a s ti t t oa c c e l e r a t ei r a l n i n gn e u r a ln e t w o r ka n dt oi m p r o v et h ec o n v e r g e n c e 。a l l i m p r o v e dl - ma l g o r i t h mi sa d o p t e di na r t i f l c i a ln e u r a in e t w o r k sa r eu s e df o re a c ht i m ei n t e r v a lf s u c h o n en e tf o re a c hh o u r ) t h ef i n a lf o r e c a s t i n gr e s u hi sa c h i e v e db ys u m m i n gu pa l lp r e d i c t e dr e s u l to f s u b - s e r i a l st o g e t h e r t h ep r o p o s e dm e t h o dh a sb e e nv a l i d a t e di nap r a c t i c a ls y s t e m n l er e s u l t ss h o wt h a tn o to n l yt h e a v e r a g ee r r o rp e rd a yb u ta l s ot h ee r r o ro f p e a kl o a dc a nb er e d u c e dr e m a s k a b l y k e y w o r d s ：b o d yc o m f o r ti n d e x ；a r t i f i c i a ln e u r a ln e t w o r k ；w a v e l e tt r a n s f o r m ；s h o r tt e r ml o a df o r e c a s t i n g i l 东南大学学位论文独创性声明 本人声明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研究成 果。尽我所知，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，也不包含为获得东南大学或其它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 表示了谢意。 研究生签名：耻日 期：掣 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的 复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内 容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可 以公布( 包括刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权东南大学研 究生院办理。 研究生签名：导师签名：主叠量。日期：! ( 二互= 三匠 第一章绪论 1 1 电力系统负荷预测 1 1 1 电力系统负荷预测定义 第一章绪论 负荷是指电力需求量或者用电量，而需求量是指能量的时间变化率，即功率，也就是说，负荷 是指发电厂、供电地区或电网在某一瞬间所承担工作负荷。 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、自然条件与社会影响的条件下， 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“1 。 1 1 2 电力系统负荷预测重要性 负荷预测是电力系统管理现代化的重要内容之一，是电力系统安全、经济运行的重要保证，对 电力系统的安全经济运行与国民经济的发展具有非常重要的影响。电力生产的特点使得电力系统必 须随时保持供需平衡，向各类用户尽可能经济地提供可靠而合乎标准的电能，满足他们的负荷要求。 在电力系统计划与运行管理中，负荷预测是对发电、输电和电能分配等合理安排的必要前提。提高 负荷预测水平，有利于计划用电管理，有利于合理安排电网运行方式和机组检修计划，有利于节煤、 节油和降低发电成本，有利于制定合理的电源建设规划，有利于提高电力系统的经济效益和社会效 益，对电力系统的安全经济运行与国发经济的发展具有非常重要的影响。 主要体现在以下几个方面： 1 r 负荷预测是经济效益的主要依据。对电力系统来说，必须对用户提供可靠而经济的电能，以 随时满足用户的负荷需求。同时，还要考虑电能的生产成本，由于电能不能大量储存，所以必须在 确保系统安全的情况下尽量减少发电余量。精确的负荷预测，可以使电力企业最经济的安排机组生 产，利用精确的负荷预测，对水电系统可以确定最优水库放水和机组投产计划；对火电系统而言， 可以确定机组按最经济的组合起停生产；对水火电结合的系统，可以使系统按最经济的状态进行水 电火电分配；对于联网的系统，精确的负荷预测不但有助于系统以最经济的线路进行电能传输，而 且还可使系统按最经济的形式向邻网输电和配电。 2 精确的负荷预测是合理安排生产计划的主要依据。电力系统中，由于可靠性的要求，各种发、 供电设备都有确定的检修周期。精确的负荷预测，可使电力企业合理安排各种设备的大修，小修及 轮换计划。另外，也有利于企业制定原料购置计划，如燃料、水的合理配置等。 3 负荷预测是电力系统安全分析的基础。电力事故所造成的经济损失和社会影响是巨大的，必 须尽量避免。以精确的负荷预测为基础的安全分析使得出的结论接近真实，从而帮助和提醒调度员 进行必要的操作以确保电力系统的安全性。 4 实时调度参考。负荷预测的信息给调度人员一个实时信息，以保证调度员经济、可靠地在线 操作。 5 电力负荷预测的工作是建设电力市场，实现促进电网和供电参与市场竞争，提高电力行业经 济效益和社会效益目的的基本工作内容之一。在我国电力市场改革逐步深入的情况下，电力负荷预 测工作更具有重要的现实意义。电力是商品的概念正逐步确立于我国市场经济建设中，而电力市场 的重要标志是在电力生产和供应过程中引入竞争行为。即在电力生产和供应等各个环节中，打破垄 断、解除管制、引入竞争，更加突出电力商品交易的经济性原则和公开性原则。通过电力市场改革 l 东南大学预士学位论文 的有关措施，更加合理的配置资源，提高资源利用率，促进电力工业与社会、经济、环境的协调发 展。 电力市场环境下，作为市场主体的电力企业将转变工作模式，将经营思路由电力分配及管理转 变为电力经营和服务，重点加强需求侧管理和电力负荷预测工作。尤其中国电力工业经过近年来的 发展，已经从“卖方市场”转向“买方市场”，这一转变使得电力负荷预测工作的重要性更被摆到前 所未有的高度。电力市场的发展影响发电、输电、配电和用电的整个过程。调度和电网管理工作不 再具有强制特点，在电力市场中，经济性被提到了前所未有的高度，调度部门的行为很大程度上都 是经济行为，在发电、输电、配电和用电的整个过程中，由于调度误差导致任何环节中出现的功率 缺额都将影响整个系统的经济性。这种高度的非强制性特点使得准确的负荷预测对系统的经济性有 着重要的影响。电厂根据电网公布的负荷短期预测结果报价。如果电网公布的负荷预测资料( 指用 户侧需求负荷) 偏高，将导致系统边际电价过高，直接影响到电网的经济效益；负荷预测资料如果 偏低，直接影响到电厂的经济效益。因此，在电力市场运行模式下，负荷短期预测工作，是电力市 场运营的基础性工作之一。 电力负荷短期预测技术是一项被广泛研究的课题。一方面是出于电力市场在国际领域的发展导 致了电力企业面临的竞争。电力负荷短期预溺与燃料费用支出、机组的经济利用关系最为密切，即 与电力企业的经济运行目标密切相关。另一方面，由于现代科技发展成果不断被应用到电力系统运 行工作中，例如计算机技术的高性能发展很大程度上提高了对电网实施实时负荷控制目标的可能性。 电网调度监控系统的不断更新换代，提高了电网的实时控制能力，对电力负荷短期预测工作的必要 性和迫切性要求大为提高。 我国很早就开展了负荷预测的研究工作，但由于我国电力企业自动化水平低，缺乏足够的精确 的基础资料，理论研究和生产脱节等原因。目前，很多生产调度部门仍然采用人工方法进行负荷预 测，由于缺乏科学的手段以及预测人员经验上的差异，导致预测精度低下。这对电网的可靠性和经 济性带来很大的损失。特别是在我国正在进行电力改革、电力市场机制将逐步取代发、配、用一体 化的计划体制的新形势下。精确的负荷预测更加至关重要，因此，利用先进理论的具有较高预测精 度的电力系统负荷预测技术研究以及应用软件的发更具有重要的现实意义。 1 2 电力负荷预测方法综述 电力系统负荷预测是指在充分考虑系统运行特性和自然条件情况下，根据历史资料及系统的数 学处理方法，在满足一定精度要求的意义下，确定未来某时刻的负荷数值。 1 2 1 电力负荷预测分类 电力负荷预测从不同角度出发，大致有以下几种分类方法： 1 按预测周期一般可分为长期、中期、短期以及超短期预测。表1 1 为各种类型电力负荷预测 工作的预测时间跨度及其主要适用场合； 表1 1电力负荷预测按预测时间跨度的分类 预测类型预测期限预测间隔适用面 长期预测1 0 年以上 1 年 电网长期规划、增容和改建 中期预测 1 盘 1 月电网中期规划、增容和改建 短期预测1 日、l 周或1 月1 小时或1 日确定燃料供应计划，安排机 组启停 超短期预测i 小时或1 0 分钟1 分钟 系统状态监控、安全分析、 事故控制 2 第一章绪论 中长期负荷预测涉及国民经济计划制定等很多方面，不是一个电力系统本身所能完成，超短期 负荷预测属于状态监控范畴，涉及到系统内部结构。 2 根据预测范围分为： ( 1 ) 区域负荷预测：是对系统内按区域划分的各子系统的电力负荷的发展变化情况所作的预测。 主要用于电网传输和生产原料的配置等。 ( 2 ) 母线负荷预测；是对负荷和母线出入端的电力负荷的发展变化情况所作的预测。主要用于 潮流分析、无功补偿、状态监控和安全分析等。 ( 3 ) 系统负荷预测：是对整个系统的建立负荷的发展变化情况所作的预测。是电力企业运行各 项活动的重要依据。 3 根据负荷预测的主体可分为： ( 1 ) 峰值负荷预测：是对未来电力系统的峰值负荷的发展变化情况所作的预测。系统的最高峰 值是电力企业确定总装机容量的依据，而每天的峰值负荷预测是进行经济调度，确定旋转备用的重 要参考。 ( 2 ) 整点负荷预测：是对一天或数天内特定时刻负荷的发展变化情况所作的预测，如每天2 4 点预测( 整点) 或9 6 点预测( 每1 5 分钟) 。它是电力企业确定各时刻发电容量、进行生产安排的重 要依据。 ( 3 ) 电量预测：是对未来电力系统内日、月或年用电量的发展变化情况所作的预测。经常用来 指定年、季生产计划，安排生产设备的大修和轮换等。 本文将重点讨论系统提前一天2 4 点整点负荷预测。 电力负荷预测工作的核心是预测的技术方法，即如何分析电网的实际负荷特性，结合实时运行 情况，建立合理和准确的预测数学模型，设计高效的计算方法，得出技术意义上的预测结果。 1 2 2 预测原则 一般的说，建立负荷预测模型和实施预测方法要基于两大原则“3 ： l ，延续性原则 延续性原则强调待预测对象系统的发展是一个连续过程。系统部分固有的特性在发展过程中被 保持和延续。电力系统的发展存在着很强的延续性：由于社会经济水平决定的用电量具有延续性， 这些延续性成为电力负荷预测工作的基本依据。 2 相似性原则 相似性原则强调在电力负荷的发展中，萁变化过程与历史某阶段的变化过程表现出类似的特性。 例如在特殊长假期时段( 指春节、国庆等长时间公众假期) 中，由于社会用电需求状况的类似，导 致电力负荷表现出一定的相似性。 1 2 3 经典预测方法 迄今为止在电力负荷预测领域已经做出了大量的研究工作，提出了多种负荷预测分析方法。综 合地说，经典预测方法包括以下一些主要类型”“”“： 1 趋势外推技术 趋势外推技术包括水平趋势预测、线性趋势预测和高次趋势预测等方法，即是找出负荷的变化 趋势，按照该变化趋势对未来负荷情况做出判断。这种方法适用于趋势明显的电力负荷资料序列， 可采用计算外推或作曲线拟台外推。这类方法的一个共同特点是只做趋势外推，不对其中的随机成 分作统计处理。因此是简单实用的预测方法。 2 回归模型技术 电力负荷回归模型预测技术就是根据负荷过去的历史资料，建立可以进行数学分析的数学模型， 东南大学硕士学位论文 对未来的负荷进行预测。从数学上看，就是利用数理统计中的回归分析方法，即通过对变量的观测 资料进行统计分析，确定变量之间的相关关系，从而实现预测的目的。回归预测更适合于中长期预 测中的电量预测工作，将能量指标与国民经济的各种指标联系起来进行预测。在负荷预测中使用到 的解释变量一般是各类天气信息，将基荷看作常数回归项。回归预测包括线性回归和非线性回归。 线性回归又可分为一元线性回归和多元线性回归。 回归分析中较为常用的非线性函数包括： 二次曲线：y = a + b l x + 6 2 x 2 ( 1 1 ) 指数曲线：y = a e “ 幂函数曲线：y = a x 6 ( 1 2 ) ( 1 3 ) s 曲线：! ：口+ 鱼 ( 1 4 ) y x 双曲线：y = 百 ( 15 ) 多项式：y = b + b l x4 - + 6 ，x ” ( 1 6 ) 对数蓝线：y = 口4 - b l n x ( 1 7 ) 用于短期负荷预测的主要是多元线性回归m l r ( m u l t i p l el i n e a rr e g r e s s i o n ) ，m l r 方法的预 测模型是： y ( t ) = a o4 - m i x l o ) 4 - + a n x 。( r ) + a ( t ) ( 1 8 ) 式( 1 8 ) 中，y ( r ) 是电力负荷预测值；工1 0 ) ，x 。( f ) 是影响电力负荷的各种解释变量， 包括天气因素和非天气因素；a ( t ) 是零均值的随机变量，a o ，口。是回归系数。 m l r 方法中各解释变量的选取没有统一的标准，原则上应该是依据各变量的自相关性及其与负 荷的相关性分析获得，实践中凭经验来选定。各回归系数一般是通过最小二乘法辨识技术确定的。 模型的最终确定要经过统计检验。 3 时间序列技术 时间序列预测技术是通过对预测对象的历史观测数据时间序列的分析处理来研究其发展过程的 基本特征和变化规律，并根据预测未来行为的方法”1 。电力系统的负荷变动具有惯性特征，在时间 上有延续性，从长期的观测序列来看，电力负荷值呈现出某种随机过程( 如平稳随机过程) 特性。 时间序列技术正是依据这一规律建立随机模型，籍此进行预测。相对而言，回归模型适用电力系统 中期负荷预测，时间序列方法适用于短期电力负荷预测，因而时间序列预测技术是传统的负荷预测 技术，特别是短期负荷预测的主要方法”1 。 时间序列技术包括确定型和随机型两大类。基于负荷时间序列周期性的谐波分析法和指数平滑 属于确定型的时间序列法。确定型时间序列预测技术则忽略了随机变动分量的影响，而仅将其作为 模型残差用于估计预测区间的大小。考虑到负荷变动中固有的随机特性，随机型时间序列预铡技术 是常用的负荷预测技术。这种预测技术的主要有自回规模型( a r ) 、滑动平均模型( m a ) 和自回归一 一滑动平均模型( a r m a ) 。 时间序列技术与回归模型技术的区别在于：回归模型中自变量是影响预测值的因素( 如时间等) 。 而因变量是电力负荷值，而在时间序列技术中，自变量和因变量都是电力负荷值。 4 第一章绪论 4 灰色系统理论预测技术 首先提出灰色系统理论的是中国学者邓聚龙。把部分信息已知、部分信息未知的系统称为灰色 系统。灰色系统理论认为系统的行为现象尽管是朦胧的，数据是杂乱无章的，但它毕竟是有序的， 是有整体功能的”1 。因此，杂乱无章的数据后面，必然隐含着某种规律。灰色预测技术的建模过程 首先是把历史数据进行累加，原本毫无规律的数据就变成了呈近似指数增长的曲线，削弱了随机性， 增强了规律性：其次，建立“白化”微分方程，解微分方程，得预测值：最后对预测值作逆生成处 理，得到真实的预测值。 灰色系统理论的应用范围很广“，主要有5 个方面，即系统分析、系统模型的建立、灰色预测、 灰色决策、灰色控制。 5 优选组合预测技术 优选组合技术”“。是综合利用多种负荷预测模型进行负荷预测的一种方法。这种方法存在两 种方式，一是将几种预测方法所得的预测结果，选取适当的权重进行加权平均；二是动态地在几种 预测方法中进行比较，选择拟合度最佳或标准离差最小的预测模型作为最优预测模型。这种方法是 在各种方法的预测精度完全未知的情况下采用的折衷考虑。一个完全反映实际发展规律的模型，其 预测效果比组合预测方法要好。仅当合适的模型不易建立时，则从不同角度建立多种模型进行组合 预测是一种有效的补偿手段。 6 专家系统预测技术 专家系统是一个基于专家知识，并用程序设计方法实现这些专家知识的计算机软件系统“。使 用专家系统进行负荷预测，即是总结对实际系统特点有深入了解的预测人员的知识和经验，模拟专 家运用这些知识，通过推理做出智能决策。一个完整的专家系统由知识库、推理机、知识获取部分 和解释界面组成“。 7 人工神经网络技术 人工神经网络型是由大量的神经元广泛互连而形成的复杂网络系统。主要是通过模拟人脑神经 元网络的结构、功能及信息处理机理而建立起来的网络。其中反向传播的神经网络模型( b p 模型) 比较适合负荷预测应用“”。具有单隐层及任意固定的连续s i g m o i d 非线性函数的反传m l p ( b p 网络) ， 可以以任意的精度逼近紧支集上的任何连续函数1 。 负荷预测是人工神经网络在电力系统应用中最适合的一个领域，目前已经取得了一些研究成果。 初步成果表明，预测结果可能比其他方法更准确，具有实用的前景。但在实施过程中仍然有很多的 实际问题需要解决，且与具体系统情况有关。对某一系统设计良好的人工神经网络结构，还是一个 尚待深入研究的问题。 1 3 人体舒适度综述 1 3 1 人体舒适度指数的概念 所谓“人体舒适度”，就是在不特意采取任何防寒保暖或防暑降温措施的前提下，人们在自然 环境中是否感觉舒适及其达到怎样一种程度的具体描述。人的生理变化受多种天气要素的综合影响， 然而如何科学地了解、评价气象环境对人的生理影响呢? 从而提出了人体舒适度。 1 3 2 人体舒适度指数的计算方法 人体对小气候的感觉是多种因素的综合反应。影响人体舒适的主要因素是气温、湿度和风。气 温、空气湿度和风，对人的舒适感来说，并不处于同等重要的地位。人体舒适度指数 1 3 】就是为了 从气象角度来评价在不同气候条件下人的舒适感，根据人类机体与大气环境之间的热交换而制定的 东南大学硕士学位论文 生物气象指标。具体计算公式为： d = ，仃) + g 矽) + 矗妒) 式中d 人体舒适度指数； r 日平均气温( ) ： ( 1 9 ) u 日平均相对湿度( 百分数) ； y 日平均风速( m s ) 。 对于南京地区而言( 卜9 ) 式的具体表达式为： d 2 1 8 r + 0 5 5 ( 1 一u ) 一3 2 4 v + 2 7 ( 1 | 1 0 ) 1 3 3 人体舒适度指数数量( d ) 、指数等级及人体感觉描述 人体舒适度指数数量、指数等级及人体感觉描述如表1 2 “8 ”。： 表1 2 人体舒适度指数数量、指数等级及人体感觉描述 d 指数等级人体感觉描述 8 0 6 级人体感觉酷热，希注意防暑降温，以防中暑 1 4 本文的主要工作 1 4 i 问题的提出 近年来随着居民生活水平和生活质量的不断提高，夏季防暑降温负荷和冬季取暖负荷，也就是 天气的变化导致人体舒适感觉变化引起的用电负荷在电网负荷中所占的比重越来越大。夏季防暑降 温负荷和冬季取暖负荷对电网用电负荷的影响主要表现为电网尖峰负荷突出和峰谷差越来越大，直 接影响到电网安全经济运行。但是现在大部分研究都是只针对气温这一个气象因素加以研究，而忽 略了湿度、风力等其它对人体舒适感觉影响也很大的气象因素。本文中，日 入人体舒适度指数这一 新概念，综合考虑气温、湿度、风力等气象因素对人体舒适度的综合作用，来分析电网用电负荷与 气象间的变化关系“，在分析基础上采用时间序列模型、神经网络模型、基于小波及神经网络混合 模型实现电力短期负荷预测。 l4 2 本文所做的工作 本文所做的工作主要包括以下几点： 1 通过引入人体舒适度指数这一气象新概念。对电网负荷与气象变化之间的关系进行相关性、 离散性和灵敏度分析； 2 在分析基础上采用时间序列模型实现电力短期负荷预测： 6 兰二皇缝丝 3 在分析基础上采用神经网络模型实现电力短期负荷预测； 4 在分析基础上采用基于小波及神经网络混合模型实现电力短期负荷预测； 5 对三种预测模型的预测结果进行分析、比较； 6 考虑到每日峰值负荷对系统的经济和安全性的重要意义，引入每日峰值误差作为判定负荷效 果的重要标准。算例分析表明本文提出的负荷预测模型可以一定程度上提高对每日峰值负荷的预测 精度。 7 东南大学硕士学位论文 第二章负荷特性分析 2 1 影响系统负荷的因素 影响系统负荷的因素有很多，大致可以分为经济因素、气候因素、随机干扰、时间相关因素。 2 1 1 经济因素 电力系统总是覆盖着一定的区域，该区域的经济因素，如人口、工业水平、农业方式等都反映 了一定的电力负荷需求。经济发展也是系统负荷增长的主要因素。而负荷的基荷部分往往和系统所 在地区的经济因素密切相关。由于一个地区经济发展具有连续性，所以在年或季节的预测中应考虑 文该因素，在更短期的负荷预测中一般不考虑他们的影响。“。 2 1 2 气候因素 气候因素对负荷行为有重要的影响，温度是对负荷影响最重要的气候变量。夏季边疆的高温天 气会导致一个夏季峰值负荷。同样，冬季的寒流也会使负荷急剧增加。对于一个气候条件不太确知 的系统，需要考虑多个温度变量和几个区域的温度。同时，湿度、风速、雷雨、阴晴雨雾霜等天气 因素都对负荷会产生相当的影响。特别是一些突发的灾害性天气，如台风等，都会对负荷尤其是负 荷峰值产生较大的影响。所以，在对负荷进行建模时应对天气因素的影响进行细致的考虑 23 2 4 1 2 5 1 2 6 j 【2 t 【2 8 】 2 1 3 随机干扰 由于系统是由许多独立的用户所组成，而很多用户的负荷行为是随机的，因此系统负荷也具有 一定的随机性。另外，一些特殊事件如钢厂起停、台风、大型运动会、特殊电视节目等对负荷都有 较大的影响。 2 1 4 时间相关因素 负荷需求的产生源于人们的生产生活活动。而人们的生产生活活动本身具有固有的周期性，反 映到负荷中即负荷本身具有较强的周期性。而且是大周期套小周期。大致可以分为四种，季节周期、 星期周期、日周期、法定节假日周期。随着季节性变化量如日照时间、温度等的变化，负荷的行为 也相应进行确定的变化，一个地区电网往往是冬季峰值型的或是夏季峰值型的。另外，季节性事件 如开学、重大节假日对负荷的影响也很大；星期周期的负荷行为实际上是工作日一休假日的负荷变 化；日周期则反映了人们一天工作和生活习惯，通常在凌晨达到最低点，到傍晚达到高峰；法定节 假日的负荷则明显地比平常低，甚至节假日前后的负荷行为也要受到影响。 从图2 - 1 我们可以看出，负荷较明显地展现出以天为单位进行变化的周期性。通过进一步分析 可知，负荷中的这种周期性具有相当的复杂性，以天、星期、月和年为周期进行变化，而且往往是 大周期中嵌套着小周期。这种周期性从频域的角度来看，就是电力负荷序列的能量相对集中于一些 频段。也就是说负荷序列可以看作是不同频率分量的迭加，而这些频率分量内部则具有相似的频率 8 茎三妻垒蔓鳖堡竺堑 特性，所以可以通过对负荷序列进行频域分析将这些频率分量分离出来，对每个分量单独进行分析 并根据其特性建模并预测。负荷中某些分量在时域上的表现是瞬时的、随机的，为了能捕获这一类 分量的频率规律，用传统的时频分析方法就显得力不从心。由小波的讨论可知，小波变换是对时域 中的暂态信号进行分析的有力工具，而且可以实现对信号由粗及精的分析。 图2 - 1 实际系统连续一周2 4 点负荷曲线 从图2 2 所示，使用d b 4 小波基，对某实际电力系统l o 天的负荷序列进行三阶分解，其中s 为 实际负荷序列曲线，口3 为分解所得的s 的近似分量，d 3 ，d 2 ，d 1 分别为各阶细节分量。从图中 我们可以看出随着分解的进行，d 1 ，d 2 ，d 3 不断从近似分量中抽取高频分量，即对原序列进行 由粗及精的分解。从图中可以看到，分解后的分量相对于原负荷序列具有较强的周期性和规律性。 其中近似分量口3 数值较大，有着和和原序列近似的变化趋势，可以把口3 近似地看作是原序列的轮 廓线，从总体上来看，口3 曲线的轮廓随季节的变化而差异较大，基本上以天为周期平缓变化，属于 系统的基荷部分，该分量中有着受季节因素影响很大的负荷其中主要受气候因素的影响。d 2 ，d 3 分量数值较小，以较高的频率进行周期性变化，属于系统中以小周期进行变化的负荷。丽分量疗1 数 值相对很小，且基本上呈现随机性变化，不存在明显的周期性，对应着系统中随机变化的负荷。各 细节分量和原序列轮廓没有直接的对比关系。且其相对很小，即说明这些分量的波动对总体负荷值 的影响相对较小。 9 至亘茎兰堡主兰垡堡奎 c 仃 n o 图2 - 2 实际系统负荷2 0 0 2 9 3 - 2 0 0 2 9 1 2 采用( d b 4 3 ) 小波分解 2 2 人体舒适度指数对用电负荷的影响 2 2 1 南京夏季日最高、最低气温、人体舒适度指数与日最大负荷的相关性分析。“”9 夏季分析采用南京市电力公司提供的2 0 0 2 年7 月0 1 日2 0 0 2 年9 月3 0 日的曰负荷数据，以 及根据南京气象台提供的气象数据采用式( 1 1 0 ) 计算出人体舒适度指数。为了客观的反映结果， 我们删除了其中的双休日及节日的数据。图2 - 3 是2 0 0 2 年夏季南京市最大日负荷与日最高、最低气 温和人体舒适度指数的变化趋势图。 1 0 第二章负荷特性分析 图2 32 0 0 2 年夏季南京市最大日负荷与b 最高、最低气温和人体舒适度指数的变化趋势图 这里我们用r 1 ( p i l l “d ) 表示日最大负荷和人体舒适度指数的简单相关系数，同理r 2 ( p m a x t 帆x ) 表示日最大负荷和日最高气温的简单相关系数，r 3 ( p m a x - - t m i n ) 表示日最大负荷和日最低 气温的简单相关系数。南京市的数理统计结果如表2 i 所示。 表2 1日最大负荷与人体舒适度指数、日最高气温、日最低气温的统计结果 简单相关系数 数值 p m a x d0 9 1 6 7 9 0 2 4 8 p m a x t m a x 0 8 9 7 0 8 8 5 0 6 p m a x t m i n 0 8 0 0 9 9 8 8 2 2 从表2 1 中可以看出，人体舒适度指数和日最低气温与南京市日最大负荷的简单相关系数均大 于0 7 5 ，属于高度相关。 2 2 2 南京夏季日最大负荷对日最高气温、最低气温、人体舒适度指数的离散度分析”。“ 日最大负荷与日最低气温、日最高气温、人体舒适度指数的散点图见图2 - 4 图2 - 6 3 5 0 0r 3 0 0 0 一 舍 弓 框 鹾 _ k 珊 正 5 0 0 0 0 0 5 0 0 0 0 0 5 0 0 0 1 i ； 1 21 41 6 1 82 02 22 42 62 83 03 2 最低气温( 度) l - 奎壹查堂婴主堂堡堡苎 图2 - 4 日最低气温与日最大负荷的散点图 刁阿。 椁2 0 0 0 “1 5 0 0 鉴1 0 0 0 5 0 0 0 。l ；l l l l ll 1 61 82 09 22 42 62 83 03 23 43 63 84 04 2 最高气温( 度) 图2 - 5 日最高气温与日最大负荷的散点图 3 5 0 0r 3 0 0 0 ：2 5 0 0 逅2 0 0 0 气k ， 图2 - 6 人体舒适度指数与日最大负荷的散点图 分别计算出日最大负荷与人体舒适度指数、日最高气温、日最低气温的最大离散值如表2 2 所 表2 2 日最大负荷与人体舒适度指数、日最高温度、日最低温度的最大离散值 最大离散值数值 p m a x - d 3 3 m 研 p m a x _ t m 8 , x3 5 0 m w p m a x t m i n 5 2 0 栅 通过以上分析可以看出：日最低、最高气温、人体舒适度指数与日最大负荷的简单相关系数均 在0 8 以上，属高度相关。虽然日最低、最高气温、人体舒适度指数与日最大负荷的简单相关系数 相近，但在离散性和分级上人体舒适度指数明显优于日最低、最高气温，人体舒适度指数更能反应 出日最大负荷的变化。 1 2 第二章负荷特性分析 2 2 3 南京夏季日最高负荷对人体舒适度指数的灵敏度分析 按人体舒适度指数分组，最后得到每一个人体舒适度指数对应于一个日最大负荷( 由于每一个 人体舒适度指数对应于一组最大负荷，这里按照去掉最大最小值，取平均原则得到日最大负荷) 的 敏感度曲线。 人体舒适度指数与南京市日最大负荷的敏感度曲线见图2 7 。 图2 7 人体舒适度指数与南京日最大负荷的敏感度曲线 敏感度曲线基本上可以分为四个区域，即弱敏感区、较弱敏感区、强敏感区和过敏感区，南京 市敏感区的划分和日最大负荷随人体舒适度指数增长及增长率结果如下： 人体舒适度指数一日最大负荷：人体舒适度指数5 6 5 9 为弱敏感区，k 。a d 为0 2 3 m w ，单位 ( 一人体舒适度指数) 的平均增长率为0 0 1 。人体舒适度指数6 0 6 6 为较弱敏感区，al 一ad 为2 3 8 肼，单位的平均增长率为1 3 9 9 6 。人体舒适度指0 i i 数为6 7 - 8 0 为强敏感区，a l n x d 为 5 4 4 m w ，单位的平均增长率为2 0 6 。人体舒适度指数为8 0 以上为过敏感区。 参照表1 2 可知：图2 7 中弱敏感区、较弱敏感区对应于人体舒适度等级为- - - u - - 级，人体感觉 为舒适或较舒适，防暑降温负荷不明显；强敏感区对应于人体舒适度等级为四到五级，人体感觉为 严热、暑热，大量防暑降温设备投入使用，引起负荷的剧烈上升；过敏感区对应人体舒适度等级为 六级，人体感觉为酷热，几乎所有防暑降温设备已经满负荷运行，对负荷波动已无显著影响。 2 2 4 南京夏季日最高、最低气温、人体舒适度指数与日最小负荷的相关性分析 夏季分析采用南京市电力公司提供的2 0 0 2 年7 月0 1 日2 0 0 2 年9 月3 0 日的日负荷数据，以 及根据南京气象台提供的气象数据采用式( 2 ) 计算出人体舒适度指数。为了客观的反映结果，我们 删除了其中的双休日及节日的数据。图2 - 8 是2 0 0 2 年夏季南京市最小日负荷与日最高、最低气温和 人体舒适度指数的变化趋势图。 东南大学硕士学位论文 图2 82 0 0 2 年夏季南京市最小日负荷与日最高、最低气温和人体舒适度指数的变化趋势图 这里我们用r 1 ( p m i r r _ d ) 表示日最小负荷和人体舒适度指数的简单相关系数，同理r 2 ( p m i n 皿a x ) 表示日最小负荷和目最高气温的简单相关系数，r 3 ( p m j n - - t m l n ) 表示日最小负荷和日最低 气温的简单相关系数。南京市的数理统计结果如表2 3 所示。 表2 3日最小负荷与人体舒适度指数、日最高气温、日最低气温的统计结果 简单相关系数 数值 p m i n - d 0 8 0 5 7 4 1 8 6 7 p m i n t g a a x 0 7 2 2 1 2 0 0 4 1 p m i n _ t m l n 0 7 7 1 4 5 2 4 9 5 从表2 3 中可以看出，人体舒适度指数和日最低气温与南京市日最小负荷的简单相关系数均在 0 7 5 以上，属于高度相关。 2 2 5 南京夏季日最小负荷对日最高气温、最低气温、人体舒适度指数的离散度分析 日最小负荷与日最低气温、日最高气温、人体舒适度指数的散点图见图2 9 图2 1 1 图2 - 9 日最低气温与日最小负荷的散点圈 1 4 朝们=；o 第二章受荷特性分折 图2 一i 0 日最高气温与日最小负荷的散点图 鑫1 0 0 0 不。 瞽2 一1 1 人体舒适度指数与日最小负荷的散点图 分别计算出日最小负荷与人体舒适度指数、日最高气温、日最低气温的最大离散值如表2 4 所 表2 4 日最大负荷与人体舒适度指数、日最高温度、日最低温度的最大离散值 最大离散值数值 p m i n d3 2 1 m w f m i n 1 j “4 了i m w p i n _ t h i n 3 9 1 f w 通过以上分析可以看出：日最低气温、人体舒适度指数与日最小负荷的简单相关系数均在0 7 以上，属高度相关。虽然日最低气温与日最小负荷的简单相关系数与人体舒适度指数与日最小负荷 的简单相关系数相差不大，但在离散性和分级上人体舒适度指数明显优于日最低气温，人体舒适度 指数更能反应出日最小负荷的变化。 2 2 6 南京夏季日最小负荷对人体舒适度指数的灵敏度分析 按人体舒适度指数分组，最后得到每一个人体舒适度指数对应于一个日最小负荷( 由于每一个 人体舒适度指数对应于一组最小负荷，这里按照去掉最大最小值，取平均原则得到日最小负荷) 的 敏感度曲线。 人体舒适度指数与南京市日最小负荷的敏感度曲线见图2 1 2 。 1 5 东南大学硕士学控论文 舍 三 撂 g 啦 正 0 0 0 8 0 0 6 0 0 4 0 0 2 0 0 0 0 0 8 0