（电力系统及其自动化专业论文）电力零售市场下的电量预测.pdf

声明 本人郑重声明：此处所提交的硕士学位论文 i ( 1 + 2 0 ) 取鼍= i ( 1 + 2 0 ) ： 若 n 爿 t o ，6 o ) 3 ) 龚帕兹曲线模型：y 。p t “”。( 6 o ，4 0 ) 2 3 8 灰色模型法 灰色预测是一种对含有不确定因素的系统进行预测的方法。以灰色系统 理论为基础的灰色预测技术，可在数据不多的情况下找出某个时期内起作用 的规律，建立负荷预测的模型。 ( 1 ) 一阶灰色系统模型g m 模型即指灰色系统( g r e ym o d e l ) ，灰色模 型是针对历史数据少而建立的预测模型。由于系统被噪音污染后，使得历史 数列呈现出离乱的情况。离乱的数列即灰色数列，或称为灰色过程，对灰色 过程建立的模型，便称为灰色系统模型。 g m ( 1 ，1 ) 灰色预测模型是最简单，最常用的一种灰色模型，它是由一 个只包含单变量的一阶微分方程构成的模型，是作为电力负荷预测的一种有 效的模型。 设有一组数据工一 o ( 1 ) ，x o ( 2 ) ，z o o ) ) ，作一阶累加生成1 一a g o ， z m - a g o ，工一o ”( 1 ) ，善m ( 2 ) ，石1 o ) ) ，其z 1 ( 七) = z 工。( f ) - 1 , 2 ，栉) ， 作z ( 1 ) 的一阶均值生成1 - a v g ，z a v g ，z 为背景值。 其中z ( k ) 去卜” ) + 工o ( 七- 1 ) 1 ( 七一2 , 3 ，n ) ，构造一阶线性灰微分方程， 则该方程的白化微分方程为堡竺+ 甜( 1 ) 比，利用最小二乘法求解参数4 ，h ； ：廿巾7 k ( 2 - 1 8 ) 华北电力丈学硕士学位论文 式中，口= 一三i x ( 1 ( 1 ) + z ( 1 ( 2 ) 】1 一i 1 酽( 2 ) + z ( 1 ( 3 ) 】1 ； ： 一三陋o 一1 ) + 石o ) 】1 x o ) 的灰色预测模型为 x 抽c 七+ 1 ) 。 0 一詈】e _ + 吾 x ( 七+ 1 ) 一i x 仰( 1 ) 一兰k 。+ 兰 原始数列聋( o 灰色预测模型为 j o ( 七+ 1 ) 一宝o ( 七十1 ) 一i n ( 七) t c e l 一d ( x ( 一鲁) e 砖 ，k x ( 0 ) ( 2 ) 工o ( 3 ) ： 工o o ) ( k 。0 , 1 , 2 ) ( 2 1 9 ) ( k 一0 , 1 , 2 ) ( 2 2 0 ) 基于g m ( 1 ，1 ) 模型的预测方法，可以对原始数列有很好的拟合，得到较 好的模型，此方法的优点是建模时不需要计算统计特征量，从理论上讲，可 以适用于任何非线性变化的负荷指标预测；不足之处是其微分方程指数解比 较适合于具有指数增长趋势的负荷指标，对于具有其它趋势的指标则有拟合 灰度较大，精度难以提高。只有在系统呈较为稳定的发展时期，才能得出令 人满意的预测结果，这也正是g m ( 1 ，1 ) 预测模型的局限性所在。 灰色预测的改进途径很多，一般包括下面几种：对原始数列的改造( 采 用加权法或滑动平均法等) 、初值的选取、对模型进行改进、改进灰色预测 技术等。 下面介绍一下等维新息模型的概念。在g m ( 1 ，1 ) 建模理论的基础上，在 原始数列后增加新的信息( 数据) 后，比如采用等维新息处理，通过对负荷原 始数据序列的预处理及优化，增强了灰色预测对波动负荷数据序列的处理能 力，可提高灰色预测方法的适用范围和预测精度。说明一个未知系统在变化 发展过程中，只有在不断增加新信息、新数据，才能对系统的变化趋势有一 个更好的了解和预测。即用己知数列，建立g m ( 1 ，1 ) 模型，预测一个值，而 后将这个预测值补充在已知数列之后，同时为了不增加数列长度，去掉最老 的一个数据，保持数列等维，再建立g m ( 1 ，1 ) 模型，预测下一个值，将结果 再补充到数列之后，再去掉最老的一个数据，这样新陈代谢，逐个预测，依 次递补，直到完成预测目标或达到一定精度要求为止。 华北电力大学硕上学位论文 根据对不同的灰色模型的研究( 即输入不同维数的数据) ，发现等维新息 模型在实际应用中适应性最强。所谓新息，即指最新的实际数据，其最能代 表实际的负荷发展速度( 对应于国民经济发展速度) ，因此同时去掉相对最不 能代表负荷发展速度的最老的数据，在此基础上建模将会得到精度最高的预 测值。 2 3 9 智能预测方法 智能预测方法包括模糊预测法、专家系统预测法、神经网络方法等。 ( 1 ) 模糊预测法 世界上许多事物都具有模糊的、非定量的特点。可以说，模糊性是客观 世界的普遍现象，而不是例外。事物之间的关系有的是明确的，但也有的是 模糊的。模糊数学的创始人美国加里福尼亚大学教授扎德曾说过“当系统的 杂性增长时，我们对系统做出精确而有意义的描述的能力将相应降低，直到 达到这样一个阈值，一旦超过它，精确性和有意义性将变成两个互相排斥的 特性。”这各精确性和有意义性的互克性使得很多问题无法用精确的方法去 描述和解决，而模糊的处理方法却有了用武之地“”。 模糊预测方法通过将输入的原始数据及模型中各相关参数模糊化，从而 达到弱化模型对历史数据准确度的依赖，在原始负荷数据及影响因素的历史 和未来发展数据不够准确的情况下，获得较高的预测精度。 目前模糊集理论应用于负荷预测主要有以下几种方法：模糊聚类法、模 糊相似优先比法、模糊最大贴近度法等”。 ( 2 ) 专家系统预测法 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，在某个领域内作出智能决 策。所以，一个完整的专家系统是由4 个部分组成的：即知识库、推理机、 知识获取部分和解释界面。台湾电力系统采用基于知识库的专家系统进行了 短期电力负荷预测，该系统的预测精度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。 ( 3 ) 神经网络法 人工神经网络( a n n ) 是由大量类似于神经元的处理单元相互联结而成的 非线性复杂网络系统。它是在现代神经科学成果的基础上提出的，试图通过 模拟大脑神经网络处理、记忆消息的方式完成人脑那样的信息处理功能。这 对计算机及其应用的发展产生巨大的影响。神经网络的运行方式有前馈式网 华北电力大学硕士学位论文 络和反馈式网络。前馈式网络采用分层网络结构形式，实现从输入层结点的 状态空间到输出层状态空间的非线性映射，广泛用于模式映射分类，特征抽 取等方面。反馈式网络采用相互联接型网络结构形式，所在节点既可接受输 入，又是计算单元，同时向外界输出。反馈式网络用于优化计算和联想记忆。 在实际应用中短期负荷预测采用a n n 较中长期负荷预测更多些，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，通常会有些大的变动，而并非是一个平稳 随机过程。 华北电力犬学硕上学位论文 第三章电量组合预测模型概论 组合预测是集结所有单个预测方法所包含的有用信息建立的一种预测 方法。根据组合定理，即使一个很差的预测方法，如果它含有系统的独立信 息，当它与一个较好的预测方法进行组合后，同样可以增加系统的预测性能 ”0 因此，组合预测法比单一预测法更为有效，也更为科学。组合预测方法 是国内外学者关注的重要问题之一，目前已取得了不少成果，我国学者对组 合预测方法的一些基本问题进行了较深人的研究，取得了可喜的成果。 但是从实际的情况来看，综合法的设计难度大。通常组合的方法是将几 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的预测方法或选 择拟合优度最佳或标准离差最小的预测方法。从实际研究可以看出组合预 测的关键在于如何确定各种预测方法的权重系数。下面我们就以下几种组合 方法的原理及模型作一下简要介绍：等权平均法“1 、方差协方差组法“1 、最 优组合法及变权重组合法等。 3 1 等权平均组合预测法( e w ) e w 是一类经常使用的组合预测方法“1 。设) ，；( i - - 1 ，2 ，七) 为第f 个 模型的预测值，如果y 。代表组合预测值，则e w 法得到的组合预测为 炉昙冀y ， ( 3 1 ) e w 法不需要了解单一预测值y ；的预测精度，也不需要知道单一预测的误 差之间的相互关系，方法简单，是在对各种预测方法的预测精度完全未知的 情况下，所采取的一种较稳妥的方法。 3 2 方差一协方差组合预测法( m w ) 在能够求得到各单一预测值的预测精度的情况下，就应采用加权平均的 方法。设t 个预测值分别为y l , y ：，y 。，各自预测误差的方差为 盯l l ，o r 笼，址，则七个预测值的组合预测结果为 ) ，。 y ，其中哆一1 组合预测误差的方差为 华北电力大学硕上学位论文 可得 砌r 忙c ) 。善西 关于q ( 1 1 ，2 ，- - - , k ) 对于阮，q c ) 求极小值，在约束荟q 。1 的条件下 ( i 一1 2 ，露) ( 3 - 2 ) 当七种预测方法各自的预测误差分别为e l ，e 2 c - e k ，且服从零均值正态分 布，布估计吒( f - 1 , 2 , ，七) 可以用下式表示 吼一丢私) 2 ( i - 跏 ( 3 - 3 ) 其中：押为历史数据数目。由此可得畔( i 一1 ，2 ，k ) 的估计式： 面一( 喜) 1 套( 砉e ；) - 1 】1 c s 一4 ， 对于七种方法，也有 v a r ( e 。) m m i n ( a j l ，盯2 2 ，) 可见，m y 优于各单一算法，如果权值能保 持稳定的话该方法也优于e w 算法。 3 ，3 最优组合预测法 目前预测学界对于负权重是否可以接受尚有一定的争议，本文对负权重 持否定态度。下面介绍一种非负权重的最优组合预测模型“”。 对此做了进一步的研究。按照最优组合预测的定义：如果某一加权系数 向量k ，使组合预测方法的预测误差平方和j 达到极小值j m i n ，即，则称了 为最优加权系数向量，其所对应的组合预测方法称为最优组合预测方法。 设对同一预测问题有n 种预测方法，实际观测值有期，y 。为第t 期统 计观测值，厶为第i 种方法第t 期的按拟合预测值，其预测误差e a y ，一九， 第i 种方法的预测误差向量e 一，e 1 2 , - - , ) 7 ，i 一1 ，2 ，打：t 一1 2 ，。 各单项预测方法预测误差平方和以及协方差分别记为e j e - 最，b - e ， ( f ，- 1 , 2 , - - , n ，i _ ，) 记，f 为组合预测第t 期预测值，t 为第i 种方法的组合权重，则 华北电力丈学硕士学位论文 五。善t 厶，其预测误差巳。y t 一正 组合预测误差平方和为，芝- 三t 七岛- k 7 爿。k o o q j ” 这里七。( 七- ，| i ：，t 。) 7 为组合权重向量，它满足七；z 1 ，以一( 毛) 。为预测 误差的协方差阵。 优化模型为： ( 3 5 ) 上述模型有唯一解，即有唯一非负最优组合权重向量。但这一方法其实 不能称为最优组合预测方法。其最优是基于一种前提条件：假定加权系数向 量为一常量，而实际中，权系数向量应该为一变量。 3 4 变权重组合预测模型的研究 3 4 1 预测模型的建立 在组合预测中，每一种单项预测方法都会表现出时好时坏性，因而变权 重的方法比常数权重的方法能更科学的做出预测。但是由于变权重的组合预 测方法比较复杂，所以目前对此的研究并不多。关于变权重问题是目前一个 很重要的研究方向。 文献 4 1 利用模糊集合理论，提出一种模糊变权重预测方法一f w ( f u z z yv a r i a b l ew e i g h t i n g ) 法。该方法的思想是：利用i 时刻第，种预测 方法的误差e i ( f ) 和i 时刻第，种预测方法的误差变化率c ；o ) ，设计一个模糊 控制器，对组合预测权系数进行模糊求解。此法能及时地调整加权系数的分 配，是一种新的思路。但是，文献 4 1 所提出的变权重方法，其当前时刻权 重的大小仅取决于上一时刻误差及误差的变化率，所以有一定的局限性。文 献 4 2 对此做了改进，取得了较好的效果。 变权重的关键是确定各个单项预测方法的加权系数( 权重) ，模糊集合论 给我们提供了一种新的思路，人们应该在精确性方面后退一步，而力图在整 体上把握事物的发展规律，追求一种满意解，而非最优解。 3 1 华北电力大学硕士学位论文 中南大学的李学全等在对f v w 方法的实质进行分析的基础上，根据预测 对象的变化趋势对加权系数的影响，利用预测相对误差、预测对象的变化趋 势，对f v w 方法加以改进，通过灰色关联度引入基本权重概念，以刻画各种 方法在某时刻前一段时期内全面的、平均的预测效果对加权系数的影响“。 本文通过对上述方法的分析，设计时模糊控制器的输入变量采用了平均 相对误差及在某时刻前一段时期预测误差绝对累计值的相对指标，考虑到前 一段时期内全面平均预测效果的影响，我们也借鉴了基本权重的概念。 以下，对后面计算中需要的变量做出说明： 设对于同一预测问题，有胆( 以之1 ) 种预测方法。记 y ( f )为预测对象在i 时刻的观测值； ，为i 时刻第门币方法的预测值； e ；g )为f 时刻第，种方法的相对误差； s ；q )为采样时刻f 第j 种方法的z 个预测误差绝对累计值； 七，o )为归一化前i 时刻求出的第j 种方法的加权系数； f ，为第，种预测方法的基本权重； 七；( f ) 为归一化后f 时刻求出的第，种方法的加权系数，尼；a ) 一1 ； o + 1 ) 为i 时刻求出的第，种方法的预测值； ，o + 1 ) 为f + 1 ，时刻的组合预测值，f ( i + 1 ) 一七，( f ) o + 1 ) ； 为i 时刻第门咔方法的模糊权重； z为相对误差的离散论域； 】， 为c o ) 的离散论域； z为权重的离散论域。 ( 3 - 6 ) 华北电力人学硕士学位论文 j ，o ) 。荟i y ( f 一肌) 一l ( i 一肌4 ( 3 - 7 ) c a o l s j q ) 黔o ，o ) ) ( 3 8 ) c i ( f ) 滚动的有限时域长度内预测误差绝对累计值的相对指标。1 为有限时域长 度。 若用i 时刻前一段时期( 设为k 个时期) 的实际值来预测i 时刻的值，则令 y 一0 ，( f 一七) ，y ( i - k + 1 ) ，y ( 一1 ) ) ( 3 - 9 ) ，一( l ( i 一七) ，( f k + 1 ) ，l ( i 一1 ) ) ( 3 1 0 ) 咖例。麻蒜南 仔m 其中k m 严呀n i ) ， ) 一 ( 优1 m - m 峄i ) ，) 一 ) | 亭称为分辩系数，其值根据具体问题，由经验给出，常取亭= o 5 。 r ( y 咖) ，伽) ) 就是第，种方法在m 时刻的预测值相对于时刻的实际值的灰色 相关度。 ，一i 1 。磊i - i 伽) ，l ) ) 3 4 2 模糊控制器的设计 ( 3 - 1 2 ) 模糊逻辑系统是指那些与模糊概念的模糊逻辑有直接关系的系统，它由模糊 产生器、模糊规则库、模糊推理机和解模糊器四部分组成。下图3 一l 为一个模 糊算法实现的框图。 华北电力大学硕上学位论文 r ；画j ： ： p c 图3 - 1模糊算法的实现 模糊控制器设计所包含的主要内容有如下几个部分： 1 数据库设计 ( 1 ) 论域的离散化 要使计算机能够处理模糊信息就必须对用模糊集合表示的不确定信 息进行量化。通常表示这种信息的模糊论域可以是连续的也可以是离散 的。为了便于数字计算机处理，一般首先将连续的论域离散化形成离散 论域。论域的离散化实际上是一个量化的过程。量化就是将一个论域离 散成确定数目几小段( 量化级) ，每一段用某一个特定术语作为标记，这 样就形成一个离散论域。然后通过对这新的离散域中的特定术语赋予隶 属度来定义模糊集。 ( 2 ) i o 空间的模糊划分 i o 空间的模糊划分即每个语言变量的辞集定义了多少个语言值。因为 每一个基本模糊子集的支集都覆盖了论域上的某一区段，因此论域上划分了 多少个基本模糊子集也就是把论域划分了多少个区段，只不过在模糊划分 中，这些区段一般互有重迭部分。 从以往国内外有关资料来看，一般划分为7 个左右等级，如：正大( p b ) 、 正中( p m ) 、正小( p s ) 、零( z o ) 、负小( n s ) 、负中( n m ) 、负大( n b ) ；或 华北电力大学硕士学位论文 5 个左右等级，如：正大( p b ) 、正小( p s ) 、零( z o ) 、负小( n s ) 、负大( n b ) ， 最佳模糊划分可以以此为基础试凑得到。如我们可以把论域z 可取5 个语言 值：“负大”、“负小”、“零”、“正小”、“正大”，分别表示预测值与实际观测 值的相对误差的偏离程度。论域y 的划分与其类似。 ( 3 ) i 0 基本模糊子集的隶属函数定义 输入输出模糊语言变量的基本模糊子集的定义有两种方式，数值定义和 函数定义，它们分别用于离散论域和连续论域的情况。 2 模糊化策略 ( 1 ) 量程转换和量化 程量程转换即把输入信号的物理范围转化为相应的论域，体现这一转换 是比例因子k ，见图中的k 。k ：。 我们把量转换和量化归结为下述的映射： 离教论域的情况： 【吖，x 】一 卅，0 ，珂 z 7 h 露- 胛他+ o 5 ) ( 七- n x ) 连续论域情况： 【吖，工】一【叫，n 】 工卜n - h ( 七一n x ) ( 2 ) 模糊化方法 常用的模糊化的方法有两种： 1 ) 论域中某一精确点模糊化为一个模糊单点( f u z z ys i n g l e t o n ) ，或 称单点模糊集。模糊单点是这样一种模糊子集，该点对它的隶属度为l ，而 论域中其余所有点对应它的隶属度均为0 ，这是一种特殊的模糊集。 2 ) 域中的某一精确点模糊化为在论域上占据一定宽度的模糊子集。当 输入信号受到噪音干扰时，应考虑这各模糊化方法，如果同一论域上原来定 义的基本模糊集的隶属函数采用了某种形状，那么该论域上的精确点模糊化 后的模糊子集也可以考虑采用同样的形状，这样处理时就可以一致，因而也 就简便些。 3 规则库设计 ( 1 ) 模糊控制器结构的确定 这里我们采用二维模糊控制器，二维f l c 的输入一般为误差和误差的变 化率，这是最典型最基本的模糊控制器，应用也最广泛。 华北电力大学硕士学位论文 ( 2 ) 模糊控制规则的建立 由于人类专家的行为是实现模糊控制的基础，因此必须用一种容易且有 效的方式来表达人类专家知识。i f t h e n 规则格式是这种专家控制知识最合 适的表达方式之一，即i f “条件”t h e n “结果”。通过总结实际运行人员的 经验，或分析历史数据后得出以下控制规则： 设计一个双输入单输出的模型，我们可以根据i 时刻第，种方法的预测值 偏离真实值的大小( 用e 表示) 及i 时刻前一段时期预测误差绝对累计值的相 对指标( 用c 表示) 来确定七，由k 及i + 1 时刻的开种预测方法的权重，经过组 合预测便可得f + 1 时刻的组合预测值。设e 共有m 个模糊子集，c 共有栉个 模糊子集，控制规则可用下列等式表示： i fe=ea n d c = ct h e nk = k 一 一j一 一， 一 - # 式中e 、c 、k 分别是定义在x 、y 、z 上的模糊集，则将这些条件语句归 结为一个模糊关系式： r u x c j ) i 。 ( 3 - 1 3 ) f u z z y 关系式的隶属度由下式决定： 月 如0 ，y ，z ) 。，z 1 【 ( ) ，) “0 ) 】 式中“ ”，“v ”为z a d e h 算子。 将测到的相对误差及i 时刻前一段时期预测误差绝对累计值的相对指标，经 过离散化，模糊化后，分别为e 、c ，则k 可由下式求得： k 一但c ) o r ( 3 - 1 4 ) 式中“o ”表示模糊关系的合成。 例如：我们可以设计如下规则：如果e i ( f ) 为负大，c ，g ) 也为负大，则其 权重为次要。 ( 3 ) 模糊控制规则的完备性、相互作用和相容性。 4 模糊推理机制 模糊推理是模糊控制的核心，它具有模拟人的基于模糊概念的推理能 力。模糊推理是根据输入输出量的模糊语言变量及其隶属函数，通过由模糊 规则确定的对应关系进行运算，以确定任意值的输入量对应的输出量的值。 模糊推理方法涉及到模糊蕴涵规则的选择、模糊推理合成算法的选择等。 模糊控制算法我们选用适用于输入、输出论域为有限论域的情况。模糊 推理主要有四种方法：m a m d a n i 法、l a r s e n 法、t s u k a m o t o 法和t a k a g i s u g e n o 法。m a m d a n i 法也叫做m i n - m a x 重心法，是目前最常用的一种推理方法。 华北电力大学硕士学位论文 5 解模糊策略 解模糊是模糊化的逆过程，亦称模糊判决。 解模糊设计主要是选择一个解模糊方法以实现解模糊算法。另外还要设 计一个比例因子。以实现解模糊后所得的输出论域到实际物理范围的量程转 换。 常用的解模糊方法有以下几种： ( 1 ) 最大隶属度法 最简单的方法称为最大隶属度法，它取控制输出论域上的点作为解模糊 结果： 誓 o ) - 1 警( 鼍 ” ( 3 一1 5 ) 但是当隶属函数有多个最大值时则不能唯一确定。为此有下述平均最 大隶属度法。 ( 2 ) 平均最大隶属度法 该方法取所有达到控制作用隶属函数的最大值的点的平均值作为解模 糊结果。可能出现所有的隶属度最大的点构成一条直线，那么可以取这条直 线的中点作为解模糊的结果。 ( 3 ) 重心法 重心法以控制作用论域上的点u e u 对控制作用模糊集的隶属度u m ) 为 权系数进行加权平均而求得解模糊结果。对于离散论域的情形，设 u 一恤。i i 一1 ，2 ，n 有： y r ； u o 一旦i _ 一 善 ( 3 - 1 6 ) 对于连续论域的情形： p ( u ) u a u u 0 。两 矗。 ( 3 1 7 ) ( 4 ) 取中位数法 求出把隶属函数曲线与横坐标之间的面积平分为两部分的数，以此数作 为判决的结果。这种方法充分利用了模糊子集所有的信息量。 选择解模糊算法，还没有一个系统的规范的方法和原则。在实际应用中， 重心法是采用的比较多的一种方法，平均最大隶属度法也有时被采用，可根 华北电力大学硕上学位论文 据实际情况及要求来确定选用哪一种方法。 3 ，4 3 归一化处理及组合预测公式 归一化处理公式： 七胁坐盟 f ，k ，( f ) ( 3 - 1 8 ) 求得七；o ) 后，利用 o + 1 ) ，就可对f + 1 时刻进行预测，得到组合预测公 式如下： ，( f + 1 ) 。荟2 ；( i ) l ( i + 1 ) 3 _ 1 9 根据公式( 3 - 1 9 ) 即可计算得到组合预测值。 3 5 误差分析 对预测模型进行评价非常必要的，其评价指标主要是预测误差。适用的 预测方法应使预测误差处于可接受的范围内。若误差太大，就失去了预测的 意义，没有参考价值，导致电力规划及生产决策的失误，造成重大的经济损 失。 3 5 1 误差产生原因 产生误差的原因很多，主要有以下几个方面： ( 1 ) 预测模型误差对于错综复杂的电力负荷变化来说，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，也就无可避免地会与实际负荷产生误差。 ( 2 ) 负荷所受的影响因素是千变万化的，进行预测的目的和要求又各种 各样，因而就存在着如何从众多的预测方法中正确选择一个合适的预测方法 的问题。如果选择不当的话，也就随之产生误差。 ( 3 ) 资料的准确可靠性进行负荷预测要用到大量的统计数据资料，若 不准确或不完整的话必然会带来预测误差。 ( 4 ) 突发事件某种意外事件发生或情况突然变化，也会造成预测误 差。另外由于计算或人为的错误，也可能会产生不同程度的误差。 华北电力大学硕士学位论文 3 5 2 误差分析及模型校验 对于误差分析的依据，可采用误差、相对误差、平均相对误差。对于回 归模型还将采用相关系数r 及f 检验法。 误差e k t ( 3 2 0 ) 相对误差半1 0 0 ( 3 _ 2 1 ) 平均相对误差三骞学舢 z z ， f 检验 f ：薹堡：茎! ! ! ： 善 一t ) 2 协一所一9 相关系数r j 石南 其中歹- 三y x h 留 式中 ( 3 - 2 3 ) ( 3 - 2 4 ) n 观测值的个数5 m自变量的个数5 z历史数据实际值； z预测值。 误差分析是用来判断一个模型的预测精度，而预测精度是指预测模型拟 合的好坏程度，即由预测模型所产生的模拟值与历史实际值拟合程度如何。 当平均8 蒯0 0 1 精度等级为一级( 高精度) ；当0 0 1 t 8 删0 0 5 时精度 等级为二级( 好) ；当0 0 5 0 1 时精度等级为四级( 不适合) 。1 3 级合格，说明适合用所选模型建模，并且 级别越高越适合；若所得的结果为4 级，则说明此数据不适合用所选模型建 模。 其中，相关系数r 用来检验变量之间的线性相关的显著程度。吲一0 线 性相关关系减弱，陬l 一1 线性关系程度加强。计算出r 后对照相关系数检 验表。f 检验与其类似。 除了上述误差及模型校验指标外，对于灰色模型还有灰色关联度指标， 华北电力大学硕+ 学位论文 根据曲线间相似程度来判断关联程度，即认为几何形状越接近，则发展变化 态势越接近，关联程度越大，从而说明对应的模型越优，拟合误差也就越小。 总之，正确的分析误差可以帮助我们选择更适合的模型，从而得出合理 的预测结果。 4 0 华北电力大学硕士学位论文 4 1 软件设计 第四章软件设计与实例分析 4 1 1 软件设计的原则 ( 1 ) 通过大量的调研分析，充分了解和掌握电力系统及其它领域国际上 较为成熟的各种预测技术，及预测方法的适用性。 ( 2 ) 利用当前流行的计算机语言v i s u a lc + + 编制程序，建立电力系统电 量预测的模型库，为进行中、长期预测提供有力的支持和保证。 ( 3 ) 系统采用了开放的平台和开放的开发策略，保证用户原有的、现有 的和将来的系统及系统间可相互操作，易于扩充。 ( 4 ) 考虑了预测工作人员的计算机操作特点，采用了用友好的户界面， 易于操作，可提高工作效率。 4 1 2 软件开发的环境 电力系统中长期电量预测软件是一个基于w i n d o w s 9 8 2 0 0 0 x p 、或 w i n d o w sn t 操作系统的应用软件。 软件数据库采用m i c r o s o f ts q ls e r v e r 2 0 0 0 数据库管理系统完成数据 库设计任务，前端开发工具采用v i s u a l c + + 6 0 完成界面设计和计算。 s q ls e r v e r 2 0 0 0 简介 s q ls e r v e r2 0 0 0 是一种具有客户机服务器体系结构的关系型数据库产 品。在以前的版本的基础上，s q ls e r v e r2 0 0 0 在可靠性、质量和易用性、 可伸缩性、业务智能功能和对x m l 的支持，以及与微软b a c k o f f i c e 系列产 品的无缝集成等方面增加了几种新的功能，由此成为大规模联机事务处理 ( o l t p ) 、数据仓库和电子商务应用程序的优秀数据平台。其主要特性如下： 1 基本图形的管理工具，使系统管理和数据库管理更加直观简单； 2 集中式管理：可以在一个中心位置的管理控制台上使用企业管理器集中 管理众多分布在不同物理位置上的s q ls e r v e r 数据库； 3 支持不同的开发平台：其丰富的程序接口工具，几乎可以使用现在流行 的任何计算机语言，如v b 、c 、c + + 、j a v a 等，和各种开发平台来开发基于 s o ls e r v e r2 0 0 0 的数据库应用程序； 4 支持分布式事物处理； 5 支持联机分析处理( o l a p ) ； 4 1 华北电力大学硕士学位论文 6 支持数据仓库。s q ls e r v e r 在处理大量数据方面做了很多改进。这个功 能只有在o r a c l e 和其它更昂贵的d b m s 中才有： 7 与w i n d o