（计算机应用技术专业论文）基于模糊逻辑与神经网络的短期负荷预测系统研究.pdf

摘要 摘要 随着我国电力事业的发展，电网管理日趋现代化。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的一个重要的领域。电 力系统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输电方案的基 础，提高短期负荷预测精度，对提高电网运行的安全性、经济性、改善供电质量 有非常重要的意义。本文从电力系统本身特点出发，研究了神经网络和模糊逻 辑基本概念和方法，充分发挥人工神经网络具有的逼近任意非线性函数的特征 和自学习能力和模糊逻辑擅长处理不确定性、不精确性及噪声问题的能力，设 计出一个有效的电力系统短期负荷预测系统。系统针对电力系统受多种因素影 响的特点，着重考虑温度、日期类型等因素，尤其加入了特殊日期因素对负荷 值的影响，更加适合短期负荷的特点和要求。 首先，从负荷预测的角度出发，本文阐述了电力系统负荷预测的作用、意 义、研究目的及国内外研究的发展现状，分析比较了现有的各种算法。 其次，通过对影响电力系统负荷因素的分析，一般算法大都考虑的是温度、 天气及日期类型对负荷的影响，但对于日期分类时大都分为工作日和正常休息 日，而对于一些特殊日期、特殊事件对负荷的影响考虑的较少。本文提出了对 特殊日期、特殊节假日及特殊事件进行对比分析，根据实际情况进行处理。对 于其他影响因素，主要考虑了温度和正常日期的影响，应用模糊逻辑技术对这 些影响因素进行模糊化处理，使样本空间中的数据成为具有影响信息的模糊量， 再利用神经网络算法对负荷进行预测。 最后，以盘锦电业局数据为例，与传统算法相比较，证明该方法比一般的 单一算法更加精确，而且考虑的因素比常规算法更加全面，更加附合实际。 关键词：短期负荷预测系统：模糊逻辑；神经网络；特殊日期和特殊事件影响 因素 东北电力大学硕士学位论文 a b s t r a c t w i t ht h ed e v e l o p m e n to fo u rc o u n t r y se l e c t r i cp o w e ri n d u s t r y , e l e c t r i cn e t w o r k m a n a g e m e n ti si n c r e a s i n g l ym o d e m i z e d s h o r t - t e r ml o a df o r e c a s t i n gr e s e a r c h i s g r a d u a l l yd r a w i n ga t t e n t i o na n db e c o m i n ga l li m p o r t a n ta r e ao fm o d e m e l e c t r i c a l s c i e n c e t h es h o r t - t e r ml o a df o r e c a s t i n go ft h ee l e c t r i cp o w e rs y s t e mi st h eb a s eo f p o w e rd i s p a t c h ，e l e c t r i cp u r c h a s i n ga n dt r a n s m i t t i n gp l a n i m p r o v i n gt h ea c c u r a c yo f s h o r t - t e r ml o a df o r e c a s t i n gi so fg r e a ts i g n i f i c a n c et oi m p r o v i n gt h es e c u r i t y , e c o n o m yo fe l e c t r i cn e t w o r k ，a n dt h eq u a l i t yo fe l e c t r i cp r o v i s i o n b a s e do nt h e c h a r a c t e r i s t i c so fe l e c t r i c a ls y s t e m ，t h i sp a p e ri n t e r p r e t st h eb a s i cc o n c e p t i o na n d m e t h o d so fn e u r a ln e t w o r k sa n df u z z yl o g i c i tf u l l yc a r r i e so u tt h ec h a r a c t e r i s t i c so f a r t i f i c i a ln e u r a ln e t w o r k s ，t h a ti s ，i tc a na p p r o a c ht oa n yn o n l i n e a rf u n c t i o n b e s i d e s ， i ta sw e l lm a k e sf u l lu s eo ft h ec a p a b i l i t i e st h a ta r t i f i c i a ln e u r a ln e t w o r kp o s s e s s e s ， s u c ha ss e l f - s t u d y , f u z z yl o g i cb e i n gg o o da td e a l i n gw i t hu n c e r t a i n t y , i n a c c u r a c ya n d n o i s e p r o b l e m b a s i n go nt h e s ef a c t o r s ，a ne f f e c t i v e e l e c t r i c a ls h o r t - t e r ml o a d f o r e c a s t i n gs y s t e mi sd e s i g n e d a st h ee l e c t r i cp o w e rs y s t e mi sa l w a y si n f l u e n c e db y m a n yf a c t o r s ，t h e r e f o r et h i ss y s t e mt a k e st h ee l e m e n t so ft e m p e r a t u r e ，d a t e sa n ds oo n ， e s p e c i a l l yt h ei n f l u e n c eo fs p e c i a ld a t e si n t os p e c i a lc o n s i d e r a t i o n ，w h i c hm a k e st h e s y s t e mm o r es u i t e dt ot h ec h a r a c t e r i s t i ca n dr e q u i r e m e n to f t h es h o r t - t e r ml o a d f i r s to fa l l ，f r o mt h ep o i n to fs h o r t - t e r ml o a d ，t h i sp a p e ri n t e r p r e t st h ee f f e c t ， s i g n i f i c a n c e ，r e s e a r c hp u r p o s ea n dd e v e l o p m e n to ft h el o a df o r e c a s t i n go fe l e c t r i c p o w e rs y s t e m v a r i o u sa l g o r i t h m sa r ea sw e l ld i s c u s s e da n dc o m p a r e d i nt h es e c o n dp l a c e ，b a s e do nt h ea n a l y s i so ft h ef a c t o r sw h i c hh a v ea ni n f l u e n c e o nt h el o a do ft h ee l e c t r i cp o w e rs y s t e m ，i tr e v e a l st h a tm o s to ft h eg e n e r a la l g o r i t h m s p a ya t t e n t i o nt ot h ee l e m e n t sl i k et e m p e r a t u r e ，w e a t h e ra n dd a t e s d a t ei sg e n e r a l l y c o n s i d e r e df r o mt w oa s p e c t s - - - - w e e k d a y sa n dr o u t i n ed a y s o f f h o w e v e rt h e i n f l u e n c e so fs p e c i a ld a t e sa n de v e n t sa r el e s sc o n s i d e r e d t h i sp a p e rc o n d u c t s i i 摘要 c o n t r a s ta n a l y s i sa n dp r o c e s s i n go fs p e c i a ld a t e sa n de v e n t sb a s e do na c t u a ls i t u a t i o n s r e f e r r i n gt oo t h e ri n f l u e n t i a lf a c t o r s ，t h i sp a p e rm a i n l yc o n s i d e r st h ei n f l u e n c e so f t e m p e r a t u r ea n dr o u t i n ed a t e s f u z z yl o g i ct e c h n i q u ei sa p p l i e dt od e a l i n gw i t ht h e s e f a c t o r st om a k et h es a m p l es p a c ed a t ab e c o m ef u z z yd a t a 、析t l li n f l u e n t i a li n f o r m a t i o n t h e nn e u r a ln e t w o r ka l g o r i t h mi su s e dt ol o a df o r e c a s t i n g f i n a l l y , t a k i n gt h ed a t ao fp a r d i ne l e c t r i cb u r e a ua sa ne x a m p l e i tp r o v e st h a t t h em e t h o di sm o r ea c c u r a t e ，o v e r a l la n dp r a c t i c a lc o m p a r e dw i t ht h et r a d i t i o n a l a l g o r i t h m s 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 gs y s t e m ；f u z z yl o g i c ；n e u r a ln e t w o r k ； i n f l u e n t i a lf a c t o r so fs p e c i a ld a t e sa n de v e n t s i i i 论文原创性声明 本人声明，所呈交的学位论文系在导师指导下本人独立完成的研究成果。 文中依法引用他人的成果，均已做出明确标注或得到许可。论文内容未包含法 律意义上已属于他人的任何形式的研究成果，也不包含本人已用于其他学位申 请的论文或成果。 本人如违反上述声明，愿意承担以下责任和后果： 1 交回学校授予的学位证书； 2 学校可在相关媒体上对作者本人的行为进行通报； 3 本人按照学校规定的方式，对因不当取得学位给学校造成的名誉损害， 进行公开道歉； 4 本人负责因论文成果不实产生的法律纠纷。 论文作者签名：! 錾堑囊 日期：1 型遗年l 月兰互竺日 论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属东北电 力大学。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权 利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时， 署名单位仍然为东北电力大学。 论文作者签名： 导师签名：狸 日期：过年三一月二翌日 日期：丝盟年上月茸日 中国优秀博硕士学位论文全文数据库 和中国学位论文全文数据库投稿声明 研究生部： 本人同意中国优秀博硕士学位论文全文数据库和中国学位论文全文 数据库出版章程的内容，愿意将本人的学位论文委托研究生部向中国学术期 刊( 光盘版) 电子杂志社的中国优秀博硕士学位论文全文数据库和中国科 技信息研究所的中国学位论文全文数据库投稿，希望中国优秀博硕士学 位论文全文数据库和中国学位论文全文数据库给予出版，并同意在中 国优秀博硕士学位论文全文数据库和c n k i 系列数据库以及中国学位论文全 文数据库中使用，同意按章程规定享受相关权益。 论文级别：硕士口博士 作者签名：盗鳓一 作者联系地址( 邮编) ： 作者联系电话： 指导教师签名：耋玉璺l 日期：避年上月耸日 第1 章前言 第1 章前言 1 1 电力系统负荷预测概述 电力系统发展到今天，已成为国民经济建设和人民生活中必不可少的重要 环节。电能的特点之一是不能大量储存，所以系统内的可用发电容量，在正常 运行条件下，应当在任何时候都能满足系统内负荷的要求。因此，对未来本地 电网内负荷变化的趋势与特点的预测，是一个电网调度部门和规划设计部门所 必须具有的基本信息之一，也是电力系统经济运行的必要保障。为了达到对未 来本地电网负荷变化的准确掌握，更好的满足本地电网内电能的需求，就要对 本地电网未来的负荷量进行负荷预测。 电力系统负荷预测就是根据历史负荷值，在满足一定精度的情况下决定未 来某特定时刻的负荷值。电力系统负荷预测是电力系统管理现代化的重要内容 之一，是对发电、输电和电能分配等合理安排的必要前提，是实现电力系统安 全、经济运行的基础，对提高电力系统的经济效益和社会效益，保障电力系统 的安全经济运行与国民经济的发展具有非常重要的影响【1 】【2 j 。 负荷预测是根据电力负荷的过去和现在推测它的未来数值，需要采用适当 的预测技术和模型，推导负荷的发展趋势和可能达到的状况。其特点如下： 1 负荷预测的不准确性； 2 负荷预测的条件性： 3 负荷预测的时间性； 4 负荷预测的地区效应； 5 负荷预测的多方案性。 从负荷预测的特点可以看出，负荷预测的结果受多种因素的影响，主要有： 1 气候变化和自然灾害的影响； 2 宏观产业结构调整的影响； 3 能源市场变化带来的影响： 东北电力大学硕士学位论文 4 虚报负荷或过高估计经济发展速度造成的影响； 5 预测方法本身对预测结果的影响【3 引。 根据不同的预测目的和预测的时间来划分，可以分为： 1 长期负荷预测：指十年以上并以年为单位的预测，主要应用于对电源的 规划和发展。 2 中期负荷预测：指五年左右并以年为单位的预测，主要用于确定水库的 运行方式和设备大修计划。 3 短期负荷预测：指一年以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，通常预测未来一个月、未来一周、未来一天的负荷指标， 也指预测未来一天2 4 小时的负荷。主要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。 4 超短期负荷预测：指一小时以内的负荷预测，主要用于安全监视、预防 性控制和紧急状态处理。 电力系统的负荷是时刻在变化的，不但按小时变、按日变，而且按周变， 按年变。作为变化的时间序列，电力系统短期负荷具有以下特征： 1 周期性：负荷以天、周、年为周期发生波动，大周期中嵌套小周期。 2 波动性：负荷序列在取值较小的时段，其波动的幅度较小：在取值较大 的时段，波动幅度也较大。 3 随机性：短期负荷的变化有一定的随机性，并随着各种不同社会因素的 影响，这种随机性具有一定增长的趋势【9 j 。 1 2 电力系统短期负荷预测的目的和意义 根据负荷预测的分类可以看出，短期负荷预测是与人们日常生活工作直接 相关的，为电力系统调度管理部门安排制订发电计划、安全分析及确定备用容 量提供了必要数据，也是电力市场中实现电能计划管理的基础。提高短期负荷 预测精度，对提高电网运行的安全性、经济性、改善供电质量有非常重要的意 义【6 1 。同时，电力工业市场化也使得获取高精度的短期负荷预测结果日趋重要， 短期负荷预测也是我国实现电力市场化的必备条件，具有重要的理论意义和实 第1 章前言 用价值。在当前的电力市场条件下，短期负荷预测精度的高低直接决定了发电 计划制定得准确与否，这使得预测精度直接和效益相关，主要表现在： 1 在电力市场环境下，高精度的负荷预测是有效的维护各实体经济利益的 前提条件之一； 2 准确的负荷预测为发电商投标竞价提供了一个真实的依据，它可以使发 电商和电网公司签订的预购合同更接近实际交易合同，避免了因合同变更而产 生的交易费用； 3 准确的负荷预测能够使电网公司在保证电网安全的前提下，减少冗余的 旋转备用，从而降低电网公司的运营成本； 4 在电网公司与其他电网公司进行功率交换谈判时，准确的负荷预测起着 非常重要的指导作用； 5 准确的负荷预测对电力市场的投资规划提供决策依据； 6 负荷预测是电价预测的基础和未来电力市场预测期货交易的基础。 可见，电力短期负荷预测的精度直接影响到了电网及各发电厂的经济效益。 同时，英国的研究表明，短期负荷预测的误差每增加l 导致每年增加成本l 千万 英镑；在挪威，1 的短期负荷预测误差的增加将导致4 5 5 _ 9 1 0 万克朗的附加运 营成本。所以准确的电力系统短期负荷预测具有很大的经济效益，必须进行深 入的研究【2 】【7 一。 1 3 电力系统短期负荷预测的国内外研究现状 随着电力市场的日益成熟，各国家都十分重视电力短期负荷预测。短期负 荷预测理论经历了三十多年的发展，众多的学者和科研机构一直在致力于电力 负荷预测的新方法的研究，以提高精度。短期负荷预测算法的发展主要经历三 个阶段： 1 短期负荷预测传统算法的研究，如回归方法、时间序列法和指数平滑算 法等，研究重点在负荷序列本身的规律上； 2 短期负荷预测现代算法的研究，如神经网络、遗传算法、模糊逻辑算法 等，研究重点是以新技术替代传统方法； 3 重点是将各种负荷预测方法与影响负荷的各种因素结合起来加以研究， 东北电力大学硕十学位论文 曼! 曼曼曼曼曼曼曼g 曼曼皇曼曼曼曼量量曼皇曼鼍曼曼皇皇! 曼曼量曼曼曼曼曼曼曼鼍曼鼍曼曼量曼皇曼曼蔓量曼皇曼曼曼曼皇曼曼鼍曼曼曼i 曼i m 曼曼皇 特别是天气因素的短期负荷预测的研究。 还有一种短期负荷预测方法，它用时间序列、线性回归、平均值模型等几 种不同的经典数学模型加权组合预测，取长补短，预测的精度得到了提高。 1 3 1 短期负荷预测传统算法 1 单耗法 按照国家安排的产品产量、产值计划和用电单耗确定需电量。单耗法分”产 品单耗法”和”产值单耗法”两种。采用”单耗法”预测负荷前的关键是确定适当的 产品单耗或产值单耗。从我国的实际情况来看，一般规律是产品单耗逐年上升， 产值单耗逐年下降。单耗法的优点是：方法简单，对短期负荷预测效果较好。 缺点是：需做大量细致的调研工作，比较笼统，很难反映现代经济、政治、气 候等条件的影响。 2 趋势外推法 当电力负荷依时间变化呈现某种上升或下降的趋势，并且无明显的季节波 动，又能找到一条合适的函数曲线反映这种变化趋势时，就可以用时间t 为自 变量，时序数值y 为因变量，建立趋势模型y = f ( t ) 。当有理由相信这种趋势能 够延伸到未来时，赋予变量t 所需要的值，可以得到相应时刻的时间序列未来 值。这就是趋势外推法。 应用趋势外推法有两个假设条件：( 1 ) 假设负荷没有跳跃式变化；( 2 ) 假定 负荷的发展因素也决定负荷未来的发展，其条件是不变或变化不大。选择合适 的趋势模型是应用趋势外推法的重要环节，图形识别法和差分法是选择趋势模 型的两种基本方法。 外推法有线性趋势预测法、对数趋势预测法、二次曲线趋势预测法、指数 曲线趋势预测法、生长曲线趋势预测法。趋势外推法的优点是：只需要历史数 据、所需的数据量较少。缺点是：如果负荷出现变动，会引起较大的误差。 3 弹性系数法 弹性系数是电量平均增长率与国内生产总值之间的比值，根据国内生产总 值的增长速度结合弹性系数得到规划期末的总用电量。弹性系数法是从宏观上 确定电力发展同国民经济发展的相对速度，它是衡量国民经济发展和用电需求 第l 章前言 的重要参数。该方法的优点是：方法简单，易于计算。缺点是：需做大量细致 的调研工作。 4 时间序列算法 时间序列算法首先要对负荷数据进行平稳化处理，采用差分方法将其化成 近似平稳的随机序列，即所谓时间序列，满足均值为常数，方差为零。时间序 列法的主要问题是预测的不精确和数值的不稳定。优点是：所需历史数据少、 工作量少。缺点是：没有考虑负荷变化的因素，只致力于数据的拟合，对规律 性的处理不足，般来说，若影响负荷的环境和社会问题的因素不发生突变， 采用时间序列方法的技术能得到较好的结果，但若这些因素发生了变化，时间 序列技术将会产生很大的误差。只适用于负荷变化比较均匀的短期预测的情况。 5 回归模型预测技术 回归模型预测技术是根据过去负荷的历史资料，建立可以进行数学分析的 数学模型，利用数理统计中的回归分析方法，通过对变量的观测数据进行分析， 确定变量之间的相互关系，从而实现预测。只是利用这种方法考虑气象因素时 只能考虑诸如温度、湿度等定量条件，至于变化多样的天气状况则没有比较好 的考虑方法。电力系统负荷预测方法及特点。优点是：预测精度较高，适用于 在中、短期预测使用。缺点是：( 1 ) 规划水平年的工农业总产值很难详细统计： ( 2 ) 用回归分析法只能测算出综合用电负荷的发展水平，无法测算出各供电区的 负荷发展水平，也就无法进行具体的电网建设规划1 1 0 j 。 1 3 2 短期负荷预测现代算法 现代算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 且能够拟合出负荷的复杂的非线性关系。这些方法既不需要事先知道过程模型 的结构和参数的有关经验知识，也不必通过复杂的系统辨识来建立过程的数学 模型，非常适合于电力负荷预测。常用的现代算法有： 1 专家系统 专家系统是人工智能领域的一个重要分支，它是一种基于知识推理的系统， 它通过获取大量该领域专家的知识并在此基础上进行推理从而得到问题。根据 电力系统领域内大量的实践经验( 如专家的经验、调度员的经验等) 建立了基于 东北电力大学硕上学位论文 规则的短期负荷预测的专家系统。专家系统预测法适用于中、长期负荷预测。 此法的优点是：( 1 ) 能汇集多个专家的知识和经验，最大限度地利用专家的能力； ( 2 ) 占有的资料、信息多，考虑的因素也比较全面，有利于得出较为正确的结论。 缺点是：( 1 ) 不具有自学习能力，受数据库里存放的知识总量的限制：( 2 ) 对突 发性事件和不断变化的条件适应性差。 2 神经网络算法 人工神经网络是人工智能领域的又一个重要分支，也是人工智能技术用于 短期负荷预测最普遍的方法。人工神经网络是从模拟人脑思维开始发展起来的。 人工神经网络能够用来解决非线性问题和不确定性问题。根据网络模型的特点， 人工神经网络模型可以分为前馈性人工神经网络( 如b p 网络、r b f 网络) 、自组 织竞争人工神经网络( 如a r t 网络、k o h o n e n 网络) 以及反馈性人工神经网络( 如 h o p f i e l d 网络) 。优点是：( 1 ) 可以模仿人脑的智能化处理；( 2 ) 对大量非结构性、 非精确性规律具有自适应功能；( 3 ) 具有信息记忆、自主学习、知识推理和优化 计算的特点。缺点是：( 1 ) 初始值的确定无法利用已有的系统信息，易陷于局部 极小的状态；( 2 ) 神经网络的学习过程通常较慢，对突发事件的适应性差。 3 灰色数学理论 灰色数学理论是把负荷序列看作真实的系统输出，它是众多影响因子的综 合作用结果。这些众多因子的未知性和不确定性，成为系统的灰色特性。它具 有要求样本数据少，原理简单，运算方便，可检验等特点。但其微分方程指数 解只适合于具有指数增长趋势的负荷指标，在其它增长趋势下的预测精度一般， 在实际电力系统负荷预测中应用较少，这很大程度上是由于缺少一个理论与实 际有效结合的方法。现有的灰色预测方法主要局限在于：( 1 ) 没有有效地考虑 g m ( 1 ，1 ) 模型的发展因子a 变化，对系统增长速度的影响，因而实际应用中预测 误差圈套；( 2 ) 电力负荷并非独立发展的，其发展速度受国民经济各方面因素的 影响很大，单纯地进行电力负荷预测，而不考虑其它因素的制约作用，必然会 造成对未来的预测值失效】。 4 模糊预测方法 模糊逻辑基于模糊聚类识别算法，通过对相关历史数据进行加工处理，提 炼出负荷变化的若干种典型模式，进而由影响负荷变化的相关因素的未来状态 第1 章前言 区判定未来负荷变化属于哪种模式，从而做到负荷预测的目的。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。缺点是该方法没有学习能力，这 对于不断变化的电力系统来说，是极为不利的。 尽管负荷预报的方法多种多样，但总的看来，目前尚无一个固定的方法可 以适用于一切负荷预测问题，并保证优于其他方法。在实际应用中，要对负荷 实际变化规律及影响因素做细致的分析。 1 4 本文的工作 本文针对电力系统短期负荷预测的特点及各种影响因素，进行了深入细致 的研究，应用模糊逻辑技术和神经网络技术对短期负荷预测建立模型，充分发 挥两种算法的各自的特点及优势，更加适合电力系统的实际，提高了预测的精 度，并实现电力系统短期负荷预测软件系统。本文的主要工作有： 1 对理论背景的研究：对于短期负荷的背景意义及发展现在做以研究，分 析电力负荷的特性及各种影响因素，在软件系统中根据特性及影响因素做出处 理，提高预测精度。 2 基础知识学习：根据对负荷预测各种算法的分析比较，应用算法建立预 测模型，了解相应算法的基础知识。本文应用组合模型，更好地发挥了各自的 优势，有利于提高预测的精度。 3 软件系统的设计与实现：根据对于软件系统的需求分析及对电力负荷的 研究和分析，得到的合适算法，建立数据库，编写出适应需求的软件系统，并 且软件系统对特殊日期、特殊事件的影响加以了考虑，这是对软件系统的完善， 同时也是对算法的一个很好的补充。主要包括： ( 1 ) 数据库的设计与实现； ( 2 ) 各个功能模块设计与实现； ( 3 ) 界面的设计与美化； ( 4 ) 对系统升级的设计。 东北电力大学硕十学位论文 第2 章负荷特性分析及历史数据处理 2 1 负荷特性分析 由于电力系统负荷本身的特点和外界影响因素的影响，负荷是经常变化的， 不但按小时变、按日变，而且按周变、按年变，所以负荷一般是由几部分组成。 通常将负荷表示成四种分量之和，即正常分量、气候敏感分量、特别事件负荷 分量和随机负荷分量。 1 2 1 3 l 1 正常分量 正常分量是指负荷变化有规律并排除天气影响的分量，具有线性变化和周 期变化的特点。线性变化描述日平均负荷变化规律，而周期变化描述分别以年、 月、周、日、小时为周期的变化规律。 2 气候敏感分量 天气敏感负荷分量是指天气变化对系统负荷造成的影响。如温度、湿度、 风力、阴晴等。不同天气因素影响负荷的方式不同，一年中不同时期天气因素 影响负荷的方式也不同，这就形成负荷季节性周期变化的规律。 3 特别事件负荷分量 异常或特殊事件负荷分量使负荷明显偏离典型负荷特性，如政治事件、系 统故障、特别电视节目等。由于这类事件的随机性，需要由调度人员参与判断。 在各种负荷预测模型中这部分分量往往通过人工修正得以改进。 4 随机负荷分量 随机负荷分量是负荷中的不可解释成分，可通过负荷预测的模型和算法来 考虑这些随机负荷分量。例如，在时间序列法中，将剩余的残差，即为各时刻 的随机负荷变量，看成是随机时间序列。而在神经网络预测中利用模型良好的 非线性能力，可以很好的考虑到随机负荷因素。 电力负荷同时又是连续的，这是指在负荷曲线上任意相邻两点之间的变化 是连续的，不存在奇点，从电力系统的稳定性要求可以找出负荷的连续性的原 因。 由此看出，系统的总负荷可由式( 2 1 ) 表示： 第2 章负荷特性分析及历史数据处理 y ( t ) = n ( t ) + w ( t ) + s ( t ) + r ( t ) ( 2 - i ) 其中：y ( t ) 代表总负荷；n ( t ) 代表典型负荷分量；w ( t ) 代表天气敏感负荷 分量；s ( t ) 代表特殊事件负荷分量；r ( t ) 代表随机负荷分量【l2 m j 。 概言之，从长时间观察，电力负荷具有周期性的特点，而且负荷变化是连 续的，一般不会出现大的跃变；同时，电力负荷对季节、温度、天气等是敏感 的，不同的季节，不同地的气候以及温度的变化都会对负荷造成明显的影响。 以上均是传统的负荷特点，随着电力市场的深入，电力负荷会有新的特点出现， 这就需要不断补充对新形势下的电力负荷的认识。 2 2 影响电力系统负荷预测的因素 电力系统负荷的变化要受到天气、日期类型等各种因素的影响，在预测过 程中必须考虑到各种影响因素，并且加以综合考虑才能得到较为准确的结果。 2 2 1 温度因素对电力系统的影响 日用电量存在明显的年、季、周变化周期( 以周为周期的变化特性对于短 期负荷影响较大) ，并且与平均气温的相关关系显著。夏季( 6 - _ 8 月) 各月用电 量与平均气温呈显著正相关；冬季各月用电量与平均气温为负相关，其中秋、 冬之交的过渡季节1 1 月份用电量对气温的变化特别敏感【1 5 i 刀。 温度是影响负荷的主要因素之一，宏观的体现在负荷的季节性变动，微观 的则具体体现在相邻几日内温度变动时，相应的负荷也出现相应的变化。 当前很多负荷预测模型都将温度作为负荷影响因素之一考虑到负荷预测模 型中，而且通过验证都是考虑了温度影响的模型的预测效果较好，如文献 1 8 。 一般温度与当天的负荷有着直接关系，不会影响第二天的负荷，所以一般都将 温度作为负荷模型的一个重要因素。在对历史数据的分析中，发现温度对负荷 的影响通常若当天的温度较前一天有较大差异的话，负荷便会随之出现较大的 波动，特别是对当日峰值负荷的影响较大。 温度影响的另一体现在季节不同，负荷的特性也不同，温度对负荷的影响 效应也不同。例如，所选历史数据地区从温度对负荷的影响作用来看，一般而 言，夏季的负荷随温度的升高而增大，而在冬季，是随着温度的降低，负荷则 东北电力大学硕士学位论文 会升高。 所以在负荷预测建立模型的过程中，对于温度因素的处理，将成为一个重 要部分。在已有的处理方式中一般都将温度作为一个重要因素，适当的处理才 能得到较高的预测精度【1 9 2 1 捌。 2 2 2 日期因素对电力系统的影响 根据对影响负荷的因素分析可知负荷是按大周期嵌套小周期的规律变化 的。决定日负荷曲线形状最重要因素是日期，周末以及节假日的负荷预测容易 出现较大的误差，一般情况下，工作日和周末的负荷特点相差比较大，日期的 基本分类是将其分成工作日( w d ) 和周末( w e ) 两部分。周末还可以根据一个国家、 地区的社会习惯、工作模式进一步划分 9 1 1 2 3 1 。因此要根据实际情况选取合适的历 史数据作为样本空间中的数据，根据日期的影响来选取日期。 1 样本日期差 即每一个样本日与预测日之间相距的天数，显然，不考虑其它因素，越接 近预测日的样本日与预测日的负荷特性也越接近。 2 星期类型 这是考虑到周一到周日可能会有不同的负荷特性，一般情况下，如果不考 虑其它因素，星期类型相同的两天的负荷特性最接近( 例如，同是周一) ，周一 到周五( 工作日) 与周六周日( 双休日) 的负荷特性是有区别的。 3 日分类 由于正常日和节假日具有不同的特点，所以负荷特性也是不同的。周一到 周五正常工作日与节假日的电力负荷不同，而且一般正常休息日与各种节假日 的电力负荷也是不同的。 2 2 3 特殊日期、特殊事件的影响 一般算法在对日期类型的考虑中，一般都是分为工作日和周六、日来区分， 但在实际生活中还有特殊日期、特殊事件对电力系统负荷的影响。 国家法定节假日( 元旦、春节、五一和国庆) 期间的负荷与平时的负荷相比， 由于工业负荷减少，负荷主要是居民用电负荷、服务行业用电负荷和不能停产 第2 章负荷特性分析及历史数据处理 的工业负荷，这部分负荷的组成与工作日和正常休息日的特点有很大差别，为 保证节假日的正常供电，要对这些法定假日的负荷量做出处理。 由于公历与农历的差别，与其他节假日不同，春节在每年的时间不固定， 因此对于春节对于负荷的影响也是不固定的。 一些重大的社会活动( 如某地区开运动会) 或其他因素( 如0 8 年南方特大 雪灾) 也会对电力负荷造成一定的影响，其需求也不同于正常工作日、正常休 息日和特殊节假日。 在实际生活中，这些特殊日期、特殊节假日和特殊事件往往又会和一般工 作日或正常休息日相重叠( 如某年元旦正巧为周- - ) ，或者在预测某日负荷的样 本空间中包括特殊日期和特殊事件，由于这些日期会对该地区的电量负荷起到 一定的影响作用，所以负荷量就不同于一般工作日或正常休息日，在预测过程 中，如果对这些日期不加以考虑的话，则可能会影响到预测的精确度。 此外，影响负荷特性的主要因素还有：经济发展水平和经济结构调整的影 响，收和生活水平提高及消费观念变化的影响，电力消费结构变化的影响，电 价的影响，需求管理措施的影响，电力供应的影响等多种因素。 2 3 历史数据处理 任何的负荷预测模型都是以历史数据为依据，通过分析过去的情况来预测 将来的负荷变化，因此，原始数据的正确与否直接决定预测结果的精度。但在 历史负荷序列中，由于一些非正常因素的影响，负荷会在某一时刻产生不同于 以往运行方式的负荷点，在出现非正常负荷点的情况下，负荷序列的规律性被 破坏，负荷曲线的相似性降低，则负荷的可预测性被破坏了，甚至还存在伪数 据，从而给预测结果带来一定的误差。因此，数据的预处理就成为了负荷预测 系统的一个重要组成部分。数据预处理就是在利用数据之前，先对数据进行加 工，去除不规则数据和填补缺失数据，消除不良数据或坏数据的影响。进一步 的数据预处理还可以减少输入向量容量，以避免由于样本容量增加和数据的不 规范而引起的问题复杂性的指数级增长。 1 伪数据的处理 学习样本由于各种原因会存在一定数量的异常数据。如果学习样本本身带 东北电力大学硕士学位论文 有误差和干扰，对于预测将造成不能收敛到理想误差或者误差较大等负面影响。 为了避免这些负面影响，可采用如下几种方法： ( 1 ) 负荷具有2 4 小时的周期性，比如：前后几天中1 0 点的负荷应维持在定 的范围，如果超出范围就叫以视为不良数据。 ( 2 ) 采用数据横向对比方法消除由于采样错误带来的负荷毛刺。方法是将某 时刻的负荷与其前后时刻的负荷比较，如果差值大于某阂值，认为是毛刺干扰。 2 缺损数据的处理。 如果某天的数据出现大量的伪数据或者根本没有数据，这天就可以被视为 数据缺损。缺损的数据可以用前后几天的正常数据进行修补，修补的时候应该 注意采用同种日期类型的数据，即工作日的数据用工作日的数据进行修补，节 假日的数据用周末的数据进行修补。 3 待选相似日的范围。 因为随着时间的推移，系统负荷结构会发生缓慢的变化，当已知日和预测 日相隔较远的时候，即使它们的天气情况等因素很相似，预测精度也不会高， 因而取前3 个星期的已知日作为待选范围，同时还可以缩短程序选取样本所花 费的时间1 2 引。 第3 章模糊逻辑与人丁神经网络的基本理论 第3 章模糊逻辑与人工神经网络的基本理论 3 1 模糊逻辑系统 3 1 1 模糊逻辑概述 模糊集合论的概念：客观事物的差异在中介过渡时所呈现的亦此亦彼的现 象称为模糊性，它体现了事物变化的连续过程。模糊集合论使用隶属度来描述 中介过渡、是以精确的数学语言对模糊性的一种表述。 模糊逻辑是一种将某一空间的输入映射到另一空间的一种规则，这种映射 关系是模糊逻辑一切其他应用的基础和起点。模糊逻辑重点强调应用的简单和 方便，这也是模糊逻辑被广泛应用的原因。模糊推理本质上就是将一个给定输 入空间通过模糊逻辑的方法映射到一个特定的输出空间的计算过程。模糊推理 系统是一个较为广泛的概念，针对不同特点，它又包括模糊规则系统、模糊专 家系统、模糊建模、模糊逻辑控制器、简易模糊系统等具体的工程应用。 假设论域u 为非空有限集，a = cu d 为属性的非空有限集合，其中c 、d 分别为条件和决策属性集。u x a y 为信息函数，它为每个对象的每个属性 赋予一个信息值。 定义1v ae a ，对于伍别u x u , 存在 x r yl 纸a ) = f l y , 酬，则称x 、y 为关 于r 的等价关系或不可分辨关系。等价关系r 把集合u 划分为多个互不相交的 子集，每一子集称为一个等价类，用u r 来表示。 定义2 对于知识表示系统s = 似4 ) ，u r 为定义在u 上的等价关系，则 上近似集r 。仁p = u 厂1 7 己缎iy f 门彳多， 下近似集r = u r i 凇iy i 习 b n r ( x ) = r ( x ) 一r ( x ) 为集合x 的边界域即论域的不确定域，如果边界区b n r 为空，则称x 关于r 是清晰的，反之是粗糙的。p o s r ( x ) = r f 绚为x 的尺正域， n e g r ( x ) = u - r 为x 的r 负域。 东北电力大学硕七学位论文 从形式上看，上近似就是正域和边界域的并集，集合的不确定性是因边界 域的存在而引起，边界域越大，其精确性越低。 属性约简是粗糙集理论的核心内容之一。知识库中的属性并不同等重要， 即在保持知识库分类能力不变的条件下删除其中不相关或不重要的属性。即对 于弘，么，c ，d ，_ 7 9 决策表，删除或合并相同规则，删除多余条件属性；化 简每个决策规则中的属性值。若口c ，正域p o s c ( d ) = p o s c 4 口l ( d ) ，称口在c 中相 对于d 可省去，否则是必需的，若b c ，且b 相对于d 无关有p o s c ( d ) = p o s s ( d ) ， 则b 是c 相对于d 的简化。c 中所有相对于d 必需的属性集合称为属性集c 相 对d 的核，即c o r e d ( c = ) = 出a p o s c ( o ) = p o s c 4 a j ( d ) 或c o r e d ( c ) = d r e d d ( c ) ，r e d o ( c ) 是c 的所有d 简化构成的族口5 2 6 。 3 1 2 模糊逻辑特点 相对于精确逻辑，模糊逻辑在工程应用上还具有如下特点： 1 模糊逻辑是柔性的，对于给定的系统，很容易处理以及直接增加新的功 能，而不需要从头做起。 2 模糊逻辑是针对数据的不精确性所提出的一种方法，建立在人类交流的 自然语言基础之上，系统的数据主要来自语言描述的知识，对数据的精确性要 求不高，而不确定性是语言信息的一个重要特点。 3 相比于神经网络，模糊逻辑建立在专家知识基础上，对相关系统己经熟 悉，能够充分利用现有的专家信息。 4 模糊逻辑易与传统的预测技术相结合，模糊系统不需要替代传统的预测 方法，在很多情况下，只是在原有的预测方法上作简单的修改。 模糊逻辑是一种将输入空间映射到输出空间的有效方法，它在快速有效处 理不精确或非线性问题时是非常好的工具。模糊逻辑的这些特点，正好适用于 日电力负荷预测【1 2 】。 模糊集理论为人类提供了能充分利用语言信息和数据信息的有效工具，语言 信息通常呈现经验性、模糊性，其原因大致有三个： 1 人们发现用模糊术语交流和表达知识既方便又有效； 2 人们对许多问题的认识在本质上模糊的： 第3 章模糊逻辑与人工神经网络的基本理论 3 许多实际的应用系统经常很难用准确的术语来进行描述。 这种描述系统的语言信息未必十分准确，但却提供了系统的重要信息，有时 甚至是了解系统的唯一的重要的信息来源。因此，我们很有必要利用这些模糊 信息。模糊集合理论提供了系统的、以语言表示这类信息的计算工具，通过使 用由隶属函数表示的语言变量，它可以进行数学计算。 模糊理论的优越性主要体现在快速的训练，不需要了解就可以构造模型和 使用专家的规则，很适于处理电力系统中许多不精确的、模糊的气象及节假日 因素，用隶属函数可比较明确的描述专家的意图，这些特点正是我们在进行短期 负荷预测所需要的或是其它方法所欠缺的优势所在。模糊信息处理方法善于模 拟人的经验处理一些不确定信息。把“模糊语言变量”引入预测系统，达到了 “语言变量 与“数字变量的统一，使专家经验得到充分的利用，得到最终 的负荷预测值【z 7 1 。 3 1 3 模糊逻辑模型 所谓模糊预测方法，是模拟专家的推理和判断方式，并不需要建立精确的 数学模型。模糊规则的生成、影响因素的选取和隶属度的确定均采用正交最小 二乘法从历史负荷数据中直接获取，能克服模糊推理系统中知识获取的瓶颈现 象，从而有效地解决了影响因素的选取和各因素权重确定的问题，使得模型的 复杂程度大为降低。模糊逻辑模型中常用的算法有： 1 表格查寻学习算法 表格法是一种相对简单明了的算法。这个方法的基本思想是将输入输出空 间进行模糊划分后，对每一组输入