电力系统短期负荷预测方法的研究及实现—硕士毕业论文下载
很抱谦，您的浏览器并不支持 IFrame，请与管理员联系，也可。
电力系统短期负荷预测方法的研究及实现
硕士博士毕业论文站内搜索
全站论文库
硕士博士论文库
普通期刊论文库
分类：→工业技术论文→→→→
电力系统短期负荷预测方法的研究及实现
[硕士毕业论文]论文目录&摘要第1-6 页 Abstract第6-12 页 第1章 绪论第12-16 页 　　1．1 电力负荷预测的意义第12-13 页 　　1．2 电力负荷预测技术的发展和现状第13-14 页 　　1．3 本文所完成的主要工作第14-16 页 第2章 负荷预测原理第16-25 页 　　2．1 引言第16-17 页 　　2．2 短期负荷预测基本模型第17-22 页 　　　　2．2．1 影响负荷的因素第17-19 页 　　　　2．2．2 短期负荷预测基本模型第19-22 页 　　2．3 负荷预测的特点和原理第22-25 页 　　　　2．3．1 负荷预测的特点第22-23 页 　　　　2．3．2 负荷预测的原理第23-25 页 第3章 短期负荷预测基本方法第25-34 页 　　3．1 引言第25 页 　　3．2 各种预测方法简介第25-32 页 　　　　3．2．1 多元线性回归分析法第25-26 页 　　　　3．2．2 指数平滑法第26-27 页 　　　　3．2．3 随机时间序列法第27-30 页 　　　　3．2．4 人工神经网络法第30-31 页 　　　　3．2．5 专家系统方法第31-32 页 　　3．3 各种预测方法简评第32-34 页 第4章 短期负荷预测方法研究第34-44 页 　　4．1 日负荷数据的归一化处理第35-36 页 　　4．2 通过RBF神经网络预测日负荷归一化曲线第36-40 页 　　　　4．2．1 RBF网络概述第36-37 页 　　　　4．2．2 RBF网络参数的初始化第37 页 　　　　4．2．3 RBF网络学习算法第37-39 页 　　　　4．2．4 RBF网络短期负荷预测模型第39-40 页 　　4．3 预测日负荷最大值和最小值第40-41 页 　　4．4 节假日负荷预测第41-42 页 　　4．5 实例分析第42-44 页 第5章 电力负荷数据中坏数据的检测与调整第44-53 页 　　5．1 负荷坏数据检测与调整的基本思路第44-45 页 　　5．2 特征曲线的产生第45-50 页 　　　　5．2．1 聚类分析第45-46 页 　　　　5．2．2 k-均值算法第46-49 页 　　　　5．2．3 采用k-均值算法实现负荷曲线的聚类第49-50 页 　　5．3 基于特征曲线的坏数据检测及调整第50-51 页 　　5．4 实例分析第51-53 页 第6章 短期负荷预测系统的开发第53-68 页 　　6．1 系统的构成第53 页 　　6．2 数据库设计第53-55 页 　　6．3 负荷预测软件第55-67 页 　　　　6．3．1 主框架简介第55-59 页 　　　　6．3．2 功能操作第59-67 页 　　6．4 软件特点第67-68 页 第7章 结论与展望第68-70 页 　　7．1 结论第68-69 页 　　7．2 展望第69-70 页 致谢第70-71 页 参考文献第71-73 页 攻读硕士学位期间发表的学术论文第73页
本篇论文共73页，
更多相关论文
栏 目 导 航
版权申明：WWW.Lw52.net整理制作目录，本站并未收录论文原文，如果你是作者，需要删除这篇论文目录，。
||||||||||
Copyright(C) All Rights Reserved电力系统超短期负荷预测方法及应用--《硅谷》2014年20期
电力系统超短期负荷预测方法及应用
【摘要】：电力系统超短期负荷预测是电力部门进行电网规划和运行的基础工作之一,其预测精度直接影响着电力系统运行的安全性、稳定性和经济性。本文从超短期负荷预测概念出发,在分析其作用、特点的基础上,对预测方法的原理、应用范围、优势与不足进行综述,并进一步阐述超短期负荷预测的应用。
【作者单位】：
【分类号】：TM715【正文快照】：
作为电网调度中的重要组成部分,负荷预测按时间尺度,分为长期、中期、短期和超短期负荷预测。超短期负荷预测是对未来5分钟到1小时的负荷变化情况进行预测,它是保证电网频率质量、提高系统安全稳定水平,实现AGC超前控制以及动态经济调度的基础和保障[1-3]。1超短期负荷预测特
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【参考文献】
中国期刊全文数据库
韩力;韩学山;雷鸣;马晓红;杨明;;[J];电力系统自动化;2009年04期
周劼英,张伯明,郭玉金,何群,姚诸香;[J];电网技术;2005年21期
康重庆;赵燃;陈新宇;杨兴宇;曹欣;刘梅;;[J];电力系统保护与控制;2009年09期
【共引文献】
中国期刊全文数据库
刘乐;刘娆;李卫东;林伟;徐兴伟;;[J];电力系统自动化;2007年05期
滕贤亮;高宗和;张小白;汪俊余;袁飞;;[J];电力系统自动化;2008年22期
高宗和;陈刚;杨军峰;滕贤亮;姚建国;;[J];电力系统自动化;2009年15期
刘和森;石恒初;滕贤亮;袁飞;;[J];电力系统自动化;2009年20期
江木;吴文传;张伯明;张毅明;范斗;张强;程满;;[J];电力系统自动化;2009年22期
张小白;孙素琴;滕贤亮;李大鹏;镐俊杰;李奎;;[J];电力系统自动化;2010年16期
孙玉娇;孙英云;梅生伟;何光宇;阮前途;张王俊;;[J];电力自动化设备;2009年01期
李予州;吴文传;张伯明;江木;肖岚;路轶;;[J];电网技术;2009年03期
杨海晶;刘文颖;李予州;杨以涵;;[J];电网技术;2009年12期
蒋哲;韩学山;王孟夏;康凯;;[J];电网技术;2010年01期
中国重要会议论文全文数据库
马玲;刘和森;石恒初;;[A];2009年云南电力技术论坛论文集（优秀论文部分）[C];2009年
中国博士学位论文全文数据库
杨彦;[D];华南理工大学;2011年
毛李帆;[D];湖南大学;2011年
刘乐;[D];大连理工大学;2008年
李雪峰;[D];大连理工大学;2010年
赵瑞锋;[D];重庆大学;2013年
中国硕士学位论文全文数据库
谭涛;[D];重庆大学;2011年
蒋哲;[D];山东大学;2010年
郑高;[D];湖南大学;2012年
付鹏武;[D];重庆大学;2013年
蔡剑彪;[D];湖南大学;2013年
柴梓淇;[D];东北电力大学;2014年
杨修宇;[D];东北电力大学;2014年
【二级参考文献】
中国期刊全文数据库
高宗和,丁恰,温柏坚,姚建国;[J];电力系统自动化;2000年11期
于尔铿,周京阳,吴玉生;[J];电力系统自动化;2001年04期
钱玉妹,崔恒志,高宗和;[J];电力系统自动化;2003年11期
王成山,肖峻,罗凤章;[J];电力系统自动化;2004年12期
丁恰,卢建刚,钱玉妹,张剑,廖怀庆;[J];电力系统自动化;2004年16期
康重庆,杨高峰,夏清;[J];电力系统自动化;2005年17期
马进,王景钢,贺仁睦;[J];电力系统自动化;2005年17期
李强,周京阳,于尔铿,刘树春,王磊;[J];电力系统自动化;2005年18期
任江波;于尔铿;郭志忠;王磊;;[J];电力系统自动化;2007年01期
刘崇茹;张伯明;;[J];电力系统自动化;2007年12期
【相似文献】
中国期刊全文数据库
赵凯,彭建春,石峰;[J];湖南电力;2000年06期
鞠平,姜巍,赵夏阳,王俊锴,张世学,刘琰;[J];电力系统自动化;2001年22期
莫维仁,孙宏斌,张伯明;[J];电力系统自动化;2001年23期
金海峰,熊信艮,吴耀武;[J];电力系统自动化;2001年23期
赵登福,王蒙,张讲社,雷兵,张涛,周琳,王锡凡;[J];中国电机工程学报;2001年07期
姜勇,卢毅;[J];电力系统及其自动化学报;2001年06期
陈桂远;[J];广西电力技术;2001年01期
青志文,沈新祥,刘明清,姚建刚,曾刚,秦炜;[J];湖南电力;2001年03期
尤勇,盛万兴,王孙安;[J];中国电机工程学报;2002年09期
陈晓平,胡子珩,刘顺桂,莫维仁,张伯明;[J];广东电力;2002年02期
中国重要会议论文全文数据库
侯广松;刘伟生;;[A];2005中国电机工程学会电力系统自动化专委会全国供用电管理自动化学术交流暨供用电管理自动化学科组第二届年会论文集[C];2005年
朱桂华;赖晓平;云昌钦;;[A];1995年中国控制会议论文集（上）[C];1995年
杜欣慧;张岭;毕艳华;;[A];2004全国测控、计量与仪器仪表学术年会论文集（下册）[C];2004年
侯广松;刘伟生;谢广建;;[A];2006电力系统自动化学术交流研讨大会论文集[C];2006年
唐向阳;;[A];广西电机工程学会第七届青年学术交流会论文集[C];2002年
杜俊红;滕欢;滕福生;;[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年
侯广松;刘伟生;;[A];山东电机工程学会第十一届优秀学术论文集[C];2008年
盛琼;顾泽;骆丽楠;;[A];第八届长三角气象科技发展论坛论文集[C];2011年
张雪莹;管霖;;[A];广东省电机工程学会年度优秀论文集[C];2005年
田晓;颜勇;孔凡坊;顾德英;;[A];山东电机工程学会第五届供电专业学术交流会论文集[C];2008年
中国重要报纸全文数据库
通讯员池长斌;[N];中国电力报;2011年
池长斌;[N];中国电力报;2011年
中国博士学位论文全文数据库
卢芸;[D];沈阳工业大学;2007年
郑永康;[D];西南交通大学;2008年
王硕禾;[D];天津大学;2009年
程其云;[D];重庆大学;2004年
王志勇;[D];浙江大学;2007年
叶彬;[D];浙江大学;2006年
苏庆新;[D];东华大学;2008年
吴宏晓;[D];上海交通大学;2007年
雷绍兰;[D];重庆大学;2005年
谢忠玉;[D];哈尔滨工程大学;2010年
中国硕士学位论文全文数据库
耿艳;[D];山东大学;2008年
王黎明;[D];中国石油大学;2008年
赵冬红;[D];华北电力大学（北京）;2009年
潘学华;[D];华北电力大学（河北）;2009年
云会周;[D];华北电力大学（北京）;2010年
邵俊;[D];浙江大学;2009年
宁卜;[D];西安理工大学;2009年
温可明;[D];华南理工大学;2009年
钟光科;[D];河北工程大学;2011年
苏庆新;[D];曲阜师范大学;2002年
&快捷付款方式
&订购知网充值卡
400-819-9993您的位置： >
来源：　　作者：张超;陈晓英;焦建立;潘超;司玮玮;
电力系统超短期负荷预测方法及应用　 作为电网调度中的重要组成部分,负荷预测按时间尺度,分为长期、中期、短期和超短期负荷预测。超短期负荷预测是对未来5分钟到1小时的负荷变化情况进行预测,它是保证电网频率质量、提高系统安全稳定水平,实现AGC超前控制以及动态经济调度的基础和保障[1-3]。1超短期负荷预测特点和方法预测时间短、速度快、精度高是超短期负荷预测的显著特点,要求预测模型能够做到在线运行,监视负荷变化的同时并能预测下一时刻的变化趋势,实现在线修正[4.5]。目前来说,超短期负荷预测方法可分为经典预测方法和智能预测方法。2经典预测方法经典预测方法是在分析当前与历史超短期负荷数据及各种影响因素的前提下,建立相应数学模型,根据历史数据进行预测。经典预测法模型简单、计算量小、预测速度快,对平稳负荷序列有较高的预测精度,但由于缺乏自主学习和自适应能力,不适用于随机性较大的负荷序列的预测。1)时间序列法。时间序列法是超短期负荷预测中发展最为成熟的经典方法,以承认事物发展的延续性作为基本原理,运用过去时刻的负荷数据预测将来的负荷值。根据历史负荷资料建立数学模型,在描述电力负荷变化过程的统计规律的基础上,确立负荷预测的数学表达式,对(本文共计2页)　　　　　　　　　　
相关文章推荐
看看这些杂志对你有没有帮助...
单期定价：14.40元/期全年定价：11.52元/期　共276.50元
　　　　　　当前位置： >>
电力系统短期负荷预测及其应用系统
东南大学 硕士学位论文 电力系统短期负荷预测及其应用系统 姓名：朱向阳 申请学位级别：硕士 专业：电机与电器 指导教师：林鹤云
摘要随着电力系统的发展和市场化改革的不断深入，电网管理日趋现代化，能量管理系 统ＥＭＳ（调度自动化系统）的应用越来越广泛。负荷预测是ＥＭＳ的一个重要模块，也是电力市场技术支持系统的重要组成部分，研究负荷预测理论与算法并开发高效实用的负荷预测系统已成为十分重要的课题。本文主要针对电力系统短期负荷的预测算法及其 应用软件系统的设计和开发进行了初步研究。 在电力负荷预测算法研究方面，本文针对短期负荷预测的特点，将人工神经网络模型引入到短期负荷预测，提出了基于资源分配网络的预测模型，首次将该模型应用于电力系统负荷预测领域，并用实际负荷数据进行了验证，具有较高的预测精度；在天气突 变的情况下，采用专家系统对预测结果进行修正，可进一步提高预测精度。 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系统的短期电力负 荷预测系统。该系统集成于地区电网的调度自动化系统，具有较好的实时性、经济性和 实用性，采用客户机／Ｎ务器模式，以安全、高效的ＭＳ ＳＱＬ Ｓｅｒｖｅｒ作为后台数据库，选 用面向对象的可视化的ｃ＋＋Ｂｕｉｌｄｅｒ开发核心程序和系统界面。 本文开发的短期电力负荷预测系统集成了最小二乘法、线性回归法、时间序列法、 相似日法、神经网络法和组合算法，形成负荷预测方法库，提供了不同的预测模型和预 测方法以便对预测结果进行比较、校核，从而可提高负荷预测的精确度。文中以一实际 电网为基础数据进行了实例运算，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：短期负荷预测调度自动化系统人工神经网络专家系统ＡｂｓｔｒａｃｔＷｉｔｈ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ Ｐｏｗｅｒ Ｓｙｓｔｅｍｓ ａｎｄ Ｅｌｅｃｔｒｉｃｉｔｙ Ｍａｒｋｅｔ，ｔｈｅ ｍａｎａｇｅｍｅｎｔ ｏｆ ｍｏｄｅｍ ＰｏｗｅｒＮｅｔｗｏｒｋｓ ｂｅｃｏｍｅｓ ｍｏｒｅ ａｎｄ ｍｏｒｅ ｃｏｍｐｌｅｔｅ．Ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ＥＭＳ（Ｅｎｅｒｇｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ）ｈａｓｂｅｅｎ ｗｉｄｅｌｙ ａｐｐｌｉｅｄ．Ｓｈｏｒｔ－ｔｅｒｍ ｌｏａｄｆｏｒｅｃａｓｔｉｎｇ（ＳＴＬＦ）ｓｙｓｔｅｍ ｉｓａｌｌｉｍｐｏｒｔａｎｔ ｍｏｄｕｌｅ ｏｆ ＥＭＳ ａｎｄｃｒｉｔｉｃａｌ ｃｏｍｐｏｎｅｎｔ ｏｆ Ｅｌｅｃｔｒｉｃｉｔｙ Ｍａｒｋｅｔ ｏｐｅｒａｔｉｏｎ Ｓｙｓｔｅｍ．Ｓｔｕｄｙｉｎｇ ｔｈｅｏｒｙ ａｎｄ ａｌｇｏｒｉｔｈｍｓ ｏｆ ＳＴＬＦ ａｎｄ ｅｍｐｌｏｙｉｎｇａｌｌｅｆｆｅｃｔｉｖｅ ａｎｄ ａｐｐｌｉｃａｂｌｅ ＳＴＬＦ ｓｙｓｔｅｍ ａｒｃ ｂｅｃｏｍｉｎｇａｒｅａｎｉｍｐｏｒｔａｎｔ ｔａｓｋ．Ｔｈｅ ａｌｇｏｒｉｔｈｍｓ ｏｆＳＴＬＦ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｓｏｆｔｗａｒｅ ｓｙｓｔｅｍ Ａｃｃｏｒｄｉｎｇ ＳＴＬＦ．ＩｔｔＯｓｔｕｄｉｅｄ ｅｌｅｍｅｎｔａｒｉｌｙ ｉｎ ｔｈｉｓ ｐａｐｅｒ． Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆＳ孔Ｆ，ｔｈｅＮｅｔｗｏｒｋ（ＡＮＮ）ｍｏｄｅｌ ｉｓ ｉｎｔｒｏｄｕｃｅｄＤｉｓｔｒｉｂｕｔｉｎｇｔｏｂｒｉｎｇｓｆｏｒｗａｒｄａｎｅｗ ｍｏｄｅｌｂａｓｅｄＲｅｓｏｕｒｃｅＮｅｔｗｏｒｋ（ＲＡＮ），ｗｈｏｓｅｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ｍｏｄｅｌｉｎｇＳＴＬＦ ａｎｄ ｉｓ ｖａｌｉｄａｔｅｄ ｗｉｔｈ ｒｅｓｕｌｔｓａｃｏｕｒｓｅ ａｒｅｄｉｓｃｕｓｓｅｄ ｔｈｏｒｏｕｇｈｌｙ．Ｔｈｅ ｍｏｄｅｌ ｉｓ ｆｉｒｓｔ ａｐｐｌｉｅｄｔｈｅ ｄｏｍａｉｎ ｏｆｔｏｈｉｇｈ ｐｒｅｃｉｓｉｏｎ ｂｙ ａｃｔｕａｌ ｅｘａｍｐｌｅｓ，Ｅｘｐｅｒｔ Ｓｙｓｔｅｍ ｉｓ ｉｎｔｒｏｄｕｃｅｄｍｏｄｉｆｙ ｔｈｅｏｆＲａＮ ａｎｄ ｈａｓａｈｉｇｈｅｒ ｐｒｅｃｉｓｉｏｎ ｉｎ ｔｈｅ ｔｈｉｎｇ ｏｆｆｌｕｃｔｕａｔｉｏｎ ｏｆｗｅａｔｈｅｒ． ｐｒａｃｔｉｃａｌＡｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅｄｅｍａｎｄｓｏｆ ｅｌｅｃｔｒｉｃｄｅｐａｒｔｍｅｎｔ，ａ ｗｈｏｌｅ ＳＴＬＦ ｓｙｓｔｅｍ ｂａｓｅｄＯｎＤｉｓｐａｔｃｈｉｎｇ Ａｕｔｏｍａｔｉｏｎ Ｓｙｓｔｅｍ ｆｏｒ ｄｉｓｔｒｉｃｔ ｐｏｗｅｒ ｉｎｔｅｇｒａｔｉｎｇ ｗｉｔｈ Ｄｉｓｐａｔｃｈｉｎｇ Ａｕｔｏｍａｔｉｏｎ Ｓｙｓｔｅｍ ｈａｓ Ｃｌｉｅｎｔ／Ｓｅｒｖｅｒ ｍｏｄｅ ｉｓ ｕｓｅｄ ｉｎ ｔｈｅ ｓｙｓｔｅｍ．ＭＳｎｅｔｗｏｒｋｓａｄｖａｎｔａｇｅｉｓ ｓｕｃｃｅｓｓｆｕｌｌｙ ｄｅｖｅｌｏｐｅｄ，Ｔｈｅ ｓｙｓｔｅｍ ｏｆ ｒｅａｌ－ｔｉｍｅ，ｅｃｏｎｏｍｙａｎｄ ｐｒａｃｔｉｃａｌｉｔｙ．ＳＱＬ Ｓｅｒｖｅｒ ｗｉｔｈ ｓａｆｅｔｙ ａｎｄ ｓｔａｂｉｌｉｔｙ ｉｓ ｅｍｐｌｏｙｅｄ ａｓａｒｅｂａｃｋｇｒｏａｎｄｄａｔａｂａｓｅ ｐｌａｔｆｏｒｍ．Ｃｏｒｅ ｐｒｏｇｒａｍ ａｎｄ ＧＵＩｄｅｖｅｌｏｐｅｄ ｂｙ Ｃ＋＋Ｂｕｉｌｄｅｒ．ｗｈｉｃｈ ｉｓ ａｎ ＯＯＰａｎｄ ｖｉｓｕａｌ ｐｒｏｇｒａｍｍｉｎｇ ｔｏｏｌ，Ｍｕｌｔｉｐｌｅ ｍｅｔｈｏｄｓ，ｓｕｃｈ ａｓ Ｌｅａｓｔ Ｍｅａｎ Ｓｑｕａｒｅｓ，ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ，ｔｉｍｅ ｓｅｒｉｅｓ，ｓｉｍｉｌａｒ ｄａｙ，ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ ａｎｄｔｈｅｉｒ ｃｏｍｂｉｎａｔｉｏｎａｒｅｉｎｔｅｇｒａｔｅｄ ｉｎ ｔｈｅ ＳＴＬＦ ｓｙｓｔｅｍ．Ｍｅｔｈｏｄ ｌｉｂｒａｒｙ ｉｓ ｃｏｍｉｎｇ ｉｎｔｏｔｏ ｖａｌｉｄａｔｅｂｅｉｎｇ．Ａｂｕｎｄａｎｔ ｆｏｒｅｃａｓｔｉｎｇ ｍｏｄｅｌｓａｎｄ ｍｅｔｈｏｄｏｌｏｇｉｅｓ ａｒｅ ｐｒｏｖｉｄｅｄｄｉｆｆｅｒｅｎｔ ｆｏｒｅｃａｓｔｉｎｇｒｅｓｕｌｔｓ．Ｉｔ ｈａｓ ｂｅｅｎ ｐｒｏｖｅｄ ｂｙ ｐｒａｃｔｉｃａｌ ｄａｔａ ｔｈａｔ ｔｈｉｓ ｓｙｓｔｅｍＣａｎ ｃｏｍｍｅｎｄａｂｌｙ ｓａｔｉｓｆｙ ｄｅｍａｎｄｓ ｏｆ ｌｏａｄａｃｃｕｒａｔｅｆｏｒｅｃａｓｔｉｎｇ ｏｆ ｄｉｓｔｒｉｃｔ ｐｏｗｅｒｎｅｔｗｏｒｋｓ ｐｌａｎｎｉｎｇ，ａｎｄ Ｃａｎｐｒｅｓｅｎｔｆｕｔｕｒｅ ｌｏａｄ ｍａｇｎｉｔｕｄｅｓ ａｎｄａｃｃｅｓｓｅｓｉｎｃｒｅａｓｅ ｐｌａｎｎｅｒ’Ｓ ｗｏｒｋ ｅｆｆｉｃｉｅｎｃｙ，ｗｉｔｈ ｆｒｉｅｎｄｌｙ ｍａｎ?ｍａｃｈｉｎｅ ｉｎｔｅｒｆａｃｅｓ，ｃｏｎｖｅｎｉｅｎｔｃｏｍｐｌｅｔｅ ｇｒａｐｈｉｃａｌ ｆｕｎｃｔｉｏｎｓ．ａｎｄＫｅｙｗｏｒｄｓ：ｓｈｏｒｔ。ｔｅｒｍｌｏａｄ ｆｏｒｅｃａｓｔｉｎｇ，ｄｉｓｐａｔｃｈｉｎｇ ａｕｔｏｍａｔｉｏｎ ｓｙｓｔｅｍ，ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ｅｘｐｅｒｔ ｓｙｓｔｅｍ东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过 的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的 复印件和电子文档，可阻采用影印、缩印或其他复制手段保存论文。本人电子文档的内 容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可 以公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权东南大学研究生院办理。研究生签名：ｋ趁丛１日期：２垂：主：！乙第一章绪论第一章绪论ｌ。１引言电力系统是由电力网和电力用户组成，其作用是尽可能经济地为各类用户提供可靠且合乎 标准要求的电能，最基本也是最重要的是要满足负荷要求。由于电能的生产、输送、分配和消 费是同时完成的，难以大量储存，这就要求系统发电出力随时紧跟系统负荷的变化以达到动态 平衡，否则就会影响供用电的质量，重则危及电力系统的安全与稳定。因此，电力系统负荷预 测己成为电力系统中的～项重要课题．也是电力系统自动化领域中的一项重要内容。 随着全球电力市场化大趋势的到来，电力行业逐渐由垄断经营走向竞争。世界各国纷纷通 过电力市场化解除长期以来由于垄断经营而渐渐失去活力的电力企业，电力市场化在电力工业 内部引入竞争机制的同时．也给电力系统各部门赋予了新的任务，负荷预测成为电力交易中重 要的数据源，为电力公司制定发电计划、检修计划、电价报价及电网规划提供依据，其准确性 直接影响到电力企业的经济效益，由此对电力负荷预测的科学性和准确性提出了更高的要求， 如何使预测手段及预测结果满足电力市场经济化的发展要求，又为预测人员提出了新的课题。 为了适应电网管理现代化、科学化的要求，有必要深入研究新形势下负荷预测的理论与方 法，开发出功能齐全、预测精度高、可靠性好、运行速度块、人机界面友好、操作方便的负荷 预测软件，使计算机技术在电力系统负荷预测中发挥更加重要的作用。 本论文针对电力部门的实际需要，开发了一套功能较完善的基于地区级电网调度自动化平 台的短期负荷预测系统．并以一实际电网为基础数据进行了实例运算，预测结果表明该系统能 够满足地区电网调度部门的短期负荷预测的精度要求，预测结果合理，系统界面友好、操作方 便、图形功能强大。它的应用不仅在很大程度上可以降低调度部门运行人员的劳动强度，而且可以较为准确地对地区级电网进行短期负荷预测，为电力部门提供可靠的科学决策依据。１．２电力负荷预测的任务和意义１．２．１电力负荷预测的任务电力系统负荷预测是指从已知的经济、社会发展和电力系统需求出发，考虑政治、经济、 气候等相关因素，通过对历史数据的分析和研究，探索事物之间的内在联系和发展规律，以未 来经跻和社会发展情况的预测结果为依据，对未来的电力需求做出估计和预测。近年来，大面积停电多是由于非预计负荷而引起的，由于切负荷不果断而扩大。我国旋转 备用的比例较大．负荷预测的落后带来巨大的经济浪费。１９９６年，我国的发电装机容量和发电 量跃居世界第二位，Ｎ２０００年，我国的装机容量突破３亿千瓦的台阶，进入了世界电力生产和消 费大国的行列，国民经济和社会发展对电力的需求基本满足，负荷预测的重要性越来越突出。另外，我国开始的电力市场化改革，也对负荷预测提出了更高的要求。以往我国对中长期负荷预测研究得较多，对短期负荷预测研究得较少，而日负荷曲线预测的研究就更为少见。如何实 现准确可靠的短期负荷预测，已经成为一个普遍性的难题。目前，我国大多数地区电网的短期负荷预测都是由调度人员人工通过寻找相似日直观地预测，这就很大程度上依赖于调度人员的经验，且一般仅限于提前一天预测，因此迫切需要一个 能自动提前一天或一周预测系统负荷的负荷预测系统，以满足经济调度和机组调停的需要，重 要的是这一系统应具有规范化的预测过程。减少对运行人员经验的依赖性，能够适用了＝－不同系东南大学硕士学位论文统并满足精度要求。 在科技进步推动产业迅猛发展的今天，只有充分利用最先进的科学预测理论，并应用最先 进的计算机技术将其实现，才能完善负荷预测的功能，满足市场的要求。在信息技术日新月异、 信息产业规模化的时代，结合科学理论，合理应用计算机技术，是传统的电力行业革新的契机。 对于电力系统负荷预测这一项电力系统中重要的基础技术来说，应用信息技术提高自身技术的 含金量．适应新的市场需求是迫在眉睫的任务。１．２．２电力负荷预测的意义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动力。地区电网 的负荷预测，是地区电网内的电力规划之基础．它为地区电网的电力发展速度、电力建设规模、 电力工业布局、能源资源平衡，以及地区范围内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～项非常重要的工作，对于保证电力工业的健康发展，乃至这个国民经 济的发展均起十分重要的意义。 电力系统负荷预测是实现电力系统安全、经济运行的基础，对一个电力系统而言，提高电 网运行的安全性和经济性，改善电能质量，都依赖于准确的负荷预测。因此，负荷预测的关键 是提高准确度。此外，从发展的角度来看，负荷预测也是我国实现电力市场的必备条件，具有 重要的理论意义和实用价值。 随着电力的商品化和市场化，电力负荷预测的准确性对电力系统安全、经济运行和国民经 济发展具有重要的意义。预测负荷不足，可能会导致用电紧张、用电质量和系统安全性下降， 需要由费用高的峰值机组来补偿负荷不足或者从相邻电网买入较高价的电量；相反，预测负荷 过量，则可能导致过多的旋转备用，使得运行费用增加，造成投资浪费和资金效益低下。准确 的负荷预测，可以经济合理的安排电网内部机组的启停，保持电网运行的安全稳定性，减少不 必要的旋转储备容量．合理安排机组检修计划，保证社会的正常生活和生产活动，从而提高经 济效益和社会效益。早在１９８５年英国的一份研究报告表明：英国电力负荷预测的误差每增加一 个百分点，每年的经济损失就达一千万英镑［５２１。 短期负荷预测在现代电力系统的安全和经济运行中起着重要作用，是自％量管理系统（ＥｎｅｒｇｙＭａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ，简称ＥＭＳ）的一个重要模块，也是电力市场技术支持系统的重要组成部分，其预测水平已经成为衡量一个电力企业是否走向现代化的显著标志之一。对电力应用如机组最 优组合、经济调度、最优潮流而言，它是非常有用的基础工具，同时也是调度部门每日必需进 行的重要工作之一。１．３负荷预测的发展和研究现状我国对负荷预测的重视程度经历了一个较长的认识过程：１９７０年以来，我国持续面临缺电 局面?由于控制用电、控制报装等客观原因，拉闸限电现象严重，同时在计划体制下，负荷预 测工作没有受到应有的重视，造成负荷预测的准确度不高，并且对新方法的应用力度不够。进 入“九五”以后，随着我国电力市场供需矛盾缓解以及用电结构的变化，拉闸限电明显减少，电力需求增长开始明显放慢，逐步由卖方市场进入了买方市场，局部地区供大于求，甚至出现了供电负增长，电力发展由资源约束转向了需求约束。１９９８年，全社会用电同比增长只有２．８％， １９９９年，用电增长呈恢复态势，主要是由于工业用电的强劲恢复。但在２００３年，随着我国经济 的迅猛发展，出现近年来罕见的缺电现象，在市场机制下，对负荷预测的重要性和迫切性提到 了新的高度，同时也对负荷预测的精度提出了更高的要求【１”。 由于电力系统短期负荷预测在电力系统调度自动化系统中的重要地位，所以一直是工程技 术人员的研究重点之一。在长期的实践中，为了找到使用方便、计算精度高、计算速度快的预 测方法，国内外许多学者对负荷预测问题进行了深入广泛的研究，相继提出了很多种有效的预２第一章绪论测方法【‘１１２１［“ｌ。目前，用于短期负荷预测方法很多，常用的方法主要有时间序列预测法、回归分析法、最 小二乘法、指数平滑法等，这些方法将在第三章中进行分析讨论。 近年来，预测理论技术取得了长足的进步，负荷预测的新技术层出不穷，综合起来主要有： 灰色预测法、专家系统预测技术、小波分析预测技术、模糊预测技术、混沌理论预测技术、神 经网络预测技术、组合优化算法等。１）灰色系统理论…㈣Ｉｌ”（ＧｒｅｙＴｈｅｏｒｙ）灰色系统理论是在８０年代由我国学者邓聚龙教授提出以来，已在各个领域得到广泛应用。 灰色系统理论将一切随机变化量看作是在一定范围内变化的灰色量，常用累加生成和累减生成 的方法，将杂乱无章的原始数据整理成规律性较强的生成数据列．用灰色模型（Ｇｒｅｙ Ｍｏｄｅｌ．简 称ＧＭ）的微分方程作为电力系统单～指标（如负荷）的预测时．求解微分方程的时间响应函数表达 式，即为所求的灰色预测模型，对模型的精度和可信度进行校验并修正后，即可据此模型预测 未来的负荷，此法适用于短、中、长三个时期的负荷预测。 从理论上讲，可以使用于任何非线性变化的负荷指标预测。但其不足之处是其微分方程指 数解比较适合于具有指数增长趋势的负荷指标，由于灰色系统理论呈指数（增长或者递减）变 化的模型．其预测精度与被预测对象的变化规律密切相关，当原始数据波动情况如上下连续波 动、指数波动、倍数波动时，预测的精度就差，不宜使用灰色预测模型。２）专家系统【ｌ】（Ｅｘｐｅｒｔ Ｓｙｓｔｅｍ）专家系统是一个应用基于知识的程序设计方法建立起来的计算机系统，它拥有某个特殊领 域专家的知识和经验，并能像专家那样运用这些知识，通过推理，在该领域内做出智能决策。 从本质上来看，专家系统是有许多收集的规则组成。清楚地表示了知识和结果。一个完善的专 家系统通常由知识库、推理机、数据库、知识获取部分、解释部分共五个部分组成，其中知识 库和推理机是专家系统的核心，是不可缺少的组成部分。知识库是用来存储专家知识和经验的 地方：推理机则是一组智能程序，用来实现推理的方法和推理过程的控制策略；数据库仅是计 算机中规定的一部分空间．用来存放用户提供的事实和推理过程中的某些中间信息：知识获取 部分用来使智能系统直接从领域专家那里获取知识或自动修改、补充完善系统中的知识数据和 规则。建立一个专家系统最困难的是知识获取部分。 将专家系统技术用于负荷预测时．能对所收集整理的常规的预测模型运一进行评估决策， 对于突发性事件引起的负荷变化，由调度人员经验发展而来的负荷预测专家系统可以避开复杂 的数值计算，快速地做出最佳预测结果，避免了人工推理的繁琐和人为差错的出现，克服以往 用单一模型进行预测的片面性缺陷。 然而，把专家的知识和经验等精确地表达并转化为一系列规则往往是很困难的，而且建立 专家系统的工作量要比一般预报算法大得多。专家系统法需要对一段时间的数据进行精确的分 析，从而得出各种可能引起负荷变化的因素，其分析本身就是一个耗时的过程，并且对于某些 复杂的因素，通用性较差，缺乏学习能力和自适应推理能力，如天气因素，要准确定量地确定 它们对负荷的影响，也是很困难的事。 专家系统是对人类不可量化的经验进行转化的一种较好的方法，若能将它与其它方法有机 的结合起来，构成预测系统，将可得到较满意的结果。 ３）小波分析法Ｉｌ…１１”（Ｗａｖｅｌｅｔ） 小波分析是上个世纪数学研究中的最杰出的代表。它吸取了现代分析学中的泛函分析、数 值分析、Ｆｏｕｒｉｅｒ分析、样条分析、调和分析等众多分支的精华，包罗了它们的特色，受到了科 学界、工程界的广泛关注，并且在信号处理、图像处理、模式识别、地震预报等十几个学科领 域得到应用。在负荷预测中，通过选择合适的小波，对不同性质的负荷进行分类，从而可以针 对某种性质的负荷，根据其规律采用相应的预测方法，对分解出的序列分别进行预测，再将预 测得到的序列进行重构，得到负荷的预测结果。 由于重构可能造成误差的累加，因此对各小波系数序列的预测精度要求较高，也增加了模东南大学硕士学位论文型的复杂性。小波分析以其独特的分析方法，为负荷预测提供了一个新的思想，随着技术的发 展，小波分析方法会有很好的应用前景。４）模糊集理论…Ｈ“惮Ｊ（Ｆｕｚｚｙ Ｓｅｔ） 模糊集理论是１９６５年由美国加州大学伯克来分校ＬＡ．Ｚａｄｅｈ教授提出的，利用模糊性原理 解狭实际工程问题，并且制定了模糊集合概念作为定量描述模糊事物的基本数学模型。模糊集 理论是介于逻辑计算和数值计算之间的一种数学工具，形式上利用规则进行逻辑推理，但其逻 辑取值可以在０与１之间连续变化．采用数值的方法进行处理。由于模糊集理论适合描述广泛存在的不确定性，同时具有强大的非线性映射能力，能够在任意精度上一致逼近任何定义在一 个致密集上的非线性函数，并且能够从大量的数据中提取它们的相似性，这些特点正是进行短 期负荷预测所需要的而其它方法所欠缺的优势所在。 近年来．模糊集理论在电力系统中的应用也得到了飞速发展。模糊集合理论便作为一门崭 新的学科显示出强大的生命力。从实际应用来看，单纯的模糊方法对于负荷预测，精度往往不 尽如人意，这主要是由于模糊理论缺乏学习能力，这一点对不断变化的电力负荷来说，是极其不利的。５）混沌理论［ａ０］０１】【３２】（ＣｈａｏｓＴｈｅｏｒｙ） 自１９６３年Ｌｏｒｅｎｚ首次提出“蝴蝶效应”（即对初始条件的敏感性）以来，人们对混沌学进行 了深入的研究。无论是在生物学、物理、化学、数学领域，还是在天文学、经济学等领域．尤 其是在天气预报方面，混沌学都得到了广泛的应用。混沌学并非是无序和紊乱，它是非线性系 统所产生的复杂的不规则行为，研究的是无序中的有序。近年来，国内外许多学者将非线性变 化的混沌理论引入电力系统负荷预测中来，提出了一系列的方法，显示了较好的效果。６）人工神经网络法口１埘”１（ＡｒｉｆｉｃｉａｌＮｅｕｒａｌ Ｎｅｔｗｏｒｋ）人工神经网络是通过对人脑或者生物神经系统的结构模拟来实现预测的，具有非线性、自 组织、自适应、太规模并行处理等优点，是目前使用较多的一种方法。 人工神经网络具有任意逼近非线性函数的特性，负荷曲线是与诸多因素有关的一个非线性 函数，用人工神经网络对负荷历史数据进行拟合，是抽取和逼近负荷曲线进行负荷预测的有效 方法。人工神经网络的优点在于它具有模拟多变量而不需要对输入变量作复杂的相关假定，不 要求知道输入输出变量间的函数关系，只要通过对输入输出数据的训练，获得输入输出之间的 映射关系，从而进行负荷预测。 人工神经网络法被认为是一种非常有效的负荷预测技术，在国内外已经取得了许多成功的 应用实例，本论文主要针对其在短期负荷预测中的应用进行讨论。 ７）组合优化预测法【”Ｊｌ驯 组合优化预测有两类概念：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，二是指在几种预测方法中进行比较选择拟合优度最佳或标准离差最小的预测模型进行 预测。组合预测方法是建立在最大信息利用的基础上，它最优组合了多种单一模型所包含的信 息，可以同时考虑不同模型各自的优点，提高预测的精度。在多数情况下，通过组合各种预测 方法可以达到改善预测的目的。 组合优化预测法，在建立模型时同样也受到两方面的限制：一个是不可能将所有在未来起 作用的因素全包含在模型中，另一个是很难确定众多参数之问的精确关系，所以其预测的精度 提高很受限制。 负荷预测方法从简单到复杂。从单一模型到多模型的组合预测，从只考虑历史负荷到考虑各种影响负荷变化的因素，从传统的统计学和时间序列法发展到现代的人工智能预测技术，预 测技术得到了长足的发展和进步，预测精度也有大幅度的提高，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，并保证优于其它方法。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。可以采用试验比较的方法，利用某一电网的历史数据确定 该电网最有效的算法。在电力工业发达的英国、法国等都是应用了上百种方法来解决负荷预测问题的１９ｔ。４釜二量堑塑一一――目前，研究负荷预测偏重于将各种算法的优点结合，从而提高预测的精度，比如将模糊和专家系统【７１相结合，将神经网络与小波理论［ｚｓｌ相结合，将神经网络和模糊算法【２４】相结合等等， 这些算法在预测的精度上有一定的提高，但同时也增加了负荷模型的复杂性。 在当前电力市场日趋成熟的形势下，随着科学技术日新月异的发展以及计算机技术迅猛发 展，尤其是人工智能技术的不断发展成熟，非线性预测理论得到了长足进步，应及时地将其它领域的最新进展应用到负荷预测中来。使负荷预测方法适用范围更广、实用性更强、预测时间 更短、精度更高。１．４本论文的主要工作１．４．１课题的内容本论文针对电力部门的实际需要，开发了一套功能较完善的基于地区级电网调度自动化平 台的短期负荷预测系统，该系统遵循国调中心《地区电网调度自动化系统应用软件基本功能实 用化要求及验收细则（试行）》的设计要求，采用客户机，服务器（Ｃｌｉｅｎｔ／Ｓｅｒｖｅｒ）模式，利用ＭＳ ＳＱＬＳｅｒｖｅｒ作为后台数据库，是一套基于ＷｉｎｄｏｗｓＮＴ的企业Ｉｎｌｒａｎｅ＇【系统，遵循开放化开发标 准，对第三方软件提供了良好的支持。 本文开发的短期负荷预测软件是在Ｗｉｎｄｏｗｓ操作系统基础上，以地区电网调度自动化系统 支持软件平台为开发平台，以ｃ＋＋Ｂｕｉｌｄｅｒ开发核心程序和人机界面，运行于工作站的客户端程 序。服务器端程序保证了系统运行的实时性，负责网络联通性测试、断线自动处理和采集负荷 实时数据的工作。 本文以江苏省某地区９６点的负荷数据为研究对象，研制了基于地区电网的短期负荷预测系 统，研究的前提是已知预测地区的历史负荷数据，预测第二天日９６点或一周１６８点的负荷值。１．４．２本论文的主要工作本文的具体工作除了查阅国内外文献、进行实际调研、收集数据等工作之外，主要分为两 部分：电力系统短期负荷预测算法的理论研究和基于调度自动化系统的短期负荷预测系统软件的开发。１）短期负荷预测算法的研究（１）较为详细地介绍几种的短期负荷预测模型：指数平滑法、时间序列法、回归分析法、 最小二乘法、相似日算法和组合算法，并将它们应用于某地区９６点日负荷预测，并对预测结果 作了分析比较。 （２）将人工神经网络引入短期负荷预测，针对目前在负荷预测领域中应用最为广泛的误差 反向传播（Ｂａｃｋ Ｐｒｏｐａｇａｔｉｏｎ，简称ＢＰ）模型的多层感知器网络存在的局限性，提出基于基于资 源分配网络（Ｒｅｓｏｕｒｃｅ－ＡｌｌｏｃａｔｉｎｇＮｅｔｗｏｒｋ，简称ＲＡＮ）的短期负荷预测模型，并用于地区电网 的短期负荷预测。可以有效的解决ＢＰ算法的训练时间长、局部最小等问题，预测结果表明此模 型具有较高的预测丰青度。（３）针对地区电网系统总负荷波动大，以及历史数据不充分，在考虑专家经验的基础上， 提出了专家系统的负荷修正方法，尤其是在天气突变的情况下，可以进一步提高预测精度。２）基于调度自动化系统的短期负荷预测系统软件的开发（１）在对系统进行详细的需求分析和功能分析的基础上，完成系统的总体设计，提供方便 的人机交互方式，实现各功能模块的协调一致，统一运行。（２）结合负荷预测系统的特点．对系统的数据结构和数据流进行分析，进行合理细致的数５东南大学硕士学位论文据库规划设计，提供了层次清楚、含义明确的数据库设计方案，并完成系统的数据库设计。 （３）完成本系统的负荷预测模块、历史负荷数据模块、实时负荷数据模块、气象信息模块、 考核模块和数据库接口模块的设计。 （４）分析地区电网负荷规律，为调度员提供多种方便灵活的负荷修正方法，使负荷修正成 为一项直观方便的操作。 （５）分别在负荷波动平缓的４月份和负荷波动剧烈的９月份使用本系统进行测试，并对各 种算法进行分析，预测结果表明，本系统满足实用化要求。１．４．３课题的研发工作步骤依据本课题的内容要求，课题主要工作按如下步骤进行； （１）原始数据搜集 收集的数据主要包括历史负荷数据和影响负荷情况的相关因素数据。 （２）数据的整理、分析 收集到的数据难免有错误和缺漏，需对收集到的资料进行整理和校核，首先根据一定原则 对负荷数据进行处理，剔除或更正错误数据，对缺漏的数据进行弥补。结合获取的相关资料分 析各地区负荷特性和变化规律。 （３）短期负荷预测建模 对获取的负荷历史数据，依据各预测方法的特点进行建模，比较各方法的适用性。 （４）软件总体设计 根据系统不同功能将程序分为不同模块，考虑各模块间的联系设计全局变量、公用子过程等。（５）数据库设计 考虑数据问的联系及程序对数据的存储特点，设计出运行效率高、操作方便的数据库结构。 （６）完成程序代码 完成各功能模块程序设计，编写代码， 并实现联机调试，同时进一步完善系统功能。 （７）编写文档，交付使用根据负荷预测系统的内容、实现方法， 编写软件的说明文档，供调度运行人员参考。６东南大学硕士学位论文第二章短期负荷预测的分析２．１引言任何生产活动都需要首先作好计划，并在实际中不断地对计划进行调整，这些计划都是基于对 未来的了解，提前作好预测工作。电力生产也不例外，由于电能的特殊性，即生产、输送、分配、 消费是同时进行的，电力难以贮存，或者说贮存能力极小而代价高昂，相比于系统总负荷微乎其微。 在正常运行情况下，系统内的可用发电容量，应该在任何时候都能满足系统内负荷的需求，应该是 用多少就生产多少。用电负荷随时都在变化，而且我国多数电网在日、周、年的周期内负荷的峰谷 差是逐年增加的【１“，即将每年的最大负荷增长曲线和最小负荷增长曲线放在同一个坐标系下，呈喇叭状，如图２．１所示。针对这种负荷变化情况，电力生产的调节能力也要增加，当负荷变化范围较小时，调节发电机 的出力即可；当负荷变化范围较大时．只有启停机组才行。当然对于负荷的逐年增长，要适时地新 增新的发电机组才不至于拉闸限电。电力系统负荷预测是实时控制、运行计划和发展规划的前提， 可以说要掌握电力生产的主动权必先做好负荷预测。 在进行负荷预测之前，首先要对所预测地区的负荷的变化规律、特性以及影响因素进行分析。 只有充分了解掌握负荷的特点、变化规律，才能建立符合实际情况的预测模型。 负荷模型有两方面的涵义：一是指负荷的电压及频率特性，一般可以表示成频率和电压的非线 性函数，在潮流计算分析中大多考虑这种模型：另一种是指负荷的时空特性，负荷随时间和空间的 分布，即在不同时刻不同地点，负荷是不同的。负荷的时空分布特性要比负荷的电压频率特性要复 杂，常常需要用负荷的时间曲线来描述这种特性，也称负荷预测模型。 电力系统负荷是一个周期性和随机性很强的系统，与社会、经济、政治、气象等众多的因素存 在着极为复杂的关系。一方面，电力负荷按一定的趋势规律地变化；另一方面，负荷受众多因素的一图２．１负荷蜂备差变化７芷影响，随时发生无规律的变化波动。在进行预测时，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。２．２负荷预测的分类不同的用电单位和部门，以及不同的用电设备，它们对电力的需求量、用电方式有着明显的区 别。在电力规划中作电力负荷预测时，以及在综合用电统计时，不可能也没有必要对每一个用电单位的用电特点及用电需求进行分析预测，而是采用不同的分类方法，将地理区域内的电力负荷分成 若干类，然后分门别类的进行分析研究和预测其变化趋势，晟后，在分类预测的基础上，采用综合查堕查兰堡主堂焦堡苎；技术进行综合研究和预测，即可得到电力负荷预测的结果。 用的分类方法是按用电部门的属性划分和按负荷预测的时间长短划分。我国电力行业采用过很多种分类方法，不同的研究目的采用不同的分类方法。电力规划中常采一一２．２．１按用电部门的属性分类一般来说，负荷预测可咀分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其它负荷。 不同类型的负荷有不同的变化规律：随着家用电器的普及，城市居民负荷增长率提高、季节波动增 大，且系统峰荷受气温影响越来越大：商业负荷影响晚尖峰，而且随季节而变化；工业负荷受气象 影响较小，但大企业成份下降，使夜间低谷增长缓慢；农村负荷季节变化强，且与降水情况关系密切。进入９０年代初期，为适应我国国民经济结构的变化，并与国际惯例接轨，按国民经济统计分类方法分为：第一产业（主要是农业）、第二产业（主要是指工业）、第三产业（除第一、第二产业以外的其它产业）用电和居民生活用电４大类。 分析负荷的结构及其影响因素对提高负荷预测的准确性至关重要，尤其是针对突发性重大事件。 这是一种电力规划及电力工业统计中常用的分类方法．一般用于中、长期负荷预测。２．２．２按负荷预测周期的时间长短分类～般来说，系统负荷预测按时间划分可分为超短期、短期、中期和长期负荷预测，超短期负荷 预测用予质量控制，需５～１０秒的负荷值，用于安全监视需１～５分钟的负荷值，用于预防控制和紧 急状态处理需１０～６０分钟的负荷值，使用对象是调度员：短期负荷预测主要用于水火电分配、水火 协调、经济调度和功率交换，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电网的发展，需数年至数十年的负荷值， 使用对象是规划工程师。２．２．３负荷预测各部分的作用及关系随着电力市场运营的建立，负荷预测在电力系统中的作用及地位有所改变，负荷预测系统成为 电力市场技术支持系统的重要组成部分，为期货交易管理系统和调度决策支持系统提供数据，电力 市场运营同时也赋予了各类负荷预测新的作用。表２．１列出各负荷预测周期的意义．图２．２则给出了与 其它应用软件的关系。衰２．１各类负荷预测的作用比较预澍类型超短期 短期 中期 长期强灏焉期数分～数小时日～周意义ＡＧＣ、安全监视、状态估计 机组、水电、交换计划，发电厂报价系统 期货交易．水库、检修、燃料计划电源、电网规划月～年 数年～几十年在电力市场技术支持系统中，长期、中期负荷预测是系统适应性评估的主要依据，而短期和超 短期负荷预测的数据又是电力市场技术支持系统核心模块、调度决策支持系统的主要数据源，本论 文主要研究的是短期负荷预测。第二章短期负荷预测的分析圈２．２与其它软件的关系２．３负荷预测的特性分析负荷预测是根据电力负荷的历史值和现在来推测它的未来值，只要是预测就存在不确定性，所 以负荷预测工作研究的是不确定事件。只有不确定的、随机的事件，才需要人们采用合适的预测技 术，推出负荷的发展趋势和可能的情况。 要实现对系统负荷预测，必须对系统过去的负荷资料进行分析。总体上．负荷受社会经济、天 气状况等影响较大，存在复杂的非线性关系，同时又具有丰富的随机变化因素．因而负荷具有不可 控制性；另一方面，负荷具有按天、周、年的周期性变化规律，因而又具有可预测性。 随着工农业生产的发展和社会生活水平的提高，电力负荷具有不断增长的趋势。在某些时期由 于某些企业的投停产、机组的启停、大型设备的加载等随机因素将引起电力负荷发生随机变化。另 外，一些特殊事件（如大型政治事件、大型体育活动、拉闸限电、大型机组故障、特殊气候等）也将引起电力负荷的特殊变化。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。通过对较长时期的系统负荷历史记录进行分析，针对各种 因素对系统负荷的影响，任意时刻的系统总负荷一般可假设为以下四个独立成分的线性组合【ｊＪ：￡（ｒ）＝Ｂ（ｒ）十∥（ｆ）＋Ｓ（ｔ）＋矿Ｏ）（２．１）式中，Ｕｔ）为ｔ时刻的系统总负荷，Ｂ（ｔ）为ｔ时刻的基本正常负荷分量，ｗ（ｏ为ｔ时刻的天气敏感负荷 分量，Ｓ（ｔ）为ｔ时刻的特别事件负荷分量，ｖ（ｏ为ｔ时刻的随机负荷分量。 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。２．４影响负荷预测精度的因素及误差分析由于负荷预测是一种对未来负荷的估算，不可避免地，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。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。２．４．１影响负荷预测精度的因素通过对负荷特性的分析，负荷预测的精度主要受以下几方面的影响： （１）影响负荷的天气因素很多，影响程度又随用户类别而异，进行负荷预测的模型大多只包括研 究对象的主要因素，而忽略了很多次要的因素，这样的模型只是一种简化的反映，作为可估计的随 机事件，气象预报本身不准确又会造成双重误差： （２）进行负荷预测所需的大量历史资料并不能保证其准确可靠，这也必然会带来预测误差； （３）特殊事件的不确定性将造成负荷预测的较大误差，这类事件在我国特别多：９东南大学硕士学位论文（４）反映负荷的周期性、趋势性以及与影响因素之间的关系的样本数难以确定； （５）随机负荷部分并非平稳的随机序列： （６）大电网（网、省级）负荷变化有较强的统计规律性，预测结果较准确。而地区级电网的统计规 律不甚明显，不能稳定地指导负荷预测。２．４．２负荷预测的误差分析负荷预测最重要的指标是精度，在明了预测误差产生的原因之后，可以对预测模型或预测技术 加以改进，同时还要对预测误差进行计算分析，进而可以检验所选的预测模型。 本论文主要研究的是短期负荷预测中的日负荷预测，计算日负荷预测的误差的方法和指标很多，较为常用的有： １）绝对误差和相对误差Ｔ，设Ｙ和Ｐ分别表示实际值和预测值，则称ｙ―Ｐ为绝对误差，称！―≥为相对误差。这是一种直观的误差表示方法．在电力系统中是一种常用的误差考核指标。 ２）平均绝对误差和平均相对误差古删Ｅ＝专和＝专社一引ＡＡＲＥ：上÷Ｎ总式中：ＭＡＥ――平均绝对误差：Ａ４ＲＥ――平均相对误差：（２．３）（２．４）Ｅ――第ｉ点的预测值和实际值的绝对误差；ｒ――第ｉ点的实际负荷值；ｒ――第ｉ点的预测负荷实际值；＾Ｌ一日负荷预测总点数，如２４点或９６点。由于预测误差有正有负，为了避免正负相抵消，故取误差的绝对值，然后再计算其进行平均值。 ３）均方误差墙Ｅ＝专喜曰＝万１善Ｎ（ｚ叠）２式中：ＭＳＥ――均方差，其它符号同前。４）均方根误差ＲＭｓＥ＝（：－５）均方误差是预测误差平方和的平均值，避免了正负误差不能相加的问题，是误差分析中的综合 指标之一。骚＝骶磊０（２．６）式中：见Ⅵ船――均方根误差，其它符号同前。５）日负荷预测准确率ＮｉｃｅＲａｔｅ＝（?一辱］×１００％（２．７）第二章短期负荷预测的分析式中：Ⅳｆ凹Ｒ口ｆＢ――日负荷预测准确率，其它符号同前。６）合格翠 合格率考核就是对日负荷预测运点进行合格判断，当某一点的相对误差大于合格判别依据（如： ５％），则该点为不合格点，否则为合格点。鳓ｇｒａｔｅ＝笔警枷慨式中：Ｅｆ培Ｒ口ｆｅ――合格率。∞，按照国家电力调度通信中心颁布的负荷预测技术考核指标，本文采用相对误差、最大负荷、最 小负荷的误差作为考核依据，这也是和地区电网调度部门的实际要求一致的，这样调度员可以直观、 明了地对预测结果进行判断。２．５江苏省某地区负荷分析该地区位于长江之滨，为新兴的开发城市，总面积１６００平方公里，２００２年度一、二、三产业 比例为１０．７：５８．２：３１．１．形成了以外向为主导、工业为主体、三大产业协调发展的格局。 该地区国民经济发展较快，地区经济形势良好，使得用电量一直保持较快的增长速度。区内拥 有５０万伏变电站一座，２２万伏变电站两座，１１万伏变电站十座，电力供应充足。用电负荷达３００ＭＷｔ 近五年来，完成新一轮电网发展规划，汤山１ｌＯ千伏、殷巷２２０千伏二期等输变电工程，完成了农 村电网改造。为了保证城市建设与经济发展的需要，五年内将新建一座５００千伏变电站和扩建２２０ 千伏输变电工程，以保障地区的发展用电。 电网负荷的特点是：每年除春节期间有一个负荷低谷外，全年负荷还呈现两峰两谷的变化趋势。 每年年初负荷慢慢下降，３月底出现第一个负荷低谷，春夏之交开始迅速爬升，８月中旬出现全年负 荷高峰，然后开始下降。大约在９月末和１０月初出现第二个负荷低谷，之后立即开始上升，至１２ 月达到第二个负荷峰值。一天内整点负荷也按两峰三谷的趋势变化，一般在凌晨３至４点达到全日 负荷最低点，从上午５点开始负荷上升，在７点左右有一个小的回落，至９一ｌｏ：３０点达到上午峰值， 随后开始慢降，１２点前后达到中午谷点，随后开始爬升，１７点达到下午峰值，然后有小幅度下降即 开始爬升。至２０－２ｌ点达到全天峰值。随即开始骤降。典型日负荷变化趋势如图２．３所示。２４０２２０２００／、，八入７ ．厂金１８０，≤１６０瞄１４０１２０／一 ―’、＿―＿√／／Ｖ１＼＼＼１００８０Ｊ……Ｉ¨……………●“¨‘●‘‘‘‘¨…，¨ＪＪ０ ６ １２ １８ ２４ ３０ ３６ ４２ＪＪ ＪＪＪＪ●¨Ｊ¨，ＪＪＪｊ¨，Ｊ●Ｊ●Ｊ●ｊＪ Ｊ，ｊ●ＪＪ…ｊＩ……Ｊ８４ ９０ ９６４８５４６０６６７２７８时间（ｈ）圈２．３典型日负荷曲线近年来，该地区峰谷差逐年增大，负荷率有所下降。电网的最大负荷～般出现在８月，最小负 荷出现在９月。至查盔兰塑主兰堡笙苎电网１９９８年至２００２年负荷特性如表２．２所示，根据表２．２可做出电网１９９８年～２００２年负荷特 性图（图２．４）。表２．２ １９９８年至２００２年负荷特性牵彬１９９８焦年平均 Ｂ最太负荷１７８ ２００ ２２５ ２５８ ２９４年平均 目最小负荷９５ ９６ １００ ９８ １０２年平均 Ｂ受萄率８４．６ ８３３ ８３．９ ８２．８ ８３．２年平均 峰谷差率２８．８ ３１．２ ３３ ３５．６ ３６．１１９９９电 ２０００芷２００】年２００２芷圈２．４电舟负荷特性蛋从图中可以看出。该地区受经济发展速度和水平的影响，最大负荷增长速度较快；年峰谷差持 续快速增大，年平均日负荷率变化不大，年平均日峰谷差呈增大的趋势。 该地区电两未来负荷特性变化趋势为： （１）随着国民经济的持续迅速发展，电网的最大负荷仍将保持增长的势头，增长速度将高于用 电增长速度。一年有夏季（８～９月）和冬季（１２～１月）两个高峰，夏季高峰明显高于冬季高峰负荷， 年最大负荷将出现在夏季。从未来发展趋势来看，冬季高峰和夏季高峰的差值随着气候会有所波动， 但总的来说，随着人们生活水平的提高，采暖负荷的增加，其差值将呈减小的趋势。 （２）随着电力供需形势的转变以及用电结构的改变：第一、第二产业用电比重逐步下降，第三 产业及居民生活用电比重逐步增加，用电负荷率和利用小时数将持续下降，峰谷差将继续增大。 （３）典型曰负荷曲线仍有早（１１：００）和晚（２０：００）两个高峰，最大负荷出现在晚高峰时段，早 晚高峰之间负荷比较平缓，晚高峰值将高于早高峰负荷，但两者之间的差值呈减小的趋势。２．６短期负荷预测的模型２．６．１短期负荷预涌的模型要求在进行短期负荷预测时，必须要建立适当的负荷预测模型，但是各种模型必须满足负荷的规律 性?并能够精确完成短期负荷预测的任务，因此负荷预测的各种模型必须具备如下特点： （１）模型应能反映负荷随时间变化的周期规律性，如负荷的日周期、周周期、季节周期等； （２）模型应能反映负荷自然增长的内在规律性．郎模型可以实现负荷随着时间的推移会有较大或 较小的变化幅度； （３）模型应当考虑近期负荷的变化趋势对未来负荷预测的影响要大于早期负荷趋势所产生的影 响，即所谓的“近太远小’，的规律： （４）由于节假目的负荷的变化规律不同于工作日负荷变化规律，负荷预测模型应当分别专用于节ｌ，第二章短期负荷预测的分析假日、工作曰、周末日三种日期类型； （５）因为负荷受温度降雨量等天气情况的影响较大，负荷模型应当考虑天气因素的影响； （６）短期负荷预测的目的是日负荷和周负荷预测，而且在能量管理系统ＥＭＳ＠每天是９６点－冈此模型应当考虑能适用于在线应用。２．６．２短期负荷预测的模型电力系统短期负荷预测是对未来几天或者几小时的负荷情况进行预测。电力负荷之间的时间差 距越近关系就越密切，因此当预测时间距历史数据较近时的预测误差相对较小：当预测时间距历史 数据较远时的预测误差相对较大。所以在预测时，尽量采用距离预测日近的历史数据，可以赋予较 近的历史数据以较大的权值，距离较远的则取小，这就是负荷预测工作中的“近大远小”的原则。在 负荷预测的实际工作中，另一个难点是如何确定负荷与天气的关系。 根据短期负荷特性分析可知：短期负荷的基本变化规律可由典型负荷分量的特性来描述，日负 荷到周负荷的变化受天气敏感负荷分量影响明显，同时还存在特殊事件负荷分量和随机负荷分量。 由于影响短期电力负荷预测的因素众多，各因素之间存在大量的不确定和难以解析的非线性等 特性，预测指标规律各异变化、趋势随机性强，难以确定统一的数学模型．因而提高预测精度有一 定困难。大量的生产实践和研究结果表明，气象条件和周期性人类社会活动是影响电力负荷的两个 最主要的因素，在气象条件中，温度是一个非常敏感的因素：另外，负荷的变化趋势中，还明显存在以一天、一周、一年的固定周期的现象。在实际应用中，考虑最多的是气象因素的影响。本文采用多种负荷预测模型来进行预测，考虑 到天气预报作为估计的随机事件，本身存在不准确性而造成双重误差，加上地区电网气象数据缺乏， 本文采用的传统的预测模型（如时间序列、回归分析、最小二乘法等）没有单独考虑气象的影响． 而是依据负荷本身的历史数据时间序列进行分析计算。 针对负荷在一定程度上受气象因素和特别事件负荷分量影响颇大，为进一步提高负荷预报精度， 关键是要在处理负荷预测数据时科学合理地预测气象信息和特别事件负荷分量．但这往往不是一件 容易的事情，电力工业的发展是一个非常复杂的动态大系统，其中有许多杜会性的、政策性的、人 的心理行为的、技术性的等不确定性的因素，对于这样一个关联于社会经济技术环境的复杂动态大 系统，仅凭现有的数学知识来建立精确的数学模型以进行定量分析是不够的，因此在负荷预测中， 在得出的预测结果采用较少的影响因素的专家系统进行负荷修正，这样将定性分析和定量分析有机地结合起来。２．７小结在对电力负荷和负荷预测的特性进行分析之后，就可以研究、选取适当的预测技术和数学模型 进行负荷预测工作了．本文用到的预测技术和数学模型将在第三章和第四章进行讨论，并应用一个 实例加以分析验证。奎塑查兰璺主兰堡垒壅――――第三章 短期负荷预测的方法库和组合优化原理３．１引言各种类型的负荷预测原理基本相同，就是首先统计负荷历史资料，找出负荷变化规律，建立负 荷预测模型．然后将模型延长到来来时段，同时考虑一些特殊因素加以适当的修正，就可得到未来 时段的负荷值。 长期以来．人们对电力系统短期负荷预报进行了广泛而深入的研究，提出了许多有效的方法， 如回归分析法、指数平滑法、时间序列法、专家系统法、神经网络法等，它们均有各自的优缺点。 在这些预测方法中．各种预测方法考虑的侧重点各不相同，每一种预测方法都代表了一种发展规律， 而不同地区的负荷的发展规律相异，针对不同的地区和应用，预测方法的选择和组合也不同－预测 的方法越多，预测人员的选择余地就越大，预测的结果越准确。 建立一个负荷预测程序常常不是一劳永逸的工作，即使一个负荷预测人员经过各种判断，决定 采用某种方法建立一种模型。他也必须在预测的过程中随时对已经建立的模型有效地进行校正，以 确保这个方法或模型能在较长的预测时问中适用。美国联邦动力委员会曾经在一份报告中指出：“美 国现在的负荷预测方法没有一个是绝对准确的，也没有一个方法可以适用于一切电力系统”。负荷的 组成是多种多样且不断变化的，其影响因素也是多种多样的，组成负荷需求的杜会是一个大系统， 因此负荷预测也是一个系统工程，想用某种单一的理论去研究负荷预测是困难的。 对于电力系统的短期负荷预测．由于影响负荷变化的因素的复杂性，使得建立负荷预测模型时， 不可能考虑所有的影响因素．各种预测方法所考虑的因素也各异，对于信息的利用程度也存在差异， 进行负荷预测时，预测人员就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。下面介绍构成本文方法库的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。３．２短期负荷预测的方法库３．２．１指数平滑法指数平滑法是一种曲线拟合法，实际上是对历史数据采取限定记忆，其预测思想是：不同历史 时期的负荷对未来负荷的影响是不同的，历史时间越近的负荷对未来负荷的影响越大，反之就越小， 这就是负荷预测中的所谓“近大远小”原则，所以对于过去很久的数据，不必作很精确的拟合。 指数平滑模型可有效地分析负荷的变化趋势，表达式为：Ｓ？＝耐，＋０一口）ｓ上ｌ式中：ｓｊ――第ｆ时刻的预测值（或指数平滑统计量），口――平滑系数。（３．１）上式的含义是，预测值等于前一个时刻的预测值与原始估计值的不同比例之和。平滑系数是新１４第三章短期负荷预测的常用算法及实现日数据的分配比例，它的取值要依具体情况而定。ｓ？可用原始数据Ｘ。，Ｘｆ＿１，Ｘ¨，．．．表示为Ｓ？＝ａＸ，＋口（１一ａ）ｘＨ＋ａ（１一口）２Ｘ。一２＋…＋（１一口）‘Ｓｏ（３．２）由此可见，决定指数平滑预测精度的关键在于平滑系数口和初始平滑值Ｓｏ，一般按经验选取。 口通常根据时序选定，当时间序列较为平稳时，可取较小的口值（Ｏ．０５～Ｏ．２），以使充分长期的数 据信息影响预测值：而当时间序列有明显的变化趋势，可取较大的ａ值（０３～Ｏ．５），这样在预测值 中可以突出近期的变化影响。初始平滑值Ｓ。可以取最初ｎ个数据的算术平均值或时间序列的第一个数据。３．２．２回归分析法回归预测方法是电力系统负荷预测的一种常用方法，实质上是一种曲线拟合法，用数理统计中 的回归分析方法，根据历史数据的变化规律寻找自变量与因变量之间的回归方程式，确定模型参数，据此作出预测。根据回归分析涉及变量的多少，可以分为单元回归分析和多元回归分析。在回归分析中，自变 量是随机变量（如时间），因变量是非随机变量（如电力负荷）．由给定的多组自变量和因变量资料， 研究各自变量和因变量之间的关系，形成回归方程。回归方程根据自变量和因变量之间的函数形式， 又可分为线性回归方程和非线性回归方程两种。回归方程求得后，给定各自变量数值，即能求出因 变量值。 单元线性回归分析法可看作是多元线性回归分析法的特例．而对于非线性回归问题，常应用变 换将其转化为线性回归问题处理。 在电力负荷预测的实际问题中，回归方程的因变量一般是电力系统负荷，自变量是影响电力系 统负荷的各种因素，如社会经济、人１３、气候等。假设与负荷这个随机变量Ｙ有相关关系的可控变量有Ｐ个护１）：ｘｌ，靶，…，‰。根据过去的历史资料研究变量Ｙ与变量ｘ。，靶．…，如之间的依赖关系的问题．就要考虑用多元回归分析方法来解决。在多元回归分析中，简单又重要的一种情形是 多元线性回归。多元线性回归模型如下所示：ｙ＝ｂｏ＋ｂｔ■＋??‘＋ｂｐｘ口＋占（３．３）这里柚?靶，…，昂都是与，有关的相关量，６０，ｂｌ，¨．，％都是与却，Ｘ２～．，劫无关的来知参数，占是随机误差。给定ｍ组观察值＠。，ｘｆｌ，ｘ』２，…，ｘ。）（ｆ＝１，２，．，ｍ），代入上式，有ｍ个方程，写成矩阵形势为：Ｙ＝ＸＢ＋占式中；（３．４）），＝弘Ｘ１ｌ 工２１Ｘ１２Ｘ２２…Ｘｈ …Ｘ２＾，ｂｏ ｂ＝‘ 岛＿岛●●●：ｂ。占ｎｂ为待求的ｎ＋１个回归系数。利用最小二乘法，使观察值ｙ和估计值多的残差平方和最小，可得正规方程．解正规方程，可以得到参数的估计表达式为：东南大学硕士学位论文缸计∽＿ｒＦ于是式（３．３）表示的预测模型可表示为吲（３．５）多＝６０＋６１＿＋…＋６ｐｘＰ（３．６）３．２．３最小二乘法负荷发展趋势的预测可以用最小二乘方法，就是把负荷序列的发展趋势用方程式表示出来，进 而利用趋势方程式来预测未来趋势的变化。用最小二乘法来确定发展趋势曲线，要求负荷序列实际 值对趋势得偏差平方和为最小。 大量的生产实践和研究结果表明：将过去Ｎ日平均负荷按时间画在一个坐标系下，总体上它们 逼近于一条斜率接近零的直线，由这条直线延长到第Ｎ＋１天就是预铡该目的平均负荷。这样的模 型称为线性变化模型。 用一日的平均负荷除以各时段的负荷便可以得到该目的日负荷周期变化曲线，有了前Ｎ丑的负 荷周期变化曲线，按时段取均值就得到第Ｎ＋１日的负荷周期变化曲线，这样的模型称为负荷周期 变化模型。 按线性模型预、涣４第二日的日负荷均值，按周期模型第二日的负荷周期变化系数，将它们相乘即 可得到第二日的负荷预测值。给定历史负荷序列ｙｆ¨，ｙ御，．．．，ｙ口修，ｚ“ｊ ｎ，为第ｉ天ｆ时刻的负荷值。（１）计算每天的日负荷均值：即）＝去善朋Ⅺ）（２）将Ｎ个日负荷均值拟合为直线：Ｈ一…Ⅳ（３．７）Ｆ（Ｏ＝口＋ｂｉ（３．８）现在的问题是如何确定参数日，６，使得Ｍ＝∑［】，（ｒ）一ｙ（ｆ）】２为最小。设要求Ｍ的最小值，可求解尝－ｏ，尝：嗡ａ口 ｄ。Ｎ Ｎ ｗ Ｎｄ＝旦―－ｌＬ――争―争一 Ⅳ＋∑ｆ２一∑ｆ＋∑ｆｆ－ｌ ｆ―Ｉ ，＝１ Ⅳ∑ｆ ２＋∑ｙ（ｆ）一∑ｆ＋∑ｒ＋ｙ（ｆ）（３．９）６＝旦―百一 ∑，ｌｎＬ∑ｙ（ｒ）一Ｎ＋ｄ（３．１０）１６第三章短期负荷预测的常用算法及实现这样就可以预测第Ｎ＋ｌ目的负荷均值，即：Ｙ（Ｎ＋１）＝ｄ＋ｂ＋（Ⅳ＋１）（３）计算日负荷周期变化系数（３．１１）跚㈨＝烈。％（ｆ）求Ｎ天的均值作为第Ｎ＋Ｉ天的变化系数，即：（３．１２）酗＝寺∑ｓ（悯』Ｖ（３．１３）Ｊ；ｌ（４）将第Ｎ＋Ｉ天的均值和周期变化系数相乘即可得到预测值ｘ（Ｎ＋１）（ｆ）＝Ｓ（ｆ）＋Ｙ（Ｎ＋１）（３．１４）３．２．４时间序列法电力负荷的历史记录是一个具有明显的随机性的序列，作为处理随机序列的基本方法，时间序 列模型在短期负荷预测中应用广泛。 随机性时间序列方法的基本思想：通过差分将负荷时间序列的趋势分量和周期分量都清除掉， 得到一个平稳的时间序列，显然这个平稳时间序列实际上就是剩下的随机波动分量。通过对这个随 机波动分量进行分析预测，然后再通过差分逆运算即可求得原负荷序列的预测值。 时间序列法的基本模型有自回归模型ＡＲ（ｐ），动平均模型ＭＡ（ｑ），自回归动平均模型ＡＲＭＡ （Ｐ，ｑ）三种，详见参考文献１１ｌ】。 （１） 自回归模型 一个自回归模型（ＡＲ）描述的过程是它的现在值Ｆ由其本身的过去值的有限项加权和及一个干 扰量ａｔ（假定为白噪声）来表示，即ｒ＝９Ｉｒ．Ｉ＋妒２Ｚ一２＋…＋妒，ｒ―ｐ＋日（３．１５）在自回归模型中，模型的阶数Ｐ和系数仍（ｆ＝１，２，．，ｐ）由过去值通过模型辨识和参数估计来确定。（２）动平均模型动平均模型（ＩｖＩＡ）描述的过程是它的现在值ｒ可由其现在和过去的干扰量ｄ，的有限项加权和来表示，即：Ｉ＝ｄ。一岛。０ｔ＿ｌ一０２‘ａｆ一２一…一ｑ’ａ．ｇ（３．１６）同样，模型的阶数ｑ和系数只（ｆ＝１，２，．．，ｑ）由过去的历史值通过模型辨识和参数估计确定。（３）自回归动平均模型自回归动平均模型（ＡＲＭＡ）把它的现在值ｒ看作是它的过去值的有限项的加权和及其现在和过去干扰量Ⅱ，的有限项加权和的叠加，即：１７东南大学硕士学位论文‘＝妒Ｉ’ｔ―ｌ＋妒２’，卜２＋…＋妒口’ｔ―ｐ＋口ｆ，、Ｌ３．１’７）一岛‘口ｒ～ｌ一吼‘ｑ一２一…一０ｑ‘ｄ，一。平稳时间序列可能符合上述三种模型中的一种、两种或三种，因此在时间序列方法中，模型识 别很重要。模型识别包括两个方面的含义：选用哪种模型？模型参数Ｐ或者ｑ的值为多少？ 一般来说，电力负荷时间序列满足ＡＲＭＡ（ｐ．ｑ）模型，但这种模型以及ＭＡ（ｑ）模型，由于 涉及非线性回归，求解模型系数的计算量大，而在负荷预测时，快速是非常重要的：同时实践也证 明，由于ＡＲＭＡ（ｐ，ｑ）模型参数估计的困难性，并不能肯定ＡＲＭＡ（Ｐ，ｑ）模型比ＡＲ（ｐ）模型 的预测精度高，在工程界有这样的共识：“在满足同样精度的情况下，最简单的方法就是最好的方法”。 因此，只要负荷序列满足ＡＲ（ｐ）模型，就使用ＡＲ（ｐ）模型进行预测，只有在肯定不能满足ＡＲ （ｐ）模型时，才考虑建立ＭＡ（ｑ）和ＡＲＭＡ（ｐ，ｑ）模型。国内外的资料也表明：不少电网的负 荷样本数据在平稳化之后，负荷ＡＲ（ｐ）的特征。在自回归模型中，序列ｒ可以用过去的数值（ｒ＋ｒ。…）和一个随机干扰量日，的线性表达式来表示，模型的阶数Ｐ取决于历史序列ｒ相关的数据。一个Ｐ阶自回归模型ＡＲ（ｐ）可以用式（３．１５）表示。为了对负荷进行预测。首先要进行模型识别，确定模型的阶数Ｐ，识别的基本工具是相关分析， 即计算序列Ｆ的样本的自相关函数和偏自相关函数。 自相关函数“表示时间序列滞后ｋ个时间段两项之间的相关程度，其计算公式：气＝上Ｌｉ――――一 ∑（ｒ―Ｆ）２ｔ－Ｉ∑（Ｆ―Ｆ）（Ｉ＋。一Ｆ）（３．１８）其中：ｋ为滞后时段，ｍ为样本个数，】，为样本平均值。随机序列自相关系数抽样分布近似为以０为均值的ｌ／√ｉ为标准差的正态分布。偏相关系数仇ｋ是时间序列陆给定Ｅ．『，矗，～，Ｅ“，条件下，ｙｒ和ｙｆｌ之间的条件相关，它用以表示当其它滞后期ｋ＝１，２．…，ｋ－－１时序列的作用能由已知的条件下，Ｅ和蚱１之间的相关度。其计算公式：‘，后＝１＾一ｌ‘一∑ｐＩ吐，咋一， ‰＝★一Ｉ Ｊ?ｌ―‘｝―一，七＝２，３， １一∑纯吐，，Ｊ，仆。（３．１９）’妒Ｉ，Ｊ＝妒女一ｌ，Ｊ一缈船纯一１．＾一』，＝』，２，…，ｋ－１（３ ２０）自相关函数和偏相关函数的截尾性，从理论上来说，是指它们在某一步后全是０或者在０上下 小幅波动，也即从某一个序列数值仅和一定数目的其它序列值有关，而和其它序列值无关或关系很 小，于是得到ＡＲ模型的阶数Ｐ。８第三章短期负荷预测的常用算法及实现如果负荷序列满足ＡＲ（ｐ）模型，则首先使用该模型，如果不满足ＡＲ（ｐ）模型ｔ则使用ＭＡ （ｑ）模型，如果也不满足ＭＡ（ｑ）模型，最后使用ＡＲＭＡ（ｐ，ｑ）模型。ＡＲＭＡ（ｐ，ｑ）模型中 的Ｐ和ｑ的确定没有显著的识别特征，通常是通过设定几组Ｐ、ｑ值ｔ分别建立模型，进行一批预测，然后根据预测残差来选择ｐ、ｑ值。一般情况下，ＡＲＭ，ａ，（ｐ，ｑ）模型中的ｐ、ｑ不大于３。３．２．５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法是～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； ａ）找最有可能与预测曰负荷相似的日期（相似日）。 计算两个样本间相似程度的算法很多，以距离计算法晟为简单且意义明确。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三天， 也就是距离最近的三天，然后根据“距离”求出权值进行预测。距离的计算方法：设有两个样本点而．，产Ｊ，２一．，Ｐ和ｘ，．，ｊ＝ｌ，２～．，Ｐ，其问的距离可以采用下式计算：ｄ（一，ｚ：）：【圭口膨ｕ―ｘ：．∥一ｊ－］（３．２１）其中，口，为权重，这种距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３．２。表３．１天气状况謦号１ ２ ３４天气状况晴天 多云彀值１．０Ｏ．８阴天０．６小雨０．５５ ６７中雨０．４ 大雨Ｏ－３小雪０．２８９ １０中雪０．１５ 大雪０．１大风０．５１９东南大学硕士学位论文表３．２日类型值星期日――――Ｂ０．０ ２．０ ２．０ ２．０２．０ ２．０一２．０ ０．０ １．１ １．２ ｌ＿３ １．４ ２．０二２．０ ｔ．１三２．０１．２西２．０ １，３１．２五２．０１．４ １．３六１．０２．０――０．０ １．１１．２１．１ ０．０１．１ １．２ ２．０２．０ ２．０ ２．０２．０三四 五１．１ ０．０１．１ １．２１．２１．１１．３ ２．００．０ １ １Ｌ／、１．００．０记及负荷变化的累积效应，可用如下的函数关系表示：血．：｛√ＡＤ／Ⅳ，出．＝｛’∞州２曲＞Ｎ‘（．） （３３ ２２２１２。１１。这也反映了负荷预测的“近大远小”的基本原则。 ｂ）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：巧（丁）＝互：；｛：ｉｉ；；：；簧‰，塑学，ｒ巩（∞０，Ｔ＜五。（ｄ）Ｉ。ｃｄ，ｓ丁＜Ｅ。ｃｄ，。，．：，，当温度在某个数值互ｃ（ｄ）以下时，制冷程度函数的值为０，在未达到另一数值互ｃ（ｄ）时，它随着温度二次增长，达到该值以后星线性增长。 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。３．３组合优化预测技术３．３．１组合优化的原理组合预测的概念是由Ｂａｔｅｓ和Ｇｒａｎｇｅｒ首先提出的，应用于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 到的基本结论：组合预测比单一预测对于环境的变化具有较强的适应能力。应用最小方差准则得到 的组合预测误差的方差，不大于任何一种分方法的误差方差。 在实际中，任何一种预测技术，对预测对象及其所处的环境都有一定的假设。在建立模型时同 样也受到两方面的限制：一个是不可能将所有在未来起作用的因素全包含在模型中，另一个是很难 确定众多参数之间的精确关系。因此也不能说建立的模型越复杂，预测越准确。 由于预测模型存在不同的条件限制，为保证预测的准确性和可靠性，预测人员常对同一事件采 用多种预测方法ｔ然后在这些预测方法种进行比较、分析、选择，得到一个较好的预测模型。但是 这种选择一般是依据现有的信息一而这些信息在未来时段内如何发展变化几乎无法确定，因此，试图事先确定一种最好的预测方法是不可能的。另外，度于同一个预测问题，不同的预测方法所用到的信息也各不相同?从信息的利用角度来看，如何一种单一的预测模型都是只利用了部分有用信息， 同时抛弃了其它的～些有用的信息，为了尽可能地利用相关信息，人们提出了组合预测模型。在多２０第三章短期负荷预测的常用算法及实现数情况下，通过组合各种预测方法可以做到改善的目的。３，３．２组合优化预测方法组合预测一般有两种模型，一种是对预测结果的组合，另一种是对预测模型的组合。下面讨论 前一种组合。设有ｋ（ｋ＞１）个单一的预测模型，进行预测产生ｋ种预测结果，组合这ｋ种模型的预测值得到一个新的预测结果，即：￡ｃ＝ｍ（Ａ，＾…．，＾）一般地，组合预测方法可以表示为：Ｉ（３．２４）ｍ（一，，２，，＾）＝∑Ⅵ／：式中，Ｌｃ＝（ｚＩ，ｆ２，…，ｆ。）为预测结果Ｗ，为第ｆ种预测模型的权值，＾为第女种预测模型的预测值。３．３．２．１等权（ＥＷ）组合方法在式（３．２５）中，Ｗｉ取相等的值，即均等于１／ｋ，即有瑶：昙壹ｚ＾ｔ；Ｉ这就是所谓的等权平均方法，也称为简单平均方法，这种方法不需要了解每一种预测方法的精 度和误差之间的相互关系，对每一种方法同等等待，显然，当这些模型有相似的误差方差时，等权 方法才是合理的。３．３．２．２组合优化方法设收集到ｒ期历史数据，历史数据序列表示为孙Ｘ２ Ｊ…，进行拟合，其中用第ｉ种方法拟台的预测数据序列为ｉ∥量１２’ 定义拟合残差为： 设用女种方法对原始数据序列量＂圪＝曼。～ｘ，拟合方差为：ｈｒ３．２７）一一，∑㈨ｌ２ｒｉ＝ｌ，２，．．．，ｔ，ｔ＝１，２，一ｒ（３ ２８）对于某两种方法ｉ，／的预测结果，设其拟台残差分别为％，％，类似地定义两种预测结果的拟 合协方差为：２１东南大学硕士学位论文ｒｈＩｆ－∑Ｋ一，，ｉ＝１，２～．，ｋ，ｆ≠，￡ｚｌ（３．２９）组合预测的模型为：ｚ＝∑ｗｊｉ。★（３．３０）其中．岛为第ｉ种方法的加权系数（∑ｗ』＝１）。Ｊ＝ｌ组合预测方法的关键在于怎样确定组合预测的加权系数，使得组合模型的误差平方和Ｊ＝∑（ｚ一一）２最小。啊：令矿２【ｗ１，№，…’坼】７＇日２仨：Ｒ７∥＝ｌ如２ｈ１２??引（３．３１）（３．３２） （３．３３）★记Ｒ＝［１．１，…．１】，则加权系数的约束条件∑Ⅵ＝１可以表示为ｉｚｌ利用拉格朗日算子法在条件（３．３１）－Ｆ求出（３．３２）的最小值，可得到：矿：祟娶 Ｒ。Ⅳ“月该式算出的即为最优组合模型的权系数，此时Ｊ达到最小值。 除此之外，还有其它方法来确定组合的权值，如递推回归、多目标规划等方法。３．３．２．３组合优化方法的改进组合优化预测方法从理论上可以求得最佳的组合权系数，如果这个权系数能保持稳定，应用组合优化预测方法将取得很好的效果。但实际上组合优化预测方法得出权值常常不稳定，从而影响预 测结果的精确度。目前，解决变权值问题的方法主要采用“适应性”的实时算法。这些算法采用移动样本，取最近 的ｓ个样本历史值来计算权系数。本文采用自适应性的递推算法，以便适应权系数的改变，其式为：厂。、一ｌｒ＾厂７．、一Ｉ］一１Ｋ。＝毗。＋（ｉ－口）Ｉ∑ｅ。２ ｌ Ｉ∑Ｉ∑气２ｆｌ ｌ ＼‘…＋１ ＬＪｌｌ＼ｆ一５“／Ｊ川，２，…，止（３３４）式中：口为平滑系数，０＜口＜ｌ，需根据权系数的变化情况选取。这～算法不计不同预测方法误差之间的协方差，计算中采用移动样本，但每次都使用Ｓ个样本第三章短期负荷预测的常用算法及实现历史值来计算，３．４算例分析为了验证上面提到的各种预测方法的效果，本文选取江苏某电网２００３年４月和９月的负荷进行 了实例预测，这两个月份代表了两种典型的负荷变化模式：负荷变化平缓（４月份）和负荷变化显 著（９月份），具有一定的代表性。限于篇幅，只列出某两周的预测情况。分别如表３，３、表３．４示 图３．１和３．２分别列出这两月中某一日（４月２２日和９月２５日）的负荷预测情况。表３．３ 指数平滑法５．０２ １１．６７ ６．５７ ２．６８ ３，６４ １，９０１．９５卸争《４月１２日 ４月１３日４月负荷预测的平均误差（％）最小二乘法２．９８ １０．６４５．７５回归分析法６．９６９．９５时间序列法１０．２６ ８．５２ ４．７２ ７．３８５．４３相似日法２．８２ ６．８４５．４７组台优化法５．９９ ８．１４ ３．６４ ２．２６２．７３４月１４日 ４月１５日４月１６日５．３ｌ６．００２．５２３．７４３．６６４．１３４．６６ ６．１３１．９３４月１７日４月１８日８．２８ ４．１９ ４．１１１．２７３．０５ ４．５８ ７．９５１１．９３５．９８ ３．８６ ４．４３ ６．５８ ４．２４５．６ｌ ４．７２３．１６ １．９０ ６．１ｌ ８．０３ ３３６２．１３４月１９日 ４月２０日 ４月２１日 ４月２２日４月２３日５．２５ ９ｔ３９ ４．３６ １．６３ ２．５ｌ６．４９７．７ １３．８９ ３．７９ ８．３６ ９．０９２．８７３．７６ ２．８３ ５．８ ４．９８ ６．５８３．６１ ２．７５ ３．８０５．２９２．８ｌ３．４２４月２４日 ４月２５日３．２８ ６．４４９．７２８．７９６．８７８．６６２２０２００１８０耋１６０ 一柱 《１４０‘．１２０ｌ。Ｏ疑秽∥拶鼢Ｆ勰孱褰辫拣瀛蔑≮△。“座蠢―●一实际值―卜组合预铡法ｓ指数平滑法一Ｋ…回归分析法―●一最小二乘法―｝一时间序列法一相似日法８０ｌＯ ｌｌ １２ １３ １４ １５ １６ １７ １８ １９ ２０ ２１ ２２ ２３ ２４时间（ｈ）盟３．１４月２２日的预嗣曲线和实际负荷曲线图东南大学硕士学位论文劲啾９月１７日９月１８日 ９月１９日 ９月２０日衰３．４ 指数平滑法３．５８５．７２９月负荷预测的平均误差（％） 最小二乘法８．６６ １１．５２ ５．６３ ８．７８ １１．６０ １４．２４６．３７回归分析法２．８９ ４．５２ ８．４４１１．５９时间序列法３．７３ ３．６１ ８．３７ ９．３４ １１．４－９ １７．９ｌ ９，８９ ９．９９ ９．７２ ７．６３ ７．１７ ４．８５ ６．４４ ９．３３相似日法６．０４８．８５组合优化法４．５１ ５．８ｌ５．９７ １１．０７８．１５５．６６８．３５６．６３ ９．９４１０．３３９月２１日 ９月２２日 ９月２３曰 ９月２４日 ９月２５日 ９月２６日 ９月２７日 ９月２８日 ９月２９日９月３０日１１．１４－ ７．９７ ７．７３ １０．８９ ４．２２ ２３５ ５．５ ６．４３ ９．５３ ７．８５１０．３８ １１．０６ ３．３０６．１＇９１３．９８７．６４９．５１ ５，２９ １．９０ ２．８４ ４．３３ ４．３８ ４．９６ ７．４９ ５３６３．４３２．８３ ２．７ｌ６．４２ ５．３７ ３．８５ ２．２９ ４．０２ ８．２４ ８．６３６．５４ ２．５５ １．７３ ３．８９８．０９２．５５ ６．７ｌ７．６９ ９．７１６．１６２４０２ｚＯ２００１８０喜≤１６０《１４０１２０够矽时间（ｈ）形铆玖热冬ｌ 觞尸蝴∽Ｎ沁鬻９月２５日的预河曲线和实际负荷曲线图仑《套沥０＾．＂－＝ｉ－－－－实际值―●卜组合预测法一指数平滑法一－卜回归分析法―●一最小二乘法 ―＋一时间序列法一相似日法１００８０圈３工从上面的结果可以看出，在负荷变化平缓的４月，各种预测方法对同一日的预测值都相差不大， 预测精度较好，但也存在一些点和天预测效果不理想；在负荷波动较大的９月，各种方法的预测值之Ｉ司相差较大，有些方法不适应负荷变化的趋势，单一的预测方法效果不够理想。在这些方法中，指数平滑法的主要优点是简单，有一定的实用性，能够通过平滑作用自动排除 数据序列中的随机波动，特别是对那些不符合统计特征的偶然性波动预测计算量少，但对数据的趋 势转折点判别能力差?如４月２０日、９月２０日、９月２２日等；回归分析模型的优点是结构简单， 参数修改的计算量少，预测速度快，缺点是模型初始化难度较大，需要丰富的经验和较高的技巧， 外推特性差；最小二乘法的特点是算法简单，速度快，应用较为广泛，有一定的实用性。在平稳的第三章短期负荷预测的常用算法及实现情况下或在负荷变化呈同一个趋势下，预测精度较高，但系统负荷发生转折性变化时，利用这一模 型进行预测的精度就较差，如４月２０ Ｅｔ、９月１８日等；时问序列法的优点是理论最为成熟，应用 最为广泛的负荷预测方法，预测时所需历史数据少、工作量少，缺点是模型系数的计算较繁琐，建 模时}