电力负荷预测

《电力负荷预测》由会员分享，可在线阅读，更多相关《电力负荷预测（21页珍藏版）》请在装配图网上搜索。

1、中国农业大学毕业设计（论文）电力负荷的预测学院（系）：专业班级：学生姓名：指导教师：学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包括任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。作者签名： 年 月 日学位论文版权使用授权书本学位论文作者完全了解学校有关保障、使用学位论文的规定，同意学校保留并向有关学位论文管理部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权省级优秀学士论文评选机构将本学位论文的全部或部分内容编入有关数据进行检索，可以采用影印、缩印

2、或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密囗，在 年解密后适用本授权书2、不保密囗 。（请在以上相应方框内打“”）作者签名： 年 月 日导师签名： 年 月 日摘要电力负荷预测是电力系统调度、用电、规划等管理部门的重要工作。短期电力负荷预测圭要用来预报未来几小时，一天至几天的电力负荷，它是能量管理系统的重要组成部分，在现代电力系统的安全和经济运行中起着重要作用。随着电力企业逐渐走向市场，对短期负荷预测提出了更高的精度要求。由于电力负荷受政治、气候、以及电力负荷自身状况等多种因素的影响，因此负荷预测是一项十分复杂的工作。本文首先分析了电力系统负荷的构成，阐述了国内外短期电力负荷预

3、测的基本方法，并在此基础上对近一年来的负荷数据进行统计分析，重点介绍了数据预处理的方法、相似目的选取和灰色模型在短期电力负荷预测中的应用。关键词：短期负荷预测 精度 系统设计AbstractElectrical load forecasting has important function in programming anddispatching department of power systemShortterm load forecasting,which major function is to forecast future power load several hours or

4、several days 1ater,is themain part of the energy management system(EMS)Meanwhile，It is important to the security and economical operation in modem power systemsGone with the powerPlant walking towards to the power market，load forecasting precision standard hasbecome more and more strict Because powe

5、r load is influenced by multiple factors，such as politics，climate， self-status of the power load and so on,short-term load forecasting is a complexemploymentFirstly，this paper analyses constitutes of the electrical load，and thenintroduces the basic method for shortterm load forecasting at home and a

6、broadOnthe basis of these theories，this analyses load data in nearly one year,and then make emphasesOn the method of processing the history load data ，the selection of the similar day and the applying of the gray model in short-term load forecasting.At last,this paper shows the designing procedure o

7、f the power short-term load forecasting system and then proved the validity of the gray model method.Key words： short-term load forecasting precision system design 目录第一章 绪论1.1 研究的背景和意义1.1.1 课题背景随着工农业的发展、人民生活水平的日益提高，社会对电力的需求量越来越大。为了满足日益增大的电力需求量，必须不断扩大电力系统的规模。由于电力工业的发展需要巨大的投资和一次能源，而且对国民经济其它部门有巨大的影响，合理

8、的电力系统规划不仅可以获得巨大的经济效益，也能获得巨大的社会效益。相反，电力系统规划的失误会给国家建设带来不可弥补的损失。所以对电力规划进行分析研究，以求得最大限度提高规划质量，具有重大的意义，而实现这一目标的第一步就是作好电力负荷预测。电力负荷预测的准确程度直接影响到投资、网络布局和运行的合理性。 短期负荷预测是负荷预测的重要组成部分，它主要用于预报未来几小时、一天至几天的电力负荷，对于调度安排开停机计划、机组最优组合、最优潮流、电力市场交易有着重要的意义。电力负荷的变化一方面有其不确定性，明显受到各种环境因素的影响：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，这使得负荷时间序

9、列的变化出现非平稳的随机过程；另一方面，在一定条件下电力负荷存在着明显的变化趋势，具有明显的周期性，一旦找到了负荷的变化趋势，按照该变化趋势就能对未来负荷情况作出判断，这就是趋势外推预测技术。负荷预测特征及意义负荷预测就是在考虑些重要因素(如系统运行特性、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和未来负荷的数学方法，在满足一定精度的前提下，研究某未来特定时刻的负荷数值。负荷预测在经历了开始、应用和发展各阶段直到今天，形成了现代负荷预测的分析思路、预测方法和技术等较为成熟的负荷预测经验和现代化的负荷预测发展方向，形成了现代负荷预测的特征。它具有如下几个明显的特征：1预

10、测定量化当前的电力行业面对“短、频、快”的信息时代，对未来的负荷预测要求有确切的数量和时间的概念。另外，定量化的负荷预测越来越借助于数据方法，这是信息时代决定的准确量化的要求。2面向数据分析随着信息时代的到来，数据通信和采集手段的现代化，使得负荷信息量增多；同时，数学模型首先要求初始的信息数据必须正确，这使得必须首先对历史数据的可靠性和正确性进行必要的分析和处理，然后再进行使用。3定量与定性预测结合由于电力负荷预测的复杂性，当预测结果与实际情况接近时，定量预测可以有良好的效果；当预测结果与实际差别较大而所用的模型方法又不准确时，就必须对负荷预测做定性分析。4动态特征动态特征指的是预测的短期化、

11、经常化和模型自适应化。预测期越短，精度越高，越有利于模型的动态特征。模型的动态特征可以不断吸收新的信息数据，及时发现预测方法或模型的不足之处并加以调整。电力负荷预测按预测时间的长短，可以分为四类：超短期负荷预测。主要对未来1h，未来O5h甚至未来10m洒的负荷进行预测，它主要用于对电网进行计算机在线控制，实现发电容量的合理调度，节省发电成本。短期负荷预测。主要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，通常是指预测未来一周、未来一天的负荷。它的意义在于经济合理地安排本网内各机组的启停，同时保证在正常用电的情况下合理安排机组检修计划。中期负荷预测。主要指未来几周或未来几个

12、月的负荷预测。它主要用于安排月度检修计划、运行方式、水库调度计划、电煤计划。长期负荷预测。指未来一年或几年的负荷预测。它的作用在于电网规划部门根据国民经济的发展和电力负荷的需求，对电网改造和扩建工作做出远景规划。为了准确的预测市场对电力这一商品的需求，当前世界各个电力公司和供电公司都在积极进行满足电力要求的短期负荷预测研究。从以上的比较也可以看出，电力市场运营对短期负荷预测提出了更高、更严格的要求，准确的电力系统负荷预测具有很大的经济效益，必须进行深入研究。1.2本文的主要工作先概述电力系统短期负荷预测，包括国内外的发展现状、电力负荷预测的原理、电力系统负荷分类、短期负荷特性分析；然后搜集数据

13、并对数据进行列表整理分析；最后得出结论。第二章电力系统短期负荷预测概述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龅越来越引起人们的注意，并已成为现代电力系统学科中一个重要的领域。整个社会是一个复杂的整体，每个用户的要求各不相同，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。对电力系统的负荷变化，如果事先有一个比较准确的估计，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，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自动化，进行相应的负荷预测都是必不可少的。21负

14、荷预测国内外发展现状1负荷预测的起源和发展 负荷预测的起源可以追溯到二十世纪二十年代初。当时电力系统规模小，因此负荷预测的思想没有引起人们的重视。但是六十年代中期的几次系统瓦解事故，将电力系统的安全分析提上了日程。同时，世界各国的经济迅猛发展，对电力的需求量越来越大，对电能质量的要求越来越高，从而带动电力系统迅速发展壮大，从这时候开始，负荷预测获得了初步的发展。从二十世纪六，七十年代到现在，负荷预测可以大致划分为两个阶段：第一阶段(二十世纪六、七十年代到八十年代末)是使用传统负荷预测技术的阶段，这一阶段基本沿袭了经济领域的预测技术。采用的方法大致可以分为两种类型，一是时间序列法，另一种是回归分

15、析法。时间序列法是通过对预测对象的历史观测数据时间序列的分析处理，来研究其发展过程的基本特征和变化规律，并据此预测未来行为的方法。回归分析法属于相关法预测，它通过建立某些变量与负荷之间的因果关系而获得预测负荷。由于电力负荷的变化受到很多相关因素的影响，所以采用回归分析法进行负荷预测是自然的想法和可行的途径。第二阶段(二十世纪九十年代到现在)，随着计算机技术的日新月异，人工智能技术的兴起，负荷预测迅速进入了使用智能化负荷预测技术的阶段。 2我国在电力系统负荷预测领域的进展 从国内外研究情况看，国外大概是由于其负荷发展变化规律趋于稳定的缘故，中长期负荷预测的研究远远少于短期预测，国内则基本上两者并

16、重。随着社会主义市场经济体制改革的深入发展，电力工业以增强活力、提高效益、改善服务为目的的市场化改革已经成为必然趋势。我国于1998年开始了电力工业市场化改革。近年来，随着我国电力市场改革的深入开展，负荷预测的研究取得了长足进展，几乎每个实行电力市场的区网，其电力市场技术支持系统都有负荷预测模块。22负荷预测的原理可知性原理。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，而且还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92性原理。因为事物的发展变化是在内因和外医的共圆作用下进行的，内因的

17、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，进行多方案预澳4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。在多数情况下，作为预

18、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，人们就可以根据后一事物的已知发展过程和状况，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，可以利用这个差距，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

19、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。23电力系统短期负荷特性分析在电力系统在逐步发展完善过程中，负荷预测已成为能量管理系统(EMs)中一项独立的内容。在实际应用中，电力系统不同组成部分对负荷预测的范围和精度有所不同，因此研究负荷变化的内在规律和负荷特性、影响负荷变化的各种相关因素，对提高预测精度及负荷预测的发展有重要的意义。231电力系统负荷分类电力系统负荷按照使用范围大致可以分为：民

20、用负荷、工业负荷、商业负荷、农业负荷等。不同类型的负荷具有不同的特点和规律。民用负荷，主要指城市居民用电负荷，包括夏季的降温设备、冬季的取暖设备以及其他家用电器的负荷。近年来，随着我国人民生活水平的提高，民用负荷在整个电力负荷中所占的比例越来越大，尤其在冬季和夏季，由于敏感予气候变化的家用电器(电炉、电热器、空调、电风扇、电冰箱等)的日益广泛应用，使得民用负荷变化对系统峰值的影响越来越大。此类负荷通常具有年增长性及明显的季节波动和R变化等特点。工业负荷，主要指各厂矿进行工业生产的用电负荷。通常情况下，它所占的比重最大，且由工业生产的规律决定：晚间的负荷较轻而白天的负荷较重：工作日的负荷重而节假

21、日的负荷轻。工业负荷相对来说比较稳定，较少受到天气等因素的影响。商业负荷，主要是指商业行业的照明、空调、动力等负荷，一般所占的比重较小，它同样具有季节性变化和日变化的特点。另外，在节假日由于商业行业增加营业时间，而工业负荷相对减少，商业负荷成为节假日期间影响电力负荷的重要因素。农业负荷，主要是指城镇以外的农村居民用电和农业生产用电，它受季节影响较大，对降水量、天气等自然因素的变化十分敏感。比如，春季是农业灌溉负荷最大的季节，降雨信息就成为预测农业负荷的主导因素；如果发生旱涝灾害，农业负荷也会显著增加。此外，对于拥有许多水电厂的大电网来说，农业负荷还随着丰水期和枯水期的变化而变化。数据分析表明，

22、电力系统峰值负荷往往是由于季节性的极端气候造成的。比如，在夏季的高温延续期，各种空调装置、电风扇、制冷设备等降防暑降温设备几乎都满负荷运行，造成了夏季峰值负荷；冬季的低温延续期，尤其在江南地区，虽然不会造成热浪期那样严重的峰值负荷，但是寒潮季节般照明负荷增长，而且还有大量的取暖负荷，因此也应特别注意。232短期负荷特性分析电力负荷的特点是经常变化的，不但按小时变、按日变，而且按周变，按年变，同时负荷又是以天为单位不断起伏的，具有较大的周期性。负荷变化是连续的过程，一般不会出现大的跃变，但电力负荷对季节、温度、天气等是敏感的。按照一般的做法，任何时刻的负荷可以为如下4种成分的组合：1典型负荷分量

23、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。2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。3异常或特殊事件负荷分量异常或特殊事件(如重大政

24、治活动、系统故障、限电、民间节日等)负荷分量使负荷明显偏离典型负荷特性。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往往通过人工修正或专家系统模型加以改进。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分量。第三章电力负荷预测系统软件设计当前电力系统短期负荷预测作为EMS系统的一个组成部分，在现代电力管理部门起着重要的作用。随着我国加入WTO和市场经济体制的逐步完善，

25、电力系统也需要适应市场需求，降低发电成本，提高竞争能力。在电力市场的运营机制下，负荷预测作为EMS的一个基本功能，编写一套负荷预测软件系统是十分有意义的。3.1数据库的设计是程序实现的基础，设计的好坏关系到程序的维护及其生命周期。在进行了数据分析之后，设计了如下数据库：(1)历史负荷数据库。用于存储预测所使用的原始负荷数据，主要包括如下字段：日期(格式为文本，6位字符，比如将2005年5月12日记为050512)：96个双精度格式的数据字段，用来保存一天的负荷记录。(2)预测数据库。用于保存预测结果，调度人员从此处导出数据，上报上级电力主管部门。字段要求和历史负荷数据库相同。(3)气象资料数据

26、库。考虑到气象对负荷变化的影响，并且很多预测模型中需要使用气象数据，设此数据库用来提高负荷预测精度。根据嘉兴市所能提供的气象资料，数据库中包含如下字段：日期，文本格式；最高气温，单精度格式；最低气温，单精度；平均气温，单精度；降雨量，单精度。(4)数据状态和同期类型数据库。为了使程序搜寻相似日的速度加快，并易4除坏数据的影响，设此数据库。它主要包含字段：日期，文本格式；日期类型，整型；数据状态，整型。这些数据库之间不是孤立的，它们之间存在一定的联系。图3.1为数据库设计 图3.1 数据库E-R图 图3-2图3-2中，HIST表示历史数据库，FORE表示预测数据库，WEA表示气象数据库，PROP

27、表示日期类型和数据状态数据库，DATE表示日期字段，DATA表示96点负荷字段，TEMP表示气象属性，TYPE表示日期类型字段，ST棵，S表示数据状态宇段。第四章 数据分析从实际情况出发，本文采用黑盒测试法。从程序的功能来看，短期电力负荷预测系统共需要测试如下几大块：1数据导入导出，测试其是否能正确完成其功能。2数据处理，测试其是否能F确完成功能并检查能否达到预期效果。3负荷预测，测试其各个模块的功能是否准确无误，负荷预测的精度是否满足要求。本文只节选了该系统中最重要的一个模块负荷预测模块进行测试。此处再分别选取普通工作日和重大节日，用“带残差的普通灰色模型”进行预测。1普通工作目的预测随机选

28、取2023年10月26日(星期三，即正常工作日)作为预测对象，需要采用的历史数据列于表4-1。在不带气象数据的情况下，用普通灰色模型进行预测，得到如下结果。(见表42及图410)。2重大休息日的预测随机选取2023年10月1日(国庆节，即重大节日)作为预测对象，需要采用的数据列于表4-3，同样采用“带残差校正的灰色模型”，得到如下预测结果。(见表4-4及图4-11)表4一1用于灰色预测的原始数据(工作日)时间01：0002：0003：0004：0005：0006：0007：0008：0009：0010：0011：0012：0021/1012351212118211951215130013641

29、548161616641458147122/1012331192118311771218128013601516158716471434147619/1012281206119811881198129313501487155115831412142224/1011471132110211191156124813531536159616381427144525/10123112071178118312291314137415801613164914321466时间13：0014：0015：0016：0017：0018：0019：0020：0021：0022：0023：0024：0021/1015

30、951583154915721503151114211367136013781274122922/1015621571154615361471146513911344134813661287120919/1015181519150315081418148014071458135413861288123724/1015341539152615381462151214311401139914141316124625/10155715511542153314741521145313911382140513031243表4-2预测结果与实际值比较(工作R)时间实际值预测值误差%时间实际值预测值误差%0

31、1：00123311923.3413：00152114852.3502：00120711653.3414：00152114971.5703：00120511544.3215：00150715070.1404：00120911524.6516：00149214880.3005：00121811813.3017：00141814100.5706：00128212641.3518：0014621503-2.7707：00136113480.9419：0014111416-0.3608：0015181532-0.9220：0013421401-4.3709：0015651567-0.1521：0013

32、601394-2.5210：00163315952.3422：0013601414-4.0011：00142513932.2023：0012581315-4.6012：00143914250.9724：0012271248-1.78图4-1 普通工作日预测负荷与实际负荷2023年10月26日的预测精度为9744，其中最大相对误差474，最小相对误差003，相对误差超过5的个数为0个，总体预测精度大于95。从图4-1中，我们可以很直观地看到，预测数据和实际数据是非常接近的，这充分验证了本文所使用的“带残差校正的普通灰色模型”在气温变化平稳的普通工作日有较高的预测精度。表43用于灰色预测的原始数据

33、(休息U)时间01：0002：0003：0004：0005：0006：0007：0008：0009：0010：0011：0012：001/101199115211571162118812451307145614811522131613453/101218119111591147119812381336147615641608139914175/101208117711591150115812381319140714701508129913097/1011541107110410961131118612661391147215251346137010/1011981167114911301156

34、1181127014051485154813791396时间13：0014：0015：0016：0017：0018：0019：0020：0021：0022：0023：0024：001/101420140813951414135413771315126212971292121511413/101490149314621466140014221348129612771303121111475/101372136413631378133913521280124012181232117311377/1014351450143114351385138012761231123612491161114610

35、/10143814481439146614161388131712621269131212311164表4-4预测结果与实际值比较(休息日)时间实际值预测值误差%时间实际值预测值误差%01：00117811740.3613：00147314660.4702：00115711411.3314：0014601482-1.5603：00113311220.9915：0014511478-1.8804：00112811032.2516：0014651506-2.7805：0011501199-0.2817：0014351455-1.4306：0011981307-0.1218：00142714190.

36、5107：00131014160.2719：00137513213.9208：00145914992.9620：00131712713.4509：00151715671.1821：00132712922.6310：00140014050.6122：0013141334-1.5711：0015771153-0.4023：00123812221.2812：0013931426-2.3724：00119811662.65图4-2重大节日预测负荷与实际负荷2023年10月1日最后的预测精度为9805，其中最大相对误差为429，最小相对误差为0.111，相对误差大于5的个数为0个，总体预测精度大于95。

37、从图4-2可以看出，虽然预测中所用的历史数据取到了一个月以前的数据，但由于将工作曰和休息日分开处理，预测负荷和实际负荷还是非常吻合，有较高的预测精度。通过以上的测试实例，可以得出本文所设计的短期电力负荷预测系统各个功能模块均能满足指定的要求，在气温平稳，数据序列波动不大的情况下，“带残差校正的灰色预测模型”对普通工作日和重大节日都有较高的预测精度。第五章结论和展望本文结合实际情况，进行了短期电力负荷预测研究。在研究开发嘉短期电力负荷预测系统的过程中，主要取得了如下学习成果：1在历史数据的处理上，认真分析了预测所用原始数据对预测精度的影响，并相应提出了异常数据的判定和修正原则。2对负荷特性进行了

38、分析，并依据负荷的周周期性，年相似性对负荷进行了日期类型划分；针对影响负荷变化的多方面影响因素进行了分析，为建立模型提供了重要的参考依据，为正确实现预测奠定了扎实的基础。由于时间和数据的限制，作者认为本文所研究开发的短期负荷预测系统还存在如下问题，需要今后进行改进和完善。数据的缺乏造成统计分析工作不彻底，负荷预测模型考虑的影响因素少，这在一定程度上限制了预测精度的提高。一个完善的负荷预测系统，应当具有多种不同的预测模型，供不同负荷特性的用户选择使用。由于时间的限制，目前程序中核心预测模型只有灰色模型一种，将来作为软件系统的完善，应建立多种模型供系统比较应用。同时，提供数据分析工具，将matla

39、b的部分功能嵌入，以方便调度人员掌握负荷规律，为提高负荷预测精度奠定基础。附录部分程序灰色预测算法：Double CSLFDlg:CalNormalday(double*data,int nStart,int nEnd) Double dResult; dResult=Remain(data,nStart,nEnd); /计算预测数据/确定残差K0，是否需要对残差在此计算Bool bHave;Int k0=nStart;For(int i=nStart;i=nEnd-1;k+) bHave=false; For(int k=i;k=nEnd-1;k+) bHave=true; Break; K

40、0=i; If(!bHave) Break; /3个或3个以上的数据同号才进行处理 If(k010e-5?x:-x;/problem?x or -x? dResult +=x; ZeroMemory(m_dWDIF,6*sizeof(double); Return dResult; Double CSLFDlg:Remain(double*data,int nStart,int nEnd) Double B11=0.0,B12=0.0,B21=0.0,B22=0.0,A11=0.0,A21=0.0;/矩阵 Double dResult; /最后结果 Double dSum6; /一次累积和，最

41、多5个历史数据 Double dData6; Double dMatrixB62;Y=BA的B矩阵 Double dSFOR6; /原始数列预测模型预测值 For(int i=nStar;j=nEnd;i+) dDatai=fabs(datai); /数据处理 /对温度变化异常数据的处理For(i=nStart;idDatai*1.05&dDatai!=0) dDatai+1=dDatai*1.05; If(dDatai+1dDatai*0.95&dDatai=0) dDatai+1=dDatai*0.95; /指数加权法，对历史数据的预处理Const double c=0.5; double

42、 temp6； tempnstart=dDatanStart； for(i=nStart+1;inEnd;i+) tempi=c*dDatai+(1-c)*tempi-1; For(i=nStart;i=nEnd;i+) dDatai=tempi; /中间处理过程 /一次积累dSumnStart=dDatanStart;For(i=nStart+1;i=nEnd;i+) dSumi=dSumi-1+dDatai;/计算B矩阵For(int j=nStart+1;j=nEnd;j+) dMatrixBj0=-(dSumj-1+dSumj)/2; dMatrixBj1=1;/计算B的转置*B和B的

43、转置*Y（A11,21）for(int k=nStart+1;k=nEnd;k+) B11+=pow(dMatriBk0,2); B12+=dMatrixBk0; A11+=dMatrixBk0*dDatak; A21+=dDatak;B22=(double)(nEnd-nStart);B21=B12;/计算a和u（v）Double a=(B22*A11-B12*A21)(B11*B22-pow(B12,2);Double v=(B11*A21-B12*A11)/(B11*B22-pow(B12,2);/计算原始数列预测模型的预测值和残差 Return dResult; 参考文献1 刘晨晖.

44、电力系统负荷预报理论与方法. 哈尔滨工业大学出版社.1987 2 康重庆 夏清.电力系统负荷预测. 北京: 中国电力出版社, 2007 3 赵希正.中国电力负荷特性分析与预测.北京:中国电力出版社.2001 4 肖国泉 王春 张福伟.电力负荷预测.北京:中国电力出版社.2001 5 萧国泉 徐绳均. 电力规划. 北京: 水利电力出版社,1993 6 牛东晓 曹树华 赵磊 张文文. 电力负荷预测技术及其应用. 北京: 中国电力出版社, 1999 7 于尔铿.能量管理系统. 科学出版社. 1998 8 李文沅. 电力系统安全经济运行模型与方法. 重庆大学出版社,1989 9 陈衍. 电力系统稳态分

45、析. 北京: 中国电力出版社, 2007 10 骆济寿 张川.电力系统优化运行.华中理工大学出版社.1990 11 陈红.电力系统短期负荷预测系统的实现J.电力系统自动化.1997,(12)：58-62 12 娄素华.现代电力系统优化模型及其相关算法研究D.华中科技大学,2005 13 M.K.C.Marwali S. M. Shahidehpour. Coordination Between Long-Term and Short-TermGeneration Scheduling with Network Constraints IEEE TRANSACTIONS ON POWER SYSTEMS, VOL. 15, NO. 3, AUGUST 200014 S. Muralidharan, K. Srikrishna, and S. Subramanian.A Novel Pareto-Optimal Solution for Multi-Objective Economic Dispatch Problem IRANIAN JOURNAL OF ELECTRICAL AND COMPUTER ENGINEERING, VOL. 6, NO. 2, SUMMER-FALL 2007 15 张德丰.MATLAB数值分析与应用(第2版).国防工业出版社,2023