（电力系统及其自动化专业论文）电力系统短期负荷预测方法的研究及实现.pdfVIP

郑州大学工学硕士学位论文 a b s t r a c t s h o r tt e r ml o a df o r e c a s t i n g ( s t l f ) i so n eo ft h em o s ti m p o r t a n tc o n t e n t so f r u n n i n ga n dd i s p a t c h i n gp o w e rs y s t e m i ti s av e r yi m p o r t a n ta s p e c to fp o w e r s y s t e mt oe n s u r eo p e r a t i n gs a f e l ye c o n o m i c a l l ya n da c h i e v es c i e n t i f i cm a n a g e m e n t i nt h ep o w e rs y s t e m a n di ti so n ep a r to fe n e r g ym a n a g e m e n ts y s t e ma sw e l la sa n e c e s s a r yc o n t e n to ft h ee l e c t r i c i t ym a r k e t p l a c eo p e r a t i o nm a n a g e m e n t m a n ym e t h o d sf o rs h o r tt e r ml o a df o r e c a s t i n gh a v e b e e np r o p o s e d ，f o r e x a m p l e ，t i m es e r i e sm e t h o d ，a r t i f i c i a l n e u r a ln e t w o r km e t h o d ，e x p e r ts y s t e m m e t h o da n ds oo nn o w a d a y s ，b u tt h e r ei s n t am e t h o dw h i c hc a no b t a i nt h e s a t i s f i e df o r e c a s t i n gr e s u l t so na n yo c c a s i o nf o rt h er e a s o no fl a c ko fa c c u r a c y h o wt oi m p r o v et h ep r e c i s i o no ff o r e c a s t i n gi st h eh o tp r o b l e ms t u d i e db y c o u n t e r p a r te x p e r ta l lt h et i m e t h er e s u l to fi o a dd a t as t a t i s t i c ss h o w st h a tw h e ne l e c t r i cl o a da r es c a l e d t h e l o a ds c a l e dc u r v e sb e t w e e ns i m i l a rd a yt y p e sa r es i m i l a r , b u tl o a ds c a l e dc u r v e s b e t w e e nd i f f e r e n td a yt y p e sa r ed i f f e r e n t ，o nb a s i so fw h i c hs h o r t t e r ml o a d f o r e c a s t i n gc a nb ed i v i d e di n t ot w os t e p sw h i c ha r et h ef o r e c a s t i n go fl o a ds c a l e d c u r v ea n dt h ef o r e c a s t i n go fd a ym a x i m a ll o a da n dd a ym i n i m a ll o a d b a s e do nt h e a b o v ea n a l y s i s ，t h i sp a p e rp r o p o s e so n es h o r t t e r ml o a df o r e c a s t i n gm e t h o dw i t h r a d i a lb a s i sf u n c t i o nn e t w o r k a c c o r d i n gt os i m i l a rr e l a t i o nb e t w e e nl o a do n w e e k e n da n dl o a do nf e s t i v a l so rh o l i d a y s ，a n dt e m p e r a t u r eo nf e s t i v a l so r h o l i d a y sh a sg r e a ti m p a c to nt h ec h a r a c t e r i s t i co fl o a d ，ak i n do fp r a c t i c a ll o a d f o r e c a s t i n gm e t h o do nf e s t i v a l so rh o l i d a y s ，w h i c hc o n s i d e r sl o a do i lw e e k e n da s t h ef o u n d a t i o nl o a da n dr e v i s e si ta c c o r d i n gt ot e m p e r a t u r e h a sb e e np r o p o s e d o u t l i e ri d e n t i f i c a t i o na n dl o a df o r e c a s t i n gm o d e l i n ga r et h et w oi m p o r t a n t s t e p si ns h o r t t e r ml o a df o r e c a s t i n g t h e r ei sn oa c k n o w l e d g e de f f e c t i v em e t h o d f o ro u t l i e ri d e n t i f i c a t i o ni ne l e c t r i cl o a dd a t a an e wm e t h o di s p r e s e n t e dt o i d e n t i f yo u t l i e r si nl o a dd a t ab yf u l l yu t i l i z i n gt h ef e a t u r e so fe l e c t r i c a ll o a dc u r v e s f i r s t ，t h ed a yl o a dc u r v e sa r ec l u s t e r e db yk m e a n sa l g o r i t h m t h e nt h eo u t l i e r s i nt h ec u r v e si n c l u d e di nt h ec o r r e s p o n d i n gc l u s t e ra r ei d e n t i f i e dw i t he a c ht y p i c a l i o a dc u r v e a ti a s t t h eo u t l i e r sa r ea d j u s t e dw i t ht y p i c a lc u r v e sd a t a t e s tr e s u l t s 电力系统短期负荷预测方法的研宄及实现 = = = ! = ：= = = = 竺! ! = = = = = = = = 竺竺! = = = = = ! ：= = = = ! ! ! ! = = = ! ! u s i n ga c t u a ld a t aa r es e r v e df o rd e m o n s t r a t i n gt h ef e a s i b i l i t yo ft h ep r o p o s e d m e t h o d t a k i n ga c c o u n to ft h ed e m a n d o fe l e c t r i c i t ym a r k e ti nc h i n a ，ad e s i g no fs h o r t t e l - ml o a df o r e c a s t i n gs y s t e mi sp r e s e n t e di n t h i sp a p e lt h i ss y s t e mc o n s i s t so f t h r e em o d u l e s ：o r i g i n a ld a t am a i n t e n a n c em o d u l e ，l o a df o r e c a s t i n gm o d u l ea n d f o r e c a s t i n gr e s u l t - p r o c e s s i n gm o d u l e t h el o a df o r e c a s t i n gm o d u l ec o n s i s t so f m a n ym o d e l sa n de a c hm o d e lc a nb ei n d e p e n d e n t l yu s e do rs o m eo ft h e mc a l lb e c o m b i n e df o ri n t e g r a t e df o r e c a s t i n g w i t ht e a ll o a dd a t ao fh e n a np r o v i n c ea n d t h ec i t yo fp i n g d i n g s h a n ，t h et e s tr e s u l t si n d i c a t et h a ts a t i s f a c t o r yf o r e c a s t i n g a c c u r a c yc a nb ea c h i e v e db yt h i ss y s t e m k e y w o r d ：s h o r tt e r ml o a df o r e c a s t i n g ，c l u s t e ra n a l y s i s ，b a d - d a t ah a n d l i n g r a d i a lb a s i sf u n c t i o n ，s y s t e md e s i g n 1 1 1 郑重声明 本人的学位论文是在导师指导下独立撰写并完成的，学位论文没有剽窃、 抄袭等违反学术道德、学术规范的侵权行为，否则，本人愿意承担由此产生的 一切法律责任和法律后果，特此郑重声明。 学位论文作者( 签名) 易糯飞 矽哆年岁月i d 日 电力系统短期负荷预测方法的研究及实现 1 1 电力负荷预测的意义 第l 章绪论 电力系统应尽可能地向各类用户提供安全、可靠、优质的电能，并随时满足 各类电力用户的负荷需求。 负荷的大小与特性，无论是对于电力系统设计或是对于运行研究而言，都是 极为重要的因素。所以，对负荷的变化与特性进行事先的估计，是电力系统发展 与运行研究的重要内容。电力系统负荷预测理论就是因此而发展起来的，负荷预 测是电力系统规划和运行的基础，短期电力负荷预测则是现代电力系统控制与运 行分析的一项重要研究内容。 电力系统对未来预计要发生的负荷进行预测的必要性在于：系统内的可用发 电容量，在正常运行条件下，任何时候都应当能够满足系统内负荷的要求。假如 系统内发电容量不够，则应当采取必要的措施来增加发电容量，如新增发电机组 或从邻网输入必要的容量；反之，若发电容量过剩，则应采取必要的措施，如有 选择地停机( 如计划检修) 或者向邻网输出多余的功率。因此，未来本电网中长 期或短期负荷变化的趋势与特点，是一个规划设计部门和电网调度部门所必须拥 有的基本信息之一。 电力系统负荷预测从时间方面来说，可以分为长期、中期、短期与超短期。 长期与中期之间没有明确的分界线。一般来说，长期预测可长达数l o 年，而 中期预测通常为1 月1 年，短期预测则是指1 日1 周，而超短期则一般为5 1 0 秒，主要用于质量控制。 长期与中期负荷预测的意义在于新的发电机组的安装( 包括装机容量的大小、 型式、地点和时间) 以及电网的增容或改造，均取决于对未来若干年的负荷预报。 而短期负荷预测的意义包括： ( 1 ) 能对运行中的发电厂的出力要求提出预告，使得事先可以估计发电机组出 力变化的情况。对于装机容量不大的孤立电网，短期负荷预测是必要的。 郑州大学工学硕士学位论文 ( 2 ) 对于一个容量较大的电网，为了经济合理地安排本网内各发电机组的起动 与停机，以使系统在要求的安全范围内为保持必要的旋转储备容量的耗费为最小， 短期负荷预报也是必须的。 ( 3 ) 当电网进行计算机在线控制时，应当用短期负荷预测的信息来实现发电容 量的合理调度，满足给定的运行要求，同时使发电成本为最小。 ( 4 ) 进行负荷预测是电网商业化运营所必需的基本内容。随着电力体制改革的 深化和电力市场的建立和发展，经济性成为电网运行的重要指标，也对短期负荷 预测提出了更高的要求【l 】，短期负荷预测不再仅仅是e m s 系统的一部分，同时也 是制定电力市场交易计划的重要依据。 当前，随着电力市场的发展，影响电力负荷变化的因素将变得更加复杂，如 果说在计划经济的条件下短期负荷预测还是一个纯技术性问题，那么在电力市场 条件下短期负荷预测应当是一个技术性和经济性相结合的问题，这就迫切需要引 入新的预测技术来跟踪这种变化。电力市场的发展需要准确的短期负荷预测，本 文正是基于这种要求丽进行短期负荷预测问题的研究。 1 , 2 电力负荷预测技术的发展和现状 短期负荷预测技术是随着电力系统e m s 的逐步发展而发展起来的，现已成为 e m s 系统必不可少的一部分，也成为电力系统安全及经济运行中必不可少的手段 之一，经过几十年的发展己经取得了巨大的进步。短期预测技术的发展是从离线 分析到在线应用逐步发展的过程，也是从过分依赖于调度员的运行经验到自动化、 智能化逐步转变的过程，短期负荷预测技术的发展大体经历了三个阶段。 早期的短期负荷预测完全依赖于调度员的运行经验，没有科学的理论做指导， 不同调度员的预测结果往往差别很大，并且调度员的经验是经过生产实践逐步积 累起来的，所以没有经验的新的调度员一般无法胜任这项工作。总之，早期的短 期负荷预测对人的素质的要求比较高。 二十世纪七十年代以后。许多数学统计方法被引入到短期负荷预测中，使短 期负荷摆脱了完全依靠调度员经验的历史，将短期负荷预测技术提高到了一个新 的水平，典型的算法有线性外推法、多元线性回归法、指数平滑法、时间序列法、 状态空间法。 二十世纪九十年代初期开始，人工智能技术( 如人工种经网络、专家系统、模 电力系统短期负荷顶测方法的研究厦实现 糊推理等) 逐渐被用到短期负荷预测中，人工智能技术主要用来解决非线性问题和 不确定性问题，和数学统计方法相比，人工智能预测方法在预测过程中考虑了各 种不确定因素( 如天气因素、季节因素、人工经验等) ，在实际的负荷预测过程中确 实能够提高预测精度。 同时，为了对各种预测模型取长而避短，优选组合预测技术被用到短期负荷 预测中。优选组合预测有两种类型，一是指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一种预测技术；二是指在几种预测方法中进行比较， 选择拟合优度最佳的或标准离差最小的预测模型作为最优模型进行预测。该方法 是建立在最大信息利用的基础上，它集结多种单一模型所包含的信息，进行最优 组合。因此，在大多数情况下可以达到改善预测结果的目的。 尽管短期负荷预测技术在算法理论研究上取得了很大的成就，但是由于种种 原因短期负荷预测技术在实际应用中还存在很多问题，短期负荷预测理论和实践 有待进一步发展。 电力市场的建立和发展对短期负荷预测提出了更高的要求，而计算技术和信 息技术的快速发展也必将能够把短期负荷预测技术带到一个更高的水平，对于短 期负荷预测技术来说，机遇和挑战并重。 1 , 3 本文所完成的主要工作 负荷预测是从过去的负荷历史资料( 例如过去若干年的负荷记录) 和对此有影 响的经济、气象等因素出发，探索出历史负荷之间以及历史负荷与主要影响因素 之间的内在联系和发展变化规律，对未来用电需求做出预先的估计。电力市场中 负荷预测实质上是对电力市场需求的预测，是实现电网安全经济运行的前提，其 预测的准确性关系到各方的经济利益。 提高负荷预测精度，尤其是短期负荷预测的精度己成了当务之急。为了准确 地预测市场对电力商品的需求，必须认真研究分析各种信息( 负荷历史资料及相关 因素等) ，采用最新的理论进一步提高预测精度。提高预测精度的途径归纳起来可 概括为两个方面：一是在预测过程中尽可能计及各种相关因素( 如气象因素，节假 日) 对预测结果的影响：二是积累历史数据，总结经验，改进预测模型与方法，采 用组合模型法。本文从提高短期负荷预测精度和短期负荷预测技术的应用两方面 出发，开展了以下主要工作： 郑州大学工学硕士学位论文 ( 1 ) 分析了几种主要因素( 包括负荷构成、天气因素等) 对电力系统短期负荷的 影响。 佗、介绍了现有的各种预测方法并对它们进行了分析比较。 ( 3 、在现有预测方法的基础上，提出了基于r b f 人工神经网络，预测b 负荷 归一化曲线的方法。 ( 4 ) 根据节假日负荷与周末负荷间的相似关系，以及节假日负荷受温度变化影 响大的特点，提出了一种以周末负荷为基础，考虑温度修正的实用节假曰负荷预 测算法。 ( 5 ) 坏数据处理是负荷预测过程的第一步，是提高预测精度的一个关键环节。 根据数据挖掘中的模式聚类与模式分类的思想，提出了一种以日负荷特征曲线为 基础，进行电力负荷坏数据检测与调整的方法。 ( 6 ) 短期负荷预测是一个较为复杂的数据获取及处理过程。在进行预测的同 时，还要对预测结果进行误差分析，对获得的数据进行管理。本文利用w i n d o w s 操作系统开发了负荷预测应用软件，软件系统基于面向对象( o p p ) 的思想，开发语 言为c 十+ ，软件功能齐全，便于使用扩展、移植、可扩充。 _ d 电力系统短期负荷预测方法的研究及实现 2 1 引言 第2 章负荷预测原理 电力生产的特点之一是电力不可贮存( 或者说贮存能力极小而成本很高) ，生产 和消费是同时进行并完成的，用电负荷随时都会变化，而且我国多数电网在日、 周、年周期内的负荷峰谷差逐年增加，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出力即可满足要求；而负荷 变化范围较大时只能通过启停机组才能满足负荷要求；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。电力负荷预测是实时控制、运行计划和 发展规划的前提，可以说掌握电力生产的主动性必须先做好负荷预测。 电力系统负荷预测分为系统负荷预测和母线负荷预测两类，而系统负荷预测 按时间期限又有超短期、短期、中期和长期之分。超短期负荷预测用于质量控制 需5 l o s 的负荷值，用于安全监视需l 5 r a m 负荷值，用于预防控制和紧急状态处 理需1 0 6 0 m i n 负荷值，使用对象是调度员；短期负荷预测主要用于火电分配、水 火电协调、机组经济组合和交换功率计划，需要1 日1 周的负荷值，使用对象是 编制调度计划的工程师；中期负荷预测主要用于水库调度、机组检修、交换计划 和燃料计划，需要1 月1 年的负荷值。使用对象是编制中长期运行计划的工程师； 长期负荷预测用于电源和网络发展规划，需要数年至数十年的负荷值，使用对象 为规划工程师。 对电力系统的负荷变化，如果能事先准确地估计，对提高电力系统的规划水 平和提高电力系统运行的安全性、经济性、可靠性以及提高电网的供电质量，有 着重要的现实意义。因此，在实践中，无论是制定电力系统规划或是实现电力系 统运行优化控制，进行相应的负荷预测都是必不可少的。 显然，负荷预测的最重要指标是精度，然而精度首先决定于对具体电力系统 负荷变化规律的掌握，其次才是模型与算法的选择。一般来说负荷预测软件不是 买来就能用的，实际上对它有一个研究与改进过程才能用好，提高预测精度的钥 匙掌握在用户手上。各个电网负荷变化特性是不同的，有的历史负荷数据一致性 郑州大学工学硕士学位论文 较差，其预测精度必然低一些，要求用户熟悉系统的负荷特性和一般的变化特点。 预测之所咀成为科学是因为其有一套处理历史数据的程序，可以总结出最符合实 际的变化规律，以尽可能达到要求的预测精度。提高负荷预测结果精度的关键是 针对具体电网研究负荷变化模型和选择算法。 2 2 短期负荷预测基本模型 2 2 1 影响负荷的因素 系统总负荷是系统中所有节点上所有负荷的总和。理论上如果知道系统中所 有节点负荷的变化方式，那么就可以直接预测出系统总负荷的变化。但是单个负 荷变化方式具有很大的随机性和不可预测性，此外同系统中不同负荷的变化方 式千差万别，所以通过综合估计的负荷变化方式来预测系统总负荷是不可能的。 尽管单个负荷的变化随机性很大，但实践表明所有单个负荷的总和即系统总负荷 一般具有一定的变化规律，经过不断的实践过程，人们逐渐认识到影响这种规律 变化的因素主要有四种：负荷构成、负荷随时间变化规律、气象变化的影响及负 荷随机波动。 ( 1 ) 负荷构成 系统负荷按其性质可划分为：城市民用负荷、商业负荷、工业负荷、农业负 荷及其它负荷等类型。城市民用负荷主要是城市居民的家用负荷。商业负荷与工 业负荷是各自为商业和工业服务的负荷。在我国，农村负荷是指广大农村所有的 负荷( 包括农村民用电、生产与排灌用电以及商业用电等) ，而其他负荷则包括市政 用电( 如街道照明) 、公用事业、政府办公、铁路与电车、军用以及其他等。 不同类型的负荷有着不同的变化规律。随着家用电器的普及，城市居民负荷 年增长率提高、季节波动增大，尤其是空调设备的迅速增加，使系统峰荷受气温 影响越来越大；商业负荷主要影响晚尖峰，而且随季节面变化；工业负荷受气象 影响较小，一般都视作基础负荷：农业负荷季节变化强，而且与降水情况关系密 切。一个地区负荷往往含有几种类型的负荷，各类负荷所占比例也不同。 ( 2 ) 时间因素 时间因素对负荷的影响主要有三点：季节因素的影响、节假日的影响、以日 ( 2 4 小时) 或周( 7 日) 为周期的负荷变化。随着季节的变化会出现昼夜时间比 电力系统短期负荷预测方法的研究及实现 例的变化、温度的变化、人们生活习惯的变化等，这些变化都会影响到负荷的变 化。由于社会生产方式和人们生活习惯会呈现工作和休息的交替变化，并且这种 变化具有日或周的周期性，所以电力负荷一般呈现以日或以周为周期的周期性变 化。节假日( 如春节) 期间人们休息时间长并伴随大量的庆祝活动，对负荷的变化影 响比较大，一般情况下节假日的负荷比正常日的负荷低很多，实际表明节假目前 后日期的负荷也会受到影响。 ( 3 1 气象因素 由于许多负荷( 比如空调、农业灌溉等) 都与气象因素有关，所以气象因素也是 影响系统负荷大小的重要因素，气象因素对系统负荷大小的影响主要表现为负荷 的突然变化。气温是对系统负荷影响最大的天气因素，随着居民更多地使用空调， 气温对系统负荷的影响越来越大。气温对负荷的影响一般呈如下曲线( 图2 - 1 ) 除了 气温，影响负荷大小的其它天气因素还有阴晴、降水和风速等。 日最大负荷 气温 图2 - l 气温对负荷的影响 f i g u r e2 - 1i m p a c to nl o a do f t h et e m p e r a t u r e f 钔随机因素 所有能引起负荷模式变化，而又未包括在上面三类中的其它因素均算在此类 中。由于系统负荷是由大量分散的单独需求组合而成，系统负荷不断受随机干扰 影响。除了大量小干扰外，轧钢厂、同步加速器等设备的运行将产生冲击性电力 负荷，引起较大的负荷波动。由于这些大设备运行时刻通常对于系统调度人员来 说是未知的，它们代表了大的不可预测的干扰。还有一些特殊事件如工业设备损 坏、特殊电视节目，事件发生时刻可以预先知道，但对负荷影响程度是未知的。 总之，电力负荷是一个随机非平稳过程，它由成千上万个单独分量组成，而 每个分量又以不符合任何已知物理定律的不稳定形式变化着。 郑州大学工学硕士学位论文 2 2 2 短期负荷预测基本模型 基于前面对影响负荷的各种因素的分析，电力系统总负荷预测模型一般可以 按四个分量模型描述： z ( f ) = 6 ( f ) + w ( f ) + j p ) + v ( f ) ( 2 1 ) 式中，t ( t ) 为时刻t 的系统总负荷；b ( t ) 为时刻t 的基本正常负荷分量：w ( f ) 为时 刻r 的天气敏感负荷分量；s ( t ) 为时刻f 的特别事件负荷分量：v ( t ) 为时刻t 的随 机负荷分量。 ( 1 ) 基本正常受荷分量模型 图2 - 2 平顶山市连续一周的负荷曲线 f i g u r e2 - 2l o a dc u r v ef o ro n ew e e ki ns u c c e s s i o no f p i n g d i n g s h a n 8 一 电力系统短期负荷预测方法的研究及实现 图2 - 3 平顶山市负荷曲线比较 f i g u r e2 - 3c o m p a r i s o no f t h el o a dc u r v eo f p i n g d i n g s h a n 不同的预测周期，6 ( f ) 分量具有不同的内涵。对于超短期负荷预测，6 ( ，) 近似 线性变化，甚至是常数；对于短期负荷预测，6 f r l 一般呈周期性变化；而中长期负 荷预测中，6 f ，1 呈明显增长趋势的周期性变化。 针对短期负荷预测，将历史上连续一周日负荷f 按时序画在一张图上f 见图 2 2 ) ，荠将其湎在同一坐标系下( 见图2 3 ) ，可以看出负荷明显迪表现出日的周鞭性， 即以2 4 小时为周期循环变化。同样，将历史上连续几周的日负荷埔e 时序画在一 张图上，不难看出每周的负荷都具有类似的变化规律，表现出周的周期性，即以 1 6 8 小时为周期循环变化。 因此，对于短期负荷预测，基本正常负荷6 f f l 一般是指周期为2 4 h 或1 6 8 h 的周 期变化负荷，这部分负荷可以用一系列傅立叶分量的线性组合来表示i 科。若把以 2 4 h 为周期变化的线性组合与以1 6 8 h 为周期变化的部分分开，并分别用白f ，) 和 玩( t 1 来表示，则 岛( r ) = 嘞+ 圭( qs i n 凹，+ 6 ic 。s 。f ) t = l ( 2 2 ) 郑州大学工学硕士学位论文 6 ，( f ) a 0 + ( qs i n c o 。t + d jc o s 0 9 ，f ) ( 2 3 ) j ，1 式中：0 9 ，= n r 2 4 ，= m ，x 1 6 8 ，吩和均为正整数。 ( 2 ) 天气敏感负荷分量模型 影响负荷的天气因素有温度、阴晴、降水和风力等，其中气温是影响系统负 荷最大的天气因素。天气敏感负荷分量模型可以用三段直线来近似描述，即f 以温 度为例) ： j 琢o e ) ， ， 1 w ( f ) = 一足。( f 一瓦) ，t r i 0 ， 瓦s f 曼t ( 2 4 ) 式中，f 为预测温度，可以是一日最高温度、最低温度、平均温度或是某时点 温度( 例如上午8 时) ；毛，瓦为电热临界温度和斜率，t i 时冷气负荷增加，其斜率为k ； 在l t 曼i 之间一段温度上，电热和冷气均不开放，负荷与温度没什么关系。图 2 4 更加直观的描述了这一模型。 w 0 毛i t z ) 图2 4 天气敏感负荷模型 f i g u r e2 - 4s e n s i t i v el o a dm o d e lo f t h ew e a t h e r ( 3 ) 特别事件负荷分量模型 特别事件负荷分量指节假日，特别电视节目、重大政治活动等对负荷造成的 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。这种分析可以用专家系统 方法来实现，也可以简单地用人工修正来实现。 电力系统短期负荷预测方法的研究及实现 ( 4 ) 随机负荷分量模型 对于给定的过去一段时间的历史负荷记录，提取出基本负荷分量、天气敏感 负荷分量和特别事件负荷分量后，剩余的残差即为各时刻的随机负荷分量，可以 看成是随机时间序列。目前，处理这类问题的最有效办法是b o x j e n k i n s 的时间序 列法，其基本的时间序列模型将在第三章中进行具体介绍。 2 3 负荷预测的特点和原理 2 3 1 负荷预测的特点 负荷预测是根据过去的负荷资料和最近的相关数据信息，运用一定的程序、 方法和模型，分析负荷本身及其与有关因素的相互关系，从而揭示和总结出负荷 的特性和变化规律1 3 , 4 】。所以，负荷预测属于科学预测范畴。在负荷预测中，时间 是一个自变量，未来的负荷值是因变量。对于未来某时刻的负荷值来说，它有必 然的发展运行规律，原因是它有自己的内在发展规律和因果关系，但我们又感到 难于准确预测它，因为事物的发展不是孤立的，受到许多人为和自然环境的影响。 对于这些影响人们有时能感知，有时却感觉不到，带有明显的随机性，可见负荷 预测所研究的对象是不确定事件。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状况。这就使负荷预测具有 以下明显的特点： ( 1 1 不准确性 事物的发展不是简单的重复，总会受到各种各样因素的影响，因而事前的预 测与以后的实际结果往往会出现一些偏差，只能是一定程度近似的结果。 电力负荷未来的发展是不确定的，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有些能够预先估计，有些 却很难事先预见到，加上一些临时变化的影响因此就决定了负荷预测结果的不 准确性或不确定性。 ( 2 ) 条件性 各种负荷预测都是在一定条件下做出的。在多数情况下，由于负荷未来发展 的不确定性，需要做出一些假设。当然，这些假设不能是毫无根据的凭空假设， 而应根据研究分析，综合各种情况来确定。给预测结果加一定的前提条件，更有 郑州大学工学硕士学位论文 利于电力部门使用预测结果。 ( 3 ) 时间性 各种负荷预测都有一定的时间范围，因为负荷预钡l j n y - 科学预测的范畴，要 求有比较确切的数量概念，往往需要指明预测的时间。 ( 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可能的发展情况下 进行预测，就会得到各种条件下不同的负荷预测方案。 正确认识和分析负荷预测的这些特点，可以避免因不正确的看法而妨碍预测 的研究应用。不加分析地怀疑和否定预测结果，将使未来的计划和决策没有足够 的依据；绝对相信预测结果，又会使实际工作缺乏弹性和灵活性；过分苛求预测 的精确度，则是不客观和不现实的要求。当然，在实际应用中，预测的精度越高 越好，人们在不断的努力，以求得到更高精度的预测方法。事实上，只要预测有 比较充足的依据，达到一定的精确度，就可以用以指导实际电力工作。 2 3 2 负荷预测的原理 负荷预测工作是根据电力负荷的发展变化规律，预计或判断其未来发展趋势 和状况的活动，因此必须科学的总结出预测工作的基本原理，用于指导负荷预测 工作，6 1 。 ( 1 ) 可知性原理：也就是说，预测对象的发展规律，其未来的发展趋势和状况 是可以为人们所认知的，客观世界是可以被认知的，人们不但可以认识它的过去 和现在，而且可以通过总结它的过去和现在推测其将来。这就是预测活动的基本 原理。 ( 2 ) 可能性原理：因为事物的发展变化是在内因和外因的共同作用下进行的， 内因的变化及外因作用力大小不同，会使事物发展交化有多种可能性。所以，对 某一具体指标的预测，往往是按照其发展变化的多种可能性，进行多方案预测的。 ( 3 ) 连续性原理：又称惯性原理，是指预测对象的发展是一个连续统一的过程， 其未来发展是这个过程的延续。它强调了预测对象总是从过去到现在，再从现在 发展到未来。电力系统的发展变化同样存在着惯性，如某些负荷指标会以原来的 趋势和特性保持下来，延续下去。因此了解事物的过去和现在，并掌握其规律， 就可以对未来的发展情况利用连续性原理进行预测。 电力系统短期负荷预测方法的研究及实现 ( 4 ) 相似性原理：尽管客观世界中各种事物的发展各不相同，但一些事物发展 之间还是存在着相似之处，人们可以利用这种相似性原理进行预测。在很多情况 下。作为预测对象的一个事物，其现在的发展过程和发展状况可能与另一事物过 去一个阶段的发展过程和发展状况相类似，人们就根据后一事物的己知发展过程 和状况，来预测所预测对象的未来发展过程和状况，这就是相似性原理。目前， 预测技术中使用的类推法或历史类比法，就是基于这个原理的预测方法。 ( 5 ) 反馈性原理：反馈就是利用输出返回到输入端，再调节输出结果。预测的 反馈性原理实际上就是为了不断提高预测的准确性而进行的反馈调节。人们在预 测活动实践中发现，当预测的结果和经过一段实践所得到的实际值之间存在着差 距时，可利用这个差距，对远期预测值进行调节，以提高预测的准确性。反馈性 预测实质上就是将预测的理论值与实际相结合，在实践中检验，然后进行修改、 调整，使预测质量进一步提高。 ( 6 ) 系统性原理：预测对象是一个完整的系统，它本身有内在的系统，它与外 界事物的联系又形成了它的外在系统，这些系统又综合成一个完整的相互联系的 系统，在预测中都要进行考虑。即预测对象的未来发展就是系统整体的动态发展， 而且整个系统的动态发展与它的各个组成部分和影响因素之间的相互作用和相互 影响有关。系统性原理还强调系统整体最佳，只有系统整体最佳的预测，才是高 质量的预测，才能为决策者提供最佳的预测方案。 郑州大学工学硕士学位论文 3 1 引言 第3 章短期负荷预测基本方法 短期负荷预测技术经过几十年的发展，随着数学统计理论和人工智能技术的 相继引入，人们提出了各种各样的预测方法，现有的预测方法多达十几种，其中 较为典型的方法有多元线性回归法、指数平滑法、b o x j e n k i n s 法、状态空间法、 人工神经网络法、专家系统法、模糊推理法、灰色模型法、小波变换法等。这些 方法各有其优缺点，很难说有哪一种方法绝对优越于其他方法。根据数学模型的 不同，短期负荷预测方法大致可以分为两类：数学统计方法和人工智能方法，下 面对几种典型的方法加以介绍并进行简单的评价。 3 2 各种预测方法简介 3 2 1 多元线性回归分析法 多元线性回归法用线性关系来描述负荷与影响负荷的各种因素( 如社会因素、 天气因素等) 之闯的关系： y ( f ) = + q 焉( f ) + + q 矗( f ) + e ( f ) ( 3 i ) 式中，) ，( f ) 为f 时刻的电力负荷( 因变量) ， ( ，) ，x 2 ( t ) ，_ ( f ) 为f 时刻影 响负荷大小的有关变量( 自变量) ，e ( f ) 为f 时刻的随机变量( 均值为零，方差恒定) ， 口0 ，a i ，吒为回归系数。 在进行预测之前，首先在历史数据c 包括历史负荷数据以及有关影响负荷大小 的其它因素的历史数据) 基础上通过最小二乘法来估计回归系数，回归系数确定后， 就可以用于负荷预测。 文献 7 】给出了将该方法应用于短期负荷预测的一种实现方式，并列表给出了 该方式下的回归系数。 电力系统短期负荷预测方法的研究及实现 3 2 2 指数平滑法 指数平滑法是一种常用的确定性的时间序列分析方法。该方法基于如下思想： 负荷数据序列中存在着一个隐含的变化模式，实际负荷数据可看作该变化模式和 随机干扰的叠加，该变化模式通过平滑可以同随机干扰区别开来。平滑的作用在 于消除随机干扰，这样模式可以外推到将来作为未来预测值。 指数平滑主要包括一次指数平滑、二次指数平滑、多项式指数平滑和季节指 数平滑四种类型，分别与数据序列的水平趋势、线性趋势、多项式趋势和季节性 趋势相对应。本文选用的是一次指数平滑，下面对该方法进行简单介绍。 该方法的计算公式如下： s ( t + 1 ) = 口y ( f ) + ( 1 一a ) j ( f ) ( 3 2 ) 式中，口是平滑系数，0 c 。c 1 ，一( ，) 是，时刻的一次指数平滑值。次指数平 滑法预测是以h 1 时刻的平滑值作为该时刻的预测值a 计算时，初值为：s ( 1 ) = y ( 1 ) 。 由计算公式( 3 2 ) 可得： y ( f + 1 ) = 口y ( f ) + ( 1 一a ) 。y ( f 1 ) + ( 1 一窿) s 0 - 0 = c r y ( ，) + g ( 1 一g ) ，( ，一0 + 0 一c r ) 2 s ( t 一1 ) = g y ( t ) + t z ( 1 一口) _ y ( f 1 ) + ( 1 口) 2 瑾y ( f 一2 ) + ( 1 一a ) s ( f 一2 ) = 口y ( f ) + 口( 1 一口) ，( f 1 ) + 口( 1 一口) 2 y ( t 一2 ) + ( 1 一口) 3s ( t 一2 ) = 口y ( f ) + 口( 1 一戊) y o 1 ) + g ( 1 一口) 2 y ( t 一2 ) + + c c ( 1 一口) “1y o ) + ( 1 一口) 。j ( 1 ) ( 3 3 ) s ( f + 1 ) 是，( f ) ，y ( t - 1 ) ，一y ( o 及s ( 1 ) 的加权平均，权系数分别为a ，口( i a ) ， ，a ( 1 一口) 和( 1 一口) 。除最后项( 1 一a ) 外，由大到小地加到由近及远的数据上， 体现了“重近轻远”的原则。权系数从大到小的速度取决于a ，口愈大，权系数由 大变小变化愈快，a 愈小，权系数由大变小变化愈慢。可见，平滑系数a 的选择十 分重要。 一般来说，负荷较稳定时，宣取较大的a 值，相反，当负荷变化剧烈时，宣 1 5 郑州大学工学硕士学位论文 取较小的a 值。但这都未必是最好的确定a 的方法。在本文中，对口取0 1 到0 9 之间的值，间隔为0 1 。分别计算误差，经过试算看哪个值的预测误差最小，就采 用哪个。 进行预测时负荷数据是这样处理的，数据序列不是2 4 小时的连续变化曲线， 而是各个小时分开来预测，各个小时的数据形成了各自的负荷数据序列，这样便 消除了负荷数据序列的周期性。然后再按照指数平滑方法来进行第二天的预测。 3 2 3 随机时间序列法 随机时间序列法3 1 是将负荷序列y ( f ) 看成是随机序列a ( f ) 通过线性滤波器的 输出( 如图3 - 1 示) ，针对线性滤波器的特性，可以将滤波器模型分成4 类：自回归 模型( a r ) 、动平均模型 队) 、自回归动平均模型( 删a ) 及积累式自回归动平均 模型( a r i m a ) 。 图3 - i 负荷时间序列模型 f i g u r e3 - 1t i m es e r i e sm o d e lo fl o a d ( 1 ) 自回归模型0 一个自回归模型( a r ) 描述如下过程：序列的现在值y ( f ) 由其本身过去值的有 限项加权和及一个干扰n ( f ) ( 假定为白噪声) 来表示，即： ) ，( f ) = 氟_ y ( f 一1 ) + 如y o 一2 ) + + 砟_ y 0 一p ) + 。( f ) ( 3 4 ) 在自回归模型中，模型的阶数p 和系数谚( f ；1 ，2 ，p ) 由过去值通过模型 辨识和参数估计来决定。 ( 2 ) 动平均模型( m a ) 动平均模型( m a ) 描述如下过程：序列的现在值，( f ) 由其现在和过去干扰量的 有限项加权和来表示，即： y ( t ) = a ( f ) 一只a 0 一1 ) - 岛。( r 一2 ) 一- 日q a ( t q ) ( 3 ，5 ) 电力系统短期负荷预测方法的研究及实现 同样，模型的阶数g 和系数包( f - 1 ，2 ，g ) ，由过去的历史值通过模型辨 识和参数估计决定。 ( 3 ) 自回归动平均模型( a r m a ) 自回归动平均模型( 删a ) 把序列的现在值y ( r ) 看作是本身过去值的有限项 的加权和及其现在和过去干扰量的有限项加权和的叠加，即： y ( t ) - - i y ( t - 0 + + 啦，( f p ) + 。( f ) 一日。p 一1 ) 一- 口q a ( t - q ) ( 3 6 ) ( 4 ) 积累式自回归动平均模型( a r o m a ) 非平稳随机过程多种多样，一般常见的是含有趋势项和周期项的非平稳随机 过程。 某些非平稳随机序列y ( t 1 ，例如均值不为0 的非平稳随机过程，经一阶差分 后得到的序列( 1 一b ) y ( f ) 有可能是平稳的。有趋势变化的非平稳随机过程，有可能 经过若干次差分后才能平稳化，即对y ( r ) 作多次差分得到的，( f ) 是一个平稳随机 过程，即： ( 3 7 ) 式中：d 为差分阶数；b 为后移算子；所以，对于一个含有趋势项的非平稳 随机过程，可由下式来描述： 式中 办( 丑) v 4 ) ，( f ) = 岛( 暑) a