（电气工程专业论文）基于组合模型的电力系统短期负荷预测.pdf

一_。_-_。-。_。_-。_。_。_。_-。_-。_。_-。_。_。_-_-_-_-_-_-_-_-_-_。_-_-_。_-。_-。-_-_。_。-_。_。-_。_。_-_。-_。- _ 声明尸明 本人郑重声明：此处所提交的工程硕士专业学位论文基于组合模型的电力系统短 期负荷预测，是本人在华北电力大学攻读工程硕士专业学位期间，在导师指导下进行 的研究工作和取得的研究成果。据本人所知，除了文中特别加以标注和致谢之处外，论 文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得华北电力大学或其他 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了谢意。 学位做作者虢，幽旌日期： 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权保管、 并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手 段复制并保存学位论文；学校可允许学位论文被查阅或借阅：学校可以学术交流为 目的，复制赠送和交换学位论文；同意学校可以用不同方式在不同媒体上发表、传播学 位论文的全部或部分内容。 ( 涉密的学位论文在解密后遵守此规定) 作者签名：凇 日 导师签名： 5 荽蔓坠 日期： 型竺：f ：f t 华北电力大学工程硕士学位论文摘要 摘要 负荷是电力系统运行和规划的依据，精确的预测可提高系统运行的可靠性和经 济性。短期负荷预测是保障电力系统安全经济运行不可缺少的重要环节。 本文通过纵向对比和级比生成的方法，识别和修正影响负荷预测精度的缺损数 据和异常数据。在此基础上，对各种预测模型的最优窗宽进行分析，引用迭代法得 到不同时间点的各种预测模型的窗宽。组合预测模型可综合各个预测模型的优点， 得出更为准确的预测结果。本文深入的研究了该方法的实现和应用原理，提出进一 步放宽组合预测模型权重不等式约束的条件并给出理论根据，选取算法确定各个时 间点的组合预测模型的权值取值。最后用内蒙古乌海市电网负荷预测算例对本文提 出观点作迸一步阐述。 关键词：短期负荷预测，组合模型，权值 a b s t r a c t t h eb a s eo fp o w e rs y s t e mo p e r a t i n ga n dp r o g r a m m i n g ，n a m e l yl o a df o r e c a s t i n g , w i l l e n a b l eu s ，b ya c c u r a t ef o r e c a s t i n g , t oe n h a n c et h es y s t e m a t i co p e r a t i n gr e l i a b i l i t ya n d o g o n o l n i z et h ew h o l es y s t e m t h u s ，s h o r t - t e r ml o a df o r e c a s t i n gr a n k sa so n eo ft h em o s t i m p o r t a n tm e a n s t og u a r a n t e et h a tt h ep o w e rs y s t e mr u nu n d e rs a f e t ya n da tal o wc o s t t h i sp a p e rd e t e c ta n dr e v i s et h ed e f i c i e n ta n da b n o r m a ld a t at h a ta f f e c tl o a df o r e c a s t i n g p r e c i s i o nt h r o u g ht h ev e r t i c a lc o n t r a s tm e t h o d a n dt h eg r a d em e t h o d b a s e do nt h i st h e o r y , a n a l y s i s o fo p t i m a lw i n d o w - w i d t ht oa l lk i n d so ff o r e c a s t i n gm o d e l si sg i v e na n di t e r a t i v em e t h o di s a p p l i e dt og e tt h eo p t i m a lw i n d o w w i d t hi nd i f f e r e n tf o r e c a s t i n gm o d e l sa td i f f e r e n tt i m e c o m b i n e df o r e c a s t i n gm o d e la d v a n t a g e o u s l ye m b r a c e st h em e r i t so fm a n ye x i s t i n gm o d e l s a n dc o u l d g e t m o r ea c c u r a t e f o r e c a s t i n g r e s u l t s t h i sp a p e r e m p h a s i z e s o nt h e i m p l e m e n t a t i o na n da p p l i c a t i o no ft h i sc o m b i n e dm e t h o d m o r e o v e r , a l g o r i t h m si sa p p l i e dt o t h ep o w e rc h o i c eo ft h ec o m b i n e df o r e c a s t i n gm o d e l t h ea n a l y s i so ft h er e s u l t so ft h e c a l c u l a t i o ne x a m p l e sm a yb ea v a i l a b l ef o rs h o r t - t e r ml o a df o r e c a s t i n g l i nz h i x i n g ( e l e c t r i c a le n g i n e e r i n g ) d i r e c t e db yp r o f x uy u q i na n dy u eh a 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 gc o m b i n e dm o d e l ，w e i g h t s 华北电力大学工程硕士学位论文目录 目录 中文摘要 英文摘要 第一章绪论l 1 1 弓i 言1 1 2 负荷预测的概念及意义l 1 3 电力负荷预测的特点和影响因素3 1 4 负荷预测的划分5 1 5 短期负荷预测的研究发展和现状6 1 5 1 传统预测方法7 1 5 2 现代预测方法8 1 5 4 预测应用研究。1 2 1 6 课题的研究内容1 2 第二章历史负荷异常数据的识别与修正1 4 2 1 引言1 4 2 2 异常数据及其处理方法概述1 5 2 2 1 电力负荷异常数据的分类1 5 2 2 2 常用的异常数据识别方法1 5 2 2 3 常用的异常数据修正方法1 6 2 3 对异常数据进行识别以及修正1 7 2 4 利用级比生成的方法对缺损数据修正1 7 2 5 小结2 0 第三章组合预测模型2 2 3 1 引言2 2 3 2 组合预测方法分类2 2 3 3 组合预测模型最优窗宽的选择2 4 3 3 1 工程上常用的相似日选择方法2 4 3 3 2 应用迭代法选择相似点2 6 3 4 组合预测模型的建立方案2 7 3 4 1 组合预测模型机制2 7 3 4 2 组合预测模型的建立2 8 3 4 3 权值的求解3 l 3 4 4 权值选择的程序流程3 3 3 5小结3 4 i 华北电力大学工程硕士学位论文目录 第四章基于地级电网的短期负荷预测算例分析3 5 4 1 引言3 5 4 2 电力系统短期负荷预测软件包3 5 4 3 电力系统短期负荷预测软件包功能分析3 5 4 4 算例分析3 9 4 5 小结4 2 第五章结论4 3 参考文献4 4 致谢4 4 i i 华北电力大学工程硕士学位论文 1 1引言 第一章绪论 电能不能大量贮存的特点使得电力系统必须随时保持供需平衡，并向各类用户 尽可能经济地提供可靠和合乎标准的电能，以满足他们对负荷的需求。因此，为保 证电力系统的安全、经济运行，必须要掌握负荷的变化规律，以及未来的变化趋势。 随着电力市场改革的深入，作为电力市场主体的各电力公司要立足于电力市场，其 一切经济活动就必须以经济效益为中心，并把深入研究电力市场的供需形势及其发 展作为公司经营活动的基础。因此，做好电力负荷预测工作是准确把握市场脉搏、 分析未来电力需求走势所必须的。在电力系统运行、控制和计划管理中，负荷预测 决定了发电、输电和配电的合理安排，既是电力系统规划的重要组成部分，又是提 高电力企业的经济效益和促进国民经济发展的重要因素之一。 提高短期负荷预测的精度对电力系统安全和经济运行是非常重要的。负荷变化 是动态、随机的过程，与许多因素有关，但未来各种可能引起负荷发生变化的情况 却不能事先确切地全部掌握。用电负荷随时都在变化，而且我国多数电网在日、周、 年周期内负荷的峰谷差逐年增加。针对这种负荷变化，电力生产的调节能力也要增 加。当负荷变化范围较小时调节各发电机组的发电功率就可以了；而负荷变化范围 较大时只有起停机组才能跟上：当然对于负荷的逐年增长要适时投产新的机组才不 至于拉闸限电。电力负荷预测是实际控制、运行、制订计划和发展计划的前提，可 以说谁要想掌握电力生产的主动性就必须先做好负荷预测。 1 2 负荷预测的概念及意义 负荷是指发电厂、供电地区或电网在某一瞬间所承担的功率。对用户而言，用 电负荷是指连接在电网上的用户及所有用电设备在某一瞬间所消耗的功率之和。在 充分考虑到运行特性、增容决策、自然条件和社会影响条件的情况下，研究或利用 一套系统的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 未来特定时刻的负荷数值，就称为负荷预测n 】。 电力系统是一个运行高度统一的系统，由于电能不能大量储存，其生产和消费 必须同时，因此预知负荷的需求对于电力系统运行具有十分重要的意义。 电力系统负荷预测是电力系统发电计划的重要组成部分，是对发电、输电和电 能分配等合理安排的必要前提，是电力系统经济运行的基础。在当前电力发展迅速 华北电力大学工程硕士学位论文 的情况下，合理的进行电力系统规划和运行极其重要。负荷预测是在充分考虑一些 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。电力系统调度的主要任务是控制整个电力系统的运行方 式，使之能够保证供电的优良质量，保证系统的经济运行，保证系统有较高的安全 水平，并提供有力的事故处理能力等。它从已知的经济、社会发展、负荷性质和电 力需求情况出发，通过对历史数据的分析和研究，对电力需求做出预先的估计和推 测。根据这些预测结果，可以针对性的采取技术措施，如进行可中断负荷控制、增 添低谷用电设备、采用蓄冷蓄热技术等，改变电力需求在时序上的分布，将用户的 电力需求从电网高峰期消减、转移或增加电网低谷期的用电，以提高系统运行的经 济性和可靠性。在规划的电网中还可以减少新增装机容量和节省电力建设投资，从 而降低预期的供电成本。提高负荷预测水平，有利于节煤、节油和降低发电成本， 制定合理的电源建设规划，从而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民经济的发展具有非常重要的意义n 1 。 电力系统负荷预测是系统运行调度的重要内容，是保证电力系统安全经济运行 和实现电网科学管理及调度的重要依据，是能量管理系统和配电管理系统的重要组 成部分。准确的负荷预测，可以经济合理地安排电网内部发电机机组的启停，保持 电网运行的安全稳定性，减少不必要的旋转储备容量，合理安排机组检修计划，保 证社会的正常生产和生活，有效地降低发电成本，提高经济效益和社会效益。负荷 预测的结果，还可以有利于决定未来新的发电机组的安装，决定装机容量的大小、 地点和时间，决定电网的增容和改建，决定电网的建设和发展。电力系统是一个运 行高度统一的系统，由于电能不能大量储存，其生产和消费必须同时，因此预知负 荷的需求对于电力系统运行具有十分重要的意义。 综上所述，电力系统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 否走向现代化的显著标志之一，尤其在我国电力事业空前发展的今天，用电管理走 向市场，电力负荷预测问题的解决已经成为我们面临的重要而艰巨的任务。 近年来短期负荷预测的手段已由人工预测方式逐步被软件预测方式所代替。负 荷预测软件己成为能量管理系统( e m s ) 的一个重要组成部分。由于计算机的普及， 使大量短期负荷预测方法和预测模型的采用成为可能，为提高预测精度创造了条 件。短期负荷预测的核心问题是如何利用现有的历史负荷数据和气象数据，采用适 当的预测模型对未来时刻或时间段内的负荷值和电量值进行估计。因此有效地进行 短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，二是预测方法和 相应的软件。由于现在电力系统管理信息系统的逐步建立以及气象部门气象预测水 平的提高，各种历史数据的获取已不再困难，因此短期负荷预测的核心问题是预测 2 华北电力大学工程硕士学位论文 模型的水平高低。 以前负荷预测在实际生产运营中并未得到应有的重视，随着电力市场化的进 行，各个电力公司之间的交易更加频繁，发电公司竞价上网，电力公司或购电公司 购电计划的制定等都与负荷预测有着密切的联系。英国的研究结果表明：短期负荷 预测的误差每增加1 ，将导致每年运行成本增加约1 7 7 0 万元；在挪威，每增加l 的 短期负荷预测误差将导致4 5 5 万元- - 9 1 0 万元的附加运行成本乜1 ，因此，各级调度中 心迫切需要更加精准的预报结果，负荷预测越来越受到重视。 1 3电力负荷预测的特点和影响因素 电力系统负荷是由无数个用电个体的用电总和组成，通常每个个体的用电目的 和模式各有不同，而且具有随机性，从而使电力负荷难于预测。然而在整体上系统 负荷又表现出一定的规律性，即日周期规律、周周期规律和节假日负荷下降等，使 得系统负荷的预测成为可能。 由于负荷预测是根据电力负荷过去和现在的情况推测它的未来数值，所以负荷 预测工作所研究的对象并不是确定事件。只有不确定事件、随机事件，才需要人们 采用适当的预测技术，推知负荷的发展趋势和可能达到的水平。这就使负荷预测具 有以下明显的特点： 1 不准确性 因为电力负荷未来的发展具有不确定性，它要受到多种多样复杂因素的影响， 而且各种影响因素也是发展变化的。人们对于这些发展变化因素有些能够预先估 计，有些却很难事先预见，加上一些临时情况发生变化的影响，因此就决定了预测 结果的不准确性或不完全准确性。 2 条件性 各种负荷预测都是在一定条件下做出的。对于条件而言，又可分为必然条件和 假设条件两种，如果负荷预测人员真正掌握了电力负荷的本质规律，那么预测条件 就是必然条件，所做出的预测往往是比较可靠的。而在很多情况下，由于负荷未来 的发展具有不确定性，所以就需要一些假设条件。例如，我们常说，如果天气一直 不下雨的话，排灌负荷将保持较高的数值等等。当然，这些假设条件不能毫无根据 的凭空假设，而应根据研究分析，综合各种实际情况而得来。 3 时间性 各种负荷预测都有一定的时间范围，因为负荷预测属于科学预测的范畴，因此， 3 华北电力大学工程硕士学位论文 要求有比较明确的数量概念，往往需要确切的指明预测的时间。 4 多方案性 由于预测的不准确性和条件性，所以有时要对负荷在各种情况下可能的发展状 况进行预测，这样就会得到各种条件下的不同负荷预测方案。 在电力系统中，影响电力负荷变化的因素有很多，归纳起来有以下几方面： 1 作息时间的影响 一般白天上班时间负荷较高，晚上和凌晨负荷达到最大值，深夜负荷是每天负 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 对于连续性生产，电力负荷非常稳定。三班制机加工业除交接班时负荷较小外， 其他时间的负荷也很平稳。一班制工业负荷集中在白天，夜间负荷很小，日负荷很 不均匀。 3 气候的影响 气候的变化对电力负荷会产生很大的影响。例如，阴雨天白天照明负荷增加， 高温天气空调、电扇负荷上升。随着空调设备的逐渐普及，气温将成为电力负荷的 一个比较敏感的因素，此外湿度、风速、降雨量和日照小时数也对负荷的变化有影 响。 4 季节的影响 不同季节负荷有明显的差别。例如，排灌季节负荷增大，有些系统致使系统最 大负荷出现在夏季排灌期间，或者使电力系统出现两个以上的高峰负荷。此外，由 于季节性用户的存在，用电设备的大修理，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 其它 重大社会活动和突发事件、电价、节假日等 由于负荷预测具有非线性、时变性和不确定性，要通过清晰的数学方程表达输 入与输出之间的非线性关系存在如下困难： ( 1 ) 影响负荷的因素很多，且错综复杂，影响程度又随用户类别而异，对它们 之间的关系建立一个合适的数学模型存在着困难； 4 华北电力大学工程硕士学位论文 ( 2 ) 估计和调整模型参数也存在着困难。因为模型参数是从历史数据估计出的， 而这些历史数据很可能已无效，已不能反映当前负荷的变化； ( 3 ) 模型依赖于设备环境，而大型电力系统的负荷设备多样，运行环境各异， 很难在各部门间进行转换。即使能够建立起数学模型，也存在计算繁冗，结构复杂， 难于设计与实现，以及用户不易理解等特点，于是电力系统工作者和专家将注意力 集中在能充分发挥计算机的信息处理能力，而又不过分依赖于准确的数学模型的基 于非参数模型的方法。基于非参数模型的方法不需要事先知道模型的结构和参数的 有关先验知识，也不必通过复杂的系统辨识来建立数学模型，非常适合于存在非线 性、多变量、时变、不确定性的电力负荷预测。基于非参数模型的方法主要有采用 专家系统、灰色系统、模糊逻辑和神经网络理论等等建立的方法，这些方法优于传 统方法的地方在于它们考虑了负荷预测系统的鲁棒性，并且在非线性关系下具有较 强的逼近能力。 对于电力系统的短期负荷预测模型的研究，在过去几十年中得到很大的发展， 各种预测方法和模型被引入短期负荷预测中，其特点总体上体现在如下几个方面： 预测模型从简单到复杂；智能技术用于负荷预测；影响负荷变化因素的计及； 从单一模型预测到多模型组合预测。 综上所述，目前对于电力系统的负荷预测，国外进行了大量理论研究，达到了 较高的水平，部分已投入实际应用，国内也已有了比较系统的研究，今后更具实际 意义的是研究采用组合预测算法，它能把几种负荷预测方法优化组合、取长补短， 充分利用它们的互补性，达到进一步提高预测精度并使其更加实用的目的。 1 4 负荷预测的划分 电力系统负荷预测按预测周期可分为长期、中期、短期和超短期负荷预测，它 们各有不同的目的和要求瞪1 。 1 长期负荷预测 长期负荷预测一般是指对五至十年的系统负荷增长和变化进行预测，使用对象 是从事规划的工程技术人员，主要用于电源发展规划和网络发展规划，包括能源利 用、大容量电厂和变电站的建设以及高一级电压等级的发展等。长期负荷预测受到 地区的社会经济、人口、气候等多因素的影响，涉及不确定问题较多，难度较大。 2 中期负荷预测 中期负荷预测一般是指对未来数月或一年的负荷情况进行预测，使用对象是编 制中长期运行计划的工程技术人员。中期负荷预测主要用于水库调度、机组检修、 5 华北电力大学工程硕士学位论文 交换计划和燃料计划，制订电力系统的扩建计划和安排制定长期运行方式，对于燃 料供应计划、机组维修计划、能量交易、发电厂税额估计等也是必需的。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。 中期负荷预测主要包括年负荷预测和月负荷预测。年负荷预测是根据历史负荷 数据及其相应的影响因素，预测出下一年中1 2 个月的月总电量、月最大负荷和月最 小负荷，为年发电计划、年检修计划的制定提供信息；月负荷预测根据历史负荷信 息及相应的影响因素，预测出下一个月中每一天的日总电量、日最大负荷和日最小 负荷，为月发电计划、月检修计划的制定提供信息。 3 短期负荷预测口1 短期负荷预测主要预测未来一天或一周内的负荷，使用对象是编制调度计划的 工程技术人员。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、 制定系统的生产计划、安排系统的短期运行方式、进行经济调度以及离线安全分析 等。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。 短期负荷预测主要包括日负荷预测和周负荷预测。日负荷预测是依据不同类型 负荷的历史数据，兼顾气温、天气状况等气象因素的影响，预测出下一日2 4 点的负 荷值，为日发电计划的制定提供信息；周负荷预测是对下一周负荷情况的预测，是 对日负荷预测在时间上的扩展。 4 超短期负荷预测 超短期负荷预测是指未来- 4 , 时以内的负荷预测，使用对象是调度员。主要用 于电能质量控制、系统运行状态的实时监控、在线安全分析、控制和紧急状态处理 等。在正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 温度已经体现在负荷的历史数据中，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： 1 5 短期负荷预测的研究发展和现状 短期电力负荷预测的研究已有较长的历史，从上世纪七十年代初开始，对电力 负荷预测的研究就呈现出逐步上升的趋势，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确和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，国内外的许多专家、学者在预测理论和方法方面已 做了大量的研究工作，取得了很多卓有成效的进展。近些年来的研究兴趣已经从传 统的预测方法逐步转向以软计算为代表的现代预测方法。 6 华北电力大学工程硕士学位论文 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。为了提高电网运行的安全性和经济性，改善供电质量，短期负荷预测需要尽可 能高的预测精度。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。几十年来，国内外学 者对短期负荷预测进行了充分的研究，并不断地将数学上的相关发展应用到负荷预 测领域中。 电力负荷的变化一方面有其不确定性，如天气状况的变化、特别事件的发生等 造成了对电力负荷的随机干扰，这就使电力负荷具有随机性，因此不可避免地导致 预报误差的存在。由于影响负荷的因素复杂多样，而且各种影响因素也是发展变化 的，这又会引起预报误差的不确定性。除此之外，用于预测的数学模型大多只包括 所研究现象的某些主要因素，很多次要因素都被忽略了。对于错综复杂的电力负荷 变化来说，这样的模型只是一种经过简单化了的负荷状况的反映，与实际负荷之间 存在差距，用它来进行预测，就会与实际负荷之间产生误差。但在另一方面电力负 荷主要还是受到人们生产、生活规律的支配，又存在着明显的规律性。因此，许久 以来，人们努力探索，希望能够在获取足够多的负荷影响因素的情况下，通过不断 改进预测方法，找到一种最能反映负荷规律性的方法，从而提高负荷预测的精度。 1 5 1 传统预测方法 早期的传统算法将研究的重点只放在负荷序列本身的规律上，预测方法以时间 序列、趋势外推法为主口吲。由于受各种因素影响，传统负荷预测方法对于这些因素 的处理通常显得不够有效，传统理论和方法主要包括以下几种： ( 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机过程，进行分析和处理。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 ) 可以 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 ) 回归预测法 回归预测法是电力负荷预测的一种常见方法。但这种方法在考虑气象因素时只 能考虑诸如温度、湿度等定量条件，无法处理变化较多的天气状况。 7 华北电力大学工程硕士学位论文 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 ) 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，而另一些因素则是不确定的，故可以 把它看作是一个灰色系统。灰色系统具有计算简洁、精度高、实用性好的优点，它 在电力负荷预测中已有很多成功的应用。 总体来说，这类方法比较成熟，算法简单，计算量小，速度较快，但都是线性 模型方法。这些模型过于简单，无法模拟复杂多变的电力负荷。因而，预测的精度 往往不能满足实际工程的要求，特别是节假日的预测效果更不能保证，加上不具备 自适应学习能力，预测系统的鲁棒性没有保证。 1 5 2 现代预测方法+ 现代算法将研究的重点放在以新技术代替传统算法上。预测方法主要采用人工 智能、小波分析、模糊集理论等方法。 ( 1 ) 人工智能法 人工智能方法主要包括专家系统预测法、人工神经元网络等方法。这类方法的 特点是不需要建立描述负荷变化规律的明确数学表达式，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，从而得出预测的结果。 其中，专家系统是在8 0 年代中后期逐步得到广泛应用。专家系统是一个用基于 知识的程序设计方法建立起来的计算机系统( 在现阶段主要表现为计算机软件系 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这些知识， 通过推理，在该领域内做出智能决策。当由于突发事件引起负荷变化脱离正常运行 模式时，基于调度人员经验的专家系统就可以避开复杂的数值计算而使问题得到解 决。但这样的系统通用性较差，缺乏学习的能力和利用模糊知识的能力。 在众多的软计算方法中，神经网络在电力负荷预测中的应用最为广泛。神经网 络具有以下特征：1 ) 可以处理那些难于用解析规则描述的过程或系统；2 ) 善于模 拟复杂的非线性映射关系；3 ) 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，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 8 华北电力大学工程硕士学位论文 网、k o h o n e n 自组织特征映射等。 1 9 9 1 年，d c p a r k 首次将人工神经网络应用于负荷预测中，该文应用神经网络 学习过去、当前以及未来的温度与负荷之间的关系，获得了比传统方法更好的预测 效果。自此，神经网络在负荷预测中的应用研究日益广泛。国外文献表明将神经网 络应用于希腊国家电网公司和十个电力公司的负荷预测工作，取得了成功。 然而，a n n 在预测领域的性能报道并不能完全使研究者们信服。有关基于a n n 的 预测系统的评论和专著认为a n n 缺乏足够的证据表明其能超越标准预测方法，虽然 其应用很有前途，但该方法的最终结果过于依赖初值，其收敛速度也比较慢，且网 络的隐节点数难以确定，随着对其研究的深入，人们更加认识到它存在的严重不足。 尽管众多的研究者已经提出了大量的学习算法，但在原理上缺乏实质性突破，同时 也缺乏理论依据。 ( 2 ) 模糊集理论法 专家系统基于确定的事实和确定的规则，而模糊集合和模糊推理是专门用来处 理不确定性问题的理论。模糊性问题是由z a d e h 于1 9 6 5 年在模糊集一文中提出 的，并给出了定量的描述方法，自此模糊集理论作为一门展新的学科显示出强大的 生命力。模糊集合将经典集合的绝对隶属关系( 非a 即b ) 模糊化( 既a 又b ) ，典型 的隶属度函数有三角函数、梯形函数、正态分布函数、s 形分步函数和z 形分布函数。 模糊推理基于模糊规则，模糊规则以i f - t h e n 的形式来表达模糊集合间的关系。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，模 糊系统能够在任意精度上一致逼近任何定义在致密集上的非线性函数，具有从大量 数据中提取相似性的强大能力，且能同时利用数据信息和语言信息，因此模糊推理 系统在电力系统短期负荷预测中得到了越来越广泛的应用。但是，随着研究和应用 的深入，模糊集理论也表现出了不足。主要表现在学习能力较弱；模糊系统的辨识 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作进一部的研究；模 糊集理论是区域与区域之间的映射方法，当区域划分的不够细时，映射输出的表面 就比较粗糙，每条规则的对应阶梯状表面。因此，该理论作为一种数学工具虽然在 短期负荷预测中得到了较大的发展，但是离实用化阶段还尚有一段距离。 在所有的智能算法中，人工神经网络在负荷预测中的应用最为广泛，但其黑箱 特性使得人们难以理解其信息处理过程，而模糊系统的可解释性则能弥补这方面的 缺陷，于是两者的结合顺理成章的成为短期负荷预测研究最为聚焦的地方。 ( 3 ) 小波分析法 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 e 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，并 9 华北电力大学工程硕士学位论文 且能根据信号频率高低自动调节采样的疏密，很容易捕捉和分析微弱信号以及信号 ，图象的任意细小部分，因此，这些优点决定了小波分析可以很有效的应用在负荷 预测问题的研究上，其独特的分析方法在电力系统负荷预测方面表现出了很好的前 景。文献 6 根据小波变换模极大值同历史负荷数据奇异点的关系，提出了根据小 波奇异性检测确定历史负荷数据中奇异数据的位置及类型，然后进行平滑处理。文 献1 提出将小波分析与电力系统中大量存在的时间序列相结合，创造性地将负荷的 不规则变化成分和扰动波形的不同频率组成相类比，如表1 1 所示，将变化趋势不 同的负荷，一v j 分散到不同的尺度上，然后再对各尺度上的负荷进行预测，最后再重 构为完整的负荷预测结果。另外，构造门限小波包或将神经元网络与小波相结合也 可以进行短期负荷预测瞪1 。但是，在解决实际问题时，不能不加考虑就认为小波分 析方法最优，因为小波理论中算法的完善以及最优小波的选取等问题本身就是一大 难点，因此小波分析的方法只有建立在传统分析方法的仔细比较上，才有进一步的 应用前景。 表1 1 小波应用于扰动波形和短期负荷预测的比较 扰动波形短期负荷 x ( f ) = x i ( f ) + x 2 ( f ) + + ( f ) l 小波变换 上小波变换， 将x o ) 分散到不同频率段上将z f ) 分散为不同变化规律的负荷组成 土 上 在不同尺度上分析小波系数， 进行奇异性模极大值等检测。 上r 与传统检验方法相结合， t 与传统预测方法结合，进行波形重构， 得到结论 得到预测结果。 1 5 3 短期负荷预测研究动向 随着新形势的不断发展，特别是在电力市场条件下，我们在理论研究和实际工 程应用中应重视解决以下几方面的问题。 l 、预测中原始数据处理。 首先要重视收集和分析原始数据。近年来我国的电力负荷预测的研究，对与模 型的建立比较重视，但在分析和收集原始数据方面存在不足。同时，由于历史上的 突发事件或某些特殊原因对统计数据带来的重大的影响，产生了被称之为“异常数 据一或“伪数据的情况，原因主要有以下几方面： 1 0 华北电力大学工程硕士学位论文 ( 1 ) 由于人为因素引起的“异常数据 ，如数据通道通信错误、数据丢失、 数据整理错误等。 ( 2 ) 统计口径不同带来的误差。 ( 3 ) 数据是真实的，但是数据还是有异常，其原因是突发事件或某些特殊原 因导致出现了非规律性变化，如这次2 0 0 8 年年初南方百年一遇的低温雨雪冰冻极端 天气。 “异常数据 的存在给正常数据带来较大干扰，影响预测体系的预测精度，如 果“异常数据”过大甚至会误导预测体系的预测结果，因此必须排除其存在的不良 影响。目前，排除“异常数据 的影响有以下几种途径： ( 1 ) 修正法。适用于不常见突发事件，如拉闸限电。对拉闸限电的负荷作出 估计，并予以直接修正，以恢复其在自然发展状况下用电需求的“本来面目一。 ( 2 ) 解析分析法。利用同样星期类型、相邻日等各种曲线的相似性，对某些 表现出异常的点进行修正。 ( 3 ) 调整历史数据的可信度。历史数据的可信度表征了历史数据的合理性程 度。在预测中如果采用加权形式的残差平方和作为目标函数，就可以区别对待各时 段的拟合残差。即，为每个时期数据赋以不同的可信度，在求取模型参数时以这些 可信度为参考依据。 ( 4 ) 自动检测与辨识不良数据。将电力系统不良数据检测与辨识的科学理论 应用于负荷预测的数据处理中，对原始序列作检测与辨识，从而有效地处理历史数 据中的异常值，使剔除不良数据后的参数估计结果更为精确。但这种方法要求大样 本量，辨识结果存在漏检误检的可能。正确地识别不良数据、补足缺损的数据非 常重要，这个工作在中长期预测及短期预测中都有一些探索，文献 4 还对此作了 总结与对比。但总体看目前的研究还达不到实用程度，需要进一步研究。 2 、预测中新方法、新思路的探索。 在短期负荷预测中，应用最广泛、研究最多的是神经网络，文献 5 对此进行 了很好的总结。除此之外，卡尔曼滤波、聚类分析均有成功应用。在新方法的探索 中，我国学者分别采用了小波分析、人工智能的事例推理、模糊集理论、混沌理论、 数据挖掘等进行预测的尝试，取得了一些效果。另外，从单一预测模型走向综合预 测( 组合模型) 普遍被认为是一种预测策略的进步，值得继续挖掘。 3 、自适应与自学习的预测策略。 自适应是指各种预测方法根据其所应用的地区，或最新的实际数据，进行模型 参数的自动调整，达到更好的预测效果。好的预测方法应根据预测的偏差不断调整 华北电力大学工程硕士学位论文 模型的结构与参数，这实际上构成了一个闭环的反馈。自适应思想首先在人工神经 网络中得到了集中体现，这种思想意味着网络- i ) w i 练是一种独立的、无外部控制的操 作。除此之外，目前提出的自适应短期负荷预测方法还有模糊系统方法等。 4 、自动运行与滚动预测的软件。 新形势对预测软件提出了许多新要求，主要表现在自动运行与滚动预测上。这 是指在正常情况下，预测系统无需人工干预，可以连续不断地根据最新获取的数据 进行周期性滚动预测，只有当误差较大、需要人工处理时，才停止预测交由预测人 员进行调整。而实现自适应预测方法，是解决自动运行与滚动预测的前提和关键。 1 5 4 预测应用研究 预测应用研究的重点是将各种预测方法与影响电力负荷的因素相结合阳。1 引。短 期电力负荷预测主要受日类型、天气状况、特别事件的影响。日类型包括工作日( 星 期一至星期五) 、休息日( 星期六和星期日) 和节假日( 五一、国庆、元旦和春节) 。 预测日的日类型不同，负荷曲线一定是有区别的，这对预测精度的影响是明显的； 天气状况包括日最高温度、日最低温度、日天气情况( 阴、晴、雨、雪) 、日平均 湿度等。在日类型相同的前提下，天气状况不同，( 例如日最高温度的变化) 必然 会对负荷变化曲线有影响，并且电网负荷对不同气象因素的敏感程度也是有差别 的只有全面考虑气象因素n 副的影响，才能提高负荷预报的精度；特别事件的影响， 是指一些非经常出现的事件构成对负荷的影响，例如大型政治活动的开展，其对负 荷的影响是和日类型及气象状况不相关的，并且不同的特殊事件对负荷的影响程度 也有所不同。目前，国外处于引入局部气象因素短期负荷预测研究的应用和试验阶 段国内在这方面处于试验研究阶段。 总体来讲，目前，得到人们研究及实践的方法有：趋势外推法、回归分析法、 时间序列法口1 、专家系统法、灰色系统法n 利、小波分析法口一1 、人工神经网络法n 6 1 、 模糊数学法、混沌预测法n 卜悖1 、分形预测法乜们等。各种算法具有不同的优缺点，均 有一定的适用场合，可以说没有一个算法适合于各种负荷预测模型而精度比其它算 法都高。因此，人们尽量发挥各种预测方法的优势，相互补充，优选组合，期待更 好地提高负荷预测的准确性口 2 1 删。 1 6 课题的研究内容 历史数据库中异常数据和缺损数据的处理： ( 1 ) 负荷的变化既有规律性又有随机性，规律性决定了负荷是可预测的，而 随机性则决定了负荷变化中存在固有的不可预测分量。负荷预测误差是历史数据和 1 2 华北电力大学工程硕士学位论文 预测方法共同作用的结果，要降低负荷预测误差，必须从修正历史数据和完善负荷 预测方法同时入手。本文采用纵向平均法对异常数据进行识别，用级比生成方法对 坏数据予以修正，并将异常数据修正前、后的值进行比较作为应用专家系统对未来 预测结果修正时的知识库。 ( 2 ) 选取各种负荷预测模型最优窗宽，并利用权重计算建立组合预测模型。 组合预测模型选取的好坏直接影响着负荷预测系统预测准确率的高低以及预 测误差稳定性的水平，组合预测模型中的权值不等式约束条件不能取消，但是应适 当放宽，以便构造更加优化的组合模型， 点合格率是考核负荷预测结果的重要标准，传统的相似日的选择方法只能从整 日的负荷规律来考虑预测样本的选取及数量，而相似点的选择方法从同一时间点的 负荷规律来考虑，避免了相似日曲线重合外的点的选取，提高了所有时间点的预测 精度。 在已有的组合预测模型中，同一日所有的时间点采用的是同一预测模型，而本 文拟建立的组合预测模型，不同时间点的预测模型不相同，这种处理更满足负荷的 规律。 ( 3 ) 算例的实现 根据地级电网实际情况结合电力系统短期负荷软件包大量历史数据进行算例 分析：首先运用纵向平均法对异常数据进行识别，用级比生成方法对坏数据予以修 正，得到的数据录入负荷预测软件包中，得到各种方法下预测的结果，然后通过建 立组合预测模型，确定各预测法的权重比例，得到组合预测结果。 华北电力大学工程硕士学位论文 2 1引言 第二章历史负荷异常数据的识别与修正 历史负荷数据是负荷预测和负荷特性分析的基础，因此，预测的精确度很大程 度上取决于历史数据的准确性。在我国现在的各级电力调度中心，大多数进行的是 9 6 点( 每1 5 分钟一点) 的短期负荷预测( 提前一日至一周) ，历史负荷数据采集系 统多为s c a d a 系统，然而，由于s c a d a 系统中各终端读表的同步偏差、传输错误、信 道噪窗等原因导致观测数据的异常；另一方面，当数据采集系统正常，由于切负荷、 线路