（计算机软件与理论专业论文）电力系统短期负荷预测技术的研究与实现.pdf

华北电力大学硕十学位论文 摘要 短期电力负荷预测作为能量管理系统e m s 的重要组成部分，它不仅是保证电 力系统安全经济运行和实现电网科学管理及调度的重要方面，也是进行电网市场化 运营所必需的基本内容，其预测精度直接影响电网及各发电厂的经济效益。 电力系统负荷的运行变化易受多方面影响，其中天气、节假日等特殊情况的影 响十分重要，常用预测方法对其不能很好适应。本文在分析比较各种预测方法优缺 点的基础上，提出了一种考虑气象因素及日期类型的b p 神经网络模型，并分析了 样本数据处理中遇到的几个具体问题。最后，用面向对象语言设计和实现了这种预 测模型，并通过实验对其进行了分析，验证了神经网络的优越性。 关键词：短期负荷预测，b p ，神经网络，模型 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 g ( s t l f ) i se s s e n t i a lp a r to fe n e r g ym a n a g e m e n ts y s t e m i ti sn o to n l yt h ek e yb a s i sf o rt h ed i s t r i b u t i o nc e n t e rt oe n s u r eo p e r a t i n gs a f e l ya n d e c o n o m i c a l l ya n dt oa c h i e v es c i e n t i f i cm a n a g e m e n ti nt h eg r i d ，b u ta l s oan e c e s s a r y c o n t e n to ft h ee l e c t r i c i t ym a r k e t p l a c eo p e r a t i o nm a n a g e m e n t t h ep r e d i c t i o na c c u r a c y h a sd i r e c ti n f l u e n c eo ne c o n o m yb e n e f i t so ft h eg r i da n dt h ep o w e rp l a n t s t h ec h a n g eo fp o w e rs y s t e ml o a di sp r o n et ob ea f f e c t e db ym a n yf a c t o r s ，e s p e c i a l l y e f f e c t so fw e a t h e ra n dv a c a t i o n ，w h i c hc o m m o nm e t h o d so fl o a df o r e c a s t i n gc a nn o tb e a d a p t e dw e l l a f t e ra n a l y z i n gt h ea d v a n t a g ea n dd i s a d v a n t a g eo fc o m m o nm e t h o d s ， w r i t e rp u tf o r w a r dan e wp a t t e r no fb a c k p r o p a g a t i o nn e u r a ln e t w o r k ，w h i c hc o n c e r n s w i t ht h ef a c t o ro fw e a t h e ra n dt y p eo fd a t ea n dd e t a i l si nd a t ap r o c e s s f i n a l l y , t h ea r t i c l e d e s i g n e da n di m p l e m e n t e dt h ep a t t e r nb yo b j e c t o r i e n t e dp r o g r a m m i n gl a n g u a g ea n d a n a l y z e dt h ep e r f o r m a n c et h r o u g ht h ee x p e r i m e n t w a n gy i ( c o m p u t e rs i c e n c ea n dt e c h n o l o g y ) d i r e c t e db yp r o f w uk e h e k e yw 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 , b a c kp r o p a g a t i o n ，n e u r a ln e t w o r k ，p a t t e r n 华北电力大学硕十学位论文 摘要 短期电力负荷预测作为能量管理系统e m s 的重要组成部分，它不仅是保证电 力系统安全经济运行和实现电网科学管理及调度的重要方面，也是进行电网市场化 运营所必需的基本内容，其预测精度直接影响电网及各发电厂的经济效益。 电力系统负荷的运行变化易受多方面影响，其中天气、节假日等特殊情况的影 响十分重要，常用预测方法对其不能很好适应。本文在分析比较各种预测方法优缺 点的基础上，提出了一种考虑气象因素及日期类型的b p 神经网络模型，并分析了 样本数据处理中遇到的几个具体问题。最后，用面向对象语言设计和实现了这种预 测模型，并通过实验对其进行了分析，验证了神经网络的优越性。 关键词：短期负荷预测，b p ，神经网络，模型 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 g ( s t l f ) i se s s e n t i a lp a r to fe n e r g ym a n a g e m e n ts y s t e m i t i sn o to n l yt h ek e yb a s i sf o rt h ed i s t r i b u t i o nc e n t e rt oe n s u r eo p e r a t i n gs a f e l ya n d e c o n o m i c a l l ya n dt oa c h i e v es c i e n t i f i cm a n a g e m e n ti nt h eg r i d ，b u ta l s oan e c e s s a r y c o n t e n to ft h ee l e c t r i c i t ym a r k e t p l a c eo p e r a t i o nm a n a g e m e n t t h ep r e d i c t i o na c c u r a c y h a sd i r e c ti n f l u e n c eo ne c o n o m yb e n e f i t so ft h eg r i da n dt h ep o w e rp l a n t s t h ec h a n g eo fp o w e rs y s t e ml o a di sp r o n et ob ea f f e c t e db ym a n yf a c t o r s ，e s p e c i a l l y e f f e c t so fw e a t h e ra n dv a c a t i o n ，w h i c hc o m m o nm e t h o d so fl o a df o r e c a s t i n gc a nn o tb e a d a p t e dw e l l a f t e ra n a l y z i n gt h ea d v a n t a g ea n dd i s a d v a n t a g eo fc o m m o nm e t h o d s ， w r i t e rp u tf o r w a r dan e wp a t t e r no fb a c k p r o p a g a t i o nn e u r a ln e t w o r k ，w h i c hc o n c e r n s w i t ht h ef a c t o ro fw e a t h e ra n dt y p eo fd a t ea n dd e t a i l si nd a t ap r o c e s s f i n a l l y , t h ea r t i c l e d e s i g n e da n di m p l e m e n t e dt h ep a t t e r nb y0 b j e c t - o r i e n t e dp r o g r a m m i n gl a n g u a g ea n d a n a l y z e dt h ep e r f o r m a n c et h r o u g h t h ee x p e r i m e n t w a n gy i ( c o m p u t e rs i c e n c ea n dt e c h n o l o g y ) d i r e c t e db yp r o f w uk e h e k e yw o r d s ：s h o r t t e r ml o a df o m c 器t i n g ，b a c kp r o p a g a t i o n ，n e u r a ln e t w o r k ，p a t t e r n 声明尸叫 本人郑重声明：此处所提交的硕士学位论文电力系统短期负荷预测技术的研究与 实现，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：圣丝日期：丝堡：至：丝学位论文作者签名：圭丝日期：丝堂：至：丝 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： 日期： z 么 劢口易乡确 导师签名：趁 e l期：丝：i 世 华北电力大学硕士学位论文 1 1 论文选题的意义 第一章引言 电力系统的负荷是一个双重意义的名词，它或者指电力( 功率) ，如最大负荷、 最小负荷、峰谷差、负荷率、负荷曲线等；或者指电量( 能量) ，如全社会电量、网 供电量、各行业电量、各产业电量等，在本文负荷是指电力。电力系统负荷预测是 在充分考虑一些重要的系统运行特性、增容决策、自然条件及社会影响等条件下， 研究和应用一套系统处理过去负荷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电力负荷值。电力负荷预测是电力系统调度、用电 计划、规划等管理部门的重要工作之一。提高负荷预测技术水平，有利于计划用电 管理、合理安排电网运行方式和机组检修计划、制定合理的电源建设规划、提高电 力系统的经济效益和社会效益，并有利于节煤、节油和降低发电成本。随着国民 经济的高速发展，负荷快速增长，负荷预测在电网运行调度中的作用越来越重要， 所以，设计开发出高精度、白适应与自学习的负荷预测软件也日显重要。 从时间方面来看，电力系统负荷预测可分为：长期负荷预测、中期负荷预测、 短期负荷预测和超短期负荷预测。长期和中期之间没有明确的时限，一般来说，长 期负荷预测是指1 0 年以上并以年为单位的预测，是用来做电力系统远景规划的； 中期负荷预测是指5 年左右并以年为单位的预测，是用来做系统近期规划的；而短 期负荷预测则是指一年之内以月、周、日、小时为单位的负荷预测，是调度中心制 订发电计划及发电厂报价的依据；超短期负荷预测是指未来l 小时、未来0 5 小时 甚至更短的负荷预测，其意义在于对电网进行计算机在线监控，实现发电容量的合 理调度，满足运行的要求，同时也使发电成本最小。另外，随着电力需求的不断发 展，连续多日负荷曲线预测及扩展短期负荷预测两种新的负荷预测内容正逐渐被引 入 2 1 。 1 1 1 短期负荷预测的意义 短期负荷预测是能量管理系统( e m s ) 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，提高电力系统短期负荷预测的精度既能增强电 力系统运行的安全性，又能改善电力系统运行的经济性。因此，对于任何供电企业 来说，准确的短期负荷预测是至关重要的。 1 、对于电力生产的意义。 由于电能的特殊属性：不能大量储存，即电能的生产、输送、分配和消费都是 同时进行的，这就要求发电、用电都要有严格的计划性，使之达到发电和用电瞬间 平衡。准确的短期负荷预测是电网调度机构制定发供电计划和做好电网供需平衡的 i 华北电力大学硕十学位论文 关键。负荷预测能提供使用电能的交换信息，根据对未来负荷的预测，假如系统的 用电量超过发电量，则应当采取必要的措施来增加发电量，如新增发电机组或从邻 网输入必要的电能；反之，如发电量过剩，则也应当采取必要的措施，如有选择地 停机( 如计划检修) 或者向邻网输出多余地电能。这对于装机容量不大的孤立电网 是十分重要的。 2 、对于电力运行的意义。 进行负荷预测有助于系统运行人员高效地预估电能的生产、输送、分配以及消 费情况，制定出经济、合理的发电方案。对一个大电网，根据短期负荷预测提供的 信息，可以实现发电容量的合理调度，对运行中的发电厂的出力要求提出预告，从 而可以对发电机组出力变化的情况事先得以估计，又可以经济合理地安排本网内各 发电机组的启、停机，从而可以使系统在安全范围内，保持必要的旋转储备容量的 耗费为最小，使发电成本为最小，确保电网安全、稳定、优质、经济的运行。 3 、对于电力市场化的意义。 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。随着我国社会主义市场经济的不断完善，电力企业逐步走向 市场，电力系统的经营方式从垄断转变为市场竞争将成为必然。短期负荷预测是电 力市场的基础工作，随着电力市场改革的深入开展，其作用日益重要，它不但成为 发电厂报价的依据，更是保证电网安全稳定运行的重要前提，其预测精度直接影响 到电网及各发电厂的经济效益。 1 2 短期负荷预测技术发展 1 2 1 国内外短期负荷预测技术的发展 负荷预测的起源可以追溯n ：- 十世纪二十年代初。当时电力系统规模小，因此 负荷预测的思想没有引起人们的重视。但是六十年代中期的几次系统瓦解事故，将 电力系统的安全分析提上了日程。同时，世界各国的经济迅猛发展，对电力的需求 量越来越大，对电能质量的要求越来越高，从而带动电力系统迅速发展壮大，从这 时候开始，负荷预测获得了初步的发展。 从二十世纪六，七十年代到现在，负荷预测可以大致划分为两个阶段： 第一阶段( 二十世纪六、七十年代到八十年代末) 是使用传统负荷预测技术的 阶段，这一阶段基本沿袭了经济领域的预测技术。采用的方法大致可以分为两种类 型，一是时间序列法，另一种是回归分析法。时间序列法是通过对预测对象的历史 观测数据一时间序列的分析处理，来研究其发展过程的基本特征和变化规律，并据 此预测未来行为的方法。电力系统的负荷变动同样具有惯性，在时间上具有连续性， 因而时问序列法成为早期传统负荷预测技术中的主要方法，并且是现代各种预测方 2 华北电力人学硕士学位论文 法的基础。时问序列法分为确定型时序法和随机型时序法，前者包括时间序列平滑 法、趋势外推法和季节变动法等；后者包括马尔科夫法和b o x j e n k i n g 法等。回归分 析法属于相关法预测，它通过建立某些变量与负荷之间的因果关系而获得预测负 荷。由于电力负荷的变化受到很多相关因素的影响，所以采用回归分析法进行负荷 预测是自然的想法和可行的途径。由于影响因素的多样性、突发性和随机性，造成 传统的负荷预测误差大，在扰动情况下不具备稳定性，对节假日等特殊负荷模型的 预测效果差，无法满足实用化的精度要求。 第二阶段( 二十世纪九十年代到现在) ，随着计算机技术的日新月异，人工智 能( a r t i f i c i a li n t e l l i g e n c e ) 技术的兴起，负荷预测迅速进入了使用智能化负荷预测 技术的阶段。北美地区广为使用的a n n s t l f 软件，在美国e p r i 的支持下，从1 9 9 2 年开发到1 9 9 8 年升级为第三代，用户数( 电力公司) 达3 5 个1 。专家系统( e x p e r t s y s t e m ) 、人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ) 和模糊逻辑系统( f u z z yl o g i c ) 代表着当今人工智能技术的三大分支，它们都在负荷预测领域逐步得到应用。同时， 灰色系统理论( g r e ys y s t e mt h e o r y ) 、非线性系统理论( n o n l i n e a rs y s t e mt h e o r y ) 、 小波分析理论( w a v e l e ta n a l y s i st h e o r y ) 等技术方法被提出。 从国内外研究情况看，国外大概是由于其负荷发展变化规律趋于稳定的缘故， 中长期负荷预测的研究远远少于短期预测，国内则基本上两者并重。随着社会主义 市场经济体制改革的深入发展，电力工业以增强活力、提高效益、改善服务为目的 的市场化改革己经成为必然趋势。我国于1 9 9 8 年开始了电力工业市场化改革，近 年来，随着我国电力市场改革的深入开展，负荷预测的研究取得了长足进展，几乎 每个实行电力市场的区网其电力市场技术支持系统都有负荷预测模块( 虽然在0 3 年下半年到0 4 年期间由于电力供应紧张，此模块曾一度中断) 。山东省电力部门采 用线性外推和神经网络相结合的方法进行预测；山西省调度中心与清华大学合作开 发负荷预测综合应用软件；福建省电力部门不仅开发了负荷预测软件，而且组建了 负荷预测管理中心，试图将电力系统各部门的预测职能集合在一起。 1 2 2 短期负荷预测研究动向 随着新形势的不断发展，特别是在电力市场条件下，我们在理论研究和实际工 程应用中应重视解决以下几方面的问题。 1 、预测中原始数据处理。 首先要重视收集和分析原始数据。近年来我国的电力负荷预测的研究，对与模 型的建立比较重视，但在分析和收集原始数据方面存在不足。同时，由于历史上的 突发事件或某些特殊原因对统计数据带来的重大的影响，产生了被称之为“异常数 据”或“伪数据的情况，原因主要有以下几方面： 华北电力大学硕：t 学1 移论文 ( 1 ) 由于人为因素引起的“异常数据”，如数据通道通信错误、数据丢失、数 据整理错误等。 ( 2 ) 统计口径不同带来的误差。 ( 3 ) 数据是真实的，但是数据还是有异常，其原因是突发事件或某些特殊原 因导致出现了非规律性变化，如这次2 0 0 8 年年初南方百年一遇的低温雨雪冰冻极 端天气。 “异常数据”的存在给正常数据带来较大干扰，影响预测体系的预测精度，如 果“异常数据过大甚至会误导预测体系的预测结果，因此必须排除其存在的不良 影响。目前，排除“异常数据 的影响有以下几种途径： ( 1 ) 修正法。适用于不常见突发事件，如拉闸限电。对拉闸限电的负荷作出 估计，并予以直接修正，以恢复其在自然发展状况下用电需求的“本来面目”。 ( 2 ) 解析分析法。利用同样星期类型、相邻同等各种曲线的相似性，对某些 表现出异常的点进行修正。 ( 3 ) 调整历史数据的可信度。历史数据的可信度表征了历史数据的合理性程 度。在预测中如果采用加权形式的残差平方和作为目标函数，就可以区别对待各时 段的拟合残差。即，为每个时期数据赋以不同的可信度，在求取模型参数时以这些 可信度为参考依据。 ( 4 ) 自动检测与辨识不良数据。将电力系统不良数据检测与辨识的科学理论 应用于负荷预测的数据处理中，对原始序列作检测与辨识，从而有效地处理历史数 据中的异常值，使剔除不良数据后的参数估计结果更为精确。但这种方法要求大样 本量，辨识结果存在漏检误检的可能。 正确地识别不良数据、补足缺损的数据非常重要，这个工作在中长期预测及短 期预测中都有一些探索，文献 4 还对此作了总结与对比。但总体看目前的研究还达 不到实用程度，需要进一步研究。 2 、预测中新方法、新思路的探索。 在短期负荷预测中，应用最广泛、研究最多的是神经网络，文献 5 对此进行了 很好的总结。除此之外，卡尔曼滤波巾1 、聚类分析1 均有成功应用。在新方法的探 索中，我国学者分别采用了小波分析吲、人工智能的事例推理9 1 、模糊集理论1 0 1 、 混沌理论”、数据挖掘纠等进行预测的尝试，取得了一些效果。另外，从单一预测 模型走向综合预测( 组合模型) 普遍被认为是一种预测策略的进步，值得继续挖掘。 3 、自适应与自学习的预测策略。 自适应是指各种预测方法根据其所应用的地区，或最新的实际数据，进行模型 参数的自动调整，达到更好的预测效果。好的预测方法应根据预测的偏差不断调整 模型的结构与参数，这实际上构成了一个闭环的反馈。自适应思想首先在人工神经 网络中得到了集中体现，这种思想意味着网络训练是一种独立的、无外部控制的操 。4 华北电力大学硕十学位论文 作。除此之外，目前提出的自适应短期负荷预测方法还有模糊系统方法等。文献 1 3 总结、对比了目前提出的各种自适应短期负荷预测方法。 自适应是电力系统发展的迫切要求，需要予以高度关注。 4 、自动运行与滚动预测的软件。 新形势对预测软件提出了许多新要求，主要表现在自动运行与滚动预测上。这 是指在正常情况下，预测系统无需人工干预，可以连续不断地根据最新获取的数据 进行周期性滚动预测，只有当误差较大、需要人工处理时，才停止预测交由预测人 员进行调整。而实现自适应预测方法，是解决自动运行与滚动预测的前提和关键。 1 3 论文的主要工作 短期负荷预测的核心问题是利用现有的历史数据，采用适当的数学模型对预测 的负荷值进行估计，因此有效地进行短期负荷预测需要具备两方面的条件，一是可 靠的历史数据，二是预测方法和相应的软件。由于现在电力系统调度运营部门管理 信息系统( m i s ) 的逐步建立，各种历史数据的获取已不再困难，因此短期负荷预测的 核心问题是预测模型的水平高低。人工神经网络由于其显著优点近似任意非线 性函数的性能和学习建模的特性，在电力系统中得到广泛应用。本课题将对基于人 工神经网络的短期负荷预测技术进行深入研究，所做工作主要有以下几点： 1 、分析了几种主要因素( 包括负荷构成、天气因素等) 对电力系统短期负荷 的影响。 2 、学习和研究了电力系统短期负荷预测的多种方法，并分析了一些方法的特 点及适用范围。 3 、重点研究了人工神经网络的实用预测方法：b p ( b a c kp r o p a g a t i o n ) 神经网络 算法。 4 、在现有预测方法的基础上，提出了一种基于b p 人工神经网络的负荷预测模 型及算法实现；分析并解决在神经网络预测中常遇到的问题，如负荷数据的去伪预 处理，样本数据的归一化等。 5 、总结了短期负荷预测的特点和任务，提出了短期负荷预测系统的设计框架 并用面向对象技术编程实现。软件具有良好的模块化结构，便于维护和移植。 6 、应用某电网的负荷数据验证b p 神经网络应用于短期负荷预测的可行性、正 确性。 5 华北电力大学硕十学位论文 第二章短期负荷预测模型分析 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，其中较为 典型的方法有多元线性回归法、指数平滑法、b o x j e n k i n s 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。这些方法各有 其优缺点，很难说有哪一种方法绝对优越于其他方法。根据数学模型的不同，短期 负荷预测方法大致可以分为两类：数学统计方法和人工智能方法。本章首先介绍了 负荷预测的基本原理和特点，列举了常用的电网负荷预测数学模型，然后分析了它 们各自的优缺点，进而选择人工神经网络的一种实用模型一一b p 神经网络作为本课 题所用的预测数学模型。 2 1 负荷预测的特点和原理 2 1 1 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。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 6 华北电力大学硕+ 学位论文 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 1 2 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 7 华北电力大学硕士学何论文 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问存在着差距 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 ) 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。 2 2 负荷预测的常用模型 2 2 1 多元线性回归分析法 多元线性回归法用线性关系来描述负荷与影响负荷的各种因素( 如社会因素、 天气因素等) 之间的关系： y ( t ) = a o + a l x l ( t ) + a 2 x 2 ( t ) + + a n x 。( t ) + p ( f ) 公式( 2 1 ) 式中，y ( f ) 为t 时刻的电力负荷( 因变量) ，x ，( t ) ，x 2 ( t ) ，x n ( f ) 为t 时刻影 响负荷大小的有关变量( 自变量) ，e ( t ) 为t 时刻的随机变量( 均值为零，方差稳定) ， a o ，a 1 ，a 。为回归系数。 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大小 的其它因素的历史数据) 基础上通过最d , - 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。 文献 1 5 给出了将该方法应用于短期负荷预测的一种实现方式，并列表给出了 该方式下的回归系数。 2 2 2 指数平滑法 指数平滑法是一种常用的确定性的时间序列分析方法。该方法基于如下思想： 负荷数据序列中存在着一个隐含的变化模式，实际负荷数据可看作该变化模式和随 机干扰的叠加，该变化模式通过平滑可以同随机干扰区别开来。平滑的作用在于消 除随机干扰，这样模式可以外推到将来作为未来预测值。 8 华北电力大学硕七学位论文 指数平滑主要包括一次指数平滑、二次指数平滑、多项式指数平滑和季节指数 平滑四种类型，分别与数据序列的水平趋势、线性趋势、多项式趋势和季节性趋势 相对应。对于次指数平滑的计算公式如下： j o + 1 ) = a y ( t ) + ( 1 一口) j 0 )公式( 2 2 ) 式中口是平滑系数，0 a 。 公式( 3 - 4 ) 时，称其为s i g m o i d 函数。它的输出范围为0 到1 ，随输入单调递增。该函数一 个显著特点是把非常大的值映射到一个小范围内，所以被叫做s i g m o i d 单元的挤压 函数。之所以选择s i g m o i d 函数作为阈值函数是因为它的导数很容易用其输出表示： dot(y)：仃(夕)(1一盯(y)dy 、77、77 7 公式( 3 - 5 ) 这个特征在神经网络的训练法则中非常有用，以它作阈值函数的网络输出可以 逼近任何连续函数。因此，在本课题中也是采用s i g m o i d 函数作为阈值函数。当然 也可以用一些其它具有相似特点的函数作为阈值函数，比如双曲正切函数t a n h 。 3 1 3 网络拓扑结构及工作方式 除单元特性外，网络的拓扑结构也是a n n 的一个重要特征。从连接方式看a n n 主要有两种1 2 5 1 ： ( 1 ) 前馈型网络。这也是目前电力系统应用较为普遍的一种a n n 算法结构。 1 6 华北电力大学硕：t 学位论文 前馈型网络各神经元接受前一层的输入，并输出给下一层，没有反馈，如图3 2 所 示。节点分为两类，即输入单元和计算单元，每一计算单元可有任意个输入，但只 有一个输出( 它可能耦合到任意多个其他节点作为其输入) 。通常前馈网络可分为 不同的层，第i 层的输入只与第i - 1 层输出相连，输入和输出结点与外界相连，而 其他中间层则称为隐层。 计算单元 图3 - 2 前馈网络 ( 2 ) 反馈型网络。所有结点都是计算单元，同时也可接受输入，并向外界输 出，可画成一个无向图，每个连接弧都是双向的，如图3 - 3 所示。若总单元数为n ， 则每一个结点有n 1 个输入和一个输出。 图3 - 3 单层全连接反馈网络 a n n 的工作过程主要分为两个阶段：第一个阶段是学习期，此时各计算单元状 态不变，各连接线上的权值可通过学习来修改；第二个阶段是工作期，此时各连接 权固定，计算单元状态变化，以达到某种稳定状态。 从作用效果来看，前馈网络主要是输入与输出之间的函数映射，可用于模式识 别和函数逼近，因而在电力系统负荷预测中应用广泛。而反馈函数研究的是一个复 杂的动力学系统，按对能量函数的极小点的利用来分类有两种：第一类是能量函数 的所有极小点都起作用，如离散型h o p f i e l d 网络的激活函数为二值型，其输入、输 1 7 华北电力人学硕士学位论文 出为 0 ，1 ) 的反馈网络，这一类主要用作各种联想存储器；第二类只利用全局极小 点，如连续性h o p f i e l d 网络的激活函数输入输出为连续可微、单调上升函数，它主 要用于求解最优化问题。 3 2b p 神经网络短期日负荷预测应用 3 2 1 神经网络负荷预测的可行性分析 人工神经网络是由大量的神经元按一定的拓扑结构和学习调整方法所构成的， 是具有高度非线性的超大规模连续时间动力系统，具有以下的重要特性： ( 1 ) 分布存贮和容错性。信息是神经网络内的存贮是按内容分布在许多神经 元中，部分信息丢失仍可以得到可靠的输出，因而网络具有容错性和联想记忆特性。 ( 2 ) 可塑性、自适应性和自组织性。神经元之间的连接具有多样性，各神经 元之间的连接具有可塑性，因而网络可以通过学习与训练进行自组织以适应不同的 信息处理要求。 ( 3 ) 并行处理性。网络的各单元可以同时进行类似的处理过程，整个网络的 信息处理方式是大规模并行的。 ( 4 ) 层次性。信息在不同层次的神经回路中逐级进行加工和处理。 因此，神经网络是一个大规模、非线性、连续自适应的信息处理系统。电力系 统负荷的运行规律非常复杂，其变化易受多方面影响，一方面，负荷的变化存在着 未知不确定因素引起的随机波动；另一方面，由于受天气、节假日等特殊情况影响， 又使负荷的变化出现差异性。b p 神经网络模型有很好的函数逼近能力，而不必预先 知道输入变量和预测值之间的数学模型，可以方便地计入温度、天气情况等这些对 电力负荷有重要影响的因素的作用，因而b p 神经网络可广泛应用在电力系统负荷 预测之中。 3 2 2 负荷的影响因素分析 电网用电负荷的一个重要特征就是具有周期性变化规律。相似的天气和相近的 日期类型( 如春节、周末等等) 的日期有着比较相似的负荷曲线，这就给使用历史 数据来训练b p 神经网络以预测未来某天的日短期负荷提供了可能。 对该课题的网络数学建模的关键有两点，其中之一是决定每个训练实例的向量 维数，即影响当天的负荷曲线的因素。当前预测模型中应用较多的b p 神经网络预 测，实际上是一种非线性拟合的方法，对于训练样本分布较全且预测点在样本空间 附近的短期日负荷预测有较好的效果，而样本较分散情况下其预测精度受到较大影 响。究其原因，绝大多数神经网络训练样本仅采用过去的负荷数据，而没有区分各 种变化规律。因而，如何考虑负荷影响因素成为提高短期负荷预测精度的关键所在。 1 r 华北电力大学硕十学位论文 经过不断的实践，人们逐渐认识到影响负荷规律变化的因素主要有以下四种： 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。 ( 1 ) 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。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。 ( 2 ) 负荷随时间变化规律。 时间因素对负荷的影响主要有三点：季节因素的影响、节假吕的影响、以日( 2 4 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、人们生活习惯的变化等，这些变化都会影响负荷的变化。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周为周期的周期性变化。节假日( 如春 节) 期间人们休息时问长并伴随大量庆祝活动，对负荷变化影响比较大，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。 ( 3 ) 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越来越大。气温对负荷的影响一般呈如图3 4 中曲线。除了 气温，影响负荷大小的其它天气因素还有阴晴、降水和风速等。 ( 4 ) 随机因素。 日最人负荷 低温临界点高温 图3 4 气温对负荷的影响 气温 华北电力大学硕士学位论文 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化着。 3 2 3 考虑气象因素和日期特征的训练向量模型 本课题对于确定受影响的因素的问题，通过在实际应用中反复的实践证明，主 要影响短期负荷的因素有：乙( 当天最高气温) 、乙( 当天最低气温) 、d 懈( 日 期类型) 、甄。( 天气类型) 。其余的因素经过计算和验证证明与负荷的相关系数太 小而可以忽略。于是一个4 维i ) i l 练实例向量就可以表示为( f 一- f ，f | n i i i 一，d 慨- f ， 一，) 。要将每一个日期的影响因素状态映射到一个向量上，还得进行影响因素数 值化的工作。本课题研究中用如下方式进行： ( 1 ) 温度取实际值( 摄氏度) 。 ( 2 ) 日期类型取值分别为：1 ( 工作日) ，2 ( 非节日周末) ，3 ( 节日周末) ，4 ( 不超过3 天的节日) ，5 ( 超过3 天的节日) ，另外如果想增加区分度，可以再细 分节日的首日、次日等等，但以上分法已经可以基本满足需要。 ( 3 ) 天气类型的取值分为：1 ( 晴天) ，2 ( 多云) ，3 ( 阴天) ，4 ( 大风天气) ， 5 ( 小雨) ，6 ( 中雨) ，7 ( 大雨) ，8 ( 雨夹雪) ，9 ( 小雪) ，1 0 ( 中雪) ，1 1 ( 大雪) 。 经过数值化后，每天都对应着一个4 维影响因素向量。在实际的运用中，我们 采用对全天2 4 小时每2 小时共1 2 小时建立网络进行预测的方式：利用若干训练样 本的1 2 个时段的电网负荷训练网络，来预测目标日期的1 2 个时段的负荷，即输出 变量为一个1 2 维的向量，而加上影响因素向量，训练输入的向量就是一个1 6 维向 量。 3 2 4 近大远小原则及训练样本的选择策略 本课题的网络数学建模的关键点，另一个就是怎样从海量历史数据中选择训练 样本集。我们不可能将所有历史数据都拿来作为训练实例，采用b p 神经网络进行 短期日负荷预测时，首先要依据强关联性原则( 近大远小原则) 合理组织训练样木， 即样本数据和待预测时段在负荷变化规律上应具有较强的内在相似性。考虑到神经 网络的预测推广能力主要通过实验确定，在组织输入输出样本时也主要依据经验判 华北电力人学硕士学位论文 断：一般采用近期的历史负荷数据以及相应的日期和天气数据，它们包含了导致负 荷波动的主要因素。此外，为了获得良好的训练和预测效果，还应根据样本数据量 选择适当的网络规模以保证良好的收敛速度和精度。本课题中选用了预测日期前1 0 天的1 2 个时段的负荷数据、天气类型及日期类型数据作为样本输入，具有良好的 负荷相关性。 3 2 5b p 神经网络模型的学习原理 在神经网络模型中，b p 算法是为解决多层前向神经网络的权值优化而提出来 的。