电力系统短期负荷预测毕业设计.doc

电力系统短期负荷预测毕业设计1 。导言 为电力负荷预测制定一个精确的模型对一个公用事业公司的运作和规划是必不可少的。负荷预测也可帮助电力事业来作出重大的决定，包括关于购买和发电，负荷开关，及基础设施的发展。负荷预测对能源供应国，国际团结，金融机构，和其他与会者，在发电，输电，配电，和市场都是非常重要的。负荷预测可分为三类：短期预测，这通常是由一小时到一周，中期预测，这通常是一个星期到一年，而长期预测是长于一年。对于公用事业公司来说，预测不同的时间跨度对于不同的业务是重要的，当然这些预测的本质也一样是不同的。例如，对于一个特定区域，我们可以预测第二天的负荷，准确性可达到1-3。但是，我们无法预测下一年度的高峰负荷，因为准确的长期天气预报到目前为止还是不可行的。对于明年的高峰预测，我们可以根据历史上的气象观测来提供大概的负荷分布。也有可以根据业界惯例，预测所谓天气正常化负荷，它将代替平均每年最高的气候条件或者比这个给定地区平均最高的天气条件差一些。 天气正常化负荷是对所谓的正常天气条件实施负荷计算，它是一定的时间内，历史高峰负荷的平均值。这一时期从一个有用的点到另一个，多数公司采取过去25-30年的数据。负荷预报对公用事业公司的运作和规划一直是重要的。甚至，由于能源工业的不合理规划，负荷预测变得更加重要.随着供应和需求的波动变化和能源价格上升的因素，在十年或以上，在繁忙情况，负荷预测是制定水电费非常重要的依据。短期负荷预测方法可以帮助估计负荷流动，并作出决定，可以防止超载。及时实施这样的决定可以改善网络的可靠性，并减少发生设备故障和停电的次数。负荷预测也是一个重要的比较评价标准，为市场上提供的各种先进的金融产品在能源方面的价格提供一个标准。在放松管制的经济下，基于长期预测的资本性支出的决定，比在那个加息有可能由资本开支项目决定的非开放的经济体系更加重要。大多数预测方法利用统计技术或人工智能算法，如回归，神经网络，模糊逻辑和专家系统。大致可分为两种方法，即所谓的最终用途法和计量经济学法，都已广泛用于中期和长期预测。在这些方法中包括所谓的同类天法，就像回归模型，时间序列，神经网络，统计学习算法，模糊逻辑，专家系统一样已被短期预报而开发。正如我们所见，大量的数学方法和思路已用于负荷预测。发展和改善适当的数学工具，将促使开发更准确的负荷预测技术。负荷预测的精度不仅取决于负荷预测技术，而且取决于预测天气的情况。气象预报是一个重要话题，也是外界对本章议论的内容。 这里我们只是提了在发展计算机化的气象预报系统中的重大进展，其中包括由大学开发和支持的中尺度模式MM5。2 重要因素预测短期负荷预测的几个因素应予以考虑，例如时间因素，气象数据，并尽可能了解客户等级。中期和长期预测应顾及历史负荷和天气数据，在家电领域不同类别的用户数目及其特点，包括年龄，经济和人口统计数据，以及他们的预测，家电销售数据，和其他因素都要予以考虑。时间因素，包括这一年里，一周的某一天，某一小时。在平日和周末，负荷之间有重大差别。平时的负载也可以有所不同。举例来说吧，在星期一和星期五，被周末隔开的两天，负荷是不同的。而且由周二到周四也可能有很大的不同。在今年夏天的时候尤为如此。假期比非假期更难预测，因为他们相对显得不规则。 气象条件影响负荷。事实上，预测天气的参数是最重要的，在短期负荷预测.各种天气变数应考虑进来。温度和湿度是最常用的负荷预测因子。一个电力负荷预测调查表示，13个利用温度，而只有3个利用了温度和湿度，3个利用额外的气象参数， 3个只用于负荷.在以上列举的天气变数中，两种复合天气变函数， thi （温度，湿度指数） 和wci （风寒冷指数） ，已广泛用于公用事业公司。 thi是衡量酷暑的热度，而相反wci是衡量冬季冷度。 大部分电力客户提供服务的类型不同，如住宅，商业及工业生产等对不同类别的客户，电力的使用模式不同，对同一个阶层的客户是一样。因此，大部分公用事业按阶级基础区分负荷是否为一类。3 。预测方法在过去的几十年中，一些预报方法已经开发出来。有两个方法，即所谓的最终用途法和计量经济学法，它们都已广泛用于中期和长期预测，而且采取了多种方式，其中包括所谓的同类天法，像各回归模型，时间序列，神经网络，专家系统，模糊逻辑，统计学习算法都是用于短期预测的。开发，改进，并深入调查适当的数学工具，将促使发展更准确的负荷预测技术.统计办法通常需要一个数学模型来表示。负荷由于功能不同的因素，如时间，天气，以及顾客阶层。共有两个重要的类别，如数学模型，分别是：加模型和乘法模型。他们对是否为负荷总和（添加剂）的一些组件或产品（乘）的若干因素各有不同的预测. 例如， Chen等。介绍了一种添加剂的模式，采取的形式为预测负荷作为函数的四个组成部分： L = Ln + Lw + Ls + Lr,其中L是总负荷， LN代表正常的一部分负荷，这是一套标准化的负荷形状来衡量每一个型，已被确定为发生在整个一年中任一天，Ls代表着天气敏感的部分负载， LS是一项特别活动的组成部分，创造偏离了正常负荷的可观模式，及LR ，是一个随机参数.chen等人。还建议电价可以作为一项额外的方法列入这种模式。当然，价格跌幅/增加影响用电。大成本敏感的工业和体制荷载能对负荷有重大影响。这项研究 4 用宾夕法尼亚-新泽西-马里兰（ pjm ）现货价格数据（因为它与安大略水电负荷） ，作为神经网络的输入。作者报告说，准确的估算的取得收益于价格数据.乘法模型，可采取这种形式L = Ln Fw Fs Fr,LN是正常的（基本）的负荷，FW，Fs是校正因子，Fr是一个确定的常数可以增加或减少总的负荷。这些更正是基于当前的天气（Fw），特殊事件（Fs），以及随机波动（Fr）。像电价（Fp）和负荷增长（Fg）这些因素也可以被包括在内。拉赫曼介绍了一种用乘法模型基于理论的预测方法。天气变化和基本负荷与恶劣天气的测量将包括在此模型中。3.1中期和长期负荷预测方法最终建模法，经济计量模型法，以及他们的组合在中期和长期负荷预测中是最常用的。电器用户使用的房子大小，新装备的年龄，新技术的变化，客户行为，种群动态，通常包括在统计和模拟模型中，它是基于所谓的最终用途法。此外，经济因素，如人均收入，就业水平， 和电价是包括在计量经济模型中的。这些模型经常结合最终建模法。长期预测包括人口变化，经济发展，产业建设，科技的发展的预测。最终使用法，直接估计能源消耗，利用从最终用途和最终用户得到的广泛的信息，如家电，顾客使用，年龄，房子的大小等等.客户的统计信息，随着动态变化是预测的基础.最终利用模式侧重于电力在住宅，商业和工业部门的各种用途。这些模式是根据以下原则，即电力需求的增长是基于顾客对光，制冷，制热，制冷等的需求。从而最终使用的模式解释对能源的需求时，将其作为一个电器在市场上数目的函数。理想的说，这种做法是十分正确的。但是，它对最终用途数据数量和质量是非常敏感的。举例来说吧，在此方法中的分布设备年龄对特定类型的设备是很重要的。最终用途预测需要较少的历史数据，但需要很多有关客户和装备的信息。计量经济模型。计量经济学的方法将经济学理论和统计技术结合起来预测电力需求。该办法估计能源消耗（依变数）和影响消费的因素之间的关系。这种关系由最小二乘法或时间序列方法来估计。在这个框架内，其中一种选择是集料的计量方式，在不同的部门（住宅，商业，工业等）消费时，将作为一个天气，经济和其他变量函数的计算公式，然后用最近的历史数据来估计。一体化的经济计量方法纳入最终使用的方法把行为组件和终端使用方程等价起来。统计模型为基础的学习。最终用途和电子方法，需要大量家电，顾客，经济学等的相关资料，其应用比较复杂，需要人的参与。此外，这类信息往往是不符合有关的特定客户及公用事业，并保持和支持平均客户或对不同类型的客户采取平均的做法。如果公用事业要进行下一期的预测并分领域，问题就出现了，它通常被称为负载的口袋。在这种情况下， 大量的工作将随着人数负荷的口袋增加而增加比例。此外，对不同负载的口袋最终使用概况和计量数据通常是不同的。对特定领域，与公用事业的平均特点可能有所不同，所以未必有用。为了简化中期预测，使之更加准确，并避免使用没用的资料，feinberg等人制定了一个统计模型，从历史数据汲取负荷模型的方法。feinberg等人，研究了由在美国东北部的公用事业公司提供的负载数据集。研究的重点是夏季数据。我们几个比较负荷模型，并得出结论，认为下列乘法模型是最准确的。L(t) = F(d(t), h(t) f(w(t) + R(t),其中L（t）是实际负荷，d(t)是一周的某一天，h(t)是一天的某个小时，F(d, h)是每天和每小时的组成部分，w(t)的天气资料，包括温度和湿度，f(w)是气象因素，与r（t）是一个随机变量.i事实上，w(t)是一个向量由当前和滞后天气许多变数构成。这反映出一个事实，就是电力负荷不仅取决于目前的天气状况，而且还取决于在过去几小时或几天的天气。特别的，著名的效应即所谓热浪说，在天气炎热时使用冷气机，持续数天来估计气象因子f(w)时，我们采用了回归模型f(w) = 0 +_jXj ,XJ是目前和以往的气象参数非线性功能的解释性变量，0，j是回归系数.模型参数可以反复被计算出。我们用F =1开始。然后，我们使用上述回归模型来估计f，然后，我们估计F等等.描述算法表现出历史每小时的负荷和天气数据的快速收敛。我们已应用到许多领域，用户在5万和25万之间。图12.1给出的一个例子，一个散步图谋，比较模型与实际参数。图12.2显示了实际负荷和模型迭代过程的收敛的相关性。图12.3显示了收敛的线性回归程序算法。图12.1 。散布图的实际负荷与示范。 软件，即采用描述的方法，知道了该模型的参数，并基于过去25-30年的数据提出未来一年的预测模型。虽然历史负荷可能没用，该软件适用于过去一年模式，以历史气象资料来估计明年的峰值分布。图12.2 。相关关系，实际负荷和示范。图12.3 。收敛的R2对实际负荷与示范。 该软件生成的几个重要特点。举例来说，对于每个负荷包和系统，它计算出天气正常化的因素，是一个高峰负荷向将在平均峰值条件观察的负荷的比例。它还为下一年的高峰产生概率分布。描述的方法可以应用到中期和长期预测。然而，长期预测应纳入经济和人口动态预测，作为输入参数。3.2短期负荷预测方法 对于短期负荷预测大量统计和人工智能技术已经开发出来。类似天的方法。这种方法是基于寻找在一，二，或三年与所预测的一天具有类似特点的历史资料。相似的特点，包括天气，一周中的某一天。负载类似的一天被认为是一个预测。而不是一个单一的同类日负荷，预测可以是一个线性组合或回归程序，也可以包括几个类似的疗程趋势系数，可用于在过去几年的类似的日子。4 未来的研究方向在这一章中我们已经讨论过几个统计与人工智能技术已经开发出来用于短期，中期和长期电力负荷预测。几个统计模型和算法虽然已被开发，但经营专案。如果有人研究这些统计模型并发展数学理论，以至于能解释这些算法，预测的准确性就可以得到改进。研究人员也应调查适用于发达的模型和算法的范围。至目前为止，没有一个单一的模式或算法是优于一切事业的，原因是公用事业的服务范围随着不同的混合的工业，商业和住宅用户而变化。他们也各有不同的地理，气候，经济，社会等方面的特点。为了能选择最合适的算法，公用事业部门可以去测试算法实时数据。事实上，一些公用事业公司都使用几种负荷预测方法。据我们所知，没有一个众所周知的先验条件，可以侦测可预测的方法更适合于某一特定的负荷区的。一个重要的问题，是调查负荷预测算法和模式对顾客人数，地区的特点，能源价格，和其他因素的敏感性.如上所述，天气是一个影响负载的重要因素。通常的做法是短期负荷预测的用途将预测天气的情况作为输入。不过，在气象预报中最重要的是最近的事态发展，就是所谓合奏的方式，它由多运算的预测组成。那么概率度量衡可以分配到这些预测中。单一的天气预报可由多投入负荷预测来代替，并作为其输出。这些投入产生多种负荷预测。在最近的论文中，作者描述合奏负荷预测，根据天气预报乐队和各种统计预报方法。有负荷预测有两个好处：用概率的形式：（一）能不能达到一个更准确的预测，每小时所得采用多种自由组合，例如，将他们平均;（二）用概率描述未来的负荷，可作为一项投入，决策支持系统作出采购和交换的决定。总的来说，这是众所周知的。从适当的数学模型，即知识的需求分布来产生比知识预期的需求更多的成本效益。在更广泛的规模，我们认为，重要的研究和发展方向是： （一）结合天气和负荷预测及（二）将负荷预测包含到各种决策支持系统中。5 。结论准确的负荷预测对在充满竞争的环境中所造成的电力行业不正常是非常重要的。本文我们回顾一些统计和人工智能技术，都是用于电力负荷预测的。我们还讨论了影响预测的准确性的因素，如气象资料，时间因素，顾客等级，以及经济和终端使用的因素。负荷预测方法，利用先进的数学模型。在电力负荷预测及其在工业应用中可以通过提供短期负荷预测，在概率分布的形式下，而不是预测的号码来实现并取得更多进展;举例说那些所谓合奏的方式都可以使用。我们相信，这方面的工作进展，在电力负荷预测将实现两个方向： （一）基础研究统计与人工智能及（二）更好地以实施适当的模式了解有关负荷动力学及其统计特性。 目录 引言21.负荷预测21.1电力系统负荷预测21.2负荷预测的基本过程21.2.1调查和选择历史负荷数据资料31.2.2历史资料的整理31.2.3对负荷数据的预处理31.2.4建立负荷预测模型31.3负荷预测的特点和原理41.3.1负荷预测的特点41.3.2负荷预测的原理41.4 电力负荷预测方法简介51.4.1 经典预测方法51.4.2 现代负荷预测方法61.5 负荷预测的分类72、短期负荷预测72.1短期负荷预测意义82.2短期负荷预测方法回顾82.3短期负荷特性分析132.3.2典型负荷分量的特性142.3.3天气敏感负荷分量的特性172.3.4特别事件负荷分量的特性182.3.5随机负荷分量的特性193、灰色系统理论193.1灰色系统193.2灰色系统的基本特点、基本内容及方法203.2.1灰色系研究的基本内容203.2.2灰色系统基本原理及基本方法213.3灰色系统建模的机理223.4灰色系统五步建模思想223.5灰色预测技术的研究和应用234、系统仿真技术简介284.1模型仿真技术284.2系统开发平台285、算例分析与结论295.1算例分析295.2气候温度突变对负荷预测的影响295.2.1气候温度对负荷预测影响的处理原则295.2.2 气候温度突变条件下的预测值例算305.3结论35参考文献37引言随着国民经济的发展和人民生活水平提高，电力己成为国民经济建设和人民生活中必不可缺少的重要能源，使得负荷预测越来越引起了人们的重视。正确的预测电力负荷，既是为了供应国民经济各部门及人民生活以充足的电力，也是为了编制全国电力规划提供依据。因此，电力负荷预测对于保证电力工业的健康发展，乃至整个国民经济的发展均有着十分重要的意义。负荷预测依其运用领域可分为：运转规划、电源开发及电力系统规划等三种，其不同应用领域所需负荷预测之内容亦不尽相同。因此，负荷预测的模式及其所使用的数学模式与公式，皆随各电力事业不同背景与环境的条件而有相当大的差异。而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，一般而言短期（数小时至数周）负载预测是应用于负载管理、经济调度、发电预定、机组发电以及污染控制等之重要参考依据，短期负荷预测不再仅仅是EMS的关键部分，同时也是制定电力市场交易计划的基础。因此精确的短期负载预测，可以提供电力规划人员评估发电成本及供电可靠度的参考指标，即能避免限电危机以及电力能源的浪费。1.负荷预测1.1电力系统负荷预测电力系统负荷预测包括最大负荷功率、负荷电量及负荷曲线的预测。最大负荷功率预测对于确定电力系统发电设备及输变电设备的容量是非常重要的。为了选择适当的机组类型和合理的电源结构以及确定燃料计划等, 还必须预测负荷及电量。负荷曲线的预测可为研究电力系统的负荷峰值、抽水蓄能电站的容量以及发输电设备的协调运行提供数据支持。1.2负荷预测的基本过程负荷预测工作的关键在于收集大量的历史数据, 建立科学有效的预测模型, 采用有效的算法, 以历史数据为基础, 进行大量试验性研究, 总结经验,不断修正模型和算法, 以真实反映负荷变化的规律。其基本过程如下。1.2.1调查和选择历史负荷数据资料多方面调查收集资料, 包括电力企业内部资料和外部资料,从众多的资料中挑选出有用的一小部分, 即把资料浓缩到最小量。挑选资料时的标准要直接、可靠并且是最新的资料。如果资料的收集和选择得不好, 会直接影响负荷预测的质量。1.2.2历史资料的整理一般来说, 由于预测的质量不会超过所用资料的质量, 所以要对所收集的与负荷有关的统计资料进行审核和必要的加工整理, 以保证资料的质量,从而为保证预测质量打下基础。即要注意资料的完整无缺, 数字准确无误, 反映的都是正常状态下的水平, 资料中没有异常的“分离项”, 还要注意资料的补缺, 并对不可靠的资料加以核实调整。1.2.3对负荷数据的预处理在经过初步整理之后, 还要对所用资料进行数据分析预处理, 即对历史资料中的异常值平稳化以及缺失数据的补遗, 针对异常数据, 主要采用水平处理、垂直处理方法。数据的水平处理即在进行分析数据时, 将前后两个时间的负荷数据作为基准,设定待处理数据的最大变动范围, 当待处理数据超过这个范围, 就视为不良数据, 采用平均值的方法平稳其变化; 数据的垂直处理即在负荷数据预处理时考虑其24 h 的小周期, 即认为不同日期的同一时刻的负荷应该具有相似性, 同时刻的负荷值应维持在一定的范围内, 对于超出范围的不良数据修正为待处理数据的最近几天该时刻的负荷平均值。1.2.4建立负荷预测模型负荷预测模型是统计资料轨迹的概括, 预测模型是多种多样的, 因此, 对于具体资料要选择恰当的预测模型, 这是负荷预测过程中至关重要的一步。当由于模型选择不当而造成预测误差过大时,就需要改换模型, 必要时, 还可同时采用几种数学模型进行运算, 以便对比、选择。在选择适当的预测技术后, 建立负荷预测数学模型, 进行预测工作。由于已掌握的发展变化规律,并不能代表将来的变化规律, 所以要对影响预测对象的新因素进行分析, 对预测模型进行恰当的修正后确定预测值。1.3负荷预测的特点和原理1.3.1负荷预测的特点 由于负荷预测是根据电力负荷的过去推测它的未来数值，所以负荷预测工作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。 不准确性:因为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，因此就决定了预测结果的不准确性或不完全准确。 条件性:各种负荷预测都是在一定的条件下作出的，对于条件而言，又可分为必然条件和假设条件两种。 时间性:各种负荷预测都有一定的时间范围，因为负荷预测属于科学预测的范畴，因此，要求有比较确切的数量概念，往往需要指明预测的时间。 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。1.3.2负荷预测的原理负荷预测是从已知的用电需求出发，考虑政治、经济、气候等相关因素，对未来的用电需求做出的预测。电力系统短期负荷预测是指对电网未来某一天至一周的负荷进行预测。电网负荷由基本负荷、天气敏感负荷和随机负荷组成。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。 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。 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，会使事物发展变化有多种可能性。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。 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。 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。 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。 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，这些系统综合成一个完整的总系统，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，才有高质量的预测，才能为决策者提供最佳的预测方案。1.4 电力负荷预测方法简介电力负荷预测分为经典预测方法和现代预测方法。1.4.1 经典预测方法(1)趋势外推法趋势外推法就是根据负荷的变化趋势对未来负荷情况作出预测。电力负荷虽然具有随机性和不确定性, 但在一定条件下, 仍存在着明显的变化趋势, 例如农业用电, 在气候条件变化较小的冬季, 日用电量相对稳定, 表现为较平稳的变化趋势。这种变化趋势可为线性或非线性、周期性或非周期性等。(2)时间序列法时间序列法是一种最为常见的短期负荷预测方法, 它是针对整个观测序列呈现出的某种随机过程的特性, 去建立和估计产生实际序列的随机过程的模型, 然后用这些模型去进行预测。它利用了电力负荷变动的惯性特征和时间上的延续性, 通过对历史数据时间序列的分析处理, 确定其基本特征和变化规律, 预测未来负荷。时间序列预测方法可分为确定型和随机型两类, 确定型时间序列作为模型残差用于估计预测区间的大小, 随机型时间序列预测模型可以看作一个线性滤波器。根据线性滤波器的特性, 时间序列可划为自回归(ar)、动平均(ma)、自回归动平均(arma)、累计式自回归动平均(arima)、传递函数(tf)几类模型, 其负荷预测过程一般分为模型识别、模型参数估计、模型检验、负荷预测、精度检验预测值修正5个阶段。(3)回归分析法回归分析法是根据负荷过去的历史资料, 建立可以分析的数学模型, 对未来的负荷进行预测。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。1.4.2 现代负荷预测方法20世纪80年代后期,一些基于新兴学科理论的现代预测方法逐渐得到成功应用。其中主要有灰色数学理论、专家系统方法、神经网络理论、模糊预测理论等。(1)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。灰色系统理论把负荷序列通过生成变换,使其变化为有规律的生成数列再建模,用于负荷预测，本文即用了此方法。(2)专家系统方法专家系统方法是对于数据库里存放的过去几年的负荷数据和天气数据等进行细致的分析,汇集有经验的负荷预测人员的知识,提取有关规则。借助专家系统, 负荷预测人员能够识别预测日所属的类型,考虑天气因素对负荷预测的影响, 按照一定的推理进行负荷预测。(3)神经网络理论神经网络理论是利用神经网络的学习功能,让计算机学习包含在历史负荷数据中的映射关系,再利用这种映射关系预测未来负荷。由于该方法具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力,因此有很大的应用市场, 但其缺点是学习收敛速度慢,可能收敛到局部最小点;并且知识表达困难, 难以充分利用调度人员经验中存在的模糊知识。(4)模糊负荷预测模糊负荷预测是近几年比较热门的研究方向。模糊控制是在所采用的控制方法上应用了模糊数学理论,使其进行确定性的工作,对一些无法构造数学模型的被控过程进行有效控制。模糊系统不管其是如何进行计算的,从输入输出的角度讲它是一个非线性函数。模糊系统对于任意一个非线性连续函数,就是找出一类隶属函数,一种推理规则,一个解模糊方法,使得设计出的模糊系统能够任意逼近这个非线性函数。1.5 负荷预测的分类负荷预测根据目的的不同可以分为超短期、短期、中期和长期: 超短期负荷预测是指未来1 h以内的负荷预测, 在安全监视状态下, 需要5 s10 s或1 min5 min 的预测值, 预防性控制和紧急状态处理需要10 min 至1 h 的预测值。短期负荷预测是指日负荷预测和周负荷预测,分别用于安排日调度计划和周调度计划, 包括确定机组起停、水火电协调、联络线交换功率、负荷经济分配、水库调度和设备检修等, 对短期负荷预测, 需充分研究电网负荷变化规律, 分析负荷变化相关因子, 特别是天气因素、日类型等和短期负荷变化的关系。中期负荷预测是指月至年的负荷预测, 主要是确定机组运行方式和设备大修计划等。长期负荷预测是指未来3 a5 a 甚至更长时间段内的负荷预测,主要是电网规划部门根据国民经济的发展和对电力负荷的需求所作的电网改造和扩建工作的远景规划。对中、长期负荷预测, 要特别研究国民经济发展、国家政策等的影响。2、短期负荷预测2.1短期负荷预测意义负荷预测的目的就是提供负荷发展状况及水平，同时确定各供电区、各规划年供用电量、供用电最大负荷和规划地区总的负荷发展水平，确定各规划年用电负荷构成。负荷预测包括两方面的含义：对未来需求量(功率)的预测和未来用电量(能量)的预测。电力需求量的预测决定发电、输电、配电系统新增容量的大小；电能预测决定发电设备的类型(如调峰机组、基荷机组等)。短期负荷预测是随着电力系统EMS的逐步发展而发展起来的，现已经成为EMS必不可少的一部分和为确保电力系统安全经济运行所必需的手段之一。随着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，一般而言短期（数小时至数周）负载预测是应用于负载管理、经济调度、发电预定、机组发电排程以及污染控制等之重要参考依据，短期负荷预测不再仅仅是EMS的关键部分，同时也是制定电力市场交易计划的基础。因此精确的短期负载预测，可以提供电力规划人员评估发电成本及供电可靠度的参考指标，即能避免限电危机以及电力能源的浪费。所以，负载预测的准确性，直接影响系统发电成本及运转可靠度与安全性。电力负荷预测是否准确，也会影响到电力系统计划、规划等管理部门的工作。短期负荷预测是电力系统发电计划的重要组成部分，是调度合理安排电网运行方式、机组启停计划、交换功率计划等的基础，因此负荷预测精度的好坏会直接关系到产业部门的经济利益。负荷预测不足可能会导致用电紧张和系统运行安全性下降，因而由费用高的机组来承担负荷或者从邻近的电网买入价格较高的电能。另一方面，如果估计过量可能导致过多的旋转备用因而增加运行费用，对于长期的负荷预测来说有可能造成设置过多的设备，引起资金积压。另外，负荷预测也有利于计划用电的管理;节煤、节油和降低发电成本;制订合理的电源建设规划;提高电力系统的经济效益和社会效益。2.2短期负荷预测方法回顾短期负荷预测技术经过几十年的发展，人们提出了许多的预测方法。现有的预测方法大体可以分为2类：一类较传统的方法是属于时间序列范畴的，即经典的数学统计方法(其中包括线性外推法、多元线性回归法、时间序列法和状态空间法等,还包括基于混沌时间序列的几种模型，比如，局部线性模型，基于Taylor展开的全局模型，Volterra自适应滤波模型等)，另一类是利用人工智能的，包括专家系统、模糊推理方法和各种人工神经网络模型(其中包括BP网络模型，模糊神经网络模型，RBF网络模型，小波神经网络模型以及各种方法加权组合而成的方法)。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。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yf(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。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。回归分析法回归预测是根据负荷过去的历史资料，建立可以进行数学分析的数学模型。用数理统计中的回归分析方法对变量的观测数据统计分析，从而实现对未来的负荷进行预测。回归模型有一元线性回归、多元线性回归、非线性回归等回归预测模型。其中，线性回归用于中期负荷预测。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。时间序列法时间序列法就是根据负荷的历史资料，设法建立一个数学模型，用这个数学模型一方面来描述电力负荷这个随机变量变化过程的统计规律性；另一方面在该数学模型的基础上再确立负荷预测的数学表达式，对未来的负荷进行预测。时间序列法主要有自回归AR(p)、滑动平均MA(q)和自回归与滑动平均ARMA(p,q)等。这些方法的优点是：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，只适用于负荷变化比较均匀的短期预测的情况。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。分为普通灰色系统模型和最优化灰色模型两种。普通灰色预测模型是一种指数增长模型，当电力负荷严格按指数规律持续增长时，此法有预测精度高、所需样本数据少、计算简便、可检验等优点；缺点是对于具有波动性变化的电力负荷，其预测误差较大，不符合实际需要。而最优化灰色模型可以把有起伏的原始数据序列变换成规律性增强的成指数递增变化的序列，大大提高预测精度和灰色模型法的适用范围。灰色模型法适用于短期负荷预测。灰色预测的优点：要求负荷数据少、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、易于检验。缺点：一是当数据离散程度越大，即数据灰度越大，预测精度越差；二是不太适合于电力系统的长期后推若干年的预测。德尔菲法德尔菲法是根据有专门知识的人的直接经验，对研究的问题进行判断、预测的一种方法，也称专家调查法。德尔菲法具有反馈性、匿名性和统计性的特点。 德尔菲法的优点是：1）可以加快预测速度和节约预测费用；2）可以获得各种不同但有价值的观点和意见；3）适用于长期预测，在历史资料不足或不可预测因素较多尤为适用。缺点是：1） 于分地区的负荷预测则可能不可靠；2）专家的意见有时可能不完整或不切实际。专家系统法专家系统预测法是对数据库里存放的过去几年甚至几十年的，每小时的负荷和天气数据进行分析，从而汇集有经验的负荷预测人员的知识，提取有关规则，按照一定的规则进行负荷预测。实践证明，精确的负荷预测不仅需要高新技术的支撑，同时也需要融合人类自身的经验和智慧。因此，就会需要专家系统这样的技术。专家系统法，是对人类的不可量化的经验进行转化的一种较好的方法。但专家系统分析本身就是一个耗时的过程，并且某些复杂的因素(如天气因素)，即使知道其对负荷的影响，但要准确定量地确定她们对负荷地区的影响也是很难的。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。神经网络法神经网络预测技术，可以模仿人脑做智能化处理，对大量非结构性、非确定性规律具有自适应功能。ANN应用于短期负荷预测比应用于中长期负荷预测更为适宜。因为，短期负荷变化可以认为是一个平稳随机过程。而长期负荷预测可能会因政治、经济等大的转折导致其模型的数学基础的破坏。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。优选组合预测法优选组合有两层含义：一是从几种预测方法得到的结果中选取适当的权重加权平均；二是指在几种预测方法中进行比较，选择拟和度最佳或标准偏差最小的预测模型进行预测。对于组合预测方法也必需注意到，组合预测是在单个预测模型不能完全正确地描述预测量的变化规律时发挥作用。一个能够完全反映实际发展规律的模型进行预测完全可能比用组合预测方法预测效果好。该方法的优点是：优选组合了多种单一预测模型的信息，考虑的影响信息也比较全面，因而能够有效地改善预测效果。缺点是：1） 权重的确定比较困难；2） 不可能将所有在未来起作用的因素全包含在模型中，在一定程度上限制了预测精度的提高。小波分析预测技术小波分析是一种时域-频域分析法，它在时域和频域上同时具有良好的局部化性质，并且能根据信号频率高低自动调节采样的疏密，它容易捕捉和分析微弱信号以及信号、图像的任意细小部分。其优点是：能对不同的频率成分采用逐渐精细的采样步长，从而可以聚集到信号的任意细节，尤其是对奇异信号很敏感，能很好的处理微弱或突变的信号，其目标是将一个信号的信息转化成小波系数，从而能够方便地加以处理、储存、传递、分析或被用于重建原始信号。这些优点决定了小波分析可以有效地应用于负荷预测问题的研究。2.3短期负荷特性分析 负荷预测是根据负荷过去的历史资料，建立恰当的数学模型对未来的负荷进行预测。所以了解负荷的特性对掌握负荷预测本质，提高负荷预测的精度有重要的意义，尤其是对精度要求较高的短期负荷预测。电力系统负荷的变化一方面有其不确定性，如气候的变化、意外事故的发生等造成对电力负荷的随机性干扰。另一方面，在一定条件下，电力负荷按一定趋势有规律地发展变化。因此，在进行电力系统的短期负荷预测时，针对负荷变化的这些特点，既要充分分析、掌握并利用其规律性，又要兼顾各种因素的影响。本论文考虑了影响短期负荷预测的各种因素，将短期负荷特性分成4部分分别进行分析。2.3.1短期负荷特性概述 长期以来，通过对大量历史数据的分析，可以发现影响负荷变化的因素有:负荷构成、负荷随时间的变化规律、气象变化的影响及负荷的随机波动。所以，在本论文将任一时刻的负荷假设为以下4种成分的组合，针对每种成分的特性分别进行分析，然后在预测模型中分别考虑各种成分如何处理。典型负荷分量 典型负荷分量也称为正常负荷，它与气象无关，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，而周期变化描述以24小时为周期的变化规律。典型负荷的不同主要是由于各地负荷组成方式的不同所引起。负荷组成的差异性主要体现在两个方面:一是负荷种类，二是各种负荷成分所占比重。不同组成的负荷在这两方面的差异决定了它们的负荷特性及对影响因素的响应特性互不相同。究其原因，不同的组成成份对各种影响因素的灵敏度不同，表现出不同的响应特性。可见，负荷的具体组成对负荷特性具有根本性和决定性的影响。天气敏感负荷分量天气敏感负荷分量与一系列天气因素有关，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。异常或特殊事件负荷分量 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、限电、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。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。 由此可以看出，系统的总负荷可由下式(2-1)表达: Y(t)-N(t)+W(t)+S(t)+r(t) (2-1) 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。2.3.2典型负荷分量的特性 典型负荷分量主要是由预测对象的负荷组成决定，其最大的特点就是负荷的周期性变化规律。在不考虑其她负荷分量的情况下，负荷的规律性体现的尤其明显，分为负荷的日周期性、周周期性、年周期性及节假日特性。 负荷的日周期性 负荷的日周期性是指以一天二十四小时为周期的负荷变化所体现出的规律性。图2.1给出某市两天工作日24点的负荷曲线，不难看出负荷的日循环变化规律。 图2.1 某市两天工作日负荷曲线在实际系统中，通常根据负荷变化规律的不同将每日内的负荷分为峰荷、谷荷、腰荷三个时段的负荷。从本质上说，在这三个时段负荷的组成是不同的，因此，它们的变化规律不同。在低谷期间，对应的时间是在夜间，在这个时间段中，大多数人都处于休息的状态，负荷组成主要是那些必须运行的不间断的负荷，它们长期运行，组成了负荷的基础部分，是一天负荷的较低部分:在峰荷期间，对应的时间是在白天，人们的活动较多，负荷的种类也体现出多样性，作为总体负荷其幅值变化也明显高于其它时段的负荷:而在腰荷期间，负荷变化处于过渡过程中，负荷的组成正发生变化，而且它的持续时间也相对比较长，因此这个阶段的负荷处于一种上升状态或处于一种下降状态。图2.2给出典型日负荷曲线，即一天24小时24点的负荷值。从图2.2中不难看出日负荷曲线具有明显得趋势变化。 图2.2，某市典型日负荷曲线 负荷的周周期性 负荷的周周期性是指以七天为一周期的负荷变化中体现出来的规律性。图2.3给出某市连续两周的负荷曲线，不难看出每周的负荷都具有类似的变化规律。 图2.3某市连续两周的负荷曲线一到周五的工作日日期类型的负荷变化特点:另一类是周六和周日的周末日期类型的负荷变化特点。工作日负荷与周末日负荷的变化规律，除了具有相似的日负荷变化趋势，还具有不同之处。究其原因，这主要是因为负荷组成和人们的生活规律决定。在工作日期间，负荷的主要组成为工业负荷。这些工业负荷在工作日期间通常处于稳定的运转之中，因此工作日的负荷变化具有相似性:而在周末期间，工业负荷所占比重大幅度下降，居民生活和服务性的行业用电所占比重明显上升，因此周末日负荷具有不同之处。一般来说，周末类型负荷明显较工作日类型负荷低。负荷的节假日特性 节假日负荷除了具有日负荷变化趋势外，它与周末日负荷变化又有所不同。图2.4给出郑州市五一期间两周的负荷曲线，从中不难