（电力电子与电力传动专业论文）小负荷大波动地区短期负荷预测模型研究.pdf

浙江大学硕士学位论文 小负荷大波动地区短期负荷预测模型研究 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 ) t a k e sa l li m p o r t a n ta c ti nd i s p a t c h i n g ，d i s t r i b u t i n g a n dp r o g r a m m i n go fe m s ( e n e r g ym a n a g e m e n ts y s t e m ) i np o w e rs y s t e m t h ed e g r e eo f l o a df o r e c a s ti n f l u e n c e st h ee c o n o m i c a la n ds o c i a lb e n e f i td i r e c t l y w i t ht h ee l e c t r i cm a r k e t d e v e l o p i n ga n dp o w e rd e m a n di n c r e a s i n gq u i c k l y ，s t l fi sn o to n l yr e s t r i c t e dt ob eap a r to f a r e a sw i t hh e a v yl o a d , b u ta l s ob ean e c e s s a r yp a r to fa r e a sw i t hs m a l ll o a ds u c ha sac o u n t y 8 0t h a tt ou s ee n e r g yh i o i e f f i c i e n t l y t h e s ea r e a s 龇c a l l e ds m a l ll o a dh e a v yw a v ea l r c a ( s l w a ) i nt h et h e s i s ，w h o s el o a dw l l v e $ h e a v i l yw i t hs o m ep r o p o r t i o n a li m p u l s i v el o a d e x i s t i n g n o w t h e r ea l eo n l y 1 1f e wo fr e p o r t sa b o u tt h i sr e s e a r c ha n dm o s to ft h e ma i e r e f e r r e dt ol o n g t e r mf o r e c a s tl l 上3 1h o m ea n da b r o a d t h et h e s i sm a d eap r i m a r yr e s e a r c hi ns t l fo fs l w a b ya n a l y z i n gt h ec h a r a c t e r i s t i c s o fs l h ai tc o n c l u d e dt h a th e a v yw a v ew 豁t h em o s tc h a r a c t e r t h e r e f o r et h et h e s i s i n t r o d u c e dw a v e l e ti r a n s f o r mm o d u l a rm a x i m u mt op l o c e s $ t h eh i s t o r yd a t a , f o ro n et h i n gi t c a ti d e n t i f rt h ea b n o r m a ld a t a , f o ra d a o t h e rc 锄s m o o t hn o i s eo ft h ed a t a t h e nt h et h e s i s b u i l tt w od i f f e r e n tm o d e l sf o rs u m m e l a n do t h e rs o s o n sb yb pn e t w o r k f u r t h e r m o r e ，f o r b pn e t w o r kc a l l tm a k l ，a l la c e u r a t er e s p o n s ew h e nt h et r a i n i n gp a t t e r nc h a n g e d ，t h et h e s i s p r o p o s e dt w om e t h o d st om o d i f yt h eb pm o d e lo f 蜘n n 琳a n dg o tb e t t e rp r e c i s i o n t h e e x p e r i m e n t a lr e s u l t ss h o w e dt h a tt h em o d e l sh a dg o o dp r e c i s i o na n dw a su s e f u lf o rs t l f w i mt h ec h a r a c t e r sa b o v e k e yw o r d s ：s m a l ll o a dh e a v yw a v ea r e a ( s l w a ) 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 ) d a t ap r 印脚s p r e c i s i o nw a v e l e tt r a n s f o r m b a c k p r o p a g a t i o n0 3 p ) n e t w o r k m o d i f y i n gm o d e l n 第一章绪论 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。 众所周知，电力系统有一个显著特点就是能量不能储存，随着电力的市场化，电力负 荷预测成为一种亟需。提高负荷预测技术水平，有利于计划用电管理，有利于合理安 排电网运行方式和机组检修计划，有利于节煤、节油和降低发电成本，有利于制定合 理的电源建设规划，有利于提高电力系统的经济效益和社会效益。因此，负荷预测已 成为实现电力系统管理现代化的重要内容之一。且随着经济的发展，用电需求量大大 增加，负荷预测已不再是省级或市级供电局的工作，在拥有相对较小负荷的县级部门 供电局也逐渐兴起并成为不可或缺的一部分。 1 1 课题的背景和意义 负荷可指电力需求量或者用电量，而需求量是指能量的时间变化率，即功率。也 可以说，负荷是指发电厂、供电地区或电网在某一瞬间所承担的工作负荷。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。而 用电负荷( 又称全社会用电负荷) 包括网供负荷和一部分的自发电负荷。网供负荷是 指从上级电网需要调度的电荷，而自发电负荷是指在本地区发电供给本地使用的负荷。 通常电力系统短期负荷预测中的负荷指的就是网供负荷的预测。 电力系统短期负荷预测是指一年以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度、未来一周、未来一天的负荷指标。本 文所研究的短期负荷预测是指对未来一天或数天所进行的9 6 点负荷预测，即每1 5 分 钟的负荷预测。 短期负荷预测意义重大，主要体现在： ( 1 ) 帮助确定燃料供应计划； ( 2 ) 对运行中的电厂出力要求提出预告，使对发电机组出力变化事先得以估计； ( 3 ) 可以经济合理地安排本网内各机组的启停，降低旋转储备容量； ( 4 ) 可以在保证正常用电的情况下合理安排机组检修计划。 长期以来，学者们对短期负荷预测作了大量研究，建立了很多模型。但是，这些 浙江大学硕士学位论文小负荷大波动地区短期负荷预测模型研究 短期负荷预测的研究主要是针对负荷比较平稳或规律性很强的地区，而对于本文所提 到的小负荷大波动地区的短期负荷预测研究甚少。小负荷是指网供负荷相对较小，小 负荷大波动地区一般指具有相当比重冲击负载及负荷用电量较小的县级地区。随着我 国工业的迅速发展，对电的需求量的增加，越来越要求有效合理地运用电能，所以对 于原先未要求进行负荷预测的县级地区现在也提出了要求，做到层层预测，以提高电 能的利用率。而对于基负荷较小尤其是存在一定比重冲击性负载和小水电的县级地区， 它的负荷无疑集各种负荷特性于一身，故而如果能够做到较好的县级地区负荷预测， 那么对其它具有一般特性的地区负荷预测将会提供很好的借鉴作用。 1 2 短期负荷预测研究现状概述 短期负荷预测是电力系统领域一个传统的研究问题，预测的技术方法是负荷预测 的核心问题，而预测精度是检验预测方法可行性的最重要的指标。对预测方法的研究 和探索，一直以来是国内外学者关注的一个热点，各种预测方法层出不穷。总体上表 现出两大趋势：一种是普遍运用新兴理论尤其是人工智能的方法进行负荷预测的探讨， 如神经网络、小波分析法、模糊控制、遗传算法等；另一种就是克服原有理论的缺陷， 将一些方法进行综合，建立组合预测模型。鉴于目前各种预测方法的运用程度，将一 些已经取得较好效果的方法列举如下。 1 2 1 时间序列法【4 ，5 6 】 时间序列法是被认为最经典、最传统、最被广泛采用的一类短期负荷预测方法。 常用的时间序列分析模型主要有以下几种： 1 自回归( a r ) 模型 a r 模型的实质为：将负荷自身的过去值作为自变量，而因变量为待测负荷，因变 量待测负荷只表示为过去p 个历史时刻的观测值和一个当前时刻的随机误差q 的线性 组合。因此p 阶a r 模型的数学表达式为： 只= 9 1 y t - l + 仍乃一2 + + 9 p ”一，+ a f ( 1 1 ) 式中：p 一模型的阶数 浙江大学硕士学位论文小负荷大波动地区短期负荷预测模型研究 以一随机干扰，白噪音序列在t 时刻的值 吼，9 ：，吼一常数系数，是模型的待确定的参数 因为预测值与负荷自身的过去值有关，所以称之为a r ( p ) 模型。 2 动平均( m a ) 模型 m a 模型是将待测负荷表示成随机干扰的白噪音序列的线性组合，表达式为： 乃= 口，一q l a , 一l 一一o q a t 。 ( 1 - 2 ) 式中：日1 ，毋。一模型参数 口一模型的阶数 口f ，- , a t 盯一白噪音序列 在a r 模型中，初始时刻的干扰将会影响到未来无限长时刻的负荷值，而实际上 负荷预测讲究“重近轻远”的原则，与预测时刻相距较远的干扰可以忽略不计。m a 模型的提出正是依据此原则，假设某一时刻干扰的影响只表现在有限的几个连续时间 间隔内，然后就完全消失。 3 自回归一滑动平均( a r m a ) 模型 a i 龇( 凸鼋) 模型可以看作是a r ( p ) 模型和m a ( 口) 模型的组合，因为在实际中， 许多随机序列常常同时具有两个模型a 取p ) 和m a ( q ) 的特性。这三个模型之间存在 着深刻地联系，a r ( p ) 和m a ( q ) 可以看作是a r m a ( r ，o ) 和a r m a ( 0 , q ) 。a r m a ( p , q ) 模型的表达式为： 乃= 妒i 乃一+ 仍”24 - - + 9 p y f - p + 口l q 口r - 1 一一0 q a f l ( 1 3 ) 4 累积式自回归一动平均( 越t i m a ) 模型。 以上模型应用的前提条件都为时间序列是平稳的，但实际上，电力系统负荷常以 小时、天、星期、月甚至年为周期发生变化，因而负荷时间序列大多为周期性的非平 稳随机过程。a r i m a 模型的实质就是通过差分变换，从非平稳过程中抽出平稳因素， 既能适应非平稳随机过程的负荷预测，同时又考虑了平稳随机变化负荷。 5 时间序列法模型预测步骤： 浙江大学硕士学位论文小负荷大波动地区短期负荷预测模型研究 ( 1 ) 取定一个样本序列长度为n ( 2 ) 判断序列的平稳性，若非平稳，则需通过差分将非平稳序列转化成平稳序列， 一般差分次数不超过3 ，判断依据为样本的自相关系数是否迅速按指数衰减到零，如果 是，则停止差分。 ( 3 ) 对差分后的新序列进行零均值化处理，并计算零均值序列的自相关系数和片 相关系数； ( 4 ) 模型识别和参数估计：模型识别的依据是判断自相关函数及偏相关函数的特 性分析，如果自相关函数具有“截尾”性，则采用m a 模型；如果偏相关函数具有“截 尾”性，则选用a r 模型；如果自相关函数和偏相关函数均具有“拖尾”性，则选用 a r m a 模型： ( 5 ) 模型检验和修正。 1 2 2 灰色预测模型( g m ) 鉴于时间序列主要致力于数据的拟和，而不注重规律的发现，中国学者邓聚龙教 授首先提出了灰色系统理论。目前这一理论已经成功的运用到负荷预测中，并取得了 较好的结果。其实质是建立待测负荷与历史数据列的微分方程模型，这一方法对于具 有指数增长趋势的序列的预测具有很高的精度。通过累加后的负荷序列可以近似看成 具有增长趋势，对于负荷较平稳的地区的短期负荷预测，灰色方法因具有很高的精度 而得到了广泛应用。与时间序列法相比，灰色预测具有要求负荷数据少、不考虑分布 规律、不考虑变化趋势、运算方便、易于检验等优点。灰色预测模型 6 1 有两种形式： g m ( 1 ，1 ) 和g m ( 1 脚。 1 g m ( i ，1 ) 模型的建立 设原始序列 ) - x ( 1 ) ，工( 2 ) ，x ) ) ( 1 - 4 ) 进行一次累加后生成 工1 ) _ 膏( 1 ( 1 ) ，x 1 ( 2 ) ，x 1 ( 功)( 1 5 ) 其中 k x o ( 七) = 工o ( 力 4 浙江大学硕士学位论文小负荷大波动地区短期负荷预测模型研究 建立微分方程d x ( 1 d t + n r ( 1 ) = u 利用最小二乘法求解参数口，甜 = 圈= ( b r b ) - i b r e 其中 一三( ，) + 霹) 一；o + 工p ) 叱+ 拶) 工 ：箩 ； 卵 ( 1 6 ) 求出模型的时间响应方程 x ( 1 ( 七+ 1 ) = 【x ( o ( 1 ) 一要p 。+ ：u ( k - - - o ，l ，2 )( 1 7 ) a口 对此式做累减还原，得原始数列x ( o 的灰色预测模型为： 受o ( i + 1 ) = 量1 ( | i + 1 ) 一曼1 ( 后) = ( f 而一1 ) ( x ( o ( 1 ) 一要) p 盘 ( 1 8 ) 口 ( | i = o ，1 ，2 ) 以上的g m ( 1 ，1 ) 模型是以灰色模块为基础。随着时间的推移，未来的一些扰动或因素将 不断她进入系统，发生影响，使得灰度增大，预测值的实际意义减少，因此文献嘲中提 到了灰色预测的一些改进模型。 2 g m ( 1 曲模型 g m ( 1 n ) 模型表示对n 个变量用一阶微分方程建立的灰色模型。用于建立负荷 和若干影响变量之间关系的预测模型，更具有实效性。如将天气因素多位自变量，形 成一个多变量的模型。 1 2 3 人工神经网络( a n n ) 法 神经网络以其突出的优点而倍受学者们的青睐。它的突出优点就是对大量非结构 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，很适合用于负荷预测。 通常人们将影响负荷的非随机性因素全部作为神经网络的输入变量，然后进行训练， 拟合负荷与这些因素之间的关系，以确定待测负荷。目前短期负荷预测中常用的神经 、，p， 浙江大学硕士学位论文小负荷大波动地区短期负荷预测模型研究 网络有前馈型( b p ) 网络、径向基( r b f ) 网络、反馈型e l m a n 网络及自回归神经网 络( r n n ) 。其中，b p 两络由于结构简单、运用方便而应用最为广泛。随着短期负荷 预测研究的深入，最近还出现了概率性神经网络【7 】( p n n ) 进行概率性短期负荷预测 【8 1 0 1 。一般a n n 网络由三层构成：输入层、中间层( 隐含层) 和输出层。结构图如图 1 - 1 所示： 图1 - 1 b p 网络的结构图 目前利用a n n 法进行预测的重点在于： ( 1 ) 输入变量的选择 ( 2 ) 如何避免陷入局部极小的情况 ( 3 ) 隐含层单元个数的确定 1 2 4 小波分析法 d l o p 利用小波理论进行负荷预测成为当今负荷预测研究的一个熟点，研究学者络绎不 绝地参与到这一理论研究中。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。小波变化的优点在于能将交织在一起 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度上，而各个尺度可近似地看作不同的“频带”，这 样各个尺度上的子序列分别代表了原始序列中不同的“频域”的分量，它们更加清楚 地表现了负荷序列的周期性。在此基础上，对不同的子负荷序列分别进行预测。由于 各个子序列的周期性更为明显，因而如果对每个子序列进行周期自回归模型预测再通 过序列重组能够得到很好的预测结果。小波变换在短期负荷预测方面另一个重要应用 就是对负荷数据奇异性的检测。本文主要是这一方面的应用。 6 浙江大学硕士学位论文小负荷大波动地区短期负荷预测模型研究 1 2 5 组合预测模型 鉴于单一预测方法的一些弊端，探索组合预测已经成为学者们的共识。目前组合 预测模型的探究主要有两种思路 1 1 , 1 2 1 ：一种是从预测机理的角度将单一的预测模型进 行组合，结合各自预测的优缺点，分任务进行预测，互为补充。比较常见的几种组合 有：a n n 与时间序列法的组合【l o l ，a n n 与模糊算法的组合，a n n 与小波分析算法的 组合 1 3 , 1 4 ，a n n 与模糊、小波分析三种算法的结合等。文献【1 5 1 提出了将a n n 与模糊 ( f u z z y r o u g h ) 理论相结合。利用模糊算法对神经网络的输入变量进行选择，找到与 负荷直接相关的影响因素，然后进行预测。文献【1 4 , 1 7 , 1 8 , 1 9 1 9 利用小波分析法首先将负荷 分解到不同尺度上，得到具有不同频率特征的负荷分量，实质上是提取负荷特征量， 然后再利用神经网络预测的优点对各个不同尺度的负荷进行预测，最后重组。 另一种思路是采用各种单一的预测模型分别进行预测，然后将这些预测结果加权 平均得到最终的预测结果。例如，文献【2 0 】对不同的预测方法得到不同的预测结果进行 加权得到一个综合模型，权重的确定依据是虚拟预测结果与实际负荷曲线数据的误差 平方和最小，实质就是“最优拟合模型”。同时，文献【2 1 】对这种思路的预测模型机理 进行了讨论，提出“最优拟合模型”不等于“最优预测模型”，并提出建立“较优预测 模型”和“驻点拟合模型”。因为“最优拟合模型”确定的权重大多为正，而实际上某 些算法应该提供负的贡献。 1 3 短期负荷预测的一般步骤 模型的修正 误差分析：评估 模型的可行性 图1 - 2 短期负荷预测的一般步骤 浙江大学硕士学位论文 小负荷大波动地区短期负荷预测模型研究 1 4 本文所做的主要工作 从短期负荷预测的一般步骤入手，本文主要做了以下工作： 1 对某小负荷大波动地区的电力负荷特性进行分析 不同地区的电力负荷具有不同的特性，为更好地建立适合该地区的模型，首要步 骤便是对该地区的电力负荷进行特性分析。 2 原始数据的预处理 一方面，原始数据往往是从e m s 实时系统采集的，由于动态的数据采集有时会 出现通道故障、拥堵等现象，相应的数据采集程序就会中断，造成了原始数据的错误 与不真实。另一方面，由于小负荷大波动地区的负荷曲线毛刺多、波动大，负荷规律 性不强。因此必须对负荷数据进行处理。另外，在处理时不能采用一般的数据异常识 别和修正方法，因为一般的数据预处理的方法建立在变化较平稳( 即较平滑) 的负荷 序列基础上，主要采用设定阈值横纵向对比法判别和加权平均法修正非正常数据，不 适合本文中所涉及的负荷。在此，将波动性较大的负荷看作是有噪声的信号，利用小 波变换下噪声与信号不同的传播特性来判别异常和修正数据。由于小波去噪的方法很 多，本文主要比较分析了两种方法，最终确立了利用小波模极大值对历史负荷数据进 行了预处理。一方面，可以精确地识别奇异数据；另一方面，可以在平滑日负荷曲线 的基础上有效地再现负荷曲线的变化趋势。 3 建立模型 在对负荷特性全面分析基础上，以提高负荷预测的精度为目标，探讨合适的负荷 预测模型。本文依据不同季节分别建立了夏季和其它季节的短期负荷预测模型。模型 的核心理论是前馈型( b p ) 神经网络。夏季负荷受气温影响较大，b p 网络的输入变量 较多考虑温度因素；另外，经过小波模极大值处理后的小负荷大波动地区的负荷变化 平稳，相邻两点负荷的相对变化率不超过5 ，由于夏季负荷的日周期性较差，考虑将 模型建立在负荷序列是连续变化的这一性质上，以前1 日末时刻的负荷为起点，利用 b p 网络预测相邻两点的负荷变化量，逐渐递推得到预测日的负荷值。其它季节受气温 影响较小，对b p 网络的输入变量重新选择，利用自相关系数法确立了与负荷最为相关 的一组变量，建立了不同的预测模型。另外，对于夏季负荷预测，当预测日的气候条 件与训练日尤其是前1 日的气候条件有较大变动时，b p 网络便没有足够的反应能力， 3 浙江大学硕士学位论文 小负荷大波动地区短期负荷预测模型研究 使得预测结果有较大误差，为了提高精度，文中探讨了基于相似日的两种修正模型。 4 实例分析，评估模型的可行性 文中主要以平均相对误差为标准，分析模型的可行性。 9 第二章电力系统电力负荷特性分析 在电力系统逐步发展完善过程中，负荷预测已成为能量管理系统( e m s ) 中一项独立 的内容。在实际应用中，电力系统不同组成部分对负荷预测的范围和精度有所不同， 因此研究负荷变化的内在规律和负荷特性、影响负荷变化的各种相关因素，对提高预 测精度及负荷预测的发展有重要的意义。 2 i 短期负荷预测特征 同中长期负荷预测相比，短期负荷预测具有以下显著特征： ( 1 ) 短期负荷预测具有明显的周期性，表现在：不同日之间2 4 h 整体变化规律的 相似性；不同星期同一星期类型日的相似性；工作日，休息日各自的相似性；不同年度 同一重大节假日的负荷曲线的相似性。 ( 2 ) 短期负荷预测明显受到各种环境因素的影响。如：季节更替、设备事故和检 修、天气因素突变、重大文体活动等，这使得负荷时间序列变化呈现非平稳的随机过 程。实践表明，电力系统峰值负荷往往是由于季节性的极端气候( 即热浪和寒潮) 造成的。 热浪，是一个高温延续期。在热浪期间，各种空调装置、电风扇、制冷设备、电冰箱 等降温防暑电器几乎都满负荷运行，造成了夏季峰值负荷；寒潮，则是一个低温延续 期。寒潮期间，一般不会造成热浪期闻那样严重的峰值负荷，但是寒潮季节一般照明 负荷增长，而且还有大量的保温负荷，因此也应特别注意。 2 2 小负荷大波动地区的电力负荷特性分析 在第一章中提到小负荷大波动地区一般为具有相当比重冲击负载及负荷用电量较 小的县级地区，所以在以后的章节中，均以具有该特征的某县级地区的负荷为依据， 探讨小负荷大波动地区的短期负荷预测模型。从省、市等大地区负荷相比，某县级地 区负荷呈现出不同的特征： 1 基负荷较小，图2 - 1 中两个地区的日负荷大小相差有l o 倍以上。这给预测精度 的提高增加了难度，因为如果两个地区预测负荷与实际负荷的绝对误差一定的情况下， 浙江大学硕士学位论文 小负荷大波动地区短期负荷预测模型研究 基负荷越小，相对误差越大，所以要达到相同的预测精度，必须降低县级地区的负荷 预测绝对误差，这样势必会增加预测的难度。 ，八_ ，_ h v n 。 i471 0 1 3 1 6 1 92 2 砧勰3 l3 43 74 04 34 6 t 95 25 55 8 6 16 46 77 07 37 67 9 船轴船9 19 4 时麴 a 某市典型日负荷曲线 m 九 加人 ，严v o k 。、 o 吖f ￥ l47i 0 1 3 1 6 1 92 z2 5 勰3 l3 43 7 4 3 6 t 95 26 5 聃6 】明6 77 0 7 37 67 9 船8 5 0 l 射 时捌 b 某县典型日负荷曲线 图2 - l 县级地区和市缀地区日负荷曲线比较 2 波动性大，县级地区负荷曲线毛刺多，如图2 1 b 所示。波动大的原因主要为相 当比例的钢铁厂、水泥厂等冲击性负载的存在，本文中所选地区的冲击性负载占总负 荷的3 0 左右。这使得县级地区的负荷盏线呈现不平稳状态，相邻两点负荷变化率最 大可达到2 0 左右。而如图2 1 a 负荷变化率一般不超过5 。图2 - 2 是该县级地区春 浙江大学硕士学位论文小负荷大波动地区短期负荷预测模型研究 节期间的负荷曲线，由于用电负荷主要为商业负荷和民用负荷，负荷比较平滑、负荷 周期性规律加强。所以在建立小负荷大波动地区的预测模型时，应尽可能通过一些手 段再现负荷的一般性规律。 3 矗 3 n 2 5 0 0 m0 0 l 矗0 0 1 0 0 0 基 n 矗 鑫鑫斑? 蠡于n蛀；”“ i f五； 鑫芦：严l i “； y 广l i ? 谬 f v vu v l1 9 12 8 63 8 14 7 65 7 1 图2 - 2 某县春节期间连续5 日负荷曲线 3 从图2 3 中可以看到，县级地区的负荷日周期性不明显，而大的市级地区的负 荷呈现明显的日周期性，无疑县级地区的负荷预测更有挑战性。 2 0 0 0 l 肿o 1 o 1 4 l 墓1 0 0 0 m | o o 2 0 0 o 太艇一般投抵母f 匠 ；lkj r r f 乳；kf l 弘薹献 。夕vv vk ，j f 、， ? 77 l 1 l 5 5 1 0 9 1 l l 2 1 7 2 7 12 9 8 3 2 53 5 2 m m4 2 3 4 w5 1 4 m l5 5 9 56 2 26 4 9 对捌 a 某市连续一周负荷曲线 浙江大学硕士学位论文小负荷大波动地区短期负荷预测模型研究 1 0 0 0 0 8 n 。o 柱 m 0 0 轧 飞 。 l 2 95 78 51 1 3 1 4 1 1 6 9 1 9 72 2 52 5 32 8 13 日g3 3 73 6 53 4 2 14 4 94 7 75 0 55 3 35 6 15 8 96 1 76 4 5 对捆 b 某县连续一周负荷曲线 图2 - 3 县级地区和市级地区周负荷曲线比较 4 存在相当比例的小水电对负荷影响很大。如图2 4 所示，前1 日的降雨导致负 荷下降一个值。小水电由于其数量众多、单机容量偏小、分散面广等客观原因，一般 未将其纳入统一调度范围，由此导致的结果是，电网调度部门只是关心网供负荷的数 据，这对其安排统一调度机组的发电计划至关重要。可是，真正具有规律性的是全社 会用电负荷，它与温度因素等密切相关；同时，地方小水电靠天吃饭，有了降雨，就 可以发电上网，没有水就不发电，有些有水库的小水电很多是用来调峰用的。这种实 际情况对网供负荷具有重大影响。 图2 4 某县级地区降雨天气对日负荷的影响 浙江大学硕士学位论文4 - 荷大波动地区短期负荷预测模型研究 5 夏季天气突变情况对负荷的影响很大，温度的骤然下降使得负荷迅速减少，如 图2 - 5 所示，天气突变点之后负荷明显减少。 图2 - 5 天气突变时负荷的变化 6 夏季峰值负荷与最高温度呈近似指数关系，如图2 - 6 所示。 图2 - 6 夏季峰值负荷与最高温度的关系曲线 1 4 浙江大学硕士学位论文小负荷大波动地区短期负荷预测模型研究 2 3 小负荷大波动地区短期负荷预测的主要问题 针对以上的负荷特性，小负荷大波动地区的短期负荷预测主要存在以下几个方面 的问题： ( 1 ) 负荷波动大，不同日的同一时刻负荷可能是极大值也可能是极小值，相邻两 日之间的负荷变化剧烈。如何从这些变化剧烈的情况中得到具有一定规律的日负荷曲 线是有必要的。 ( 2 ) 相当比重的小水电的存在使得负荷预测难度加大，如何确立小水电与降雨量 的模型对于短期负荷预测精度的提高很有帮助，但这就需要更加完整的历史负荷数据 资料。通常，这些小水电的资料很难得到。因此，需要采用另外的手段。本文中是采 用智能模型( 神经网络模型) 将降雨量作为影响因素考虑的。 ( 3 ) 由于基负荷小和波动大的特征，负荷预测的精度肯定不能达到大地区的负荷 预测精度水平。因此，模型可行性评估的标准肯定要有所降低。按照文献【3 2 】中提到的 标准，一般负荷预测精度的平均水平在9 7 以上，便认为此模型具有可行性。而小负 荷大波动地区的负荷预测精度的平均水平一般很难达到上述标准。 ( 4 ) 夏季负荷受气温影响大，峰值负荷与最高温度近似成指数关系，且天气突变 时负荷变化剧烈，明显偏离正常趋势，对于夏季天气突变需要建立修正模型，以提高 精度。 第三章小负荷大波动地区负荷数据的预处理 目前，我国各级电力调度中心，负荷数据的采集系统大多为s c a d a 系统。在数 据的采集过程中，量测、记录、转换、传输等任意环节出现的随机干扰都可能使得观 测数据出现反常态势，另外，一些特殊性事件( 如切负荷停电，线路负荷检修停电， 大事件、大用户的冲击、拉闸限电等) 也会引起负荷的反常变化。对历史负荷数据的 预处理是短期负荷预测的首要环节，如果这些异常情况得不到有效地识别和修正，而 直接进行负荷预测，则必然会给预测结果带来很大的误差。文献阱l 中，专门就异常数 据与预测结果精度之间的关系作了分析，指出了随着负荷数据异常数据的增多，预测 结果误差逐渐加大，且无论采取什么先进的预测方法也是无济于事。另一方面，小负 荷大波动地区日负荷曲线毛刺多，隐藏了负荷的真正变化规律，不利于负荷预测过程 中模型的探讨，因此在负荷预测前，必须进行负荷数据的预处理，去伪存真，以凸显 负荷的变化规律。 负荷数据预处理的常用方法为横纵向对比法，这些方法主要建立在较平滑的负荷 序列基础上，而不适用于小负荷大波动地区的负荷数据的预处理。本章重点讨论了小 负荷大波动地区的负荷数据预处理的方法，最终选用了小波分析的方法作为预处理的 核心算法，利用信号与噪声在小波变换下具有不同的传播特性，实质是设计一组低、 高通滤波器将噪声信号消除，使日负荷曲线得以平滑并显现出本身的变化规律。 3 1 异常数据的识别和修正方法 3 1 1 异常数据的分类和特性 根据异常数据出现的成因，将其分为两类： ( 1 ) 数据通道传输错误引起的异常数据；表现在短时信道错误引起的脉冲尖峰 或斜坡形峰谷值( 如图3 1 a ，d ) ；s c a d a 系统没有及时反映运行方式变化而引起的一段 时间内负荷的阶跃状变大或变小；个别数据或一段时间内数据的丢失( 如图3 一l a 所示) 等。 ( 2 ) 特殊事件引起的异常数据：表现在线路故障检修停电；夏季用电高峰时出现 浙江大学硕士学位论文 小负荷大波动地区短期负荷预测模型研究 的拉闸限电使得负荷曲线接近一条直线( 如图3 - 1 b 所示) ；大冲击负载而引起的负荷 毛刺( 如图3 1 d 所示) 等。图3 ，1 中列举了以上常见的几种异常数据表现形式。 为了方便，现将负荷数据的异常重新分类： 第一类异常：数据缺损情况，如图3 1 a 所示 第二类异常：数据存在但是有较多毛刺的情形，如图3 1 c 所示 伊儿 i彬7 “1一i 氇、 7 、， m 目口d ，m 目o g0 d n7 0 a 个别数据缺失 l ， 一、， 沁、j j i ，7 j 、，。： 、， 0m dz ，3 1 w a g e 6 77 0 n 自9 i * b 负荷数据曲线平稳 ； j； j ； h ”# a “目o t # t t l * t # * 7 # # t # t i n 口* # p t m c 冲击负荷数据存在引起的尖峰d 负荷数据呈斜线变化 图3 - i 异常负荷数据曲线( 一：为异常负荷曲线；一一：正常负荷曲线) 3 1 2 异常数据的识别和修正 在实际负荷预测中，根据负荷一般不突变的特性，对负荷数据的识别常采取以下 的方法： 1 人工经验法 1 7 浙江大学硕士学位论文 小负荷大波动地区短期负荷预测模型研究 主要由负荷预测人员利用长期的经验对负荷数据进行判断。 2 数据横向对比法 对于日负荷曲线，利用连续两点负荷不突变的特性，设定一阈值，如果前后两点 的负荷变化超出这一阈值，则为异常点。通常首点的负荷需要同前一天的末点负荷相 比较。 3 数据纵向对比法 根据负荷的日周期性，相邻两日的对应点负荷变化不会超过一个阈值，如果超出 则为异常。 4 概率统计法 在统计学中，当样本数据超过5 0 时，可以将任何分布近似为正态分布，根据统计 学的规律，对负荷数据的置信区间做出估计，落在置信区间以外的点为异常点。 5 分时段设定阈值法 根据不同时段负荷具有不同的波动性，分别对各个时段设定不同的阈值，处理方 法同2 。 与上述判别方法相对应，文献【2 2 】中对负荷数据修正的一般方法进行了总结：曲线 置换法、均值生成法、插值法等。这些识别和修正的方法前提是负荷序列必须有较好 的周期性及连续性，而对于小负荷大波动地区，很难通过设定阈值的方法进行识别和 修正。在第二章中已经分析了本文所讨论的负荷数据的特性，即负荷序列多毛刺的特 性，因此利用以上的方法很难达到异常数据识别和修正的目的。【2 3 】对这种情况作了分 析，采用二阶差分的方法进行数据的识别。本文首先利用经验判别法，对图3 1 b 和d 两种类型的负荷数据直接剔除，然后将负荷序列看作是含噪声序列，利用小波变换在 信号去噪方面的优势，对负荷数据进行了处理。 3 2 小波变换 2 睨9 】 小波分析的提出源于信号处理领域。信号特征的两种重要表示方式为时间和频率， 信号的处理大致经历了三个阶段： ( 1 ) 时域分析到傅里叶变换( f t ) ：起初，对信号的分析只是在时域( 空间) 上 的分析，但在许多情况下，时域内难以观察的现象和规律，往往在频率域内能够较清 楚地显示出来，傅里叶变换( f t ) 将信号的时域特征和频域特征联系起来，使得可以 浙江大学硕士学位论文 小负荷大波动地区短期负荷预测模型研究 观察到频域内信号的某些特征； ( 2 ) 傅里叶变换到短时傅里叶交换( s f t ) ；虽然傅里叶变换建立了时域与频域之 间的联系，但是只能从信号的时域和频域分别观察，不能将二者结合起来。这是因为 信号时域波形中不包含任何频域信息，而其傅里叶谱是信号的统计特征，它是信号整 个对域内的积分，没有局部化分析信号的功能，所以不具备时域信息，即傅里叶变换 不能进行局部化分析，1 9 4 6 年，c r a b o r 提出短时f o u r i e r 变换，引入一个时间局部化的“窗 函数”，解决了时域与频域局部化的矛盾。 ( 3 ) s f t 到小波变换：由于短时傅里叶变换的时一频窗口大小不变，因此只适应 分析所有特征大致相同的信号而不适合分析多尺度信号过程和突变过程，且其离散形 式不能实现正交展开，难以获得高效算法，未能得到广泛的应用和进一步发展。1 9 8 4 年，法国地球物理学家j m o r l e t 提出y l j , 波变换。小波分析方法是一种窗口大小( 即 窗口面积) 固定但其形状可改变，时间窗和频率窗都可改变的时域局部化分析方法， 即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时 间分辨率和较低的频率分辨率，所以被誉为数学显微镜。 自1 9 8 4 年m o r l e t 提出小波变换的概念后，理论学家a g r o s s m a n 采用平移和伸缩 不变性建立了小波变换的理论体系。1 9 8 5 年，法国数学家y m e y e r 第一个构造出具有 一定衰减性的光滑小波。1 9 8 8 年，比利时数学家i d a u b e c h i e s 证明了紧支撑正交标准 小波基的存在性，使得离散小波分析成为可能。1 9 8 9 年s m a l l a t 提出了多分辨率分析 概念，统一了在此之前的各种构造小波的方法，特别是提出了二进小波变换的快速算 法，使得小波变换完全走向实用性。目前，小波分析方法已经成功的应用到信号的分 解与重构、信号消噪、特征提取、数据压缩、电力系统谐波治理和电力系统负荷预测 等各种领域中。 3 2 1 小波变换的定义 1 小波函数的定义 设y ( f ) 为一平方可积函数，即y ( f ) r ( 胄) ，l 2 ( i o 为平方可积空间，若其傅里叶 变换y ( w ) 满足条件： 1 9 浙江大学硕士学位论文 小负荷大波动地区短期负荷预测模型研究 q = 拌静 佃 b ， 则称y ( ，) 为一个基小波或小波母函数。公式( 3 - 1 ) 为小波函数的可容性条件。 将小波函数y ( f ) 进行伸缩和平移，就可以得到一簇小波序列 y 。( f ) ： 吲f ) - 击y ( 学) 删讯 式中：岔为伸缩因子或尺度因子，b 为平移因子。图3 - 2 中显示了y 。( ，) 的尺度伸缩和 时间平移特性。 jl y vv ： y 椭口= 2 ，6 = o 懒 7 ： y 。j ( ) ，口= 1 ，5 = f a 骼一 r ，一 y 。j ( f ) ，口= 2 , b = f ，r 平移+ 伸缩 f t 7 图3 - 2 小波函数的伸缩和平移 浙江大学硕士学位论文 小负荷大波动地区短期负荷预测模型研究 2 连续小波变换 小波是具有震荡特性、能够迅速衰减到零的一类函数。由前面小波定义知，满足 可溶性条件的函数基小：d v t ( t 1 ，其伸缩和平移构成一簇函数系： 妒。 ( f ) = i 口1 ( t - 口b ) ( 口，6 r ；口o ) ( 3 3 ) 对于能量有限信号，( f ) r ( r ) ，其连续小波变换定义为： 弛，6 ) 2 南歹( 等 毋 c s 川 式( 3 - 7 ) 中，i t ( t ) y qv ( t ) 的复共轭函数。上式说明小波变换是对信号用不同滤波器进行 滤波。由于t ，a ，b 都是连续的变量，上式称为连续小波变换。 如果y ( r ) 满足容许性条件：q = 了p 1 警 佃，其中1 | f ，a ( w ) 为y ( r ) 的傅立叶 变换对于信号连续小波变换，( ，) 可重构： 巾) = 掣m 厂( 口，6 ) 矿。( ，j 丁d a d b ( 3 - 5 ) 当辞较小时，时域上观察范围小，而在频率上相当于用较高频率作为分辨率较高 的分析，即用高频小波作细致观察。当口较大时，时域上观察范围大，而在频率上相 当于用低频做概貌观察。 3 二进制小波交换 由于，实际中经常遇到的是离散的序列，所以需要将连续小波变换离散化，其中 一种离散小波变换就是二进小波变换。在上述连续小波变换中，令参数口= 2 s ，z ， 参数b 仍取连续值，则有二进小波 y 2 ，j ( f ) = 2 - ：2 y 【2 o 一6 ) 】( 3 - 6 ) 这时，竹) 上2 ( r ) 的二迸小波变换定义为 w t s ( 2 s , b ) - - 2 叫2e 厂( ，妒f 2 1 ( 卜b ) d t ( 3 - 7 ) 2 1 浙江大学硕士学位论文小负荷大波动地区短期负荷预测模型研究 3 2 2 常用的小波函数 1 d a u b e c h i e s ( d b n ) 小波系 d a u b e c h i e s 小波由法国学者i n r i dd a u b e c h i e s 对尺度取2 的整幂( 即口= 2 j ，z + ) 条件下的小波变换进行研究而构造的小波函数。它具有以下特点： ( 1 ) 时域上具有有限支撑，即y ( f ) 长度有限，且具有n 阶消失矩 p p v ( t ) d t = o , p = 0 n 消失矩定义：函数y ( f ) 具有m 阶消失矩，若x c o _ t 所有： 卜v o ) 西= o 。( 3 9 ) i ( 2 ) 在频域上必( 。) 在。= o 处有n 阶零点。 ( 3 ) | l ，( f ) 与它的整数位移正交归一，即p ( f ( f 一) 衍= 瓯。 有关的理论较复杂，这里不加以讨论。d a u b e c h i e s 小波无明确的解析方程，可由 ) t ( s c a l ef u n c t i o n ) 妒( t ) ( 有限支撑的) 求出，即： 眇( f ) = 咖( 丑一七) ( 3 1 0 ) k 式中，k 值从2 2 n 1 ；n ( z 一2 5 0 ) f f 不同，g k 的值不同；n = i 时变为h a a r 小波；y ( f ) 起于1 n 处，终于n 处。d b n 函数是紧支撑标准正交小波，它具有以下特点： ( 1 ) 小波函数y 和尺度函数妒的有效支撑长度为2 n 一1 ，小波函数的消失矩阶数 为n 。 ( 2 ) d b n 大多具有不对称性。 ( 3 ) 正则性随n 增加而增加。 ( 4 ) 函数具有正交性。 这里给出d b 4 的小波函数和尺度函数图形。 浙江大学硕士学位论文小负荷大