电力负荷预测方法研究

《电力负荷预测方法研究》由会员分享，可在线阅读，更多相关《电力负荷预测方法研究（41页珍藏版）》请在金锄头文库上搜索。

1、.1 绪论电力工业的发展一方面直接制约着国民经济和社会的发展，另一方面电力工业的发展也依赖于社会对电力的需求。电力系统的作用就是对各类用户提供尽可能经济可靠而合乎标准要求的电能，以随时满足各类用户的要求，用电力系统的术语来说，就是满足负荷要求。所以正确的电力负荷预测既可以为国民经济的发展提供充足的电力，也可以为电力系统自身的发展提供帮助，特别是对于电力系统规划而言，准确的负荷预测是整个规划工作的基础和前提。电力系统短期负荷预测对未来 1 日至 1 周的负荷进行预测，而中期负荷预测则是对未来一月至一年的负荷进行预测的。中、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 E

2、MS 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。电力系统负荷预测为这一地区电力规划奠定了一定的基础，同时也为这一地区电力工业布局、能源资源平衡、电力余缺调剂，以及电网资金和人力资源的需求与平衡提供可靠的依据。因此，电力负荷预测是一项十分重要的工作，它对于保证电力工业的健康发展，乃至对于整个国民经济的发展均有着十分重要的意义。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：经典的数学统计方法以及上世纪 90 年代兴起的各种人工智能方法。经典的数学统计方法包括线性外推法、多元线性回归法、时间序列法和状态空间法等。人工智能方法包括人工神

3、经网络法、专家系统方法和模糊推理方法、小波分析等。本文介绍了一种基于 BP 神经网络的短期负荷预测方法 1。其中首先根据实际经验将一周的 7 天分为工作日（星期一到星期五）和休息日（星期六和星期天）等两种类型；然后建立相应的人工神经网络模型用以预测负荷归一化系数；最后通过最小二乘法预测日最大负荷和日最小负荷。利用相应的 BP 神经网络方法对未来 24 小时负荷进行短期预测 2，该方法充分发挥了神经网络处理非线性问题的能力和人工神经网络自学习、自适应的优点。实际算例表明，这种方法应用在短期负荷预测方面有较高的精度。.1.1 电力负荷预测研究的意义电力负荷有两方面的含义 3：一方面是指电力工业的服

4、务对象，包括使用电力的部门、机关、企事业单位、工厂、农村、车间、学校以及各种各样的用电设备。另一方面是指上述各用电单位、用电部门或用电设备使用电力和电量的具体数量 4。电力负荷预测中的负荷概念是指国民经济整体或部门或地区对电力和电量消费的历史情况及未来的变化发展趋势。电力负荷预测就是在正确的理论指导下，在调查研究掌握大量翔实资料的基础上，运用可靠的方法和手段对电力负荷的发展趋势作出科学合理的推断。本文中基于神经网络的电力短期负荷预测就是在大量有关电力短期负荷研究和神经网络理论的指导下，在充分调查研究处理了某市某年某月一个月 700 多组数据后，应用了神经网络理论与 MATLAB 的实现方式，进

5、行了编程仿真，得出了月底某工作日和某休息日两天的各小时点的具体负荷 5。较高的预测精度充分表明了它的科学合理性。电力用户是电力工业的服务对象，电力负荷的不断增长是电力工业发展的根据。正确地预测电力负荷，既是为了保证无条件供应国民经济各部门及人民生活以充足的电力的需要，也是电力工业自身健康发展的需要。电力负荷预测工作既是电力规划工作的重要组成部分，也是电力规划的基础。全国性的电力负荷预测，为编制全国电力规划提供依据，它规定了全国电力工业的发展水平、发展速度、源动力资源的需求量，电力工业发展的资金需求量，以及电力工业发展对人力资源的需求量。本文对某地区进行电力负荷的中、短期预测，它为这一地区电力规

6、划奠定了一定的基础，同时也为这一地区电力工业布局、能源资源平衡、电力余缺调剂，以及电网资金和人力资源的需求与平衡提供可靠的依据。因此，电力负荷预测是一项十分重要的工作，它对于保证电力工业的健康发展，乃至对于整个国民经济的发展均有着十分重要的意义。1.2 国内外电力负荷预测研究的现状电力负荷预测分为经典预测方法和现代预测方法 6。 1.2.1 经典预测方法 （1） 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

7、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。时间列模型的缺点在于不能充分利用对负荷性能有很大影响的气候信息和其他因素，导致了预报的不准确和数据的不稳定。（2） 回归分析法回归分析法就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。从数学上看，就是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，从而实现预测目的。回归预测包括线性回归和非线性回归。虽然经典的数学统计方法具有速度快的优点，但是其预测模型比较简单，很难准确描述负荷预测的实际模型，所以其精度较差。随着人工智能技术逐步被引入到短期负荷 预 测 中 ， 人 们 已

8、经 提 出 了 多 种 基 于 人 工 智 能 的 预 测 方 法 ， 其 中 最 为 典 型 的 为基 于 各 种 人 工 神 经 网 络 模 型 的 预 测 方 法 ，其中以神经 BP 算法为代表。1.2.2 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了成功应用。这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

9、，用于负荷预测。灰色系统理论是中国学者邓聚龙教授 1982 年 3 月在国际上首先提出来的，在国际期刊SYSTEMS AND CONTROL LETTER刊物上发表，题为“Control Problems of Grey Systems”,引起了国际上的充分重视。灰色系统理论的形成是有过程的。早年邓教授从事控制理论和模糊系统的研究，取得了许多成果。后来，他接受了全国粮食预测的课题，为了搞好预测工作，他研究了概率统计追求大样本量，必须先知道分布规律、发展趋势，而时间序列法只致力于数据的拟合，不注重规律的发展。邓教授希望在可利用数据不多的情况下，找到了较长时期起作用的规律，于是进行了用少量数据做微

10、分方程建模的研究。这一.工作开始并不顺利，一时建立不起可供应的模型。后来，他将历史数据作了各种处理，找到了累加生成，发现累加生成曲线是近似的指数增长曲线，而指数增长正符合微分方程解的形式。在此基础上，进一步研究了离散函数光滑性，微分方程背景值、平射性等一些基本问题，同时也考虑了有限和无限的相对性，定义了指标集拓扑空间的灰导数，最后解决了微分方程的建模问题 7。（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

11、进行负荷预测。专家系统是一个用基于知识的程序设计方法建立起来的计算机系统（在现阶段主要表现为计算机系统），它拥有某个特殊领域内专家的知识和经验，并能像专家那样运用这些知识，通过推理，在那个领域内作出智能决策。所以，一个完整的专家系统是有四部分组成的，即知识库、推理机、知识获取部分和解释界面。（3） 神经网络理论运用神经网络技术进行电力负荷预测，其优点是可以模仿人脑的智能化处理，对大量非结构性、非精确性规律具有自适应功能，具有信息记忆、自主学习、知识推理和优化计算的特点，特别的，其自学习和自适应功能是常规算法和专家系统技术所不具备的 8。因此，预测被当作人工神经网络（简记为 ANN）最有潜力的应

12、用领域之一，许多人都试图应用反传学习算法训练 ANN。以用作时间序列预测。误差反向传播算法又称为 BP 法，提出一个简单的三层人工神经网络模型，就能实现从输入到输出间非线性映射任何复杂函数关系。因此，我们可以将对电力负荷影响最大的几种因素作为输入，即当天的天气温度、天气晴朗度（又称为能见度）、风向风力、峰谷负荷及相关负荷等，争取获得较好的预测结果。（4） 小波分析预测技术小波分析（Wavelet）是本世纪数学研究成果中最杰出的代表 9。它作为数学学科的一个分支，吸取了现代分析学中诸如泛函分析、数值分析、Fourier 分析、样条分析、调和分析等众多分支的精华，并包罗了它们的特色。由于小波分析在

13、理论上的完美性以及在应用上的广泛性，在短短的几年中，受到了科学界、工程界的高度重视，并且在信号处理、图象处理、模式识别、地震预报、故障诊断、状态监视、.CT 成象、语言识别、雷达等十几个科学领域中得到应用。小波分析为本世纪现代分析学作了完美的总结。小波分析方法的提出，可以追溯到 1910 年 Harr 提出的“小波”规范正交基及1938 年 Littlewood-Paley 对 Fourier 变换的相位变化本质上不影响函数的 L-P 理论。1981 年 Stromberg 对 Harr 系进行了改进，证明小波函数的存在。 1984 年法国地球物理学家 Morlet 在分析地震波的局部性时，把

14、小波运用于对信号分解，取得了满意的分析结果。随后，理论物理学家 Grossman 对 Morlet 的这种信号方法进行了理论研究，这无疑为小波分析的形成奠定了基础。1986 年，法国数学家 Mayer 创造性地构造出了一个具有一定衰减特性的光滑函数，它的二进制伸缩和平移系构成 L（R）的规范正交基，实现了信号在时频空间同时局部化的正交分解。他为小波理论的形成和完善作出了重大贡献，是小波理论的奠基人之一。1988 年，Daubechies 构成出了具有有限支撑的正交小波基。它在数学信号的小波分解过程中提供有限的从而更实际、更具体的数字滤波器。这样，小波分析的理论大厦就基本奠定了。1990 年，D

15、aubechies 在美国作了 10 次小波讲座，把小波介绍到工程界中，“小波热”就开始了。此后，中国学者崔锦泰和王建忠构成了基于样条函数的单正交小波函数，并讨论了具有最好局部化性质的尺度函数与小波函数。而 Wicherhanseer 等将 Mallat 算法进一步深化，提出了小波包算法，取得了信号的最佳时频分解。目前，国内外有关小波在电力系统中的应用的文献还很少，这个领域还是很少，然而，由于其独特的分析方法，在电力系统负荷预测方面一定会有很好的前景 10。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疏密，它容易捕捉和分析微弱信

16、号以及信号、图象的任意细小部分。其优于传统的 Fourier 分析的主要之处在于：能对不同的频率成分采用逐渐精细的采样步长，从而可以聚焦到信号的任意细节，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、存储、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。（5） 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。1.3 本文主要的研究工作通过本次毕业设计，我们要对所学知识得以巩固与加强；了解目前负荷预测的概况，弄清负荷