（电力系统及其自动化专业论文）基于ahp和rbf神经网络的城网负荷预测.pdf

a b s t r a c t t h eu s i n go ft h el a n dd o e s n tc h a n g eb a s i c a l l ya n dt h el a n di sd e v e l o p e ds t a b l ea n d m a t u r ei nar e l a t i v e l yw e l l - d e v e l o p e do l dc i t y , s ot h ep a p e re s t a b l i s h e dac l a s s i f i c a t i o n a n dl o n g - 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 na n 心y t i ch i e r a r c h yp r o c e s s ( a h p )a n d r a d i a lb a s i sf u n c t i o nn e u r a ln e t w o r k ( r b f n n ) f o rt h i sa r e a ，w h i c hp r o v i d e sad a t ab a s e f o r g e t t i n g t h e s p a t i a l a r e al o a d u s i n gt h ed e c i s i o n m a k i n ga n a l y s i s a b i l i t y f o r m u l t i c r i t e r i aa n dm u l t i - o b j e c t i v ep r o b l e m so fa h p , w ec o n s i d e r e dm a n yf a c t o r s ， c o m b i n e dt h ea d v a n t a g e so fc o m b i n a t i o nf o r e c a s t i n gm e t h o d ，a n de s t a b l i s h e dt h ea h p e v a l u a t i o ns y s t e mo ft h r e e i n d i c a t o r sa b o u tt h et o t a ll o a d ，t h ei n c r e a s ei ni ta n dt h e g r o w t hr a t er e s p e c t i v e l y , t og e tt h eo p t i m i z e dm o d e l a l s o ，w ec o m b i n e dt h i sw i t ht h e a d v a n t a g e so ft h er b f n n ，t h a ti s ，t h ea p p r o x i m a t i o nc a p a b i l i t y , t h es i m p l es t r u c t u r ea n d t h ef a s tl e a r n i n g ，t h e nt a k i n gt h ep r e d i c t i v ev a l u eo ft h eo p t i m a lm o d e la n dt h er e l a t e d f a c t o r sa st h ei n p u to fi tt og e tt h ef i t t e dl o a df o r e c a s t a tl a s t ，o nb a s i so fa h pa n d r b f n n ，t h ep a p e rm a d ec l a s s i f i c a t i o na n dl o n g t e r ml o a df o r e c a s t i n gi nap r a c t i c a la r e a ， w ec o n s i d e r e dm a n yf a c t o r s ，i m p r o v e dt h ea c c u r a c yo ft h ep r e d i c t i o n ，a n dd e m o n s t r a t e d t h es u p e r i o r i t yo ft h ep r o p o s e dm o d e li nd i s t r i b u t i o nl o a df o r e c a s t i n g s h ih o n g ( e l e c t r i cp o w e r s y s t e ma n da u t o m a t i o n ) d i r e c t e db yp r o f z h a n gj i a n h u a k e yw o r d s ：s p a t i a ll o a df o r e c a s t i n g ，a n a l y t i ch i e r a r c h yp r o c e s s ，r a d i a lb a s i s f u n c t i o nn e u r a ln e h v o r k ，l o a dd e n s i t yi n d i c a t o r s ，f i t t i n gm o d e l s 华北电力人学硕士学位论文 目录 中文摘要 英文摘要 第一章绪论1 ： 1 1研究背景及其意义1 1 2电力负荷预测的发展现状2 1 3本文的主要工作3 第二章基于a h p 中长期分类负荷预测模型的构建5 2 1 负荷预测5 2 1 1 负荷预测的基本原理及要求5 2 1 2 负荷预测的内容及分类6 2 1 3 中长期负荷预测方法7 2 1 4 空间负荷预测方法9 2 2 层次分析法简介1 0 2 2 1 层次分析法简介1 0 2 2 2 层次分析法的基本原理1 0 2 2 3 层次分析法的应用1 4 2 3a h p 预测模型的构建一1 4 2 3 1 层次预测模型构建的基本思想1 4 2 3 2 预测模型的层次结构1 6 2 3 3 预测模型权重的计算1 7 2 4 中长期分类负荷预测的步骤及流程图1 9 2 4 1 建立预测模型的步骤1 9 2 4 2 预测的流程图2 0 2 5 本章小结2 2 第三章基于r b f 神经网络的拟合预测2 3 3 1r b f 网络方法2 3 3 1 1r b f 网络简介2 3 3 1 2r b f 网络的结构2 3 3 1 3r b f 网络的学习算法2 5 3 1 4r b f 网络与b p 网络的对比2 7 3 1 5r b f 网络的应用2 8 3 2 基于r b f 神经网络的拟合计算2 8 华北电力大学硕士学位论文 3 2 1 拟合模型的综合构架2 8 3 2 2 基于r b f 神经网络拟合模型的计算2 9 3 3r b f 神经网络的m a t l a b 实现3 0 3 3 1r b f 神经网络的工具箱函数3 0 3 3 2r b f 神经网络拟合模型的实现3 1 3 3 3 分类负荷与小区负荷的综合调整3 2 3 3 4 分类负荷中长期负荷预测的流程3 2 3 4 本章小结3 4 第四章实例分析3 5 4 1 研究区域概述3 5 4 2 基于a h p 分类负荷预测最优模型计算3 5 4 2 1 工业负荷3 5 4 2 2 商业负荷3 9 4 2 3 居住负荷4 0 4 3 分类负荷的负荷特性及影响因素分析4 2 4 3 1 工业负荷特点分析及影响因素选取一4 2 4 3 2 商业负荷特点分析及影响因素选取一4 3 4 3 3 居住负荷特点分析及影响因素选取4 4 4 4 基于r b f 的分类负荷拟合预测4 5 4 5 预测结果分析4 6 4 5 1 拟合预测结果分析一4 6 4 5 2r b f 神经网络扩展速度对结果的影响4 7 4 5 3 误差分析4 7 4 5 本章小结4 9 第五章结论与展望5 0 5 1 主要结论5 0 5 2 探索与展望5 1 参考文献5 2 致 谢5 7 在学校期间参加科研情况和发表的学术论文5 8 华北电力大学硕士学位论文 第一章绪论 1 1 研究背景及其意义 ： 电力系统负荷预测是根据电力负荷、经济、社会、气象等的历史数据，通过对 电力负荷历史数据变化规律对未来电力负荷的影响，找到电力负荷与各种相关因素 间内在联系，进而对未来电力负荷做出科学的预测。 负荷预测对城市电网的规划和设计起着非常重要的作用，它是制定城网发展规 划的前提，其涉及到城网的规划和设计，以及城网运行的经济性、可靠性和安全性、 电力市场交易等多个方面，是系统保持优质、经济运行的重要条件。一个实用的、 能经受考验的、反映规划区未来与现在需求变化与发展趋势的负荷预测，是电力系 统专项规划的核心问题之一。 负荷预测工作要求具有很强的科学性，需要大量反映客观规律性的科学数据， 采用适应发展规律的科学方法，选用符合实际的科学参数。城市电力负荷预测按预 测作用的不同可分为电力负荷预测( 电量负荷预测) 和空间电力负荷预测( 负荷分 布预测) 。电力负荷总量预测是以预测区域历史电量、历史负荷以及一些经济因素 为依据，预测结果是未来预测区域对电力的需求量和电网的供电容量。但配电网作 为电力系统的重要组成部分，其规划基础的负荷预测不仅仅要预测负荷的总量，还 要预测未来负荷的空间分布。只有确定了供电区域内各小区的未来负荷，才能对变 电站的位置、容量、馈线路径、开关设备以及它们的投入时间等决策变量进行规划。 目前研究发展的电力负荷预测方法较多。按照预测的参考体系，可将其分为两 类：一类是确定性预测方法，把电量和负荷用一个或一组方程来描述，它与变量之 间有明确的一一对应关系；而另一类则称为非确定性预测法，这种方法认为电力负 荷的变化受多种因素影响，不可能简单用数学模型来描述它的规律，而应把尽可能 多的相关因素反映在预测模型中。无论什么预测方法，由于城网规划面临众多不确 定因素，城市发展的最后结果很难事先通过预测确定下来，因此负荷预测仍是在时 间上不断延展的动态过程，都必须通过定期修编对负荷预测的结果进行校正，各种 常用的预测方法都存在着不确定性。 空间负荷预测又称为小区负荷预测，该预测不仅要预测未来负荷的量，还要知 道负荷增长的地理分布和时间信息。常用的方法有多变量法、趋势法以及用地仿真 法。趋势法和多变量法应用了系统预测的方法，由于预测的精度比较低而逐渐被淘 汰。用地仿真法主要是通过分析、预测规划年城市小区土地使用的特征以及相应的 发展规律，来预测相应小区负荷时间空间的分布，该方法具有比较高的精度，从而 在目前空间负荷预测中作为主要的预测方法得到广泛应用。 华北电力大学硕士学位论文 近年来，出现了一系列基于土地发展状况模拟的智能算法用于空间负荷预测 中，如模糊理论、数据挖掘、聚类分析、支持向量机、元胞机、云理论等。对于城 市发展中较新的开发土地，基于这类智能算法，结合市政土地规划，能较好的计算 和模拟各小区土地的发展速度以及先后顺序，从而为空间负荷预测提供依据。城市 空间负荷预测常将规划区分为小区、中区和大区；对于城市中相对发展成熟稳定的 大区，其用地性质比较稳定，未来一段时间内不会发生变化，若再利用上述的方法 则反而不合适，也不能提高预测的精度。 为此，本文提出了基于层次分析法( a h p ) 和径向基函数( r b f ) 神经网络的 分类负荷中长期预测方法。根据成熟大区内分类负荷的历史值，结合层次分析法建 立层次预测体系，选出各分类负荷总量、总量的增长量以及增长率预测的最优模型， 选取各分类负荷的一个主要影响因素，以及其三个指标预测最优模型的预测值，作 为径向基函数神经网络的输入，对预测值进行拟合，从而最终得到各分类负荷的预 测值。 基于层次分析法的评价模型，能够将预测的各相关因素结合起来，优选出最佳 的预测模型，以预测总量、增长量和增长率三个指标同时进行预测，使得预测结果 更加准确全面的反映了历史数据的变化规律，同时以径向基函数神经网络对这三个 指标预测结果和相关影响因素进行拟合，提高了拟合的速度和准确度，较好的解决 了成熟大区的空间负荷预测问题。 1 2 电力负荷预测的发展现状 电力负荷预测的发展至今已有二十多年的时间，这段时间内，随着科学技术的 发展，负荷预测方法的研究也在不断的深入，在这个研究领域不断有人开拓创新， 各种各样的方法层出不穷。从最早完全依靠预测人员凭经验的电力负荷预测工作开 始，到今天已经有大量的专家学者，提出了多种以模型和方法为主体的负荷预测， 大大的提高了负荷预测的精度，减小了误差，满足了随着电力行业的不断发展，而 日趋复杂的电力系统的预测要求。符合了电力管理对电力负荷预测科学性、准确性 的要求。 各种以电力负荷预测模型及方法为主体的预测理论研究，提出了大量有效的电 力负荷预测模型和方法，在实际中已得到部分的应用。把这一阶段过程中出现的各 种预测方法，按照预测模型的性质将其分为两类，即数学模型法以及非数学模型法。 其中，早期出现的电力负荷预测研究的主要方向是数学模型法。数理统计理论 是数学模型法的基础，它是通过对历史负荷数据以及其相关影响因素之间的分析， 基于它们之前的这种关系来建立负荷预测的数学统计模型，模型的参数依据对历史 数据的拟合和估计得到，同时利用模型预测时得到的残差对模型进行评估。这类方 2 华北电力大学硕士学位论文 法的代表有时间序列法以及回归技术。 数学模型法由于其计算量小、速度快的优点，而早期的电网结构也相对简单， 电网负荷的非线性等特性不明显，从而在早期的负荷预测中得到了广泛的应用。但 随着电网的日趋发展，其结构也日益复杂，电网负荷的变化更鲜明的呈现出了非线 性、时变性以及不确定性的特点，数学模型缺乏自学习、自适应的能力，并且不能 保障预测系统的鲁棒性等缺点越来越明显，更难明晰的表达负荷与其影响因素之间 的关系。 在电网不断更新发展的大前提下，人工智能等理论研究领域的更新发展以及深 入，为负荷预测提供了新的思路，带来了基于这些理论的非数学模型的诞生。典型 的非数学模型法主要有人工神经网络( a n n ) 法、模糊逻辑理论以及专家系统等。 从数学模型到非数学模型的发展，基于人工智能、模糊理论、专家系统等人工 智能理论的非数学模型法，是解决负荷预测中复杂建模问题的一种有效方法和途 径。与数学模型不同，非数学模型不再依靠简单的模型计算，而是将计算、分析以 及推理结合起来，朝着智能化类似于人脑逻辑思维的方向发展。近几年，电力负荷 智能化预测不断的发展，出现了数据挖掘技术、小波分析法、支持向量机、元胞机： 云理论等一系列崭新的预测方法。 1 3 本文的主要工作 本论文首先对层次分析法和径向基函数神经网络的理论和算法进行研究和分 析，提出了针对城市发展的成熟区，基于分类负荷总量、增长量以及增长率三个指 标预测的a h p 预测方案评价体系，然后利用r b f 神经网络对预测数据以及影响因 素的拟合，再将分类负荷进行分层调整综合，建立了电力负荷分类预测模型，最后 本文以实例验证了该模型的可行性及预测精度。 主要内容如下： ( 1 ) 对层次分析法和径向基函数神经网络的理论及算法进行研究和分析。 本文在介绍层次分析法的定义、基本原理及应用的基础上，针对电力负荷预测 的方案模型，构建了优选预测模型的层次评价体系。从多方面多角度优选出了最适 宜的预测模型。 层次分析法的核心部分就是确定层次结构以及计算权重，本文从多方面考虑， 建立了含有4 个元素的准则层，以及含有相对预测能力较强的5 个预测模型的方案 层。层次分析法( a n a l y t i ch i e r a r c h yp r o c e s s ，a h p ) 是决策理论中的一项将定性与 定量相结合的多目标决策方法，具有人的思维分析、判断和综合的特征。a h p 处理 各种评价因素，具有简单易于理解、实用灵活、系统等优点，本文用a h p 来处理复 杂问题，递阶层次的形式很好的反应了复杂系统的决策特点。 华北电力大学硕十学位论文 ( 2 ) 搭建基于三个指标量的分类负荷预测模型 将组合预测法和a h p 法结合起来，从分类负荷值的总值、增长量以及其相应的 增长率三个指标进行预测，使得分类负荷值的内在规律预测更较全面的得以掌握， 从而提高了预测的准确性。采用三个指标来进行预测，相比单个指标作为单一预测 分析对象，在预测精度的稳定性上更好。 ： ( 3 ) 设计r b f 神经网络的拟合模型 本文将a h p 评价体系优选的三个指标量最优模型的预测结果，以及分类负荷预 测的一个重要因素同时作为r b f 神经网络的输入，拟合出最终的预测结果。 r b f 神经网络作为一种新兴的前向神经网络，由于具有优越的逼近能力、分类 能力和学习速度，在拟合过程中不仅逼近能力强、学习速度快，而且使得网络结构 也比较简单。 ( 4 ) 对分类负荷进行调研分析 通过对本区域典型负荷的调研分析，对原始数据进行校核检验，同时确定相应 分类负荷较为重要的影响因素作为拟合模型的输入。 4 华北电力大学硕士学位论文 第二章基于a h p 中长期分类负荷预测模型的构建 2 1 负荷预测 2 1 1 负荷预测的基本原理及要求 无论是电力负荷总量预测还是空间分布预测，都应满足负荷预测的一般原理和 基本要求： 负荷预测的一般原理： ( 1 ) 可知性原理：负荷预测根据电力负荷的过去和现在来推测它未来数值， 也就是说，人们可以认识过去、现在，并通过此来预测未来。预测的可靠性取决于 掌握事物发展规律的程度。 ( 2 ) 可能性原理：负荷预测的研究对象是不确定事件，它要受到多种多样复 杂因素的影响，很难把握这些因素在某时刻的状态，只能采取适当的预测技术，对 其可能性进行预测。 ( 3 ) 可控性原理：事物未来的发展是可以控制和干预的。预测的动机就在于， 将所预测的未来信息反馈至现在，从而做出决策，以调整和控制未来的行动。 ( 4 ) 系统性原理：预测对象在时间上是连续的，预测将来必须已知过去和现 在。 负荷预测的基本要求： ( 1 ) 基础资料的合理性。负荷预测的目的是得到合理可信的预测结果，核心 是根据预测对象的历史资料，建立数学模型来表述其发展变化的规律。因此，要做 好负荷预测，需要搜集掌握大量全面准确的资料，并进行必要的分析整理，这是负 荷预测的基础。 ( 2 ) 历史数据的可用性。若各种渠道取得的数据相互矛盾，可能是人为因素 造成的错误，或者统计口径不同而带来的误差，就要对历史数据进行理性分析与取 舍。而对于历史上的突发事件或某些特殊原因对统计数据带来较大的随机干扰，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， 因此必须排除其的存在带来的不良影响。 ( 3 ) 统计分析的全面性。对于大量的历史资料，要进行客观而全面的历史分 析。预测者应该从客观情况出发，本着实事求是的原则，反复研究分析历史发展的 内在规律性，为预测工作打好基础。 ( 4 ) 预测手段的先进性。一是预测工具的先进性，由于数据量大，可采用计 算机进行各种统计分析及预测，预测者可从繁杂的大量数据计算中解脱出来；二是 5 华北电力人学硕士学位论文 预测理论的先进性，可不断发展和应用新的理论与方法，借鉴其他领域预测工作的 成功经验，使电力系统负荷预测达到一个较高水平。 ( 5 ) 预测方法的适应性。预测量发展变化的自然规律复杂多样，因此要求预 测方法所具有的适应性包括： 预测方法能适应预测量发展变化规律的多样性，即要求预测系统建立完备的预 测模型库，它是建立负荷预测软件系统的基础。 各个预测模型，需要进行参数的合理估计， 整，以达到更好的预测效果。 在多种预测模型得到的不同规律的基础上， 得到最接近于该预测项的历史规律、可靠性好、 2 1 2 负荷预测的内容及分类 并根据预测效果不断进行自适应调 进行合理的综合分析、优化组合， 预测精度高的综合模型。 ( 1 ) 负荷预测按照研究对象的不同可分为负荷总量预测( g r o s sl o a d f o r e c a s t i n g ，g l f ) 和空间负荷预测( s p a t i a ll o a df o r e c a s t i n g ，s l f ) 幢】： 负荷总量预测的预测对象是整个规划地区的电量或者负荷，其依据为预测区域 的历史电量、负荷以及相应的经济因素，预测的结果是未来规划区域对电力的需求 量，总量预测对规划区域供电电源点的确定以及发电计划的制定都具有重要的指导 意义。 空间负荷预测，又称小区负荷预测，通过对规划区域内划分小区的相关因素进 行分析，预测出未来规划小区的电力需求量和负荷值，在预测出规划区未来负荷总 量的同时，还将预测负荷未来的空间分布进行了确定。规划区域内各小区的未来负 荷的确定，为变电站的选址定容、相应设备的选取以及型号的确定及建设时序等提 供了依据。 ( 2 ) 负荷预测按照预测内容的不同，可分为经典负荷预测和新负荷预测叫2 1 ： 经典负荷预测按预测指标的分类，又可分为电量预测( 全社会用电量、网供电 量、分行业用电量、分产业用电量) 和电力预测( 最大负荷、最小负荷、峰谷差、 负荷率、负荷曲线) 。在经典的负荷预测中，从应用的广泛性来区分，按预测期限 的不同，又可分为年度预测、月度预测、日度预测与时分预测。 年度预测和月度预测又合称为中长期预测，长期负荷预测一般是指1 0 年以上 并以年为单位的负荷预测，中期负荷预测是指5 年左右并以年为单位的负荷预测。 它们的意义在于合理地安排电源和电网的建设进度，提供宏观决策的依据。日度预 测又称为短期预测，短期负荷预测一般是指一年之内以月为单位的负荷预测，还指 以周、天、小时为单位的负荷预测，通常预测未来一月、未来一周、未来一天的负 荷指标，也预测未来一天2 4 h 中的负荷。时分预测又称为超短期负荷预测，是以 5 - 3 0 分钟为预测周期，预测后续1 个或多个小时内的负荷变化。 6 华北电力人学硕士学位论文 新的负荷预测内容的出现是为了更好的满足电力系统的运行需求。它包括连续 多日负荷曲线预测和扩展短期负荷预测。连续多日负荷曲线预测包括应用于电力系 统规划电力电量平衡的年负荷曲线及典型日负荷曲线、应用于可靠性评估的年负荷 持续曲线。电力系统在运行中，需提前一天完成日短期负荷预测，确定次日的发电 计划，然后监视当日计划的执行，在原计划与实际负荷发生较大偏离时对当日剩余 时段负荷的重新预测和计划调整，称为滚动发电计划。扩展短期负荷预测的主要思 路是利用当前可以获得的最新信息，包括负荷信息、气象信息等，预测当日当前时 刻以后多个小时的负荷，以满足滚动修改发电计划的要求。它利用了当日已知信息 进行当天剩余点的负荷预测，预测精度明显高于常规的短期负荷预测。 2 1 3 中长期负荷预测方法 国民经济各方面的快速发展加快了电力行业的建设发展，使得电力系统日趋复 杂，在这期间电网负荷预测方法的研究也得到了不断的深入，出现了大量的负荷预 测方法，将这些方法分为经典预测方法、传统预测方法和现代预测方法，每种方法 均各有优缺点幢卜旧1 。 ( 1 ) 经典预测方法 经典预测方法是依靠专家经验或简单变量之间的相互关系对未来负荷做出的 定性的结论，而不是通过建立数学模型来进行预测，因此其精度较差，且统计工作 繁冗复杂。实际预测中，可以根据预测人员的经验计入定性影响因素，作为负荷预 测的辅助方法。该类方法有单耗法、弹性系数法和负荷密度法等。 单耗法即单位产品电耗法，是通过某一工业产品的平均单位产品用电量以及该 产品的产量，得到生产这种产品的总用电量。单耗法统计调查工作量大细致，近期 预测的效果较好，但求取所有产品的用电单耗不仅难而且工作量大。 电力弹性系数是地区总用量平均年增长率与国民生产总值的平均年增长率的 比值。通常，若电力工业适度超前发展，电力弹性系数就大于1 ，由于电力弹性系 数是根据地区负荷结构、性质，历史资料及各类用电比重发展趋势加以分析后慎重 确定的，故弹性系数法一般用于校核中长期的负荷预测，其准确度并不高。 负荷密度预测法是从规划区人e 1 或土地面积( 或建筑面积) 的平均耗电量出发作 预测。预测时，先预测未来的人1 3 或土地面积( 或建筑面积) 和人均电量或单位面积 用电密度，预测的结果通常只是较粗略的估计。 ( 2 ) 传统预测方法 传统预测方法主要是根据历史负荷及其相关影响因素建立一种确定的模型来 预测未来负荷值，包括趋势外推预测方法、回归模型预测方法、时间序列预测方法 等。 趋势分析法又称为趋势曲线分析、曲线拟合或曲线回归，是根据历史负荷的变 7 华北电力大学硕十学位论文 化趋势，找到能反映这种趋势的最佳曲线进行拟合，然后按该曲线对未来负荷进行 外推，单纯的趋势模型对短期预测的效果比中长期好。 回归模型预测方法通过观察负荷及其所在地的经济、政治、气候和环境等因素 之间的关系，对其数据的统计分析和处理，寻找负荷与影响因素之间的因果关系， 建立回归模型进行预测的方法。该方法对样本量的要求大且需样本分布规律较好发 展趋势较稳定。 时间序列法根据统计历史负荷数据，寻找其随时间变化的规律，建立时序模型， 推断未来的负荷值。预测时，因变量( 预测目标) 和自变量均可为随机变量。时间 序列预测法在电网情况正常、气候等因素变化不大时预测效果较好，但在随机性因 素变化较大或存在坏数据的情况下，预测结果不太理想，主要用于短期负荷预测。 ( 3 ) 现代预测方法 现代预测技术主要包括：模糊预测法、灰色预测法、组合预测法、人工神经网 络方法等。 模糊理论应用于电力负荷预测目前主要有以下三种方法：模糊聚类法、模糊相 似优先比法和模糊最大贴近度法。模糊预测方法用模糊理论及方法去综合分析电力 负荷与各种因素之间的关系，将不确定信息确定化，以模糊矩阵来描述电力负荷需 求量，用模糊集合论的原理求解负荷变化规律，它所表示的事物间的联系更近于实 际。该方法比较适用于未来经济发展有很大不确定性的新开发区中、长期负荷预测， 其优点是预测结果可以预测区间及概率的形式提供，精确度较高；其缺点是要求提 供较多的历史数据，造成使用中的困难。 灰色模型预测是一种对含有不确定因素的系统进行预测的方法。在预测中，把 观察数据序列看作是随机时间变化的灰色量或过程，而不是随机过程，通过累加和 累减生成逐步使灰色量白化，从而建立相对于微分方程解的模型并进行预测。它适 用于贫信息条件下的分析预测，其优点是：要求负荷数据少、原理简单、不考虑分 布规律、不考虑变化趋势、运算方便、短期预测精度高；其缺点是：灰色模型微分 方程指数解比较适应具有指数增长趋势的负荷序列，当数据离散程度越大，即数据 灰度越大，预测精度越低。 组合预测法主要有两类：一是将几种预测方法的预测结果，选择适当的权重进 行加权平均；二是将几种预测方法进行比较，选择拟合优度最佳或误差最小的预测 模型作为最优模型进行预测。组合预测方法集结了多种单一预测方法所包含的信 息，减少了使用单一预测方法进行负荷预测可能产生较大误差的风险，提高了预测 精度和预测结果的可靠性，组合预测方法已成为配电网中长期负荷总量预测的一种 有效途径。 运用神经网络技术进行电力负荷预测，优点是可以模仿人脑的智能化处理，对 大量非结构性、非精确性规律具有自适应性功能，具有信息记忆、自主学习、知识 8 华北电力人学硕士学位论文 推理和优化计算的特点。人工神经网络适合于解决时间序列预测问题( 尤其是平稳 随机过程的预测) ，现在研究最多的是径向基函数( r b f ) 神经网络，r b f 神经网络 以其简单的网络结构、快速的学习方法、较好的推广能力，而得到了广泛应用。 2 1 4 空间负荷预测方法 ： 空间负荷预测心 吖”1 ，又称为小区负荷预测，是对规划区内负荷增长的位置和 大小等进行预测，在工程实际中，是城市电网规划的基础性工作，对电网的规划具 有指导意义。空间负荷预测的概念最早是在2 0 世纪8 0 年代由美国的h l w i l l i s 提 出。国内外研究的空间负荷预测方法比较多，其中主要的有趋势法、负荷密度法、 用地仿真法。 ( 1 ) 趋势法 趋势法以小区的历史负荷数据为基础，通过分析负荷发展变化趋势来建立模 型，预测未来负荷的需求总量和地理分布。使用该方法的前提条件是要有足够的小 区负荷统计数据。趋势法的优点是：方法简单，且仅需要小区负荷的历史数据，所 需数据量少，同时其缺点是：负荷增长曲线的平滑性及连续性较差，不适合过去是 空地的小区，不能全面考虑相关因素的影响及小区负荷的增长。 ( 2 ) 多变量法 多变量法以每个小区的年历史负荷数据和其它变量为基础来预测规划年的负 荷。多变量法进行空间负荷预测时，小区负荷是待求数据，对影响其变化的相关量 为控制数据。多变量法需要每个小区的年峰值负荷、人口、产值等历史数据，对短、 中和长期预测都较适合。但其存在以下缺点：预测所需的数据量大，数据采样分解 会产生很大的误差，不能对过去是空地的小区进行较好的负荷预测。 ( 3 ) 负荷密度法 该模型首先将供电区域内的用地按用地性质分类，然后通过预测分类负荷的负 荷密度，根据小区面积构成，计算出各个小区的负荷值。负荷密度法的优点为：简 单方便，计算量小，基础数据易获得、易于适应城市规划方案的变化和灵活性强等。 但也存在以下缺点：负荷密度的取值容易受人为因素影响，采用统一负荷密度预测 结果比较粗略，对新区进行预测时结果较难满意，同时各个小区预测结果的叠加很 难与系统负荷相匹配。 ( 4 ) 用地仿真法 用地仿真法是一种自上而下的预测法，通过模型来模拟小区的未来发展情况， 将系统负荷预测的结果分配给每个小区。用地仿真法具有以下优点：用地仿真法能 充分利用系统负荷预测的结果，并在其基础上预测未来配电网负荷的空间分布；同 时采用用地仿真模型及负荷模型，能详细分析影响负荷增长的原因；适于进行多方 案研究，可模拟小区的发展，预测精度较高，能满足长期规划的目的。但同时，用 9 华北电力大学硕士学位论文 地仿真法需要大量的空间数据和充足的计算资源，计算工作量比较大。 近年来，国内外研究者基于用地仿真法的基本模式提出了一些新的预测方法和 思路，其中较多的是利用智能方法来确定小区未来的土地使用决策，如：基于模糊 推理理论n 引、基于粗糙集理论n 引n 引、基于元胞自动机理论n6 。、基于云理论n 7 1 的空间 负荷预测，与此同时，地理信息系统n 引也应用到空间负荷预测的研究中来。另外， 也出现了针对各种土地类型负荷密度的研究。这些新的技术方法，为进一步研究和 发展配电网空间负荷预测技术，提高预测结果的准确性提供了基础。 2 2 层次分析法简介 2 2 1 层次分析法简介 层次分析法引叫2 耵( a n a l y t i ch i e r a r c h yp r o c e s s ，简称a h p ) 是一种将定性与定 量分析方法相结合的多目标决策分析方法，具有人的思维分析、判断和综合的特征。 该法的主要思想是分析复杂系统的相关要素及其相互关系，将复杂问题的这些要素 之间的关系分层次组合，形成递阶有序的多层次分析结构模型，将决策分析问题归 结为最低层对最高层的权重确定问题。 在确定决策问题的层次结构后，该法首先对每层各因素之间的重要程度做出比 较判断，利用数学方法得到其相对重要性次序的权重，然后通过逐层的分析计算， 最终得到方案层中所有方案对于总目标的重要性相比较之后的组合权值，以此为最 佳方案的选择、评价提供依据。 该方法采用相对标度的方式，处理各种评价因素，具有简单易于理解、实用灵 活、系统等优点。用a h p 进行决策，充分应用人的经验和判断能力，通过简单易懂 的数学计算量化结果，步骤简单过程清晰方法科学；a h p 能定量也能定性分析，减 少传统决策方法单纯考虑定性因素而使其影响过大带来的判断失误，用相对标度对 定性与定量因素进行统- - n 度综合分析，融专家经验判断于递阶层次结构中，避免 了片面注重量化信息，得到了广泛应用；同时a h p 除有因果推断和概率方式外，还 有系统方式用来处理复杂问题，递阶层次的形式很好的反应了复杂系统的决策特 点，便于扩展研究比较复杂的系统。 2 2 2 层次分析法的基本原理 层次分析法作为一种将定量与定性结合的决策方式，在具体运用时其基本步骤 是n 们叫2 引心引乜引： ( 1 ) 明确目标，将要解决的复杂问题层次化 决策者根据问题的性质和所要达到的目标，首先制定出目标层，目标层通常为 l o 为目标层下面 一个或多个元 按照各因素之 即形成一个呈 一一一一 目标层 一一一一 准贝0 层 一一一一 指标层 一一一一 方案层 图2 1a h p 的递阶层次结构图 ( 2 ) 形成判断矩阵 在建立递阶的层次结构以后，上下层元素间的隶属关系就被确定了。下一 步是要确定各层次元素的权重。对于大多数社会经济问题，特别是比较复杂的 问题，元素的权重不容易直接获得，这时就需要通过适当的方法导出它们的权 重，层次分析法利用决策者给出判断矩阵的方法导出权重。记准则层元素c 所 支配的下一层次的元素为u ，u 。针对准则c ，决策者比较两个元素u 和u ，那一个更重要，重要程度如何，并按表2 1 定义的比例标度对重要性程度 赋值，形成判断矩阵a = 【口 上。，其中嘞就是元素与相对于准则c 的重要 性比例标度。 判断矩阵彳具有如下性质：1 ) a g 0 ；2 ) a 盯= l a 一：3 ) g i i = 1 ，称为正互反判 断矩阵。根据判断矩阵的互反性，对于一个由刀个元素构成的判断矩阵只需给出 其上( 或下) 三角的刀( 疗一1 ) 2 个判断即可。 华北电力大学硕士学位论文 表2 - 1a h p 的1 - 9 标度方法 标度 含义 l 相对于准则c ，元素与u ，相比，有同样重要性 3 相对于准则c ，元素u ，与u ，相比，比u ，稍微币要 5 相对于准则c ，元素u ，与u ，相比，比u ，明显重要 7 相对于准则c ，元素u ，与u ，相比，比u ，强烈重要 9 相对于准则c ，元素u i 与u ，相比，u ，比u ，极端莺要 2 ，4 ， 以上相邻判断的中间值 6 ，8 ( 3 ) 层次单排序及判断矩阵的一致性检验 判断矩阵么通过两两比较得到，但实际中得到的判断矩阵么不一定满足互 反性的条件，对此层次分析法采用了一个数量标准来检验判断矩阵的不一致程 度。 设w = 眠，吸，呢厂是由以阶判断矩阵经排序后所得到的权重向量，若彳 为一致性判断矩阵，则有： a = w l w 2 w ( 2 1 ) 用w = 慨，既y 右乘上式，得a w = n w ，则形为a 的特征向量，n 为 其特征根。若判断矩阵彳具有一致性，则其排序向量矽就是么的特征向量。即 当彳是一致的互反矩阵时，就有以下性质： a i j a 皿= a 豫 ( 2 2 ) 另外，根据矩阵论中关于互反矩阵的性质，设以。为矩阵么的最大特征根， 当彳具有一致性时，k = 以，对k 对应的特征向量进行归一化后记为 w = 帆，氓) ，w 为权重向量，表示u ，c 厂。在c 中的权重。 根据矩阵论中的p e r r o n f r o b e n i u s 定理，如若判断矩阵不具有一致性，那么 九。， n ，这时的特征向量并不能客观的反映元素在目标中所占的权重。即特征 向量矿不能如实反映u ，u ：，c 厂。在c 中的权重，故定义检验不一致程度的数 量指标为： 1 2 上 ，一 。l 一k生 。 旦 。 一监屹 2 一 ， 譬l 。 屹一m k m 华北电力大学硕士学位论文 c i ：, 彳l , m a x - - l l ( 2 - 3 ) ，l 一1 为了将问题的复杂性以及人为判断的多样性，在考虑c i 值的同时，引入平 均随机一致性指标r i ，对于n = 1 1 0 ，r i 的取值如表2 2 所示。 ： 表2 2 平均随机一致性指标 刀1 23456789 1 0 r i o0 5 80 9 01 1 21 2 4 1 3 21 4 11 4 51 4 9 当判断矩阵的阶数大于2 时，定义随机一致性比率c r ，c r = c i r i ，当 c r 0 1 时，则一般称判断矩阵具有满意的一致性，在某些特殊情况时对c r 的 值可以放宽。当判断矩阵不具有满意的一致性时，就必须调整该矩阵使其具有 符合要求的一致性。 ( 4 ) 层次总排序 层次总排序就是计算确定某一层所有因素对最高层的相对重要性排序权 值。计算某层次的总排序，必须利用上一层次的总排序和本层次的单排序，得 搴； 到最下层因素相对于整个总目标的相对重要性。而第二层对第一层的单排序同 时就是第二层的总排序，这样，总排序要从最高层到最低层逐层进行。 若上一层次彳层m 个因素4 ，彳：，a 。的层次总排序权值分别为口。， a ：口。，相对于因素彳，下一层次曰层n 个因素b ，易曰。的层次单排序权 值分别为6 i ，b 2 ，则b 层的总排序权值分别为口，b l ，口，。 j = lj = l ( 5 ) 层次总排序的一致性校验 在对各层元素作比较时，尽管每一层中所用的比较尺度可能基本一致，但各层 之间仍可能有所差异，而这种差异将随着层次总排序的逐层计算而累计起来，为此 需从评价模型的总体上来检验一下这种差异的累计是否显著，上述检验过程称为层 次总排序的一致性检验。和层次的总排序一样，一致性的校验也是从高到低逐层进 行的： 如果召层次对于因素么，的一致性指标为a ，相应的平均随机一致性指标为 脚，则b 层次的总排序一致性比例为 口， c r ：! ：! 口，r i ( 2 4 ) 当c r o 1 时，可认为评价模型在召层水平上整个判断达到了局部满意的一致 性。若上述检验过程一直完成到最低层次，均有c r o 1 成立，则可认为该评价模 1 3 华北电力大学硕士学位论文 型在作逐层比较时，对所有层次和所有因素作比较时，所用的尺度达到了总体上的 满意一致性，因而所得到的层次总排序权重向量是可信的，可以用来排序与选优用。 2 2 3 层次分析法的应用 层次分析法作为一种多目标多准则的决策方法，在社会科学、经济、生产、环 保以及工程界均得到了广泛的应用。 在社会科学方面，层次分析法的应用包括对应用性技术成果的评价乜 、科研成 果评奖乜引、研究生培养评估乜引、综合国力比较口们口、企业评估2 钊、人才选拔乜叫等 许多方面。层次分析法在汽车市场销售区域价值分析n 副、软件供应商选择口引、收费 公路债务风险评价b 钔、饭店投资决策b 引、超市选址口7 3 等经济方面也得到较多应用。 在安全生产科学技术6 1 方面的主要应用包括：煤矿安全研究、危险化学品评价、油 库安全评价、城市灾害应急能力研究以及交通安全评价等；在环境保护口6 3 方面的研 究主要包括：水安全评价、水质指标和环境保护措施研究、生态效率评价、生态环 境综合评价指标体系研究以及动物保护区污染源确定等。层次分析法在工程实施中 对风险模型的优势分析口引、汽车覆盖模具c a d 的工艺设计对冲压方向的确定口引、电 控发动机故障诊断h 叭、机