硕士学位论文-基于粗糙集和灰色系统模型的短期负荷预测方法研究.pdf

华北电力大学（北京） 硕士学位论文 基于粗糙集和灰色系统模型的短期负荷预测方法研究 姓名：徐剑 申请学位级别：硕士 专业：信号与信息处理 指导教师：唐良瑞 20071201 华北电力大学硕士学位论文 摘要 本文主要研究利用粗糙集理论和神经网络、灰色理论来进行短期负荷预测方法 分析。提出了基于粗糙集理论的遗传神经网络短期负荷预测方法，该方法通过粗糙 集理论中的属性约简对神经网络的输入进行了筛选，找到与预测量相关性大的影响因素 作为输入量，减少了神经网络的工作量。为了解决神经网络自身收敛速度慢和容易陷入 局部极小的缺陷，利用具有全局搜索能力强等优点的遗传算法与之相结合。又提出了基 于灰色系统的相关因素敏感模型短期负荷预测方法，该算法针对g m ( 1 ，1 ) 模型在电力负 荷呈非指数函数增长和对天气突变时预测精度差的缺点，提出了一种直接考虑气温、日 天气类型等多种相关因素的短期负荷预测新策略。实验证明了以上两种算法在精度上都 能得到了提高，在短期负荷预测中是可行的、有效的。 关键词：短期负荷预测，粗糙集，神经网络，遗传算法，灰色系统 a b s t r a c t s h o r t t e r ml o a df o r e c a s t i n gm e t h o d sw h i c ht a k er o u g hs e t n e u r a ln e t w o r k g r e ym o d e l a st h em a jo rc o n t e n ta r er e s e a r c h e di n t h i sp a p e r s h o r t t e r ml o a df o r e c a s t i n gm e t h o do f g e n e t i ca l g o r i t h mn e u r a ln e t w o r kb a s e do nr o u g hs e ti sp r o p o s e d a t t r i b u t ea l g o r i t h mo fr o u g h s e tt h e o r yi si n t r o d u c e dt oc h o o s en e u r a ln e t w o r k si n p u tp a r a m e t e r s p a r a m e t e r sw i t hah i g h c o r r e l a t i o na r eu s e df o ri n p u t w h i c hr e d u c et h ew o r ka n dc a l c u l a t i o nt i m e i no r d e rt os o l v e t h es h o r t c o m i n gi nt h eb pa l g o r i t h m s u c ha ss l o w n e s si nt r a i n i n gs p e e da n dc o n v e r g e n c et o t h el o c a lm i n i m u m g e n e t i ca l g o r i t h mw i t ht h ea b i l i t yo fs t r o n gg l o b a ls e a r c hi si n t e g r a t e d t h e nan e wl o a df o r e c a s t i n gm e t h o do fr e l a t i v ef a c t o r ss e n s i t i v em o d eb a s e do ng r e ys y s t e m i sp r o p o s e d ，t oa i mt ot h es h o r t c o m i n go fg m ( 1 ，1 ) b a dp r e c i s i o nw h e ne l e c t r i cl o a di n c r e a s e s b yu n e x p o n e n t i a lf u n c t i o na n dt h ew e a t h e rc h a n g e ss u d d e n l y , an e ws h o r t t e r m l o a d f o r e c a s t i n gs t r a t e g yi sp r o p o s e d ，w h i c hc o n s i d e r sr e l a t i v ef a c t o r ss u c ha st e m p e r a t u r e ，d a y w e a t h e rt y p ea n ds oo n f o r e c a s t i n gr e s u l t so fc a l c u l a t i o ne x a m p l e ss h o wt h a tt h et w o a l g o r i t h m si m p r o v et h ea c c u r a c yo fp r e d i c t i o n ，w h i c ha r ef e a s i b l e a n de f f e c t i v ei nt h e s h o r t - t e r ml o a df o r e c a s t i n g 、 x uj i a n ( s i g n a la n di n f o r m a t i o np r o c e s s i n g ) d i r e c t e db yp r o f t a n gl i a n g r u i k e y w o r d s ：s h o r t t e r ml o a df o r e c a s t i n g ，r o u g hs e t ，n e u r a ln e t w o r k ，g e n e t i ca l g o r i t h m ， g r e ym o d e l 1 华北电力大学硕士学位论文 摘要 本文主要研究利用粗糙集理论和神经网络、灰色理论来进行短期负荷预测方法 分析。提出了基于粗糙集理论的遗传神经网络短期负荷预测方法，该方法通过粗糙 集理论中的属性约简对神经网络的输入进行了筛选，找到与预测量相关性大的影响因素 作为输入量，减少了神经网络的工作量。为了解决神经网络自身收敛速度慢和容易陷入 局部极小的缺陷，利用具有全局搜索能力强等优点的遗传算法与之相结合。又提出了基 于灰色系统的相关因素敏感模型短期负荷预测方法，该算法针对g m ( 1 ，1 ) 模型在电力负 荷呈非指数函数增长和对天气突变时预测精度差的缺点，提出了一种直接考虑气温、日 天气类型等多种相关因素的短期负荷预测新策略。实验证明了以上两种算法在精度上都 能得到了提高，在短期负荷预测中是可行的、有效的。 关键词；短期负荷预测，粗糙集，神经网络，遗传算法，灰色系统 a b s t r a c t s h o r t t e r ml o a df o r e c a s t i n gm e t h o d sw h i c ht a k er o u g hs e t ，n e u r a ln e t w o r k ，g r e ym o d e l a st h em a jo rc o n t e n ta r er e s e a r c h e di n t h i sp a p e r s h o r t t e r ml p a df o r e c a s t i n gm e t h o do f g e n e t i ca l g o r i t h mn e u r a ln e t w o r kb a s e do nr o u g hs e ti sp r o p o s e d a t t r i b u t ea l g o r i t h mo fr o u g h s e tt h e o r yi si n t r o d u c e dt oc h o o s en e u r a ln e t w o r k si n p u tp a r a m e t e r s p a r a m e t e r sw i t hah i g h c o r r e l a t i o na r eu s e df o ri n p u t ，w h i c hr e d u c et h ew o r ka n dc a l c u l a t i o nt i m e i n0 r d e rt os o l v e t h es h o r t c o m i n gi nt h eb pa l g o r i t h m s u c ha ss l o w n e s si nt r a i n i n gs p e e da n dc o n v e r g e n c et o t h el o c a lm i n i m u m g e n e t i ca l g o r i t h mw i t ht h ea b i l i t yo fs t r o n gg l o b a ls e a r c hi si n t e g r a t e d t h e nan e wl o a df o r e c a s t i n gm e t h o do fr e l a t i v ef a c t o r ss e n s i t i v em o d eb a s e do ng r e ys y s t e m i sp r o p o s e d ，t oa i mt ot h es h o r t c o m i n go fg m ( 1 ，1 ) b a dp r e c i s i o nw h e ne l e c t r i ci p a di n c r e a s e s b yu n e x p o n e n t i a lf u n c t i o na n dt h ew e a t h e rc h a n g e ss u d d e n l y an e ws h o r t t e r m l o a d f o r e c a s t i n gs t r a t e g yi sp r o p o s e d ，w h i c hc o n s i d e r sr e l a t i v ef a c t o r ss u c ha st e m p e r a t u r e ，d a y w e a t h e rt y p ea n ds oo n 。f o r e c a s t i n gr e s u l t so fc a l c u l a t i o ne x a m p l e ss h o wt h a tt h et w o a l g o r i t h m si m p r o v et h ea c c u r a c yo fp r e d i c t i o n ，w h i c ha r ef e a s i b l ea n de f f e c t i v ei n t h e s h o r t - t e r ml p a df o r e c a s t i n g 、 x uj i a n ( s i g n a la n di n f o r m a t i o np r o c e s s i n g ) d i r e c t e db yp r o f t a n gl i a n g r u i k e y w o r d s ：s h o r t t e r ml o a df o r e c a s t i n g ，r o u g hs e t ，n e u r a ln e t w o r k ，g e n e t i ca l g o r i t h m ， g r e ym o d e l 1 华北电力火学硕士学位论文 声明尸明 本人郑重声明：此处所提交的硕士学位论文基于粗糙集和灰色系统模型的短 期负荷预测方法研究，是本人在华北电力大学攻读硕士学位期间，在导师指导下 进行的研究工作和取得的研究成果。据本人所知，除了文中特别加以标注和致谢之 处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得华北电 力大学或其他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。 学位论文作者签名：j 簦薯牡u r - 1 强：奎d d 趟。5 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权 保管、并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或 其它复制手段复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校 可以学术交流为目的，复制赠送和交换学位论文；同意学校可以用不同方式在不同 媒体上发表、传播学位论文的全部或部分内容。 ( 涉密的学位论文在解密后遵守此规定) 作者签名：企垒导师签名： 日期：型世 f 锣参踟 日期：一鱼 华北电力大学硕士学位论文 第一章绪论 1 1 选题背景和研究意义 1 1 1 选题背景 电力工业是国民经济的基础产业，在整个国民经济的发展中起着举足轻重的作用。 如果电力工业的发展速度能够满足国民经济建设的需要，就会促进经济的高速发展；否 则，就会产生严重的供需矛盾，阻碍国民经济的发展。 电力系统发展到今天，不仅在国民经济建设中起到不可替代的作用，而且也成为了 人民生活中必不可少的重要环节。电力系统的主要任务是向用户提供安全、可靠和优质 的电能，满足各类负荷的需求。随着我国产业结构完善和人民整体生活水平的改善，对 电能的需求逐年加大，同时对电力质量的要求也越来越高，且由于电能生产和消费的同 时性，对电网建设和布局提出了更高的要求。电力的基本特性是难以大量存储，要求电 力系统负荷变化保持动态平衡。近些年，全国大部分地区出现了电力供应紧张的局面， 因而不得不在某些时段进行拉闸限电。分析大面积“电荒”的原因，除了由于装机容量 不足之外，电力规划中预测的用电量增速远远低于实际增速而导致用电缺口也是一个重 要因素。因而，电力系统负荷预测技术应当引起足够重视。 电力负荷预测是指在e 确的理论指导下，在调查研究掌握大量电力和电量消费详实 资料的基础上，运用可靠的方法和手段对电力负荷未来的发展趋势做出科学合理的预测 分析( ，作为电力工业中一个热点问题，电力系统负荷预测工作从电力系统诞生之日起 至今一直深受关注。尤其是近几年随着我国城网改造步伐的加快和电力工业市场化营运 机制的推行，提高电力系统负荷预测准确度己迫在眉睫。同时由于社会运转速度的不断 加快和信息量的膨胀，使得准确的预测变得愈加困难。 电力负荷预测是电力系统调度、用电、计划和规划等管理部门的重要工作，因此它 成为衡量电力系统管理现代化的重要标志1 2 q 】。进入2 i 世纪后，随着高新技术、尤其 是信息技术的发展，国内外电力企业更是都把提高电力系统的负荷预测水平作为电 力建设和发展的重要课题之一进行研究，提高负荷预测水平已成为当前电力行业创 建国际一流供电企业的一项主要内容和发展策略。近年来，随着我国市场经济的不断 完善，电力企业也逐渐由计划方式过渡到了市场方式，准确的负荷预测可以为电力企业 制定购电和售电方案提供基础，从而保证保企业运行方案真正反应负荷的变化趋势，确 保电网安全经济运行，有效降低发电成本，提高经济效益和社会效益。随着计算机在电 力系统中的日益普及和电力系统自动化水平的不断提高，负荷预测的精度也相应有所改 进，并逐步实用化。负荷预测的结果己成为经济调度和推行电力市场的必要基础。 华北电力大学硕士学位论文 1 1 2 研究负荷预测问题的意义 随着国民经济的发展和人民生活水平的提高，电力作为一种非常重要的能源，已经 深入到社会的各个角落，人们对电能质量的要求也越来越高，电力负荷预测作为保证电 能质量的一个基本工具，得到了越来越多的关注。 预测技术在电力工业中具有特别重要的地位，这是电力工业生产、输送、消费同时 进行，以及电力工业先行的特点所决定的。需电量及电力负荷预测是电力系统规划和建 设的基本依据，是电力企业日常经营管理工作的重要组成部分。负荷预测是能量管理系 统( e m s ) 的一个重要模块。它所提供的未来的负荷数据，对电力系统的控制、运行和计 划都是非常重要的1 5 西j 。电力系统的稳定运行要求发电量能随时紧跟系统负荷的变化， 即发电站发出的电能必须能够平衡线路负荷，如果不事先预测负荷，或负荷预测不准， 将会导致大量的电能浪费。准确预测负荷，不但对确定日运行方式有重要作用，可以确 定相应的发电量及燃料需要量、合理安排发电机组、输变电设备的检修、确定电网在计 划期内需要增加的发、输、变电设备容量，而且也是电力行业c i m s 工程的基础和不可 缺少的技术和设备。此外，电力负荷预测直接关系到电力系统生产计划和电力系统运行 方式的安排，具有重要的经济意义。 根据预测时间的长短，负荷预测可以分为长期负荷预测、中期负荷预测、短期负荷 预测及超短期负荷预测。本文的研究方向主要是短期负荷预测，短期负荷预测一般是指 预测未来几周、几天、几小时甚至更短时间的负荷情况，预测的重要目的是要尽可能满 足提高预测的精度要求。就目前看来，短期负荷预测的意义有【7 1 ： ( 1 ) 为了能对运行中的发电厂的出力要求提出预告，使得对发电视组出力变化的情 况事先得以估计，对于装机不大的孤立电网。短期负荷预测是必要的。 ( 2 ) 对于一个大电网，为了经济和合理地安排本网内各发电机组的起停，以使系统 在要求的安全范围内，为保证必要的旋转储备容量的耗费为最小，短期的负荷预测是必 须的。 ( 3 ) 当电网进行计算机在线控制时，应当用短期负荷预测的信息来实现发电容量的 合理调度，满足给定的运行方案，同时使发电成本最小。 ( 4 ) 在当今的市场化运营条件下，电力交易更加频繁，负荷对电价的敏感性会随着 市场的完善而逐渐增强，准确的预测对于提高电力经营者的运行效益有直接的作用，短 期负荷预测的重要性就更加突出。 基于上述原因，本文准备对短期负荷预测方法作一些探讨。早期的负荷预测技术主 要是统计回归法和时间序列法，但由于短期负荷随时间的变化规律复杂，有时表现为平 稳的时间序列，有时线形增长，有时随机波动。在电力短期负荷预测中还存在如气温、 湿度、降雨量等大量的不确定因素，这些都很难用精确的模型加以描述。 因此，本文准备在侧重考虑这些不确定因素的前提下的短期负荷预测分析方法 华北电力大学硕士学位论文 上做一些探讨。传统的短期负荷预测分析方法曾经发挥了很重要的作用，但也有很 多自身无法克服的缺陷。近年来出现的粗糙集理论以其处理含糊和不确定性问题强的 自身优势为负荷预测分析开辟了新的研究方向，因此本文尝试着将它运用于电力系统 负荷预测中，准备研究不同于传统分析方法的负荷预测分析方法，为改善负荷预测精度 提供新的思路：灰色系统是近些年来应用的一种负荷预测方法，但在某些情况下预测 效果不是太理想，本文也将尝试着做一些改进，望在精度上得到提高。 1 2 国内外的研究动态 过去几十年来，国内外学者对电力系统短期负荷预测进行了较充分的研究，各种预 测方法和模型被引入到负荷预测中。主要的方法有以下几种： ( 1 ) 回归分析法 回归分析法是根据历史数据的变化规律，寻找历史数据与待预测负荷之间的回归方 程式，确定模型参数，从而进行预测【踮9 1 。按照回归方程中代表历史数据的变量个数， 可将回归分析法分为元回归和多元回归；按照回归方程的类型又可分为线性回归和非 线性回归。 常规的回归分析模型中，历史数据和待预测负荷i b j 的函数关系是线性和静态的。而 实际上这种关系是随着时间而改变的，所以常规的回归分析模型没有适应这种变化的灵 活性，通常它的预测值是个负荷平均值。 ( 2 ) 时间序列法 时间序列法就是根据负荷的历史资料，设法建立一个数学模型，用这个数学模型一 方面来描述电力负荷这个随机变量变化过程的统计规律性；另一方面在该数学模型的基 础上再确立负荷预测的数学表达式，对未来的负荷进行预测。时间序列法主要有自回归 a r ( p ) 、滑动平均i d a ( q ) 和自回归与滑动平均a r m a ( p ，q ) 等i l 啦。 时间序列模型是目前被认为最经典、最系统、最被广泛采用的类短期负荷预测方 法。这种方法的优点是：所需历史数据少、工作量少。但同时缺点也很明显：它只考虑 了负荷的历史发展趋势，致力于数据的拟合，而没有考虑负荷变化的因素，无法引入气 象、日期特征等敏感因素对负荷的影响，因此它对规律性的处理不足，如果单纯应用时 间序列模型来进行短期电力负荷预测，其精度难以提高，只适用于负荷变化比较均匀的 短期预测的情况。 ( 3 ) 专家系统法 专家系统是一个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 现为计算机软件系统) ，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【1 2 以3 1 。所以，一个完整的专家系统 是由四部分组成：知识库、推理机、知识获取部分和解释界面。将专家系统法应用到负 荷预测上，可以克服单一算法的片面性：同时，全过程的程序化，使本方法还具有快速 华北电力入学硕士学位论文 决断的优点。其缺点是知识库的形成过程复杂、工作量大，把专家的知识和经验等精确 地转化为一系列规则往往难度较大，并且从不同的专家得到的知识有可能不同：此外， 专家系统的“学习”问题是其瓶颈。 ( 4 ) 指数平滑法 指数平滑法是一种曲线拟合法，也是种序列分析法，其预报思想是：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。因此该方法对接近目前时刻的数据拟合得较为精确。在负荷预测中，一般用 过去数周的同类型目的相同时刻的负荷组成一组时间上有序的观测值，然后对该数组进 行加权平均就得到所需的负荷值。 ( 5 ) 神经网络法 神经网络( a n n ，a r t i f i c i a ln e u r a ln e t w o r k ) 是对人脑或者自然神经网络若干基本 特征的抽象和模拟。目前，a n n 理论用于电力短期负荷预测的研究非常多，其突出优点 是对大量非结构性、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。a n n 具有很强的自学习和复杂的非线性函数拟合能力，很适合于 电力短期负荷预测问题，是在国际上得到认可的实用预测方法之一【1 4 。16 。 现在研究最多的是应用误差反向传播算法( e r r o rb a c k p r o p a g a t i o n ，又称为b p ) 进行短期负荷预测，常用的是简单三层a n n 模型，就能实现从输入到输出间非线形映射 任何复杂函数关系，其主要思路为：将历史数据中对电力负荷影响最大的几种因素作为 输入，如当天的天气温度、天气晴朗度、风向风力、峰谷负荷及相关负荷等，把这些相 关因素作为输入量输入人工神经网络，经过输入层、隐含层和输出层中各神经元的作用 最后生成输出量，再与输出所期望的输出项比较，确定是否在误差允许范围内，如否， 则重新修改各个权重直到达到精度要求；如是，则确定权重开始进行预测工作，只要把 待测日的相应刺激输入神经网络就可以得到相关的输出，即预测结果。由于人工神经网 络具有一定的联想和推理功能，所以对于训练过程中没有出现过的情况，神经网络同样 可以进行预测。 神经网络预测方法的优点有：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。其缺点是：初始值的确定无法利用已有的系统信息，易陷于局部极小的状态： 神经网络的学习过程通常较慢，对突发事件的适应性差。 ( 6 ) 小波分析预测技术 小波分析是一种时域一频域分析法，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号以及信号、 图像的任意细小部分。电力负荷具有特殊的周期性，即以天、周、年为周期发生波动。 大周期中套有小周期。而小波变换能将各种交织在一起的不同频率组成的混合信号分解 成不同频带上的块信号。对负荷序列进行小波变换可以将负荷序列分别投影到不同的尺 4 华北电力人学硕士学位论文 度上，而各个尺度可近似地看作各个不同的“频带”，这样各个尺度上的子序列分别代 表了原序列中不同“频域”的分量，它们能更加清楚地表现负荷序列的周期性。在此基 础上，根据各个子负荷序列的不同特点选择合适的模型和算法分别进行预测【l7 1 。最后通 过小波重构得到最终的负荷预测结果。 其优点是：能对不同的频率成分采用逐渐精细的采样步长，从而可以聚集到信号的 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、储存、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。但缺 点同样明显，小波理论在电力系统的应用还很不成熟，确定网络结构仍然是一项很繁琐 的工作，需要实践中寻找更加有效的方法。 ( 7 ) 优选组合预测法 优选组合有两层含义：一是从几种预测方法得到的结果中选取适当的权重加权平 均：二是指在几种预测方法中进行比较，选择拟和度最佳或标准偏差最小的预测模型进 行预测。对于组合预测方法也必需注意到，组合预测是在单个预测模型不能完全正确地 描述预测量的变化规律时发挥作用。一个能够完全反映实际发展规律的模型进行预测完 全可能比用组合预测方法预测效果好【l 引。该方法的优点是：优选组合了多种单一预测模 型的信息，考虑的影响信息也比较全面，因而能够有效地改善预测效果。缺点是：权 重的确定比较困难；不可能将所有在未来起作用的因素全包含在模型中，在一定程度 上限制了预测精度的提高。 ( 8 ) 灰色模型法 灰色预测是一种对含有不确定因素的系统进行预测的方法。以灰色系统理论为基础 的灰色预测技术，可在数据不多的情况下找出某个时期内起作用的规律，建立负荷预测 的模型。分为普通灰色系统模型和最优化灰色模型两种。 普通灰色预测模型是一种指数增长模型，当电力负荷严格按指数规律持续增长时， 此法有预测精度高、所需样本数据少、计算简便、可检验等优点；缺点是对于具有波动 性变化的电力负荷，其预测误差较大，不符合实际需要。而最优化灰色模型可以把有起 伏的原始数据序列变换成规律性增强的成指数递增变化的序列，大大提高预测精度和灰 色模型法的适用范围。灰色模型法适用于短期负荷预测0 9 1 。灰色预测的优点：要求负荷 数据少、不考虑分布规律、不考虑变化趋势、运算方便、短期预测精度高、易于检验。 其缺点是其微分方程指数解对于具有除指数增长以外的其它趋势的指标拟合灰度较大， 精度难以提高。 ( 9 ) 粗糙集预测方法 粗糙集( r o u g hs e t ) 理论是一种处理含糊和不确定性闯题的新型数学工具。自其闽 世以来，无论是在理论研究方而还是在应用领域方而都取得了很多成果，尤其是在机器 学习、知识获取、决策分丰斤、数据库的知识发现、专家系统、决策支持系统、归纳推理、 气 华北电力大学硕士学位论文 矛盾归结、模式识别、模糊控制及其他各方面的应用，粗糙集理论都为之提供了有效的 数学方法。由于粗糙集理论具有上述特点，因而可以被用于电力系统负荷预测中，到目 前为止，运用粗糙集来进行负荷预的方法还比少，大多都是神经网络结合建立短期负荷 预测模型1 2 们。运用粗糙集对与负荷相关的各种历史数据进行属性约简，剔除那些与决策 信息不相关的属性，简化了输入变量，从而缩小了神经网络的搜索空间，改善了预测性 能。缺点是由于神经网络自身的缺陷会给预测带来其他的影响，从而预测精度和效率达 不到要求。 1 3 本文所作的工作和论文主要内容 本文结合电力负荷的特点，针对短期负荷预测精度的要求，分析已有算法的优 缺点，提出了以粗糙集为基础的遗传神经网络短期负荷预测方法，该方法利用粗糙 集理论的约简特性得到影响短期电力负荷较大的凶素作为预测模型的输入量，并采 用遗传算法对b p 神经网络进行优化，克服了传统b p 算法存在收敛速度慢，有可能 陷入局部最小等缺点。为了拓宽思路，又在经典的灰色系统g m ( 1 ，1 ) 的基础上，提出了 基于灰色系统的相关因素敏感模型短期负荷预测方法，在此方法中将天气、日类型等影 响因素考虑到了预测模型中去。后续经过实例仿真证明，本文所提出的两种短期负荷 预测方法在预测精度上远远优于该领域已有的经典算法，为进一步提高短期负荷预 测问题的研究深度做出了自己的贡献。 全文的主要工作内容如下： 第一章阐述了论文选题背景和研究意义、短期负荷预测的研究方法在国内外的 发展动态等，总领下文。 第二章阐述了电力负荷预测问题的特点，包括负荷预测的概念、分类、原理、 内在规律和外在特性、预测误差分析等。说明了负荷预测的主要步骤和要求，以及 本文研究的侧重点。即通过本章内容对负荷预测相关问题和本文的研究对象做较为 全面的阐述。 第三章是对粗糙集理论的综合阐述。首先介绍粗糙集理论的概念及其特点，然 后详细介绍了粗糙集理论的基本知识、属性的约简与核，最后对其理论的离散化算 法和属性约简算法进行了详细的描述。 第四章是本文的重点章节之一。首先介绍了神经网络b p 算法的基本知识，及 其缺点和改进方法。接着又介绍了遗传算法及其组成部分，利用遗传算法的全局搜 索能力对b p 算法进行优化，然后根据上一章介绍的粗糙集理论，融合这三种算法 的优点，提出了一种基于粗糙集理论的遗传神经网络短期负荷预测方法，后续经过 实例验证分析证明了该算法的有效性，在和先前传统负荷预测方法相比，预测精确 度有了很得的提高。 第五章也是本文的重点章节。在上文所提出的短期负荷预测方法之外，本章节 华北电力大学硕士学位论文 又对灰色系统进行了研究。首先介绍了灰色系统的概念、特点，然后又详细描述了 g m ( 1 ，1 ) 的建模过程及其改进方法。为了进行了更深一步的探索，针对天气、只类 型等因素对短期负荷预测的影响，提出了基于灰色系统的相关因素敏感模型短期负 荷预测方法，最后通过实例分析证明了它的可行性和有效性。 第六章对论文工作进行了总结，明确提出了更深一步的研究方向。 华北电力大学硕士学位论文 第二章电力系统负荷分析 本章主要涉及负荷预测的概念、分类、原理和特点等相关知识；另外，明确了一些 常见的负荷预测的内在规律和外在特性，分析其对负荷预测精确度的影响，为后续算 法的提出与改进做准备；最后，还对负荷预测的误差分析做了一定的阐述。 2 1 负荷预测的分类 负荷可指电力需求量或用电量，而需求量是指能量的时间变化率，即发电厂、供电 地区或电网在某一瞬间所承担的工作负荷：而对用户来说，用电负荷是指连接在电网的 用户所有用电设备在某一瞬间所消耗的功率之和。电力系统的任务是给广大用户不间断 的提供优质电能，满足各类负荷的需求。 负荷预测就是在充分考虑一些重要的系统运行特性、增容决策、自然因素与社会影 响的条件下，研究或利用一套系统来处理过去与未来负荷的数学方法，在满足一定精度 要求的前提下，确定未来某特定时刻的负荷数值。 负荷预测从预测的时间范围上可以分为长期、中期、短期和超短期预测( 如图2 1 ) 。 长期预测一般指十年以上并以年为单位的预测，中期预测指在五年左右以年为单位的预 测，中长期负荷预测主要是用于制定电力系统的扩建规划，包括装机容量的大小、形式、 地点、时间和电网的增容扩建，它为所在地区或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、地区间的电力余缺调剂、电网资金和人力资源的需求平 衡提供了可靠的依据；短期预测指一年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，通常预测未来一个月、未来一周、未来一天的负荷指标，也预测未 来一天每小时的负荷，短期负荷预测对电力企业的日常运营起到指导和调节作用，有利 于合理安排电力日生产计划；超短期负荷预测指未来1 h ，o 5 h ，甚至l o m i n 的预测，其 意义在于对电网进行计算机在线控制，实现发电容量的合理调度，满足给定的运行要求， 同时使发电成本最小。 图2 - i 负荷预测分类图 负荷预测从用途上又可以分为发电部门预测和供电部门预测。前者从整体上预测负 荷的变化，根据负荷特性和负荷趋势来进行预测，称为趋势预测；而后者则往往利用由 8 华北电力大学硕士学位论文 底向上的方法，根据负荷的结构和特性分别预测、统一汇总，称为因子预测。从目前电 力部门对负荷的掌握情况来看，负荷结构还没有一个比较确切、定量的模型，预测时无 法考虑全面，预测偏差也比较大。现在常用的是根据整体负荷进行预测，通过对各种因 素的修正而得到预测结果，实际运作的结果表明这种方法比较实用和有效【2 1 1 。 按照系统负荷构成可以将其划分为：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。不同类型的负荷有着不同的变化规律，例如随家用电器的普及， 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扩展，使系统峰荷 受气温影响越来越大；商业负荷主要影响晚高峰，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，比例不同。 各类用电负荷的时| 日j 变化规律是不同的，由它们构成的系统负荷具有不同的变化规 律。分析一段时j 白j 的历史负荷记录，一般可看出两种变化规律：一是逐渐增长的趋势， 二是日、周、月、年的周期性变化。 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。 、2 2 负荷预测的原理和特点 2 2 1 负荷预测的原理 由于负荷预测是根据电力负荷的过去和现在推测它的未来数值，因此负荷预测研究 的对象不是确定事件，它要受到多种多样复杂因素的影响，我们很难把握这些因素在未 来某时刻的状态，只能在一定条件下，进行一定简化并做出若干假设得到预测结果。 无论是传统的预测方法还是现代的预测方法，都是在获得预测对象的历史变化规律后， 将这种规律外推预测未来。外推法仅仅是根据预测对象本身的历史数据求其变化规律， 而相关法则是研究预测对象与其他因素的相互关系，并将这种关系外推到未来，根据其 他因素的未来变化，计算出预测对象的预测值。 理论上讲，负荷预测的数学理论的核心是如何获得预测对象的历史变化规律。预测 模型实际上是表述这种变化规律的数学函数，不同地区不同时段负荷的变化规律都不一 样，以下科学地总结了几点负荷预测的基本原理c 2 2 j ： ( 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 ) 连续性原理：又称惯性原理，是指预测对象的发展是个连续统一的过程，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 华北电力大学硕士学位论文 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。 ( 3 ) 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。 ( 4 ) 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。 ( 5 ) 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。 ( 6 ) 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问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。 2 2 2 负荷预测的特点 负荷预测是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【i 】。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，但我们又感到难予准确预测它，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。这就使负荷预测具有以下明显的特点： ( 1 ) 不准确性 华北电力大学硕士学位论文 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。 2 3 负荷预测的内在规律 电力系统的负荷是经常变化的，但它的变化是有规律的。因为人类的生产、生活具 有规律性，而人又是消费电能的主体，因此负荷变化也自然而然地具有了规律性1 2 川。 2 3 1 电力负荷的周期性 负荷的内在规律主要体现为负荷变化的周期性。具体而言，在一定的时间内，负荷 的变化具有重复性。该周期性可进一步细分为：负荷变化的年周期性、周周期性和同周 期性。如图2 2 所示，对电力系统的负荷曲线从每周来分析，负荷的变化是具有周期规 律的。 华北电力人学硕士学位论文 i 职何 m 、，川n、v 1，l，t ll一 0 l j 叫 图2 - 2 以天为周期的负荷曲线 从图2 2 可以看出，负荷每隔2 4 小时不断起伏，具有较大的周期性，即负荷的日 周期性。负荷变化的日周期性是指以一天二十四小时为周期的负荷变化所体现出的规律 性。以春季为例，每日负荷的峰荷由早高峰与晚高峰两部分组成，一般，早峰的峰荷较 晚峰的峰荷要高。在实际系统中，通常根据负荷变化规律的不同将每日内的负荷又分为 峰荷、谷荷、腰荷三个时段的负荷。从本质上说，在这三个时段负荷的组成是不同的， 因此，它们的变化规律不同。在低谷期间，对应的时间是在夜间，在这个时间段中，大 多数人都处于休息的状态，负荷组成主要是那些必须运行的不间断的负荷，它们长期运 行，组成了负荷的基础部分，是一天负荷的较低部分：在峰荷期间，对应的时间是在白 天，人们的活动较多，负荷的种类也体现出多样性，作为总体负荷其幅值也明显高于其 它时段的负荷；而在腰荷期间，负荷变化处于过渡过程中，负荷的组成正发生变化，因 此这个阶段的负荷处于一种上升状态或处于一种下降状态。负荷变化的只周期性是分析 掌握日负荷预测、超短期负荷预测的关键，也是进行口负荷预测、超短期负荷预测的依 据和基础。 负荷变化除了具有天周期性，还具有周周期性、月周期性和年周期性。一般说来， 负荷的周周期是比较明显的。负荷变化的周周期性是指以从七天为一周期的负荷变化中 体现出来的规律性。这种周期性分为两种负荷变化类型的规律：一类是从周- - n 周五的 工作日日期类型的负荷变化特点；另一类是周六和周日的周末日期类型的负荷变化特 点。从图2 - 3 中可以看出，工作日日期类型的负荷的变化具有相同的规律；周末日期类 型的负荷的变化规律具有相似性。这一特点与人们的日常生产、生活习惯紧密相连的。 一般工作日期间，负荷的主要组成为工业负荷。这些工业负荷在工作同期间通常处于稳 定的运转之中，因此工作日的负荷变化具有相似性；而周末期间，工