（控制理论与控制工程专业论文）电力短期负荷预测的混合智能优化技术及其软件实现.pdf

河海大学硕士学位论文 摘要 电力系统负荷预测是电力系统运行、控制和规划不可缺少的一部分，是电力市场技 术支持系统的基础。短期负荷预测是指日负荷预测和周负荷预测。随着我国电力市场的 发展和电网自动化水平的提高，短期负荷预测的实用化研究将显得更为重要。 本文研究如下内容： ( 1 ) 根据华中电网某地区的历史负荷数据和气象数据，分析影响预测的各种因素， 总结了负荷变化的规律性，并利用统计学的方法，对历史负荷数据中的“异常数据”进 行修正，对负荷预测中要考虑的相关因素进行了规范化处理，并引入不同日之间特征量 的“相似度”的概念，选取相似日训练样本。 ( 2 ) 对已有的三种典型短期负荷预测模型：基于相似日的线性外推模型、支持向量 机模型、组合预测模型分别作了介绍。 f 3 ) 考虑到现阶段还没有一个模型能准确预测出任意天的待测负荷日，提出了一种 基于混合智能优化技术的短期负荷预测方法，试图用它来自动寻找一个适合待预测负荷 目的最佳模型。该方法不需要对相似日负荷经验修正，减少了对人的经验的依赖。实际 预测误差统计表明该方法的预测精度满足要求，具有明显的优越性。 ( 4 1 开发了短期负荷预测软件。 关键词：短期负荷预测，支持向量机，相似曰，线性外推，组合预测 河海大学硕士学位论文 a b s t r a c t p o w e rs y s t e ml o a df o r e c a s t ，w h i c hi st h eb a s eo fp o w e rm a r k e tt e c h n i q u es u p p o r t i n g s y s t e m ，i sa l le s s e n t i a lp a r to f p o w e rs y s t e mo p e r a t i o n ，c o n t r o la n dp l a n n i n g s h o r t t e r ml o a d f o r e c a s ti n c l u d e sd a yl o a df o r e c a s ta n dw e e kl o a df o r e c a s t w i t ht h ed e v e l o p m e n to fp o w e r s y s t e mm a r k e ta n dt h ep o w e rs y s t e ma u t o m a t i o n , p r a c t i c a lr e s e a r c ho fs h o r t t e r ml o a d f o r e c a s ti sm u c hm o r ei m p o r t a n t t h ed i s s e r t a t i o nc o n s i s t so f f o u rp a r t sa sf o l l o w s ： ( 1 ) b a s e do nt h eh i s t o r yd a t af r o map r a c t i c a lp o w e rs y s t e mi ns o m ec i t y , t h e c h a r a c t e r i s t i c so fl o a d d a t aa n di n f l u e n c i n gf a c t o r sa r ea n a l y z e d b a s e do ns t a t i s t i c s ，“d i s o r d e r d a t a c a l lb er e m o v e da n da c c u r a t ea n de f f e c t i v ei o a df o r e c a s t i n gc a l lb ee n s u r e d t h e i n f l u e n c i n gf a c t o r sa r ep r o c e s s e db yn o r m a l i z a t i o n ，a n dt h ec o n c e p t i o no f “s i m i l a rd e g r e e o f c h a r a c t e r i s t i cv a r i a b l e si su s e df o rt r a i n i n gd a t as e l e c t i o n ( 2 ) t h r e et y p i c a lm o d e l s ( 1 i n e a re x t r a p o l a t i o nm o d e lb a s e do ns i m i l a rd a y , s u p p o r tv e c t o r m a c h i n em o d e l ，c o m b i n e df o r e c a s t i n gm o d e l ) w e r ei n t r o d u c e d ( 3 ) i ti sc o n s i d e r e dt h a tt h e r ei sn om o d e lt of o r e c a s ta n yd a yl o a de x a c t l yn o w , an e w m o d e lb a s e dh y b r i di n t e l l i g e n to p t i m i z e dt e c h n o l o g yw a sp r e s e n t e d t h a ti st r i e dt os e e kt h e b e s tm o d e lf o rt h ef o r e c a s t e dd a ya u t o m a t i c a l l y t h em o d e ln e e d sl e s se x p e r i e n c eo fh u m a n e x p e r t s t h ea p p l i c a t i o nr e s u l t si n d i c a t e dt h a tp r e c i s i o ni sw e l l ，a n dh a sg o o dp e r f o r m a n c e ( 4 ) s o f t w a r eo fs h o r t - t e r ml o a dt b r e c a s t i n gh a sb e e nd e v e l o p e d k e yw o r d s ：s h o r t t e n nl o a df o r e c a s t i n g , s u p p o r tv e c t o rm a c h i n e ，s i m i l a rd a y , l i n e a re x t r a p o l a t i o n ， c o m b i n e df o r e c a s t i n g 独创性声明 本人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。与我一同工作的同事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。如不实，本人负全部责任。 学位论文作者签名：古签字日期：2 唧年；月2 8 日 学位论文版权使用授权说明 河海大学、中国科学技术信息研究所、国家图书馆、中国学术期刊( 光盘版) 电 子杂志社有权保留本人所送交学位论文的复印件或电子文档，可以采用影印、缩印或其 它复制手段保存论文。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。论文全部或部分内容的公布( 包括刊登) 授权河 海大学研究生院办理。 学位论文作者签名：彦棘啐签字日期：h 罗年；月2 窘日 河海大学硕士学位论文 第一章绪论 1 1 电力系统负荷预测概述 电力系统负荷预测是电力生产部门的重要：e 作之一，通过准确的负荷预测， 可以经济合理地安排机组启停，减少旋转备用容量，合理安排检修计划，降低发 电成本，提高经济效益。电力系统负荷预测理论就是因此而发展起来的，尤其在 形成电力交易市场的过程中，负荷预测的研究更具有极其重要的意义【1 1 。 负荷预测按预测的时问可以分为长期、中期和短期负荷预测，其中，在短期 负荷预测中，周负荷预测( 未来7 天) 、日负荷预测( 未来2 4 小时负荷预_ j 贝4 ) 以及 提前数小时预测对于电力系统的实时运行调度至关重要，因为对未来时刻进行预 调度要以负荷预测的结果为依据。负荷预测的结果的准确性将直接影响调度的结 果，从而对电力系统的安全稳定运行和经济性带来重要影响。在当前市场化运营 的条件下，由于电力交易更加频繁和经营主体之间的区别，会出现各稀不确定性 因素，同时负荷对于电价的敏感度也随着市场的完善而逐渐增强，这也给负荷预 测带来了新的难度。由于市场各方对信息的获取和运营的经济性更加重视，准确 的预测对于提高电力经营主体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。 短期负荷预测是电力系统优化调度( 如机组最优组合、经济调度、最优潮流 计算等) 的基础工具，是电力企业日常经营管理工作的重要组成部分，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关键，它有助 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，即可以实现发 电容量的合理调度，对运彳亍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。 1 河海大学硕士学位论文 随着我国电力市场的进一步发展，短期负荷预钡在电力系统的经济运行方面 的影响会愈来愈明显，对于发电公司，短期负荷预测是制定发电计划和报价的依 据：对于供电公司，短期负荷预测为供电方制定购电计划提供了依据；对于输电 公司，短期负荷预测也是制定发电计划及安全、可靠、经济运行的基础。 电价是电力市场的杠杆和核心内容，体现了电力市场的竞争性和开放性，而 电价的制定是在未来给定电价计算期的负荷预测的基础上完成的。因此，发电企 业要保证其电价的竞争能力并且盈利，就必须获得精确的短期负荷预测值，才能 定出既有竞争力又保证盈利的电价。 提供转运业务是电力市场中电网的一项基本功能，是电力市场平等竞争的必 要条件，可以给电网带来巨大的效益。而电网在执行转运业务时是根据短期负荷 预测的数据及各发电机的运行参数来制定发电计划和调度计划，所以准确的短期 负荷预测才能有效地促进供、运、用电三方的协调。 在初级发电市场，所有电量统一进行竞价，只在电费结算时考虑合同电量， 按照差价合约结算。由于电费结算按时段进行，需将合同电量按负荷预测曲线分 配至各时段，所以不准确的短期负荷预测将导致违约，甚至引起电量分配的不合 理，造成电量不足等问题。 系统充裕性评估( p r o j e c t e da s s e s s m e n to fs y s t e ma d e q u a c y ) 电力调度中心负 责，主要内容是分析预测中短期系统供需平衡和系统安全情况，目的是让市场成 员正确了解信息。p a s a 是发电市场得以顺利进行的基础。这也体现了准确的短 期负荷预测对系统及发电市场的重要影响和作用。 综上所述，如何提高预测精度是且前研究短期负荷预测理论与方法的中心和 重点，准确的短期负荷预测己成为实现电力系统管理现代化的重要内容之一【2 】。 1 2 短期电力负荷预测的发展和现状 1 2 1 短期负荷预测的发展过程 短期电力负荷预测的研究已有较长的历史，它是随着电力系统中e m s 系统的 逐步发展而发展起来的。从上世纪七十年代初开始，对电力负荷预测的研究就呈 现出逐步上升的趋势，到了八十年代，由于能源紧张造成的对负荷科学管理的迫 河海大学硕士学位论文 切要求以及对准确和适应性强的负荷模型的渴望，使得对负荷预测的重视程度越 来越高。九十年代，随着世界各国电力市场的发展，负荷预测受到了人们更加广 泛的重视。至今，国内外的许多专家、学者在预测理论和方法方面已做了大量的 研究工作，取得了很多卓有成效的进展。 1 2 2 短期负荷预测的研究现状 随着现代科学技术的快速发展，负荷预测技术的研究也在不断深化，各种各 样的负荷预测方法不断涌现，从经典的趋势外推法、回归法、时间序列法，到目 前的灰色预测法、专家系统法、模糊数学法、神经网络法、优选组合法和小波分 析法，它们都有各自的研究特点和使用条件。 1 、传统的预测方法 ( 1 ) 趋势外推法9 1 负荷的变化一方面有其不确定性，但在一定条件下，又存在着明显的变化趋 势，一旦找到了负荷的变化趋势，按照该变化趋势就能对未来负荷情况作出判断， 这就是趋势外推技术。主要的负荷变化趋势有水平趋势、线性趋势及季节型趋势 等，他们的共同特点就是只针对趋势进行外推，不对其中的随机成分做统计处理。 累加预测法可以拟合多项式趋势，使用累加法常数表，可很快确定有关系数，计 算简单，方法实用性较强，比较适合于短期预测。 ( 2 ) 回归分析法4 1 回归分析法是根据历史数据以及一些影响负荷变化的外来因素来推断将来 时刻的负荷值，主要采用多元线性回归模型建立负荷与影响其变化的因素之间的 关系，表达式如下- r = q + b i + x ，( r ) ( 1 一1 ) i = 0 式中薯( ) 是f 时刻影响负荷变化的因素，口，6 1 ，b 2 ，吒是回归系数。 影响负荷变化的因素很多，主要有温度，时问以及一些随机因素，其中温度 尤其突出。 ( 3 ) 时问序列法4 】 河海大学硕士学位论文 时间序列法是根据负荷的本身历史规律来进行预测的。在神经网络方法出现 之前，时间序列方法是比较成功和应用最广泛的方法。其主要数学模型有a r 模 型、m a 模型和a r m a 模型等，其通用表达式为： 锻y ( r f ) = q 日( f 一，) ( 1 2 ) i = 0 j = 0 式中红为自回归系数；p 为自回归阶数；口，为滑动平均系数；q 为滑动平均 阶数；y ( t i ) 为f i 时刻的负荷值；a ( t j ) 为t j 时刻的白噪声。 时间序列法通过对历史数据的外推来获得未来的预测值。模型假设负荷趋势 是平稳的，把任何不正常的点看成是坏数据。它的缺点是不能够充分考虑天气信 息和其他任何非负荷因素。 2 、目前常用方法 ( 1 ) 人工神经网络嘲( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 方法 人工神经网络是- - n 涉及生物、电子、计算机、数学和物理等学科的交叉学 科，它从模仿人脑智能的角度出发，来探寻新的信息表示、存储和处理的方式， 设计全新的计算处理结构模型，构造一种更接近人类智能的信息处理系统来解决 传统计算机难以解决的问题，它必将大大促进科学的进步，并具有非常广泛的应 用前景。神经网络的优越点主要有： 1 ) 可以处理那些难于用解析规则描述的过程或系统： 2 ) 由于神经网络的并行结构，使得其在处理实时性要求较高的自动控制领域 显示出极大的优越性： 3 ) 善于模拟复杂的非线性映射关系： 4 ) 具有很强的信息综合能力和容错能力，能恰当地协调好相互矛盾的输入信 息。因此，a n n 具有很强的自主学习、知识推理和优化计算的特点，以及 非线性函数拟合能力，很适合于电力负荷预测问题，它是在国际上得到认 可的实用预测方法之一。用于负荷预测的人工神经元网络有b p 网、r b f 网、h o p f i e l d 网、k o h o n e n 自组织特征映射等。 ( 2 ) 模糊逻辑( f u z z yl o g i c ) 方法 模糊逻辑方法首先将负荷预测的输入、输出空间划分为不等的模糊集合，如 4 河海大学硕士学位论文 高、中、低等，然后用一组模糊规则来表示负荷预测输入、输出问的关系。每一 条模糊规则是一个模糊i f t h e n 关系，关系前件是对各输入变量不同模糊集合 的组合，关系后件是输出变量表达式，输出变量表示为各输入变量的线性组合， 第i 条规则可表示为： 胄j ：i fx i i s 爿a n d x 2 i s 4 a n d x 。i s 4 t h e n f = p ；+ p i _ + p 2 x 2 + + 瓦 ( 1 3 ) 其中，x ，j 1 m 为输入变量。，j = l ，m 为输入变量z ，的第f 个模糊集 合，相应隶属度函数可采用高斯函数或三角型函数等。，是第i 条规则的输出部 分，= l ，m 为规则的输出部分中输入变量x ，的相应系数，成为常数项。 对于一组输入变量x ，= 1 m ，第i 条规则的可信度为4 f o o o 以。模糊控 制的最终输出为各规则输出的加权模糊值。 ( 3 ) 小波分析7 1 ( w a v e l e t ) 方法 小波分析是一种时域一频域分析方法，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，容易捕捉和分析微弱信 号以及信号、图像的任意细小部分。 电力系统中日负荷曲线具有特殊的周期性，负荷以天、周、年为周期发生波 动，大周期中嵌套小周期。对负荷序列进行小波变换可以将负荷序列分别投影到 不同的尺度上，而各个尺度可近似看作各个不同的“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，它们更加清楚地表现了负荷序 列的周期性。由于各个子序列的周期性更为明显，显然采用周期自回归模型的预 测结果也就更为精确。 ( 4 ) 灰色预测法8 1 灰色系统理论是我国学者邓聚龙教授首先在国际上提出来的，其显著特点就 是用少量的数据做微分方程建立起预测的模型。在将一定范围内变化的历史数据 列进行累加，使其变成具有指数增长规律的上升形状数列，可以对生成的这个形 状数列建立起g m ( g r e ym o d e l ) 模型，g m ( 1 ，n ) t g 就是对n 个变量用一阶微分方 程建立的灰色模型。而在短期负荷预测中最常用的则是g m ( 1 ，1 ) 模型，数列的生 河海大学硕士学位论文 成方式有三种：累加生成、累减生成和级比生成。 灰色预测法具有要求负荷数据少、不考虑变化趋势、运算方便、短期预测精 度高、易于检验等特点，因此得到广泛应用，并取得了令人满意的效果。但是它 与其他方法比，也存在一定局限性。一是当数据离散程度越大，即数据灰度越大， 则预测精度越差：二是真正具有实际意义、精度较高的预测值，仅仅是最近的一、 两个数据，对于周预测中后几天的预测值将会有较大的偏差。 ( 5 ) 专家系统法 9 1 专家系统是将专家在实际工作中对事物获得的感性认识进行提取，建立知识 库，并在系统的实际运行过程中对知识库不断进行更新和维护，以跟随事物的变 化轨迹，达到模拟专家的目的。它具有象人类专家一样大量的专门知识，它能够 根据具体情况灵活运用这些知识，并根据不确定和不完整的证据得到较好的结 论。 负荷预测离不开预测人员的丰富经验和判断能力，尤其在特殊的节假日以及 有重大活动和突发事件的时候，但是专家的知识转化为数学规则是一件非常困难 的事情，更多的人工调节是在程序预测结果出来后的调节和修正。 镬骧专家 鬟统确户 图卜1 专家系统的基本组成 ( 6 ) 支持向量机法m 】 支持向量机s v m ( s u p p o r t v e c t o rm a c h i n e s ) 是由v a p n i k 最早提出的一种统 计学习方法，近年来己经被成功地应用于语音识别、文字识别、时序数列预测等 领域。研究究显示，该统计学习方法避丌了神经网络等算法需要构造网络结构的 河海大学硕士学位论文 难题，相对于其他模式识剐和回归预测方法的结果更精确。 ( 7 ) 组合预测法f 5 5 组合预测理论认为，对同个预测问题使用多个不同预测模型的线性组合， 在一定条件下能够有效地改善模型的拟合能力和提高预测精度。利用组合预测模 型进行电力负荷项测可以将各个模型有机地组合在一起，综合各个模型的优点， 提供更准确的项测结果。组合预测方法的关键在于如何确定组合权系数，对权重 的选择应使误差越小越好。 针对组合权系数的确定，出现了大量的算法。主要可以分为两类，一是依据 某种最优准则构造目标函数，在约束条件下极小化目标函数求得组合模型的加权 系数，但是每种最优准则均有其优缺点，至于选择何种最优准则，则需要依靠预 测人员的经验，这往往带有主观因素。同时对于负权重合理与否，现在仍尚无定 论。二是变权重组合预测，将权系数看成是随时间变化的函数，它显然比不变权 重更接近于实际，但是变权系数的求解难度比较大，这也是影响变权组合预测方 法应用的主要因素。 1 3 本文的主要工作 本文的研究对象是9 6 点的日负荷预测。一般预测出第二天9 6 点的负荷数值， 因负荷数据采用的是每1 5 分钟一点的负荷采样数据，一共有9 6 个数据点，故称 作9 6 点的日负荷预测。由前述可见，虽然目前已提出几种预测方法，各有其优 点，但又各有其不足。因此有必要对日负荷预测作进一步研究，本文在这方面作 了一些工作，主要内容如下： ( 1 ) 对已有的三种典型预测方法：基于相似r 的线性外推法【3 】邶】、支持向量 机法“】”j 、组合预测法【”1 的基本原理作了介绍。 ( 2 ) 本文的研究重点是结合相似日法与线性外推法的优点，提出了一种新的 预测方法：基于相似日的线性外推预测方法。该方法有效解决了人们在寻找某一 特定相似日的不确定性。在此基础上提出了一种新的预测思路：基于混合智能优 化技术的预测方法。该方法减少了对人的经验的依赖，实际误差统计证明该方法 河海大学硕士学位论文 有效改进了普通负荷日的预测精度和稳定性，具有明显的优越性。 ( 3 ) 结合某省电网调度的实际，开发了9 6 点日负荷预测软件。该软件首先 用上述三种典型预测方法分别对与待测日最相似的已知负荷日进行预测，然后对 三种方法的预测性能进行综合评判，选出最合适的方法预测待测日，得到最后的 预测结果，实际应用表明该软件能满足工程的要求。 河海大学硕士学位论文 第二章负荷预测分析 2 1 电力负荷的构成和特点【1 4 2 1 1 电力系统负荷的构成 电力系统负荷一般可分为城市民用负荷、商业负荷、农村负荷、工业负荷以 及其它负荷。不同类型的负荷具有不同的特性。 1 城市民用负荷 城市民用负荷具有经常的年增长以及明显的季节性波动特点。随着空调、电 冰箱、取暖设各等敏感于气候的家用电器日益广泛地采用，使民用负荷变化对系 统峰值负荷变化的影响越来越大。民用负荷的特点是与居民的日常生活和工作规 律紧密相关的。由于我国人们生活水平目益提高，居民的家用电器越来越多，使 得民用负荷在整个电力负荷中所占比重越来越大。尤其是在夏季和冬季，空调、 冰箱负荷和取暖负荷己经成为影响电力负荷的重要因素。 2 商业负荷 商业负荷，是指商业部门里的照明、空调、动力等用电负荷，用电增长平稳， 同样具有季节性变动的特性。商业负荷所占的比重不及工业和民用负荷，但商业 负荷对每日负荷晚高峰的出现有明显的影响。另外，商业部门由于商业行业在节 假曰会增加营业时间，从而成为节假目中影响电力负荷的重要因素。 3 农村负荷 农村负荷是指农村居民用电和农业生产用电。农业生产的特点决定了农村负 荷受季节影响大，对降水量、天气等自然因素的变化十分敏感。农业用电负荷受 农作物种类、耕作习惯的影响，农忙期间负荷相对较大，农闲期间相对较小。在 用电构成中，农业用电所占的比重不大。 4 工业负荷 工业负荷一般都被视为受气候影响较小的基础负荷。除个别地区外，工业负 荷的比重在用电构成中居于首位，它不仅取决于工业用户的工作方式，而且与各 工业行业的行业特点、季节因素都有紧密的联系。它由工业生产的规律决定，晚 间的负荷较轻而白天的负荷较重；工作日的负荷重而节假日的负荷轻。总的来看 河海大学硕士学位论文 工业负荷与其它类型的负荷相比要稳定得多，不容易受天气等因素的影响。 负荷组成方式的不同，决定了负荷特点的不同，也决定了相应因素的不同， 其结果是，不同地区的负荷对同一影响因素的相应特性具有差异。对同一地区的 不同时期，同一影响因素的影响也会不同。 对工业负荷和商业负荷而言，它们随季节的波动较小：对民用和农业用电负 荷而言，负荷在系统总负荷的所占比例随季节变化发生显著变化，具有显著的季 节变化特性。其它负荷由于在总负荷中所占的比例较小，因此对负荷的影响较小。 2 1 2 电力负荷的特点 电力系统负荷是一个周期性和随机性都很强的系统，它与社会、经济、政治、 气象等众多的因素有着极为复杂的关系。一方面，电力负荷按一定趋势有规律地 发展变化：另一方面，负荷受众多因素的影响，随时都可能发生一定的波动。在 进行电力系统负荷预测时，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。 一般地，电力系统短期负荷具有周期性，具有按季节周期性变化的特性，还 有按星期周期性变化和按一天二十四小时周期性变化的特性，例如相邻一星期的 日负荷变化基本上遵循相同的规律，每天相同时间的负荷i 鲤呈现大致相似的变化 趋势。 图2 1 负荷的周周期性曲线 负荷变化的周周期性是指从以七天为一周期的负荷变化中体现出来的规律 性。从图2 - 1 中可以看出，公休日的负荷水平较低，工作日的负荷水平较高。这 舌垂| 硝m 河海大学硕士学位论文 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日期问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：而周末期问，工业负荷所占比重大幅度下降，而居 民生活用电、餐饮业等服务性的行业所占比重明显上升，因此节假日类型的负荷 具有相似性，但此类负荷明显较工作日类型负荷低。 负荷变化的日周期性是指以一天2 4 小时为周期的负荷变化所体现出的规律 性。需要指出的是负荷的周期性变化并不是每一周期简单地重复前一个周期的数 值，实际上后一个周期和前一个在数值上是不同的，数值改变的大小具有一定的 随机性。图2 2 给出了冬季和夏季的典型负荷曲线图。从图中看出，电力负荷具 有季节性的特点。春秋季节的负荷受温度和天气影响较小：在夏季，空调负荷所 占比重较大，因此负荷总量将随着温度的变化相应增减：而在冬季，取暖负荷所 占比重增加，遇到寒潮来临取暖负荷还有可能会激增。 ( a ) 典型冬季日负荷曲线( b ) 典型夏季日负荷曲线 图2 - 2 典型日负荷曲线 综上所述，电力负荷具有周期性的特点，且负荷变化大的周期( 周周期) 中又 存在小周期( 日周期) ，形成多个周期相嵌；负荷具有季节性的特点，四季中典型 负荷曲线各不相同；同时不同地区的气候，以及温度的变化都会对负荷造成一定 的影响。以上均是传统的负荷特点，随着电力市场的逐步深入，电力负荷会有新 的特点出现，如负荷变化将会对电价进行响应，用户将会将用电计划安排在电价 较低的时段，这不但对本时段负荷有影响，也会影响其它时段负荷，起到转移峰 荷的作用。电力负荷在电力市场中的新特点需要更深入的研究，在探索中不断补 充对新形势下的电力负荷的认识。 河海大学硕士学位论文 2 2 负荷数据的预处理方法f 1 5 j 2 2 1 奇异值校正 由于负荷的历史数据可能存在缺损或错误，为了保证负荷预测中样本数据的 真实可靠性，需对所用数据进行预处理，即对历史资料中的异常值的平稳化以及 缺失数据的补遗。 a ) 缺失负荷数据的修补 如果某一天的数据出现大量缺失或不良数据，这一天就可以认为是数据缺 损，对于缺失数据的处理通常可以利用相邻几天的正常数据进行补遗。由于不同 的日期类型的负荷数据差异较大，因此修补数据时一定要采用相同日期类型的数 据，进行加权平均处理： l ( d ，r ) = q 三( 4 ，r ) + 哆三( 吐，f ) ( 2 - 1 ) 式中：三( 珥，r ) ，( 4 ，f ) 是与第d 天具有相同r 期类型，且距离该天最近的两个负 荷值( j = l ，2 ) ，( o i 与鸭则是加权平均的权重。 b ) 数据的水平处理 在进行分析数据时，将前后两个时间的负荷数据作为基准，设定待处理数据 的最大变动范围，当待处理数据超过这个范围就视为不良数据，采用平均值的方 法平稳其变化，计算公式如下： xf三l。(dd，,。t)一-工l。(dd，,，t+-。1，)11卢tzu(t)， c z z ， t h e n l ( d ，r ) = l ( d ，f 一1 ) + l ( d ，t + 1 ) 】2 ( 2 - 3 ) 式中：l ( d ，t ) 代表第d 天f 时刻的负荷值，口( f ) ，f l ( t ) 为阀值。 c ) 数据的垂直处理 电力负荷是有周期性的，负荷数据预处理时考虑其2 4 小时的小周期，即认 为不同日期的同一时刻的负荷应该具有相似性，同时刻的负荷值应维持在一定的 范围内，对于超出范围的不良数据修正如下： 矿l l ( d ，z ) 一云o ) l 秒( f ) ( 2 4 ) 河海大学硕士学位论文 圳力= 牌韶黝：器 s ， 其中，三( f ) 为待处理数据最近几天，日可刻的负荷的平均值，口( r ) 为阀值。 d ) 本文采用的数据处理 对数据进行水平处理，采用的修正公式如下： 负荷变化量：三( d ，f ) = l l ( d ，f ) 一上( d ，卜1 ) i ( 2 6 ) 负荷变化量的日平均值：a z ( 矗) = 者荟a l ( 以f ) ( 2 - 7 ) sf一(al(d,t)-al(d)5 a l ( d ) 砌姒垆塑半笋业+ 卜 沪坐坐半盟业 ( 2 1 s ) 其中，云( d ) 为一天中负荷变化量的平均值，当负荷变化率超过5 时，对该 负荷数据进行修正，修正公式为式( 2 - 8 ) 。 2 2 。2 数据归一化处理 避免出现讨算饱和现象，要对负荷数据进行归一化处理，使输入的负荷数据 在 0 ，1 之间，t 时刻负荷数据采用如下归一化公式： 主：毒兰! ( 如，9 6 ) ( 2 - 9 ) 1 5 工。烈一上。、 3 式中，k 。，三。分别为训练样本集中负荷的最大值和最小值。 对于影响负荷的因素如平均风速，平均湿度等也类似上式进行归一化处理。 为提高预测精度，使用隶属度函数对输入向量进行模糊化处理，使输入向量的不 同分量如温度、天气情况等转化为模糊量。 气温的隶属度函数分别如下： ( 1 ) 对低温的隶属度函数采用偏小型梯形分布 fof10 “，= 粉o r o c z 一，o ， i1f 2 5 或r 5 5 t 1 5 1 5 罄 p t ， 1 1 1 ，口 其中a d 是预测日和待选相似目之间的相隔天数，n 与d ，是常数，可根据具体 的系统进行选择。 河海大学硕士学位论文 ( 2 ) 两天的日类型不一样，嘎的具体取值如表3 - 1 。 周一周二周三周四周五周六周日 周一 o 周二0 10 周三o 1o 1o 周四 0 1o 1o 10 周五0 10 10 1o 10 周六o 40 4o 4o 4o 4o 周日0 40 40 4o 40 4o 2o 表3 - 1 不同日类型差异的取值 ( 3 ) 两天的天气情况不一样。天气情况对电力负荷有着较大的影响，这一点在 夏冬两季尤为明显。天e 差异戈主要取决于降雨“，温度托，照度儿。 它们可以表达为： 岛= c l y l + c 2 y 2 + 岛儿 ( 3 - 2 ) 其中q ，c 2 ，c 3 为三个子因素的权重系数，在不同季节这些系数的值有些变化。如 在夏冬两季岛，即温度差的系数要比在春秋季大许多。 综合以上3 个因素，采用如下关系式描述负荷日之间的差异： k = k j 反+ k 2 嗄+ q 喀( 3 3 ) 其中墨，k z ，玛为三个主要因素的权重系数，他们在不同季节也有少许变动。在 比较了各候选日的世值的大小并从中选出其值最小的那一天。即可得出待求的相 似日。 相似日方法模拟经验丰富的人员进行负荷预测的思路，能方便的考虑温度、 天气情况等对电力负荷有重要影响的因素的作用，实用、简便。然而也存在以下 缺点：( 1 ) 找到的相似日不一定具有和预测日最相近的负荷，有时甚至相差较大。 这是因为存在着两个不确定因素：一是影响因素相近的两天具有相近的负荷这条 规律具有一定的不确定性，二是用差异评价函数描述两同影响因素的相近程度存 在一定的不确定性；( 2 ) 由于各个因素共同影响负荷的复杂非线性特性，用曲线 河海大学硕士学位论文 拟和或经验方法来修正由于各个因素的差异而引起的负荷差异，难以达到好的效 果和稳定性。 3 3 基于相似日的线性外推的原理和步骤”】 3 3 1 线性外推的原理 线性外推法通常用于超短期负荷预报。其基本原理是对过去确定时间段里具 有随机特性的负荷用线性曲线或一次曲线拟合负荷变化曲线。使得这条曲线能够 反映负荷本身的变化趋势。然后按照这个增长趋势曲线，对于要求的未来某一点 从其外推曲线估计出负荷预测结果。它能较好的预测基本负荷的变化。但是当天 气出现较大变化时该方法无法适应这种变化，会出现较大的误差；另外它的权重 选取一般靠经验。 3 3 2 基于相似日的线性外推的原理 相似日法的优点是：概念明确，应用简便，并为调度人员的运行经验所印证， 具有很强的实用性；模型中能方便的考虑温度、天气情况等对电力负荷有重要影 响的因素的作用。缺点是：找到的相似日不一定具有和预测日最相近的负荷，有 时甚至相差较大；完全依靠经验找一组好的权重系数和负荷修正的方法，比较困 难也不可靠；由于各个因素共同影响负荷的复杂非线性特性，用曲线拟和或经验 的方法来修正由于各个因素的差异而引起的负荷差异，难以有好的效果和稳定 性。 结合相似日法和线性外推法的优缺点，本文提出了一种基于相似日线性外推 方法。通过严格的差异度量函数选取多个相似日，然后运用传统的线性外推原理 进行负荷预报。 3 3 3 基于相似日的线性外推的步骤 基于相似日的线性外推的基本步骤如下： 步骤一：取预测日前三个星期的己知日作为待选相似日，考虑到天气突变的 情况不容易找相似日，可以将原来天气异常日保存为一个天气异常日序列作为待 河海大学硕士学位论文 选相似日的补充。选取下列三种差异度量化方法进行评价。 ( 1 ) 求预测日时间间隔的长短a ，应该体现的是近小远大的原则。另外考虑到负 荷具有按周变化的规律了( 如本周星期一与上周星期一的负荷相近) ，可以用如下 函数表达式。 4 - j 婴筹盟拶”，跳凹 4 ) l 1 a d l d 式中：m o d 0 代表取余函数，z x d 是预测日与待选相似日之间的相隔天数；i n t o 代 表取整函数，五、n 和l d 是常数，可以根据具体的情况进行选择，一般来说l d 应该和选择待选相似目的天数一致，取7 和一周的天数一致，丑一般取 1 ，2 间的数值。在本文中n = 7 ，l d = 1 4 ，a = 1 1 ( 2 ) 目类型的差异最。在取值时，可以选取表3 - 1 不同日类型差异的取值。 ( 3 ) 天气差异最 主要由下列因素决定：平均温度 ；最高温度扎；最低温度乃；降 雨量乃；能见度乃。将上述因素组成天气向量，= 柏，托，乃，乃，始 用上面的关 联程度分析天气的差异。 最后得到各候选日与预测i ：t 之间的差异值即 忙一p l i = k l 4 + 必疋+ k 3 x g ( 3 5 ) 则各候选日与预测日之间的相似度为6 ：= 圳口一例。 式中k l ，k 2 ，墨为3 个主要因素的权重系数，他们在不同的季节取值有少许 变动。选取时主要考虑三个因素对于各候选日的差异情况和对负荷预测精度的影 响程度，例如：当夏季天气变化剧烈时，应该适当地提高眨的值。比较各候选1 3 的相似度口的大小。并从中选出该值最大的m 天。 步骤二：取上面选定m 天的负荷，并分别归一化，归一化方法如下： 她f ) = 面l 丽( k , o i - l ( 面k , n 五n ) 面 ( 3 6 ) 河海大学硕士学位论文 其中：k ( 七，i ) 为第k 日i 小时负荷数据的归一化值；l ( k ， ) 为第k 日第i 小时负荷 数据；l ( k ，m i n ) 为第| i 日最小负荷数据：l ( k ，i l l a x ) 为第后日最大负荷。用以上公 式得出1 ，2 ，m 天9 6 点负荷归一化系数。 步骤三：由以上m 天的归一化系数，根据权重得出预测日9 6 点的负荷归一 化系数： 炳) = 善蕊孝暑聋慨d ( 3 _ 7 ) 其中：l ( p ，i ) 为预测日( p 日) 第i 时刻负荷归一化系数；吼为1 斗m 各天的 负荷相似度，百彘得到1 一肘各天负荷的归一化权重系数。 步骤四：选取过去肼天的最大、最小负荷，并用此m 天的最大、最小负荷 权重系数用( 3 7 ) 中的方法得出最大负荷k 。、最小负荷上讪，预测日任一刻的 负荷计算如下： 上o ) = 三( b 0 ( 三蛔一k 面) + j 【曲 ( 3 8 ) 其中：l ( i ) 为预测日第i 点的负荷。 3 4 本章小结 综合利用了用于超短期负荷预报的线性外推原理和基于相似日的短期负荷 预测方法，相似日的选取采用了严格的差异度量方法，使得所取的相似日与预测 同负荷最可能相似；线性外推法也弥补了相似r 法固有的缺点，有效地提高了负 荷预测的精度，本文方法对于天气异常变化时的负荷预报具有很强的适应性，实 际应用表明本文所用方法效果良好。 2 l 河海大学硕士学位论文 4 1 引言 第四章支持向量机预测模型 支持向量机 1 s - 2 0 l ( s v m ) 是一种新型机器学习算法，它与传统的神经网络学 习方法不同，实现了结构风险最小化归纳原则，而神经网络方法实现的是经验风 险最小化归纳原则。支持向量机模型同时最小化经验风险与v c