（计算机应用技术专业论文）基于模糊理论的神经网络短期负荷预测方法的研究.pdf

， ， ， 一 ， 华北电力大学硕士学位论文摘要 摘要 传统的负荷预测方法往往具有预测精度不高、鲁莽性差、不能表述复杂的非线性关 系等缺点。而基于智能计算方法的神经网络技术和模糊理论用于负荷预测都善于处理实 际中由不确定性、不精确性引起的系统控制问题，神经网络对于知识的抽取和表达比较 困难，模糊信息处理方法却善于模拟人的经验处理一些不确定信息；另一方面，模糊系 统很难从样本中直接学习规则，而神经网络则有较强的学习能力，可以利用联想记忆降 低模糊性，这样就产生了模糊神经网络预测方法。 在选择模糊神经网络的训练算法时，本文采用了粒子群优化算法，这是一种基于群 智能的全局优化技术，它通过粒子间的相互作用，对解空间进行智能搜索，从而发现最 优解。结果表明，将其用于电力短期负荷预测中可以有效地提高了神经网络的训练效率 和预测精度。 关键词：负荷预测，神经网络，模糊，粒子群算法 a b s t r a c t t r a d i t i o n a ll o a df o r e c a s tm e t h o dh a dm a n yd e f i c i e n c i e s ，s u c ha sp o o rp r e c i s i o n a n dc r u d e n e s sa n di n c a p a b i l i t yf o rn o n - l i n e a rr e l a t i o n s b u tf u z z yt h e o r ya n dn e u r a l n e t w o r k si sg o o da td e a l i n gs y s t e mp r o b l e mc a u s e db yi n a c c u r a c ya n dn o n l i n e a r r e l a t i o n s n e u r a ln e t w o r k si sh a dt oe x t r a c ta n de x p r e s sk n o w l e d g e ，t h ef u z z y m e t h o da c t u a l l yi sg o o da tp r o c e s s i n gu n d e t e r m i n e dp r o b l e mb ys i m u l a t ep e r s o n s e x p e r i e n c ep r o c e s s e s ；a tt h es a m et i m e ，f u z z ys y s t e mi sh a r dt og e ts t u d yr u l ef r o m t r a i n i n gs e t s ，b u tn e u r a ln e t w o r ks t r o n g e rs t u d ya b i l i t y ，i tc a nr e d u c et h ef u z z i n e s s w i t ha s s o c i a t i o nm e m o r y ，t h u sf u z z y - n e u r a ln e t w o r kf o r e c a s tm e t h o dh a sb e e n i n d u c e d t h i sp a p e rh a sa d o p t sp a r t i c l es w a r mo p t i m i z a t i o na l g o r i t h mt ot r a i nt h e n e u r a ln e t w o r k s ，w h i c hi sak i n do fg l o b a lo p t i m i z a t i o nt e c h n o l o g y i tu s e st h e i n t e r a c t i o nb e t w e e np a r t i c l e st os e a r c hs o l u t i o ns p a c e ，a n df i n dt h eb e s to n e t h e r e s u l t ss h o wt h a tt h em e t h o dc a ne n h a n c et h ea c c u r a c ya n de f f i c i e n c yo fn e u r a l n e t w o r k si nl o a df o r e c a s t i n g s u n c h e n j u n ( c o m p u t e ra p p l i c a t i o nt e c h n o l o g y ) d i r e c t e db yp r o f w a n gc u i r u k e yw o r d s ：l o a df o r e c a s t ，n e u r a ln e t w o r k s ，f u z z y ，p a r t i c l es w a r m 声明 本人郑重声明：此处所提交的硕士学位论文基于模糊理论的神经网络 短期负荷预测方法的研究，是本人在华北电力大学攻读硕士学位期间，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。 学位论文作者签名：五臣罩日 期： 学位论文作者签名：z 触翌日 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：j 獬导师签名：鳓 日期；日期： 华北电力大学硕士学位论文 1 1 课题的提出及意义 第一章绪论弟一早三百下匕 社会主义市场经济体制的建立和完善，电力工业体制改革的不断深入，电力市 场正在逐步形成，市场需求已经成为电力工业发展的决定性因素。在这种宏观环境 下，各电力公司要实现商业化运行，做到以经济效益为中心，以市场为导向，就必 须要立足于电力市场，深入研究电力市场的供需状况及其发展，并以此为基础，制 定公司发展战略、规划和年度经营计划，来指导公司的一切经营活动。电力市场分 析预测是这一切工作的基础。其分析预测内容包括：电力供需分析、电力电量需求 预测、负荷特性分析、售电量预测以及与电力市场密切相关的国民经济发展和居民 用电走势分析n 3 ，。 电力系统负荷预测是电力市场分析预测工作重要研究方向之一，是电力系统运 行、控制和规划不可缺少的一部分，其实质是对电力市场需求的预测。电力系统负 荷预测是指：在考虑一些重要的系统运行特性、增容决策和自然条件下，利用一套 系统的处理过去和未来负荷的方法，在一定精度意义下，决定未来某特定时刻的负 荷值。其意义在于，电能的生产和消耗同时进行，不能储存，系统内的可用发电容 量，在正常运行条件下，应当在任何时候，都满足系统负荷的要求。假如系统发电 出力不够，则应采取必要措施来增加发电出力或考虑新增发电机组：反之，若可用 发电出力过剩，则应采取停机等措施。所以，电力系统负荷预测对电网调度部门调 整机组发电出力，确定机组起停，对电网规划设计部门做出增容决策和电网发展规 划都是最基本的依据。电力系统运行的目标是必须为各类用户提供可靠且合乎标准 的电能，同时在保证系统运行的安全性的前提下，尽可能提高系统运行经济性，电 力市场竞争机制要求各电力公司制订合理经济模型及具有竞争力的实时电价，必须 依赖于准确和快速的负荷预测。根据不同的预测目的负荷预测可分为超短期短期 和中长期的预测一般说来一小时以内的负荷预测为超短期负荷预测，用于安全监 视、预防性控制和紧急状态处理；日负荷和周负荷预测为短期负荷预测，分别用于 安排日调度计划和周调度计划，包括确定机组的起停、水火电的协调、联络线交换 功率、负荷经济分配、水库调度和设备检修等；月至年的负荷预测为中期负荷预测、 主要确定水库的运行方式和设备大修计划等，电源规划和发展时需要数年至数十年 的长期负荷预测，电力系统负荷预测是实现电力系统安全、经济运行的基础。对一 个电力系统而言，提高电网运行的安全性和经济性，改善电能质量都依赖于准确的 华北电力大学硕士学位论文 负荷预测。 对未来本电网内负荷变化的趋势与特点的预测，是每一级电网调度部门和规划 部门所必须具有的基本信息之一。电力负荷预测的水平己成为衡量电力系统运行管 理现代化的重要标志之一，是实时控制、运行计划和发展规划的前提。 短期负荷预测是电力系统安全和经济运行的重要依据。虽然负荷预测己有很长 期的研究历史，但随着电力系统运行对负荷预测精度要求的不断提高以及相关理论 的发展，负荷预测的研究总是在不断开辟新的方法。准确的负荷预测有助于提高电 力系统的安全性和稳定性，减少发电成本。随着电力工业的发展，短期负荷预测将 发挥越来越重要的作用。 短期预测的难点在于影响因素众多，它包含有内外部的随机因素，特别是许多 非负荷因素的影响这些影响因素与预测值之间形成复杂的非线性关系。负荷分类 组成复杂，负荷特性逐年变化，如气候因素的影响随家用电器技术发展而难以定量 分析，负荷侧用电管理等政策也为准确预测带来了难度。目前尚没有一种足够完善 的理论方法适用于各种负荷预测的研究口1 。 短期负荷预测的两个基本要求是： 1 精确性。指需具较高的预测精度。一般短期预测要求相对误差不超过3 - 5 。 2 时效性。指得到所要求的预测结果需要开销多少时间。电力市场对预测的快 速性要求更高，时效性差会降低预测的实用价值或导致预测的无效。 在众多的负荷预测模型研究中，训练样本空间特性分布对预测精度有很大影 响，不加选择的输入模式将导致预测精度降低，训练时间增加。所以负荷的聚类分 析处理和应用准则对提高负荷预测精度有极重要的作用。 近年来，具有强大的自学习能力和非线性映射能力的人工神经网络以及模糊理 论等非线性科学技术得到了迅速发展。由于电力负荷变化受天气情况和人们的社会 活动等因素的强烈影响，存在大量非线性映射关系，因此引入这些理论对于寻求有 效的负荷预报方法具有重要意义。 针对传统电力负荷预测中存在的缺点和不足，结合模糊理论的特点和人工神经 网络的优点，本文提出了下面的研究课题：基于模糊理论的神经网络短期负荷预测 方法的研究。 1 2 课题国内外现状 负荷预测的研究已有几十年的历史，国内外关于负荷预测的研究已出现了许多 种方法，目前，国内外发表的电力系统短期负荷预报的文献较多，所采用的预报方 2厶 华北电力大学硕士学位论文 法和达到的预报精度也各有不同。综合起来主要可分为以下三类h - 朝： 1 ) 传统统计模型法。这是一种二十世纪九十年代以前常用的方法。主要包括时 间序列法和回归分析法。这种方法的优点是计算简单、要求的历史数据少。由于 是基于统计模型，不易全面地考虑天气因素、突发事件等对于负荷的影响，因此预 测精度低。 2 ) 专家系统法。即充分利用有经验的运行人员的知识、经验和推断规则来进行 负荷预测，然而，把专家的知识和经验等精确地表达并转化为一系列规则，则往往 是很困难的，而且建立专家系统的工作量要比一般预报算法大得多。 3 ) 人工神经网络法。人工神经网络具有任意逼近非线性函数的特性，负荷变化 是与诸多因素有关的一个非线性函数，用人工神经网络对负荷历史数据进行学习， 是抽取和逼近负荷变化曲线并进行负荷预报的有效方法。 近十年来，国外报道的相关文献主要是用神经网络方法围绕提高或改善负荷预 报的精度来进行负荷预报研究。最具代表性的是美国研制的人工神经网络短期负荷 预报器，它包含有两部分预测：一部分预测基本负荷；而另一部分预测负荷变化， 这部分考虑了短期内气候条件( 温度、湿度) 。两部分的自适应组合便是最终的预报 结果。该预报器具有较好的自组织自适应特性，己在美国、加拿大的3 5 家电力公司 采用。 国外电力负荷预测技术和方法研究正在深入，国内电力工作者也正在探索。主 要有以下方法： 1 ) 采用b p 算法应用神经网络多层感知器模型，并结合线性外推法优点，应用于 华北电网日负荷预报，可使精度提高o 9 ，其做法是：a 利用模糊聚类法推出预测 日各时段的分布系数：b 。利用人工神经网络预测出最大、最小负荷：c 用两种方法 预测的结果进行综合，得到最后预报值。 2 ) 将模糊神经网络理论应用于电力系统短期负荷预测日。选择模糊日温度、模 糊日工作状态、模糊日时段等作为输入量，模糊日平均负荷和模糊日周期变动负荷 为输出量，通过由相应输入、输出量所构成的历史样本对模糊神经网络进行训练， 训练好的网络便可对未来负荷进行预测。 3 ) 提出了一种模糊短期负荷预测方法通过对负荷历史数据的离线动态学习， 训练出有关参数，经过模糊推理获得提前一天的负荷预测。系统中引入闭环模糊控 制方法用以在线消除预测误差，并设计了自适应的输出修正算法以排除可能存在的 扰动影响。对广东省某市的实际负荷进行预测，证明了预测方法的有效性。 目前，我国实际的电力负荷预测主要还是采用传统统计模型法。当负荷随气候 等因素变化平缓，即电力较发达地区，用传统方法计算量小，速度较快，且能取得 3 华北电力大学硕士学位论文 较好的预测效果：但当负荷随各种因素变化剧烈时，传统方法由于模型的线性特性， 不足以真正描述电力系统的不同负荷模式的非线性特性，因此预测的效果便很不理 想，尤其是节假日的预测效果令人难以接受。 由上述可见，国内外电力系统短期负荷预报研究主要是围绕预报方法和预报模 型进行研究。神经网络方法与模糊逻辑相结合是主要研究趋势，其思路有两个特点： 1 ) 在网络算法和历史数据预处理上做研究。 2 ) 不同程度地考虑影响负荷预报的因素 1 3 本文的主要工作 本文在分析传统负荷预测方法的基础上，结合模糊理论的优点和神经网络的特 点，提出了一种新的模糊神经网络模型，对原有的算法也进行了改进。传统的短期 负荷预测模型通常可以分为两类：回归模型和时间序列模型a n n 技术的发展提供了 一种新的负荷预测解决方案。a n n 己经成功地用于电力系统短期负荷预测。用a n n 技术进行电力系统短期负荷预测不需要人的主观经验和专业知识而是通过训练，自 主学习系统输入输出之间的函数关系，从而建立预测模型。因此，相对于其他负荷 预测的方法a n n 方式有其自身的特点和优势；a n n 一经引入电力系统负荷预测即成 为其应用的主要领域，实践证明a n n 适合建立电力系统负荷预测系统。最近十年在 a n n 该领域已经取得了很大进展，但是在理论和应用上仍然有很多问题需要解决如： 更高效算法的实现、预测精度的提高、实际应用中的具体问题等。 在研究神经网络算法的过程中我们发现对于神经网络技术在电力系统中和负 荷预测结合是必然的，而且很有发展前途短期负荷预测同样是一项非常重要的工 作，而且伴随着电力系统的发展，尤其是国内电力市场的初步形成对电力系统负荷 预测提出了更高的要求。本文研究的主要内容是用a n n 作电力系统短期负荷预测， 在前人研究的基础上我们主要进行了如下几个方面的研究： ( 1 ) 对模糊理论的研究和介绍，分析模糊理论用于推理和预测的特点 模糊集合( ( f u z z ys e t ) 理论是美国加州大学柏可莱分校的l h z a d e h 教授于 1 9 6 5 年建立的，他在研究人类思维、判断过程的建模中，提出用模糊集作为定量化 的手段。该理论着眼于从事物的中介过渡性中去寻找非中介倾向性的量化规律。其 基本思想是把经典几何中的绝对隶属关系灵活化或模糊化。从特征函数讲就是：元 素x 对集合a 的隶属程度不再局限于取0 或1 ，而是可以取0 到1 的任何一个数值， 这一数值反映了元素x 对集合a 的隶属程度。本文用隶属函数对影响因子进行量化， 以求能更全面的反映对负荷预测的影响。 ( 2 ) 介绍当前的神经网络理论和其相关技术，如神经网络类型、模型结构等。 4 华北电力大学硕士学位论文 人工神经网络( a n n ) 是大脑及其活动的一个理论化的数学模型，由大量的处 理单元( 神经元) 互连而成的，是神经元联结形式的数学抽象，是一个大规模的非 线性自适应模型，它具有高速的运算能力，很强的自学习能力、自适应能力和非线 性映射能力以及良好的容错性，因而它在模式识别、图像处理、信号及信息处理、 系统优化和智能控制等许多领域得到了广泛的应用a n n 应用于电力负荷预测尤其 是短期符合预测效果显著，原因是a n n 能将气象因素等同负荷的变化趋势有机的结 合起来，能精确的预测出日峰负荷、总负荷和小时负荷。 ( 3 ) 对a n n 训练算法的研究与改进 a n n 的训练方法的选择目标是提高a n n 的训练精度和训练速度。但通常速度和 精度是对矛盾，因此对训练方法的优化就是对速度和精度的综合考虑。 a n n 是一种分布式网络，它在刚开始形成时是不能胜任任何工作的。只有用一 定量的数据对其进行训练后使其具有了一定知识才可以进行应用。目前所说的a n n 的算法大都是指a n n 的训练方法。 a n n 的训练方法目前常用的算法有：b p 法、拟牛顿法、共扼梯度法、遗传算祛等。 目前国内应用这些算法时，在迭代过程中大部分都采用全局步长来修正a n n 中的。 本文尝试用粒子群算法对网络进行训练，实践表明可以起到很好的效果。 ( 4 ) 对粒子群算法的介绍和应用 粒子群算法( p s o ，p a r t i c l es w a r mo p t i m i z a t i o n ) 是一种新兴的智能群寻优 算法，具有全局寻优的特点。将p s o 算法和b p 算法相融合用于网络的训练可以提 高训练速度，避免陷入局部最优等。 ( 5 ) 用基于p s o 优化的模糊神经网络模型进行预测测试。 本文涉及到的编程部分，全部在v i s u a lc + + 6 0 环境下调试通过。为了测试改 进训练算法的性能，分别编写了基于c + + 语言的b p 神经网络模型、p s o 优化的模糊 神经网的控制台测试程序。 5 华北电力大学硕士学位论文 第二章电力负荷预测综述 2 1 电力负荷预测的概念 随着我国电力系统的发展，电网管理的日趋现代化，负荷预测问题的研究也越 来越引起人们的注意，并已成为现代电力系统科学中一个重要的领域，因为整个社 会是一个复杂的整体，它的用户成千上万而每个用户的要求也各不相同，因此整个 社会的用电需求既有一定的统计规律性，又具有大量的随机影响因素，具有不确定 性电力系统负荷预测是电网规划和经济运行的重要一环。负荷预测对电力系统控 制、运行和计划都是非常重要的，提高负荷预测的精度既能增强电力系统运行的安 全性，又能改善电力系统运行的经济性因此，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自动化，进行相应的负荷预测都是必不可少的。 负荷可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。 也可以说，负荷是指发电厂、供电地区或电网在某一瞬间所承担的工作负荷。对用 户来说，用电负荷是指连接在电网的用户所有用电设备在某一瞬间所消耗功率之 和。所谓的负荷预测是指，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前提下，确定未来某特定时刻的负荷数值。 2 2 电力负荷的分类和特性 电力负荷预测按照不同的分类方法可以有不同分类口1 。 1 、电力系统负荷预测按预测时间长短，可分为长期、中期、短期负荷预测。 长期负荷预测一般指1 0 年以上，中期负荷预测为5 、6 z ，而短期负荷预测则指 几个月、几周、几天、一天内各小时，甚至更短时间内的预测。长期和中期负荷预 测主要用于电网的规划，主要包括新的发电机组的安装( 装机容量的大小、型式、 地点、时间) 电网的增容和改建等。 短期负荷预测的意义在于：( 1 ) 为了能对运行中的发电机组的出力提出预告， 使得对发电机组的出力变化情况事先得以估计，对于装机容量不大的孤立电网，短 期负荷预测非常必要( 2 ) 对于一个大电网，为了经济、合理地安排本网内各个发 电机组的起动和停机，以便系统在要求的安全范围内调度电网内各发电机组的合理 出力，保持必要的旋转储备容量的耗费为最小，最大限度地减少发电成本，提高电 6 华北电力大学硕士学位论文 网运行的经济性( 3 ) 当电网进行计算机在线控制时，可以根据比较准确的负荷预 测实现发电容量的合理调度安排电网合适的运行方式，满足给定的运行要求，保 证电网运行的安全性和可靠性。 2 、负荷按照使用范围可以分为城市民用负荷、商业负荷、农村负荷、工业负 荷以及其它负荷。 城市民用负荷是城市居民的家用负荷，商业负荷和工业负荷是分别为商业和工 业服务的负荷，农村负荷则是指广大农村所有的负荷( 包括农村生活用电，生产与 排灌用电以及农村商业用电) ，其它负荷则包括市政用电、街道照明、公用事业、 政府办公、军用以及其它等。 实践表明，电力系统峰值负荷往往是由于季节性的极端气候( 即“热浪”和“寒 潮”) 造成的，“热浪”是一个高温延续期，在热浪期间，各种空调装置、电风扇、 制冷设备、电冰箱等降温防暑电器几乎都满负荷运行，造成了夏季峰值负荷：“寒 潮”则是一个低温延续期，在寒潮期间，一般不会造成热浪期间那样严重的峰值 负荷，但是寒潮季节一般照明负荷增长，而且还有大量的保温负荷，因此也应特别 注意，通过分析过去长时间的负荷历史数据，我们可以认识到电力系统负荷变化是 有其内部固有的规律性的。 ( 1 ) 虽然我们在一定程度上可以控制负荷，如频率降低到一定程度就自动甩负 荷，某些情况下在局部地区采用用电量计划分配或者采用某种特殊的电价政策对负 荷施加影响，但是从本质上说，负荷是不可控的。 ( 2 ) 负荷的另一个特点是负荷具有按天、按周、按年的周期性变化特点，对较 长时期的负荷历史记录进行分析，一般可以看出两种变化的趋势，一种是固定的变 化趋势，如逐步增长或逐步减少；另一种则是按月的、按周的、按日的周期性变化 趋势。 ( 3 ) 另外，负荷变化还有一定的随机性，这主要是因为：( a ) 用户要求总有一些偶 然性的变化( b ) 气象条件( 温度、湿度、日照、风速、雾等) 的变化，这种因素引起 的负荷变化一般比较复杂，并且无确定的规律。 2 3 电力负荷预测存在的问题 电力负荷预测的难点在于影响因素众多，它包含有内外部的随机因素，特别是 许多非负荷因素的影响这些影响因素与预测值之间形成复杂的非线性关系。影响 负荷预测的主要因素如下5 川： ( 1 ) 定量分析与定性分析相结合的问题 影响电力负荷的因素很多，在以往的负荷预测中，我们往往只重视定量的分析， 7i 华北电力大学硕士学位论文 而忽略了定性的分析。这是一个值得注意的问题。定性分析包括在进行定量分析之 前，对某些基本数据进行必要的分析，如对负荷数据特性的分析等； ( 2 ) 原始数据的收集和筛选 近年来我国的电力负荷预测的研究，对于模型的建立比较重视，而不去深入分 折和收集原始数据，以至造成有时原始数据的筛选分析与模型不配套的弊端。要成 功地进行预测，必需要把握以下四大环节： a 、要收集尽可能全面的信息。如果信息面过窄，就极难得到恰当的预测。 b 、要使用正确的筛选手段与方法，有用的真实信息常常淹没在大量的干扰信 号之中，只有使用正确的筛选手段与方法，才能去伪存真。 c 、应使逻辑运算的假设尽可能地符合实际，任何一种模型或逻辑运算，都是 以假设为前提的，如果假设离前提太远，那就不可能获得成功的预测结果。 d 、建立符合实际的模型，并进行正确的运算。 ( 3 ) 电力负荷预测的依据 要明确电力负荷预测的依据，从实际出发，选择正确的预测方法。电力负荷预 测既要依据调度专家成功可靠的经验，更要依据负荷的历史数据。 其次，电力系统负荷变化具有显著的周期性。通过对实际负荷记录的分析发现， 按小时观测的负荷具有以2 4 d , 时或7 天变化的周期，这种周期性变化的规律是电力 负荷变化的又一本质特征。在预测方法中，如何体现其变化的周期性，从而使预测 结果更符合实际，也是负荷预测中面临的实际问题。 经典的负荷预测是根据电网的历史数据，找出负荷随各种因素变化的规律，在 一定的假设下，建立适当的数学模型，预测未来的某一时刻负荷。但依靠数学建模 进行预测对上述的随机性、周期性及表现人的判断显得无能为力，所以我们把负荷 预测方法中存在的问题归结为： ( 1 ) 负荷历史数据的坏数据处理 负荷的历史数据一般来源于s c a d a 数据库，由于系统中各终端读表的各种误差， 数据库中的数据经常会受到污染。常见的有毛刺、某一段数据突然变大或变小、和 数据的不正常波动等。而冲击负荷比较大的地区，负荷数据的过分波动不利于掌握 负荷的变化趋势，增加了负荷分析的难度。因此在用历史数据进行训练和预测前， 坏数据的辩识与修正是必须要做的工作。即确定某条曲线中存在坏数据，然后找出 坏数据在曲线中的位置，将其剔除掉并进行修正。 ( 2 ) 节假日的负荷预测 在国家法定节假日( 元旦、春节、五一和国庆) 期间负荷与平时相比明显降低， 8 华北电力大学硕士学位论文 尤其是春节更是持续长时间、大幅度的曲线下降和变形。节假日负荷一般要求提前 半个月到一个月左右做出预测，节假日的预测一直是负荷预测的难点之所在。由于 数据量较少，参考上一节假日相隔时间又长达一年，无法形成足够有效的样本集使 得神经网络方法不能使用于节假日预测中，需要结合传统的多种方法另找途径。 ( 3 ) 气象因素的影响 研究表明，气象因素对负荷预测精度的影响不可忽视，传统的预测方法不能考 虑气象或者考虑气象不充分，导致预测结果不够理想。需要结合多种方法，如模糊 方法将气象因素( 温度、湿度、天气状况等) 考虑在内。 ( 4 ) 电力市场环境下，负荷的变化还与电价有关。 ( 5 ) 随机因素。其他大量引起负荷变化的随机因素也经常存在，例如大负荷用 户的用电调整以及重大的政治经济活动等。 2 4 电力负荷预测的基本模型和方法 负荷预测的研究已有几十年的历史，因此理论和方法很多，传统方法有：外推 法、相关法、时间序列法、卡尔曼滤波、灰色系统等；基于智能原理的方法，如人 工神经网络、专家系统、模糊理论，小波理论等也开始在预测中得到研究和应用。 鉴于方法众多，仅就传统方法、智能方法的原理及其优缺点作简介，5 8 1 。 其中传统方法简介如下： ( 1 ) 外推法。 根据己知的历史资料来拟合一条曲线，使得曲线能反映负荷本身增长趋势；然 后按曲线对未来预测求得某一点，从曲线估计该时刻的负荷值。常用曲线有直线、 指数曲线、幂函数曲线，s 型曲线等。拟合的方法主要有最小二乘法。外推的实质 是利用回归分析，得到描述负荷变化趋势最后的模型参数估计，如对季节趋势预测 可揭示负荷的周期特性。外推法的原理简单，使用方便，但由于负荷变化趋势多种 多样，简单的线性拟合难以实现准确性：多项式拟合的幂指数又难以确定，且指数 越高公式越复杂化：有限的几个增长模型不能囊括负荷趋势变化，各种随机因素也 是影响提高预测精度难点。趋势外推法一般仅用于长期预测。 ( 2 ) 回归法。 基于数理统计的回归分析方法，即通过对变量的观测数据进行统计分析，确定 变量之间的相关性来实现预测。主要分为线性回归和非线性回归。一元线性回归是 将负荷看成仅与某一因素有线性关系，事实证明负荷是受多个因素的线性组合，所 以一元线性回归模型不可取；多元线性回归将负荷看成多个因素的线性组合，然而 许多因素对负荷影响并非是线性的；非线性回归模型实质是将负荷看成可线性化的 9 华北电力大学硕士学位论文 非线性函数模型，如以l n 屿x ：有线性关系因此准确选取非线性函数就成为核 心问题。回归模型主要用于中长期负荷预测 ( 3 ) 相关分析法。 将电力负荷作为因变量，各种社会和经济因素( 如国民生产总值、人口和气 象资料等) 作为自变量，因变量与自变量之间的关系形成预测方程，可根据己知某 时刻的社会和经济因素值，代入方程解出负荷值。其优点是可清楚的看到负荷值和 其它可测量因素间的关系：缺点是必须预知各自变量的值，它直接影响预测的精度。 该法用于长期负荷预测。 ( 4 ) 时间序列方法。 其实质也是回归法，它是将预测目标作为因变量，但回归法的自变量是各种影 响因索，而时间序列法的自变量则是历史负荷，因变量是待测负荷。时间序列分析 模型是广泛采用的一类方法，常用的时间序列模型有：自回归( a r ) ，动平均( m a ) ， 自回归一动平均( a r m a ) ，累计式自回归一动平均( a r i m a ) 模型等。 时间序列方法的主要缺点是：建模所需特征难以确定、对非平稳状态辨识更具 困难、难于实现非线性关系处理、输入变量数目限制、对样本要求苛刻等随着负荷 特性的缓慢变化，模型不能灵活适应。 ( 5 ) 卡尔曼( k a l m a n ) 滤波法 建立状态空间模型，把电力负荷作为状态变量，用状态方程和量测方程来描述。 卡尔曼滤波法递推地进行计算，适用于在线预测。该方法是在假定噪声的统计特性 已知的情况下得出的，实际上估计噪声的统计特性是存在困难的。 ( 6 ) 专家系统方法 专家系统是基于人工智能原理的符号处理系统，该程序能力相当于某个专门领 域的专家的知识和经验水平。由于负荷受许多因素的影响，因此借助预测人员的丰 富经验与判断能力是有益的，如在节假日，重大社会活动和突发事件的情况下，专 家启发知识起至关重要的作用其知识获取具一定的难度，且知识自学习、更新和 可维护性较差。该原理一般与其他智能原理相结合使用。 ( 7 ) 灰色系统理论 灰色是介于白色、黑色之间的系统，从信息角度出发即是部分信息己知，部分 信息未知的系统。对电力系统负荷而言，对其影响的有供电机组、电网容量、生产 能力、大用户情况、某些产品耗电情况等信息已知的。但是，影响负荷的其他因素， 如天气、管理政策的变化、地区经济活动等难以确切知道。鉴于此情况，可将电力 系统看成灰色系统。灰色预测建模的优点在于：要求负荷数据少、不要求掌握分布 规律和变化趋势，因此运算方便和易于检测。其局限性是仅适合具有指数增长趋势 的负荷指标，对非指数增长指标会形成拟合灰度较大，当数据离散程度越大，预测 1 0 华北电力大学硕士学位论文 精度越差。一般仅用于中、长期负荷预测。 智能方法现在研究和应用是个热点问题，有很大优点和应用潜力，智能的含义 很广，难于精确定义，智能计算方法属于软计算，它是一种计算智能系统的信息处 理方法。与上述传统方法的 “硬计算”不同，软计算允许存在不精确性和不确定 性。软计算不是一个单独的方法论，而可以是方法论的协作体，其主要协作技术有 神经网络计算、模糊推理系统、遗传算法、混沌理论等。这些方法和专家系统、t a b u 搜索、蚊群搜索、模拟退火、数据分析、自适应、自学习等技术密切结合、互为补 充的预测方法，概称为智能技术。软计算在负荷预测中已得的广泛研究和应用随9 1 。 ( 1 ) 基于人工神经网络( a n n ) 的负荷预测 从七十年代中期开始基于a n n 的短期负荷预测研究一直受到重视，它是一种通 用的非线性自适应函数估计器。通过对研究目标的历史数据训练，可建立起复杂的 非线性映射模型。其优点是：对大量非结构性、非精确性规律具有自适应拟合功能； 具有联想记忆、自学习的性能：通过对历史负荷数据的训练可将相关负荷知识存储 于联结权重中；可将气候因素及与负荷敏感的因素与负荷变化有机结合。 目前预测模型大多采用前馈n n 模型和b p 算法，其预测模型结构( 网络的层数 和神经元的个数) 的选取大多凭经验，b p 有学习速度慢和存在局部极小点等问题。 为克服该缺陷，已提出不少改进方法。如对a n n 神经元连接权重进行修正时，加入 惯性项和变步长技术，用共轭梯度a n n 法，文献 1 2 提出利用遗传算法和基于拟牛 顿法优化技术的学习算法。 ( 2 ) 模糊理论方法 由于影响电力负荷的因素存在不确定性，导致电力负荷预测精度也存在不确定 性，为此提出以模糊理论( f s t f u z z ys e tt h e o r y ) 来研究负荷预测。模糊理论用 一组模糊if - t h e n 规则来表示系统输入输出问的非线性映射关系，通过对输入输出 空间的划分，模糊推理系统可以逼近任意复杂的非线性系统f s t 在处理非线性问 题和不确定性因素方面具优势，能从大量数据中抽取相似性的功能：f s t 是通过模 糊逻辑规则来实现，而规则所对应属阶梯状的表面，当区域划分得不够细时，模糊 推理输出的表面比较粗糙，直接影响预测精度。研究表明由f s t 原理独立来完成高 精度的负荷预测是困难的，预测的研究中广泛采用将f s t 与各类负荷预测其它原理 结合形成混合模型，可起到完善和提高预测精度的作用，已有的具体研究为：模 糊聚类法与nn 结合模糊逻辑e s 与n n 结合模糊处理与模糊n n 结合组合最优 算法的模糊评估。它们都取得了相应的效果。 ( 3 ) 遗传算法 遗传算法是建立在自然选择和群体遗传学机理基础上的随机、迭代与进化的搜 索方法，遗传算法具全局优化能力，一般将遗传算法用于ann 权值的优化，以克 11 华北电力大学硕士学位论文 服bp 算法存在收敛性能和陷入局部最小的不足，提高预测精度。文献 2 0 表明遗 传算法在调整模型权系数，改进模型结构方面作出贡献，能够在一定程度上提高预 测的精度。 ( 4 ) 小波理论 小波分析自八十年代提出后，理论和实际应用都得到了迅速发展。小波分析可 对信号进行多尺度分析，有效的从信号中提取所需的特征信息，实现在时域和频域 的高分辨局部定位。小波变换在时域和频域都有良好的局部化性能，在实用具有重 要的意义 2 5 电力系统负荷预测的误差分析指标 对预测方法性能好坏的评估是建立在统计分析的基础上，一般是通过各种预测 精度指标来衡量的，要使用统一的误差分析指标。常用的误差分析指标函数有1 ： 绝对误差与相对误差 设】，表示实际值，多表示预测值，】，一多则称为绝对误差，兰称为相对误差。 有时相对误差也用百分数三兰1 0 0 表示。这是一种直观的误差表示方法。在电力 系统中作为一种参考指标而经常使用。 平均绝对误差 刎e = 漕引= l 窆一l r , 一多 式中m a e 平均绝对误差； e 第f 个预测值与实际值的绝对误差。 z 第f 个实际负荷值； y t 第f 个预测负荷值。 由于预测误差有正有负，为了避免正负相抵消，故取误差的绝对值进行综 合并计算其平均数，这是误差分析的综合指标之一。 均方误差与均方根误差 ( 1 ) 均方误差 m s e = 吉喜e ? = 吉窆i = l ( i p ，) 2 1 2 华北电力大学硕士学位论文 式中m s e 均方差，其它符号同前。 均方误差是预测误差平方之和的平均数，它避免了正负误差不能相加的问题。 是误差分析的综合指标之一； ( 2 ) 均方根误差 僦= 艟卑= 接( r 斯 式中p d v i s e 均方根误差，其他符号同前。 这是均方误差的平均根。由于对误差进行了平方，加强了数值大的误差在指标 中的作用，从而提高了这个指标的灵敏性，是一大优点，这也是误差分析的综合指 标之一。 可决系数法 疗 定义r s s = o ( f ) 一少( 力) 2 ， f = l 打 t s s = ( j ，( f ) 一歹) 2 f = l j 主：歹2 吉善川) 则可决系数为： r 2 = 1 嗲惫 可决系数分析法利用残差的平方和与实际值的离差平方和之比来说明模型的预 测效果。从定义中可知，t s s 是固定值，因此r s s 越小越好，所以如果，则认为模 型的拟合程度较好。 后验差检验 后验差检验是根据模型预测值与实际值之间的统计情况，进行检验的方法，这是 从概率预测方法中移植过来的其内容是：以残差( 绝对误差) s 为基础，根据各期残 差绝对值的大小，考察残差较小的点出现的概率，以及与预测误差方差有关指标的 大小。 关联度误差分析 关联度是灰色系统理论提出的一种技术方法，是分析系统中各因素关联程度的 方法，或者说是关联程度量化的方法。 关联度的基本思想，是根据曲线间的相似程度来判断关联程度，实质上是几种 曲线间几何形状的分析比较，即认为几何形状越接近，则发展变化趋势越接近，关 联程度越大。用此方法可以来比较几种预测模型对应的几条预测曲线与一条实际曲 线的拟合程度，关联度越大则说明对应的预测模型越优，拟合误差也就越小。 1 3 华北电力大学硕士学位论文 第三章模糊神经网络概述 虽然模糊理论和神经网络的研究各自已有三十多年的历史，但将两者有机融合 起来研究其特性还只是近些年来的事。模糊系统具有被人容易理解的表达能力，而 神经网络则有极强的自适应学习能力。同时研究模糊理论和神经网络的工作者发现 两者具有很多相似之处，并且可取两者之长处，使其结合在一起组成更完美的系统。 模糊方法和神经网络二者的互补性是非常明显的，它们相似之处在于都侧重于 处理实际中由不确定性、不精确性引起的系统控制问题，而差别在于神经网络对于 知识的抽取和表达比较困难，模糊信息处理方法却善于模拟人的经验处理一些不确 定信息；另一方面，模糊系统很难从样本中直接学习规则，且在模糊推理中会增加 模糊性而神经网络则有较强的学习能力，可以利用联想记忆降低模糊性，这样就产 生了模糊神经网络预测方法，它是现代软计算概念中的重要内容 1 1 , 1 2 】。 3 1 模糊理论 众所周知，数学已成为各门学科的基础，其应用范围广至社会的各个领域。随 着科学研究的不断深入，研究的对象越来越复杂，变量越来越多，要求对系统的控 制精度越来越高，而复杂系统是难以精确化的，这样，复杂性与精确性就形成了十 分尖锐的矛盾。 美国加里福尼亚大学扎德l a z a d e h 教授仔细地研究了这个问题，于1 9 6 5 年发表了模糊集合论论文，提出“隶属函数”这个概念来描述现象差异地中间 过渡，从而突破了古典集合论中属于或不属于的绝对关系。z a d e h 教授这一开创性 的工作，标志着数学的一个新的分支一模糊数学的诞生。有关模糊集合、模糊逻辑 等的数学理论，称之为模糊数学。 模糊性也是一种不确定性，但它不同于随机性，所以模糊理论不同于概率论。 模糊性通常是指对概念的定义以及语言意义的理解上的不确定性。例如，“老人”、 “温度高 、“数量大”等所含的不确定性即为模糊性。可见，模糊性主要是人为 的主观理解上的不确定性，而随机性则主要反映的是客观上的自然的不确定性，或 是事件发生的偶然性。模糊性是人们在社会交往和生产实践中经常使用的，它提供 了定性与定量、主观与客观、模糊与清晰之间的一个认为折衷。它既不同于确定性， 也不同于偶然性和随机性。概率论是研究随机现象的，模糊数学则是研究模糊现象 的，两者都属于不确定性数学。应当特别注意的一点是，不可认为模糊数学是模糊 的概念，它是完完全全精确的，它是借助定量的方法研究模糊现象的工具。 1 4 华北电力大学硕士学位论文 3 1 1 模糊集合的概念 模糊集是模糊数学的基本概念，它是研究模糊数学的基础n 。 众所周知，在普通集合论中，对于集合x 的子集a 来讲，或者x a 或者x 诺a 非 此即彼，二者必居其一。因此，子集a 可以由它的特征函数来刻划，即 毕 蠢三 将值域 0 ，1 ) 拓展为区间 0 ，1 即可得到模糊集的定义。 z a d e h 教授提出了隶属函数的概念，主要目的是用以刻画人的语言的不确定性。 他以数学语言描述输入空间的每一点对于集合的隶属程度，其中输入空间称为论 域。这里给出z a d e h 在1 9 6 5 年对模糊子集的定义：设给定论域u ，u 到闭区间 o ， 1 的任意映射月， 儿：u 一 0 ，1 “一一( d 都确定u 的一个模糊子集a ，爿称为模糊子集a 的隶属函数，一( 曲称为“对爿的 隶属度。隶属度也可记为a ( 曲。在不混淆的情况下，模糊子集也称模糊集合( 或f 集) 。 上述定义表明，论域u 上的模糊子集a 由隶属函数儿( 曲来表征，一( 曲取值 范围为闭区间 0 ，1 ，4 ( 曲的大小反映了u 对于模糊子集的从属程度。 模糊集合a 有各种不同的表示法： 一般情况下，可表示为： a = ( 甜，么( “”i ”u ； 如果u 是有限集或可数集，可表示为： a = e 彳( “。) 或表示为向量( 称为f 向量) a = ( 么( 1 ) ，a ( u 2 ) ，a ( u 。) ) ； 如果u 是无限不可数集，可表示为： a = i a ( u ) u 式中“”不是通常的分数线或除法符号，只是一种记号，它表示论域u 上的元 素u 与其隶属度a ( 之间的对应关系；符号“”及“j 也不是通常意义下的求 和与积分，都只是表示u 上的元素u 与其隶属度a ( 曲之间的对应关系的一个总括。 1 5 华北电力大学硕士学位论文 3 1 2 模糊关系 # ( u 1 , v 1 ) i r ( u 1 , v 舯n ) l 3 1 3 模糊推理 模糊推理系统( f u z z yi n f e r e n c es y s t e m ，简写f i s ) 是建立在模糊集合论、模 糊i f - t h e n 规则和模糊推理等概念基础上的先进计算框架。在自动控制、数据分类、 决策分析、专家系统、时间序列预测、机器人和模式识别等领域得到许多成功的应 用。模糊推理系统基本结构一般由三部分组成：一个规则库，包含一系列模糊规则； 一个数据库( 或词典) ，它定义了模糊规则用到的隶属函数：一个推理机制，它按照 给定的事实、规则执行推理过程以求得合理的输出或结论。其中z a d e h 于1 9 7 3 年 所提出的模糊关系合成法则( c o m p o s i t i o n a lr u l e o ff u z z yi n f e r e n c e ，简称c r i 1 6