电力系统短期负荷预测系统

《电力系统短期负荷预测系统》由会员分享，可在线阅读，更多相关《电力系统短期负荷预测系统（45页珍藏版）》请在装配图网上搜索。

1、电力系统短期负荷预测系统摘 要电力系统短期负荷预测是调度中心制订发电计划及发电厂报价的依据，也是能量管理系统(EMS)的重要组成部分，对电力系统的运行、控制和计划都有着非常重要的影响，其预测精度直接影响到了电网及各发电厂的经济效益。由于电力负荷受诸多因素影响，如当前负荷状况、天气状况、节假日、重大经济及政治事件等，为提高短期电力负荷预测的精度，本文综合考虑了影响电力负荷的诸多因素，分析了适用于电力系统短期负荷预测的多种预测模型及其优缺点。应用了将几种方法组合起来的组合模型。 结果表明，与常规的预测方法相比，预测精度有了较大提高，效果较好。针对电网调度部门的实际需要，本文开发了一套基于调度自动化

2、系统的短期电力负荷预测系统。该系统具有较好的实时性、经济性和实用性，采用客户机/服务器模式，以安全、高效的access2000作为后台数据库，选用面向对象的可视化的开发核心程序和系统界面。预测结果表明该系统能够满足地区电网短期负荷预测的需要，预测结果较合理，系统界面友好、操作方便、图形功能强大，在很大程度上可以提高预测人员的劳动效率。关键词：短期负荷预测，预测模型，预测精度，组合预测 41ABSTRACTShort-term load forecasting of electric power system is not only the basis for the distribution

3、center to plan power generation and the power plants to quote price, but also an important part of energy management system .Further more, short-term load forecasting has all-important effect on power system, such as operation, control and plan The prediction accuracy has direct influence on economy

4、 benefits of the grid and power plants. Electric power is affected by many factors, such as current load status, weather status, festival-holiday, important economy and politics event, and etc. For improving the prediction accuracy of short-term load forecasting, many forecast models applied to powe

5、r system short-term load forecasting and their characteristics are analyzed, a load forecasting strategy named fusion module is proposed considering the integrated effect of many factors。 The results show better prediction accuracy than traditional models.According to the practical demands of electr

6、ic department, a whole STLF system based on Dispatching Automation System for district power networks is successfully developed. The system integrating with Dispatching Automation System has advantage of real-time, economy and practicality。 Client/Server mode is used in the system。 Access2003 with s

7、afety and stability is employed as background database platform. Core program and GUI are developed by Delphi 7.0, which is an OOP and visual programming tool. It has been proved by practical data that this system can commendably satisfy demands of load forecasting of district power networks plannin

8、g, and can present accurate future load magnitudes and increase planners work efficiency, with friendly man-machine interfaces, convenient accesses and complete graphical functions.Keywords: Short Term Load Forecasting, Forecasting module, Forecasting precision, fusion forecasting目录摘要ABSTRACT概述1一、绪论

9、2（一）电力负荷预测技术的发展和现状3（二）本文所完成的主要工作3二、电力系统负荷预测的基本概念5（一）负荷预测的概念5（二）负荷预测的特点5（三）负荷预测的原理7（四）短期负荷预测基本模型81、影响负荷的因素82、短期负荷预测基本模型103、负荷数据的预处理134、负荷预测误差分析14（五）负荷预测的基本过程161、调查和选择历史负荷数据资料162、历史资料的整理173、对负荷数据的预处理174、建立负荷预测模型175、在预报过程中，对预报模型进行必要的校正17三、负荷预测方法19（一）各种预测方法简介191、回归模型预测法212、灰色预测法183、人工神经网络法214、小波分析技术235、

10、模糊预测法23 6、专家系统法23 7、相似日算法24 （二）组合优化预测技术261、组合优化的原理262、组合优化预测方法273、等权（EW）组合方法28（三）各种预测方法简评28四、短期负荷预测系统的设计及软件介绍30（一）短期负荷预测系统的总体设计301、软件设计原则302、负荷预测系统总体结构设计30（二）短期负荷预测系统数据库设计321、数据结构分析322、数据库设计32（三）系统软件的功能界面设计及功能介绍331、系统主界面342、系统维护界面343、历史负荷查询界面354、负荷预测模块36结束语39致 谢40参考文献41概 述电力系统应尽可能地向各类用户提供安全、可靠、优质的电能

11、，并随时满足各类电力用户的负荷需求。 负荷的大小与特性，无论是对于电力系统设计或是对于运行研究而言，都是极为重要的因素。所以，对负荷的变化与特性进行事先的估计，是电力系统发展与运行研究的重要内容。电力系统负荷预测理论就是因此而发展起来的，负荷预测是电力系统规划和运行的基础，短期电力负荷预测则是现代电力系统控制与运行分析的一项重要研究内容。电力系统对未来预计要发生的负荷进行预测的必要性在于:系统内的可用发电容量，在正常运行条件下，任何时候都应当能够满足系统内负荷的要求。假如系统内发电容量不够，则应当采取必要的措施来增加发电容量，如新增发电机组或从邻网输入必要的容量;反之，若发电容量过剩，则应采取

12、必要的措施，如有选择地停机(如计划检修)或者向邻网输出多余的功率。因此，未来本电网中长期或短期负荷变化的趋势与特点，是一个规划设计部门和电网调度部门所必须拥有的基本信息之一。电力系统负荷预测从时间方面来说，可以分为长期、中期、短期与超短期。长期与中期之间没有明确的分界线。一般来说，长期预测可长达数10年，而中期预测通常为1月-1年，短期预测则是指1日-1周，而超短期则一般为5-10秒，主要用于质量控制。 长期与中期负荷预测的意义在于新的发电机组的安装(包括装机容量的大小、型式、地点和时间)以及电网的增容或改造，均取决于对未来若干年的负荷预报。当前，随着电力市场的发展，影响电力负荷变化的因素将变

13、得更加复杂，如果说在计划经济的条件下短期负荷预测还是一个纯技术性问题，那么在电力市场条件下短期负荷预测应当是一个技术性和经济性相结合的问题，这就迫切需要引入新的预测技术来跟踪这种变化。电力市场的发展需要准确的短期负荷预测，本文正是基于这种要求而进行短期负荷预测问题的研究。一、绪论（一）电力负荷预测技术的发展和现状短期负荷预测技术是随着电力系统EMS的逐步发展而发展起来的，现已成为EMS系统必不可少的一部分，也成为电力系统安全及经济运行中必不可少的手段之一，经过几十年的发展己经取得了巨大的进步。短期预测技术的发展是从离线分析到在线应用逐步发展的过程，也是从过分依赖于调度员的运行经验到自动化、智能

14、化逐步转变的过程，电力短期负荷预测技术的发展大体经历了三个阶段：早期的短期负荷预测完全依赖于调度员的运行经验，没有科学的理论做指导，不同调度员的预测结果往往差别很大，并且调度员的经验是经过生产实践逐步积累起来的，所以没有经验的新的调度员一般无法胜任这项工作。总之，早期的短期负荷预测对人的素质的要求比较高。二十世纪七十年代以后，许多数学统计方法被引入到短期负荷预测中，使短期负荷摆脱了完全依靠调度员经验的历史，将短期负荷预测技术提高到了一个新的水平，典型的算法有线性外推法、多元线性回归法、指数平滑法、时间序列法、状态空间法。二十世纪九十年代初期开始，人工智能技术(如人工神经网络、专家系统、模糊推理

15、等)逐渐被用到短期负荷预测中，人工智能技术主要用来解决非线性问题和不确定性问题，和数学统计方法相比，人工智能预测方法在预测过程中考虑了各种不确定因素(如天气因素、季节因素、人工经验等)，在实际的负荷预测过程中确实能够提高预测精度。同时，为了对各种预测模型取长而避短，优选组合预测技术被用到短期负荷预测中。优选组合预测有两种类型：一是指将几种预测方法所得的预测结果，选取适当的权重进行加权平均的一种预测技术。二是指在几种预测方法中进行比较,选择拟合优度最佳的或标准离差最小的预测模型作为最优模型进行预测。该方法是建立在最大信息利用的基础上，它集结多种单一模型所包含的信息，进行最优组合。因此，在大多数情

16、况下可以达到改善预测结果的目的。尽管短期负荷预测技术在算法理论研究上取得了很大的成就，但是由于种种原因短期负荷预测技术在实际应用中还存在很多问题，短期负荷预测理论和实践有待进一步发展。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，而计算技术和信息技术的快速发展也必将能够把短期负荷预测技术带到一个更高的水平，对于短期负荷预测技术来说，机遇和挑战并重。（二）本文所完成的主要工作负荷预测是从过去的负荷历史资料(例如过去若干年的负荷记录)和对此有影响的经济、气象等因素出发，探索出历史负荷之间以及历史负荷与主要影响因素之间的内在联系和发展变化规律，对未来用电需求做出预先的估计。电力市场中负荷预测实

17、质上是对电力市场需求的预测，是实现电网安全经济运行的前提，其预测的准确性关系到各方的经济利益。 提高负荷预测精度，尤其是短期负荷预测的精度己成了当务之急。为了准确地预测市场对电力商品的需求，必须认真研究分析各种信息(负荷历史资料及相关因素等)，采用最新的理论进一步提高预测精度。提高预测精度的途径归纳起来可概括为两个方面:一是在预测过程中尽可能计及各种相关因素(如气象因素，节假日)对预测结果的影响。二是积累历史数据，总结经验，改进预测模型与方法，采用组合模型法。本文从提高短期负荷预测精度和短期负荷预测技术的应用两方面出发，开展了以下主要工作:1、分析了几种主要因素(包括负荷构成、天气因素等)对电

18、力系统短期负荷的影响。2、介绍了现有的各种预测方法包括单耗法, 趋势外推法, 弹性系数法,线性回归、时间序列、灰色模型法、专家系统法,人工神经网络、模糊推理, 小波分析预测技术优选组合预测法等，。典型的方法有多元线性回归法、指数平滑法、状态空间法、人工神经网络法、专家系统法、灰色模型法、小波变换法等。并对个别方法进行了分析比较。3、在现有预测方法的基础上，提出了组合预测的方法。4、根据节假日负荷与周末负荷间的相似关系，以及节假日负荷受温度变化影响大的特点，提出了一种考虑温度修正的实用节假日负荷预测算法。5、坏数据处理是负荷预测过程的第一步，是提高预测精度的一个关键环节。根据数据挖掘中的模式聚类

19、与模式分类的思想，提出了一种以日负荷特征曲线为基础，进行电力负荷坏数据检测与调整的方法。6、短期负荷预测是一个较为复杂的数据获取及处理过程。在进行预测的同时，还要对预测结果进行误差分析，对获得的数据进行管理。本文利用Windows操作系统开发了负荷预测应用软件，软件系统基于面向对象(OPP)的思想，开发语言为delphi7.0，数据库为access2003,软件功能齐全，便于使用扩展、移植、可扩充。二、电力系统负荷预测的基本概念介绍 电力生产的特点之一是电力不可贮存(或者说贮存能力极小而成本很高)，生产和消费是同时进行并完成的，用电负荷随时都会变化，而且我国多数电网在日、周、年周期内的负荷峰谷

20、差逐年增加，针对这种负荷变化，电力生产的调节能力也要增加。当负荷变化范围较小时调节各发电机组的出力即可满足要求;而负荷变化范围较大时只能通过启停机组才能满足负荷要求:当然对于负荷的逐年增长要适时投产新的机组才不至于拉闸限电。电力负荷预测是实时控制、运行计划和发展规划的前提，可以说掌握电力生产的主动性必须先做好负荷预测。电力系统负荷预测分为系统负荷预测和母线负荷预测两类，而系统负荷预测按时间期限又有超短期、短期、中期和长期之分。超短期负荷预测用于质量控制需5-10s的负荷值，用于安全监视需1-5min负荷值，用于预防控制和紧急状态处理需10-60min负荷值，使用对象是调度员;短期负荷预测主要用

21、于火电分配、水火电协调、机组经济组合和交换功率计划，需要1日-1周的负荷值，使用对象是编制调度计划的工程师;中期负荷预测主要用于水库调度、机组检修、交换计划和燃料计划，需要1月-1年的负荷值，使用对象是编制中长期运行计划的工程师;长期负荷预测用于电源和网络发展规划，需要数年至数十年的负荷值，使用对象为规划工程师。对电力系统的负荷变化，如果能事先准确地估计，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、可靠性以及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优化控制，进行相应的负荷预测都是必不可少的。显然，负荷预测的最重要指标是精

22、度，然而精度首先决定于对具体电力系统负荷变化规律的掌握，其次才是模型与算法的选择。一般来说负荷预测软件不是买来就能用的，实际上对它有一个研究与改进过程才能用好，提高预测精度的钥匙掌握在用户手上。各个电网负荷变化特性是不同的，有的历史负荷数据一致性较差，其预测精度必然低一些，要求用户熟悉系统的负荷特性和一般的变化特点。预测之所以成为科学是因为其有一套处理历史数据的程序，可以总结出最符合实际的变化规律，以尽可能达到要求的预测精度。提高负荷预测结果精度的关键是针对具体电网研究负荷变化模型和选择算法。（一）负荷预测的概念负荷预测是从已知的用电需求出发，考虑地域、经济、气候等相关因素，对未来的用电需求做

23、出的预测。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)。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。在此基础之上，我们建立负荷预测的概念：在充分考虑一些重要的系统运行特性、增容决策、自然条件和社会影响的条件下，研究或利用一套系统的处理过去与未来负荷的数学方法，在满足一定精度要求的意义下，确定未来时刻的负荷值，称为负荷预测。（二）负荷预测的特点负荷预测是

24、根据过去的负荷资料和最近的相关数据信息，运用一定的程序、方法和模型，分析负荷本身及其与有关因素的相互关系，从而揭示和总结出负荷的特性和变化规律。所以，负荷预测属于科学预测范畴。在负荷预测中，时间是一个自变量，未来的负荷值是因变量。对于未来某时刻的负荷值来说，它有必然的发展运行规律，原因是它有自己的内在发展规律和因果关系，但我们又感到难于准确预测它，因为事物的发展不是孤立的，受到许多人为和自然环境的影响。对于这些影响人们有时能感知，有时却感觉不到，带有明显的随机性，可见负荷预测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

25、就使负荷预测具有以下明显的特点:1、不准确性事物的发展不是简单的重复，总会受到各种各样因素的影响，因而事前的预测与以后的实际结果往往会出现一些偏差，只能是一定程度近似的结果。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，因此就决定了负荷预测结果的不准确性或不确定性。2、条件性各种负荷预测都是在一定条件下做出的。在多数情况下，由于负荷未来发展的不确定性，需要做出一些假设。当然，这些假设不能是毫无根据的凭空假设，而应根据研究分析，综合各种情况来确定。给预测结果加一定的

26、前提条件，更有利于电力部门使用预测结果。3、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，要求有比较确切的数量概念，往往需要指明预测的时间。4、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。正确认识和分析负荷预测的这些特点，可以避免因不正确的看法而妨碍预测的研究应用。不加分析地怀疑和否定预测结果，将使未来的计划和决策没有足够的依据:绝对相信预测结果，又会使实际工作缺乏弹性和灵活性;过分苛求预测的精确度，则是不客观和不现实的要求。当然，在实际应用中，预测的精度越高越好，人们在不断的努力，以求得到更

27、高精度的预测方法。事实上，只要预测有比较充足的依据，达到一定的精确度，就可以用以指导实际电力工作。（三）负荷预测的原理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。1、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。2、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

28、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。3、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。4、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

29、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。目前，预测技术中使用的类推法或历史类比法，就是基于这个原理的预测方法。5、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。反馈性预测实质上就是将预测的理论值与实际相结合，在实践中检验，然后进行修改、调整，使预测质量进一步提高。6

30、、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，这些系统又综合成一个完整的相互联系的系统，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，才是高质量的预测，才能为决策者提供最佳的预测方案。（四）短期负荷预测基本模型1、影响负荷的因素系统总负荷是系统中所有节点上所有负荷的总和。理论上如果知道系统中所有节点负荷的变化方式，那么就可以直接预测出系统总负荷的变化。但是单个负荷变化方式具有很大的随机性和

31、不可预测性，此外同一系统中不同负荷的变化方式千差万别，所以通过综合估计的负荷变化方式来预测系统总负荷是不可能的。尽管单个负荷的变化随机性很大，但实践表明所有单个负荷的总和即系统总负荷一般具有一定的变化规律，经过不断的实践过程，人们逐渐认识到影响这种规律变化的因素主要有四种:负荷构成、负荷随时间变化规律、气象变化的影响及负荷随机波动。负荷构成系统负荷按其性质可划分为:城市民用负荷、商业负荷、工业负荷、农业负荷及其它负荷等类型。城市民用负荷主要是城市居民的家用负荷。商业负荷与工业负荷是各自为商业和工业服务的负荷。在我国，农村负荷是指广大农村所有的负荷(包括农村民用电、生产与排灌用电以及商业用电等)

32、，而其他负荷则包括市政用电(如街道照明)、公用事业、政府办公、铁路与电车、军用以及其他等。不同类型的负荷有着不同的变化规律。随着家用电器的普及，城市居民负荷年增长率提高、季节波动增大，尤其是空调设备的迅速增加，使系统峰荷受气温影响越来越大;商业负荷主要影响晚尖峰，而且随季节而变化;工业负荷受气象影响较小，一般都视作基础负荷:农业负荷季节变化强，而且与降水情况关系密切。一个地区负荷往往含有几种类型的负荷，各类负荷所占比例也不同。 时间因素 时间因素对负荷的影响主要有三点:季节因素的影响、节假日的影响、以日(24小时)或周(7日)为周期的负荷变化。随着季节的变化会出现昼夜时间比例的变化、温度的变化

33、、人们生活习惯的变化等，这些变化都会影响到负荷的变化。由于社会生产方式和人们生活习惯会呈现工作和休息的交替变化，并且这种变化具有日或周的周期性，所以电力负荷一般呈现以日或以周为周期的周期性变化。节假日(如春节)期间人们休息时间长并伴随大量的庆祝活动，对负荷的变化影响比较大，一般情况下节假日的负荷比正常日的负荷低很多，实际表明节假日前后日期的负荷也会受到影响。气象因素由于许多负荷(比如空调、农业灌溉等)都与气象因素有关，所以气象因素也是影响系统负荷大小的重要因素，气象因素对系统负荷大小的影响主要表现为负荷的突然变化。气温是对系统负荷影响最大的天气因素，随着居民更多地使用空调，气温对系统负荷的影响

34、越来越大。影响负荷大小的其它天气因素还有阴晴、降水和风速等。随机因素所有能引起负荷模式变化，而又未包括在上面三类中的其它因素均算在此类中。由于系统负荷是由大量分散的单独需求组合而成，系统负荷不断受随机干扰影响。除了大量小干扰外，轧钢厂、同步加速器等设备的运行将产生冲击性电力负荷，引起较大的负荷波动。由于这些大设备运行时刻通常对于系统调度人员来说是未知的，它们代表了大的不可预测的干扰。还有一些特殊事件如工业设备损坏、特殊电视节目，事件发生时刻可以预先知道，但对负荷影响程度是未知的。 总之，电力负荷是一个随机非平稳过程，它由成千上万个单独分量组成，而每个分量又以不符合任何已知物理定律的不稳定形式变

35、化着。2、短期负荷预测基本模型基于前面对影响负荷的各种因素的分析，电力系统总负荷预测模型一般可以按四个分量模型描述: （2-1）式中，l(t)为时刻t的系统总负荷; b(t)为时刻t的基本正常负荷分量;w(t)为时刻t的天气敏感负荷分量;s(t)为时刻t的特别事件负荷分量;，v(t)为时刻t的随机负荷分量。基本正常负荷分量模型不同的预测周期，b(t)分量具有不同的内涵。对于超短期负荷预测， b(t)近似线性变化，甚至是常数;对于短期负荷预测，可b(t)一般呈周期性变化;而中长期负荷预测中，b(t)呈明显增长趋势的周期性变化。针对短期负荷预测，将历史上连续一周日负荷l按时序画在一张图上，可以看出

36、负荷明显地表现出日的周期性，即以24小时为周期循环变化，日负荷曲线如图2-1所示。图2-1 某大型终端电厂日负荷曲线同样，将历史上连续几周的日负荷1按时序画在一张图上，不难看出每周的负荷都具有类似的变化规律，表现出周的周期性，即以168小时为周期循环变化，周负荷曲线如图2-2所示。图2-2 某大型终端电厂周负荷曲线因此，对于短期负荷预测，基本正常负荷b (t)一般是指周期为24h或168h的周期变化负荷，这部分负荷可以用一系列傅立叶分量的线性组合来表示。若把以24h为周期变化的线性组合与以168h为周期变化的部分分开，并分别用州b1(t)和b2 (t)来表示，则 (2-2) (2-3)天气敏感

37、负荷分量模型影响负荷的天气因素有温度、阴晴、降水和风力等，其中气温是影响系统负荷最大的天气因素。天气敏感负荷分量模型可以用三段直线来近似描述，即(以温度为例): (2-4)式中，t为预测温度，可以是一日最高温度、最低温度、平均温度或是某时点温度(例如上午8时):Tw , Kw为电热临界温度和斜率，t TS时冷气负荷增加，其斜率为KS;在TW = t = TS之间一段温度上，电热和冷气均不开放，负荷与温度没什么关系。图2-43更加直观的描述了这一模型。 w 0 TW TS t 图2-3 天气敏感负荷模型特别事件负荷分量模型 特别事件负荷分量指节假日、特别电视节目、重大政治活动等对负荷造成的影响。

38、其特点是只有积累大量的事件记录，才能从中分析出某些事件的出现对负荷的影响程度，从而做出特别事件对负荷的修正规则。这种分析可以用专家系统方法来实现，也可以简单地用人工修正来实现。随机负荷分量模型 对于给定的过去一段时间的历史负荷记录，提取出基本负荷分量、天气敏感负荷分量和特别事件负荷分量后，剩余的残差即为各时刻的随机负荷分量，可以看成是随机时间序列。目前，处理这类问题的最有效办法是Box-Jenkins的时间序列法，其基本的时间序列模型将在第三部分中进行具体介绍。3、负荷数据的预处理本文所采用的负荷数据是从SCADA实时数据库和历史数据库中获取的，己经经过状态估计的数据。但是当电力系统出现拉闸限

39、电、设备故障以及由于通信等原因而出现干扰时，历史负荷数据中会夹着许多不良数据。不良数据对负荷预测的精度影响很大，因此需要对不良数据进行预处理和对缺损数据进行修补。不良数据的检测和处理：数据的水平处理 在进行数据分析时，将前后两个时间数据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。对判定的不良数据采用平均值的方法使其平稳化，具体公式如下: （2-5）式中P(d,t)为第d天t时刻的负荷; ,为阀值。数据的垂直处理数据的垂直处理是根据电力负荷周期性变化的这一特点，认为不同日期的同一时刻的负荷应该具有相似性，并且同时刻的负荷值应维持在一定范围内，如超出这

40、个范围就判断为不良数据，并对其进行修正。具体公式如下: (2-6)其他处理方法 对于负荷资料中的不良数据，有抗差估计和人工智能等处理方法。抗差估计是假设数据分布模式符合某种污染分布，具有一定的识别不良数据的能力，但是在实际中往往难以确定主体分布和干扰分布的模式及污染率。用学习矢量量化(Learning Vector Quantization, LVQ)的方法来剔除不良数据，这种方法是将数据视为若干矢量组，若某矢量中有一个分量为不良数据，则整个矢量就被剔除，容易丢失大量的可用信息。提出了基于人工神经网络的电力负荷不良数据辨识与调整，首先利用Kohonen网对日负荷曲线进行聚类，产生各类的特征曲线

41、，然后用特征曲线及由此产生的含有不良数据的曲线形成的样本集对BP网进行训练，使之具备对本类曲线进行不良数据精确定位的能力，最后利用特征曲线进行不良数据的调整。4、负荷预测误差分析由于负荷预测是一种对未来负荷的估算，因此，它与客观实际还是存在着一定的差距，这个差距就是预测误差。计算和分析预测误差的方法和指标很多，现主要介绍如下几种。绝对误差与相对误差设Y表示实际值，表示预测值，则称Y为绝对误差，称 为相对误差。平均绝对误差 (2-7)式中 MAE平均绝对误差； -第i个预测值与实际值的绝对误差； -第i个实际负荷值； -第i个预测负荷值。注：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

42、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 （2-8）其中 MSE-均方差注：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。均方根误差 （2-9） 其中 RMSE-均方根误差 注：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。标准误差 （2-10） 其中 -预测标准误差； n-历史负荷数据个数 m-自由度，也就是变量的个数，即自变量和因变量的个数总和。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。关联系数: （2-11）关联度: （2-12）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

43、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。后验差比值C为 （2-13）（五）负荷预测的基本过程由上面的介绍我们可以知道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，以真正反映负荷变化规律。其基本过程如下。 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。 2、历史资料的整理 一般来说，由于

44、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，来保证资料的质量，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，数据有没有不完整。 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的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

45、垂直处理即在负荷数据预处理时考虑其24h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。 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。还要注意资料的补缺，并对不可靠的资料加以核实调查。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。由于从已掌握的发展变

46、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。5、在预报过程中，对预报模型进行必要的校正由于负荷预测是一种对未来负荷的估算，不可避免地，已与客观实际还是存在着一定的差即，这个差即就是预测误差。研究产生误差的原因，计算并分析误差的大小，不但可以认识预测结果的准确程度，从而在利用预测资料做出决策时具有重要的参考价值，同时对于改进负荷预测工作，检验和选用恰当的预测方法等方面也有很大的帮助。三、负荷预测方法短期负荷预测技术经过几十年的发展，随着数学统计理论和人工智能技术的相继引入，人们提出了各种各样的预测方法，现有的预测方法多达十几种，包

47、括单耗法, 趋势外推法, 弹性系数法,线性回归、时间序列、灰色模型法, 德尔菲法, 卡尔曼滤波、专家系统法,人工神经网络、模糊推理, 小波分析预测技术,数据挖掘, 优选组合预测法等，。典型的方法有多元线性回归法、指数平滑法、Box-Jenkins法、状态空间法、人工神经网络法、专家系统法、模糊推理法、灰色模型法、小波变换法等。这些方法从简单到复杂，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。所以，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。电负荷预测的准确性主要取决于基础资料、预测方法、预测手段等，这其中基础资料的正确性尤其重要,很难说有哪一

48、种方法绝对优越于其他方法。进行负荷预测时，各种预测方法所考虑的因素各异，对于信息的利用程度也存在差异，预测人员必须依据影响因素的不同选择相应的算法，甚至对于同一天也须运用几种不同的算法进行预测，通过比较来确定预测值，因此，采用组合预测来提高负荷预测的精度是十分必要的。为此本文建立了一个负荷预测的方法库，提供多种预测方法，以尽可能多的预测模型满足负荷发展规律多样性的需求。本章介绍构几种短期负荷预测方法，并在此基础上提出一种基于这几种算法的组合优化算法，最后以一实际电网为基础数据作为研究对象，并对预测结果进行了分析比较。（一）各种预测方法简介1、回归模型预测法回归模型预测方法就是根据负荷过去的历史

49、资料，建立可以进行数学分析的数学模型，对未来的负荷进行预测。从数学上看，就是用数理统计中的回归分析方法，即通过对变量的观测数据进行统计分析，确定变量之间的相互关系，从而实现预测的目的。回归预测包括线形回归和非线形回归。下面对一元线性回归模型，多元线性回归模型以及非线性回归模型做简要介绍：一元线性回归模型在一元线性回归中，自变量是可控制的或可以精确观察的变量（如时间），用x表示。因变量是依赖于的随机变量（如电力负荷），用表示。假设： （3-1）其中是随机误差，也称为随机干扰，它服从正态分布，都是不依赖于的未知参数。与的这种关系称为一元线性回归模型，记为： (3-2）对固定的，即随机变量的数学期望

50、是,显然，E是的函数，称它为关于的回归。用一元线性回归模型进行预测的一般步骤（1） 对n组样本观测数据设立模型 （3-3）式中待估计的参数；（2） 用最小二乘法得估计参数，从而得关于的线性回归方程；（3） 对模型作假设实验，确认模型的实用价值；（4） 对给定的预测点，在一定的置信度下，求出对应的预测值的预测置信区间，并指明预测的标准偏差。多元线性回归模型假设与负荷这个随机变量有关系的可控变量有p个（p ）1）根据过去的历史资料研究变量与变量之间的假设依赖关系的问题，就要考虑用多元回归分析方法来解决。多元线性回归模型为： （3-4）在进行预测之前，首先在历史数据(包括历史负荷数据以及有关影响负荷

51、大小的其它因素的历史数据)基础上通过最小二乘法来估计回归系数，回归系数确定后，就可以用于负荷预测。2、灰色预测法灰色系统理论认为随机过程都是在一定幅值范围内、一定时区内变化的灰色量，称随机过程为灰色过程。灰色系统理论把负荷序列看作一真实的系统输出，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。灰色系统理论是反模糊控制的观点和方法延伸到复杂的大系统中，将自动控制与运筹学的数学方法相结合，研究广泛存在于客观世界中具有灰色性的问题。 3、人工神经网络法人工神经网络是人工智能领域的

52、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。它是从模拟人脑思维开始发展起来的，是由大量的简单神经元组成的非线性系统，每个神经元的结构和功能都比较简单，而大量神经元组合产生的系统行为却非常复杂。人工神经网络具有自学习能力，可通过训练样本，根据周围环境来改变自己的网络，并根据变化的信息，调整自身的结构，能够用来解决非线性问题和不确定性问题。人工神经网络模型有多种形式，它取决于网络拓扑结构、神经元特性函数和学习算法。根据网络模型的特点，这些模型又可以分为前馈型人工神经网络(如BP网络、RBF网络)、自组织竞争人工神经网络(如ART网络、Kohonen网络)以及反馈型人工神经网络(如

53、Hopfied网络)等。 人工神经网络用于短期负荷预测的具体过程为:以历史负荷、天气数据(如气温)等作为输入变量，以负荷预测值为输出变量，通过大量的样本训练神经网络，确定神经元之间的连接权值及神经元的闭值，然后将训练完成的网络用于预测未来的负荷，并且随着新样本的加入，可以重新训练神经网络，形成新的权值和阐值以适应新的样本。 现在很多种人工神经网络模型己经被用于短期负荷预测，下面将分别介绍BP网络、RBF网络和Kokonen网络在短期负荷预测中的应用。BP (Back-Propagation，反向传输)网络 这是一种典型的前馈性人工神经网络，也是用于电力系统短期负荷预测最广泛的人工神经网络模型。

54、BP网络由输入层、隐含层和输出层组成，神经元特性函数为非线性函数(如Sigma函数)。理论上已经证明含有两个隐含层的BP网络可以以任意精度逼近任意连续非线性函数，但对BP网络模型结构的确定现在还没有系统化的理论和方法。目前BP网络模型结构(主要指隐含层数目及每层的节点数目)的确定基本上仍依靠人们的实践经验。在进行短期负荷预测的过程中，考虑到训练速度和对新数据的适应等原因一般都采用含有一个隐含层的BP网络。含有一个隐含层的BP网络用于短期负荷预测的三个主要问题为:输入变量的选择、隐含层节点数的确定以及学习算法的选择。对于愉入变量的选择，一般取历史负荷数据、天气条件、日类型等作为输入变量。由于训练

55、速度和预测速度的原因，输入变量的数目应尽量少。对于隐含层节点数的确定，以前只能靠经验来确定，近年来有人提出了通过实际的算例来比较含有不同节点数网络的优劣，进而确定节点数。RBF (Radial Basis Function径向基函数)网络RBF网络也是一种前馈型人工神经网络。RBF网络和BP网络的主要区别为其隐含层节点特性函数为像高斯函数那样的辐射状，并且在逼近能力、分类能力和学习速度等方面均优于BP网络。Kohonen网络Kohonen网络是一种自组织竞争人工神经网络。在网络结构上，Kohonen网络由输入层和竞争层两层组成，网络没有隐含层。该方法利用Kohonen神经网络的自组织特性，通过

56、输入适当的负荷样本对神经网络进行无导师训练，训练后的网络便可自动完成对负荷模式的分类，进行预测。4、小波分析技术小波分析是本世纪数学研究成果中最杰出的代表。它作为数学学科的一个分支，吸取了现代分析中诸如泛函分析、数值分析、样条分析、调和分析等众多分支的精华，并包罗了它们的特点。电力系统中日负荷曲线具有特殊的周期性，可以对其进行小波变换，进行处理后再重组回原负荷序列。小波分析是一种时域-频域分析方法，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梳密，它容易捕捉和分析微弱信号以及信号图象的任意细小部分。5、模糊预测法模糊负荷预测是近几年比较热门的研究方向。模糊控制

57、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。6、专家系统法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，它通过获取大量的领域内专家知识并在此基础上进行推理从而得到问题的解答。专家系统一般包括五部分:知识库、数据库、推理机、知识获取部分和解释部分。专家系统的开发在现阶段来说也是一个程序设计的过程。传统的程序设

58、计缺少灵活性，更重要的是缺少不精确的推导，也缺少合适的算法。专家系统的表达式是：知识+推理=系统，而传统的表达式是：数据+算法=程序。所以专家系统的结构和传统的程序是不相同的。一个完整的专家系统是由四个部分组成的：知识库、推理机、知识获取部分和解释接口组成，如图3-1所示。其中知识库用来存放相关领域专家提供的专门知识。推理机的功能是根据一定的推理策略从知识库中选取有关的知识，对用户提供的证据进行推理，直到得出相应的结论为止。推理机包括推理方法和控制策略两个部分。知识获取过程可以看作是一类专业知识到知识库之间的转移过程。人机接口则完成输入输出的人性化。图(3-1) 专家系统主要结构近年来，专家系

59、统在电力系统得到广泛应用。专家系统应用于电力系统负荷预测时，主要依靠对电力负荷与气象参数、季节、日期类型及特殊事件之间关系的经验性认识，并参考统计预报方法所得结果预报负荷。这是因为电力负荷反映政治生活、经济生活和人民日常生活的各方面情况，很多突发事件会引起负荷变化脱离正常模式，专家系统可以较为方便地处理这种情况。主要体现在:(1)可以避开复杂的数值计算并得到较准确的预测结果;(2)可以检查专家系统推理过程，出现错误时，可以不断修改知识库而不用修改主程序，使系统易于扩充。 7、相似日算法 一般预测方法都是直接找出负荷与影响因素之间的函数关系，但这种关系往往非常复杂。基于相似负荷日的短期负荷预测方

60、法是一种应用简便、效果良好的实用方法。该方法从原理上和调度运行人员用人工进行负荷预测时采用的方法相似，但不经处理的人工预测的随机性因素较大。在实际运行中，预测首先将各种影响负荷变化的因素均量化，可以从寻找相似负荷日出发，找出与待预测日较为相似的某几天的负荷，然后进行修正调整来预测，实际应用表明具有比人工预测更好的可靠性。其基本步骤是:找出最有可能与预测日负荷相似的日期(相似日)。计算两个样本间相似程度的算法很多，以距离计算法最为简单且意义明确。本文采用其中的“欧氏距离法”。利用每日的特征量求出历史日与被预测日的距离，取出与被预测日相似程度最高的一天，也就是即离最近的一天，然后根据距离求出权值进

61、行预测。 距离的计算方法:设有两个样本点,其间的即离可以采用下式计算: (3-5)其中，为权重，这种即离叫做两点间的欧氏距离。在本文中，样本取天气情况、日类型，以及两日之间的长短等参数。天气状况见表3.-1，日类型取值见表3.-22。表3-1 天气状况 表3-2 日类型值记及负荷变化的累积效应，可用如下的函数关系表示: (3-6)这也反映了负荷预测的“近大远小”的基本原则。根据预测日的参数进行修正。主要针对温度进行修正，一般采用制冷和制暖程度函数，即反映负荷变化与温度变化关系的函数，其中制冷程度函数形式如下: (3-7)当温度在某个数值以下时，制冷程度函数的值为0，在未达到另一数值时，已随着温度二次增长，达到该值以后呈线性增长。 对于制暖程度函数来说也有着类似形式，只不过函数值随着温度的增加而增加。（二）组合优化预测技术 1、组合优化的原理组合预测的概念是由Bates和Granger首先提出的，应用十国际航班乘客数据组合时间序列方法和指数平滑法，取得了较高的预测精度。在他们后来的研究中，采用了最小方差(MV)方法，同时也强调了组合权值随时间变化的可能性。此后，许多学者对此做了更深入的研究和广泛的应用，得