《电力系统短期负荷预测及其相关问题研究》由会员分享，可在线阅读，更多相关《电力系统短期负荷预测及其相关问题研究（67页珍藏版）》请在金锄头文库上搜索。
1、华中科技大学硕士学位论文摘要短期负荷预测对于电力系统的稳定、经济运行起着至关重要的作用，特别是在电力市场条件下，对短期负荷预测的准确性和可靠性提出了更高的要求。近十年来，随着人工智能技术的发展，短期负荷预测方法得到长足的发展，童l ! 至亘网络在电力系统短期负荷预测领域得到广泛应用，但仍存在缺陷和不足本文就神经元网络、数据发掘技术在电力系统短期负荷预测中的应用进行了研究与分析，得出如下的研究成果：对目前电力系统短期负荷预测的理论和方法进行了全面的回顾和评述，介绍了现代负荷预测方法的发展及现状。对人工神经元网络的原理和学习、训练方法做了详细的介绍。结合实际工程应用，对小波神经元网络、B P 神经
2、元网络、R B F 神经元网络的原理、结构和训练方法做了深入的分析，指明了其实现细节和实现难点。将数据发掘技术概念引入到电力系统短期负荷预测中，对近年来。比较成熟、有较强应用前景的数据发掘技术做了深入的分析。储合工程实际，对部分方法提出了改进方法、对其应用前景做了分析0 一，p 7 、一将数据发掘技术与人工神经元网络相结合，提出了一种拥有模式识别功能的径向神经元网络预测方法。并用进化算法代替了误差反传学习算法进行网络学习、用确定性退火聚类代替K 均值聚类来选取隐层节点中心。实际应用表明：该方法稳定可靠，能够提高预测精度。L ，卜7 一一介绍实用化的短期负荷预测软件包的开发的基本原则，对负荷预测
3、软件的主要功能、软件的人机界面、专家系统、数据校核技术和跨平台接口都做了描述。f 并对软件采用的主要预测模型的特点和缺陷做了分析。j 。一，P 一rq 人工神经网络算法( J 心N ) ：原理：采用三层( 输入层、隐含层、输出层) 多神经元模型分析并模拟预测数据( 包括负荷数据以及气象数据，下同) 与历史数据( 包括负荷数据以及气象数据，下同) 间存在的规律，从而计算出预测负荷。华中科技大学硕士学位论文特点：该算法属于非常综合性的预测算法，其在考虑历史负荷数据及气象信息变化下，自动分析模拟系统负荷数据变化规律，并在这个规律下对预测日期负荷进行预测。能同时考虑系统负荷月周期、周周期、日周期、及气
4、象信息规律。评价：直接考虑气象因素影响，但影响程度又算法自动调整。对于预测变化规律比较模糊的数据有效用。负面效果微弱，可作为常设预测算法。心 指数平滑法( E S ) ：原理：根据日负荷的连续性原理，用过去多目的历史负荷表示预测负荷，采用数学算法寻找最佳参考天数及各日权重，从而计算出预测负荷。特点：以简单的外推原理模拟负荷变化规律。适用于绝大部分电力系统负荷预测。评价：只考虑负荷本身变化规律，不直接与气象信息挂钩。简单实用。周期指数平滑法( W E S ) ：原理：同上。特点：考虑了负荷周周期变化。通过隔周取历史参考数据的方式，采用算法避免负荷周周期对预测精度的影响。实用人为干预量少、周周期明
5、显的电力系统负荷预测。评价：只考虑负荷本身变化规律，不直接与气象信息挂钩。对于人工干预量占系统总电量比重较大( 如： 5 ) 的系统，和负荷周周期不明显的系统，存在一定的负作用。可以通过对比分析后决定取舍。3 阶( 多阶) 非线性外推( L E 3 ) ：原理：采用线性模型模拟与预测日类型相似的历史日平均负荷的变化规律，从而外推出预测日的平均负荷。特点：采用3 ( 多) 阶非线性模型模拟历史负荷变化规律，外推出预测日的负荷。其模拟的系统负荷变化规律为摇摆性规律评价：只考虑负荷本身变化规律，不直接与气象信息挂钩。为本预测系统中唯一直接模拟负荷摇摆变化的算法。对于非商业负荷主导的系统，可以在分析比
6、较后决定取舍。华中科技大学硕士学位论文气温非线性外推( n 也E ) ：原理：在2 阶线性外推的基础上在模型中考虑了气象数据对负荷的影响，模拟历史负荷的变化规律，计算出预测负荷。特点：采用2 阶模型直接反应气象信息( 主要是气温) 对系统负荷变化的影响。对气温变化敏感。评价：补充以上算法中对气温变化的不敏感的不足。然而，对于未提供气象数据的系统，其副作用可能很明显，甚至可能直接影响到最后的预测结果。因此，对这样的系统，需要比较分析、慎用。周期气温线性外推( W T N L E ) ：原理：在上述气温非线性外推模型基础上叠加2 阶的负荷周周期模型，计算出预测负荷。特点：在2 阶非线性外推模型上，
7、叠加了2 阶气温信息模型，再叠加了2 阶周周期负荷模型。同时提高了负荷对气象信息的敏感度、及对周周期的敏感度。评价：同上。对于未给出气象信息的系统，需要比较分析、慎用。A R M A 模型：原理：在最优化的权重分配下，采用历史负荷数据描述预测负荷数据，计算出预测负荷。特点：其分析原始数据基本同“指数平滑法”。然而，模拟的变化规律与“指数平滑法”完全不同。对“指数平滑法”起到规律补足的作用。评价：只模拟负荷自身的变化规律，不直接与气象信息挂钩。对于负荷变化比较平稳的系统比较适用。对于负荷变化波动大的系统可能有很大的负作用。对于预测结果根本不可信的情况，其一般为负作用较大的算法之一。峰值负荷预测(
8、 P E A H ) ：原理：分析并模拟日最大负荷、日最小负荷的变化规律和它们随天气的变化规律，计算出预测日的最大、最小负荷，再考虑全日各时段各点负荷的变化系数，计算出预测负荷。5 4华中科技大学硕士学位论文特点：直接模拟日最大负荷、日最小负荷与气温高低的变化规律。对气温变化有最大的敏感度。评价：对于给出气象信息的系统，该算法在修正预测结果方面有很好的效用。然而，对于尚未提供气象信息的系统，其负作用非常明显。对于这些没有气象信息的系统，建议排除该算法进行预测。模糊聚类预测( F A F )原理：通过相似日算法寻找近一个月来与预测日的气象因素、星期、日期类型最为相似的工作日，然后按照相似度的大小
9、加权平均，即可得预测负荷。特点：能够综合历史负荷和气象因素进行预测，但是由于相似度函数的定义，特别是各个具体的气象因素对于负荷的影响程度因具体的系统不同而不同，相似度函数定义的好坏直接关系到预测的精度。评价：在天气因素变化不剧烈的情况下，能够精确的进行预测。对于近一段时间内天气变化比较剧烈的情况，应避免使用本预测方法。5 3 2 专家系统的简单应用专家系统应用非常广泛，而且其技术还处于不断发展的时期，因此其结构也有所不同，软件的简易专家系统主要是为解决大用户负荷和灾害性天气以及线路检修等引起负荷异常变化的问题。采用S Q LS e r v e r 数据库和简单的逻辑推理系统实现。主要由下述2
10、个部分组成：( 1 ) 全局数据库或称工作存储器，是反映当前问题求解状态的集合，用于临时存放求解问题所需的各种初始数据或证据，以及求解期间由专家系统产生的各种中间信息，有时还包括中间假设或中间结论之间的“链”关系等。全局数据库中由各种事实、断言和关系组成的状态，既是推理杌选用知识的依据，也是解释机制获得推理路径的来源；软件中的数据库存放的是历史条件下，各种突发事件或者气象因素变化对于9 6点负荷的影响。( 2 ) 推理机主要由调度程序和解释程序组成，是实施问题求解的核心执行机构。调度程序依据全局数据库中的当前问题状态和有关信息，按一定的控制策略从知识库中5 5华中科技大学硕士学位论文识别和选取
11、可用的知识。解释程序的任务是根据知识的语义，对找到的知识进行解释执行，并把结果记录到全局数据库的适当空间中：软件的推理机制主要是基于相似日理论和线性推理，在气象突变的条件下，通过查找历史记录中与预测日气象条件最为相似的历史日负荷，并据此得到该气象条件对于负荷变化的影响，以修改预测结果。线性推理适用于线路故障或者检修，根据故障范围的大小和历史记录，便可以得到其对于负荷变化的影响。5 2 3 软件的结构框圈图5 2 软件整体架构框图5 6华中科技大学硕士学位论文5 4 数据预处理技术由于各种因素的干扰，负荷原始数据中存在着许多伪数据，若不对这些伪数据进行处理，必然会影响预测的精度与速度。如何用计算
12、机对原始数据进行检查，找出可疑点，至今仍未得到很好的解决。但根据数据的一些统计特征量，可找出原始数据的一些可能的异常点并加以剔除或修正。11 C h a u v e n e t 法则C h a u v e n e q 法则是一种常用的确定可疑异常点的方法。在一组样本量为的实验数据中，把出现概率小于1 2 N 的数据点作为可疑异常点。2 1 比检验法设x ( t ) 为从实时数据库中提取的负荷数据，对其采用如下规则】：若1 f x ( t ) - x ( t - I ) y 。g I x ( 0 - x ( t - I ) r ，贝f J x ( t ) = 去( 工( ，) + z ( f I
13、 ) )3 ) 趋势分析法对于数据序列工( f ) 对其采用如下规则若J 工( f ) 一I y 。或愀r ) 一u l - l x ( t - 1 ) - u l l r ，或愀r ) 一l - l x ( f + 1 ) 一0 y ：，则数据为正常数据，不需要处理，否则应进行平滑，如用对比检验法或用指数平滑方法。5 5 分布式系统的开发计算机网络是典型的异构体系。造成网络异构的原因很多，一个明显的原因是网络技术随着时间不断在改进。网络技术不是一成不变的，它在不断演化，不同时期最好的技术可能在同一网络中共存。造成网络异构的另一原因是网络的大小不是固定不变的，而且网络的多样化使得网络具有更大的
14、回旋余地。既然造成异构的因素是不可避免的，因此实际从事分布式系统的开发者无论喜欢还是不喜欢都必须面对异构的问题。在电力系统中网络异构是客观存在的，例如实际存在着l N 操作系统和W I N D O W S 操作系统，U N I X 系统由于其稳定性和信息安全性，通常作为工作站和服务器使用，而W I N D O W S 操作系统则提供桌面自动化管理工具和M I S 工作站等功5 7华中科技大学硕士学位论文能。作为M I S 功能的短期负荷预测软件是以W I N D O W S 为平台的，而系统历史数据往往存放在S C A D A 系统服务器上，这就涉及到异构系统中应用程序的开发。软件采用C O
15、R B A 技术来解决这个问题。相对于传统的客户一服务器模式，软件采用了客户一中间件一服务器模式，具有相当的灵活性和简洁性。C 0 砌认技术为可移植的、面向对象的分布式计算应用程序提供了不依赖与平台的编程接口和模型，它不依赖于编程语言、计算平台、网络协议的这特点，使得它非常适合于现有的分布式系统新的应用程序的开发和系统集成。其原理如下图5 3 所示：图5 3C O R B A 原理图软件中对于C O R B A 模块的调用的流程如下：客户代码向O R B 发送数据请求+客户代码接受数据并写入数据库0返回主程序图5 4C O R B A 模块的调用流程5 8华中科技大学硕士学位论文：= = =
16、= = = ；= = = = = = = = = = = ；= = = = = = = = = = = = ；5 6 小结本章介绍了电力系统短期负荷预测软件设计的基本原理、主要功能。并介绍了短期负荷预测软件m y c l 0 的各个功能模块、软件设计的架构，各个预测模型的主要特点、优势和不足。并介绍了短期负荷预测中采用的数据辨识主要方法。最后介绍了分布式条件下，基于C O R B A 接口的软件编程。华中科技大学硕士学位论文6 全文工作总结6 1 全文工作总结短期负荷预测对于电力系统的安全经济运行起着举足轻重的作用，特别是在电力市场条件下，对于短期负荷预测的准确性、可靠性提出了更高的要求。因而，探讨一种预测精度更高、稳定性较好的短期负荷预测方法无疑是有意义的。本文就神经元网络以及数据发掘技术在电力系统短期负荷预测中的应用进行了研究，得出了以下研究成果：( 1 ) 对目前短期负荷预测的理论和方法进行了全面的回顾和评述，对当前主要预
