（农业电气化与自动化专业论文）地方电网短期负荷预测的研究与实现.pdf

地方电网短期负荷预测的研究与实现 摘要 短期负荷预测作为能量管理系统 e m s 的重要组成部分 一直是电力系 统研究领域的热点 高效准确的短期负荷预测有助于经济合理的安排电网 内发电机组的启停 合理安排相关输变电的检修计划 采取适当的错峰 避峰措施 有效地降低发供电成本 维持电网运行的安全 经济与稳定 随着电力市场的逐渐形成 短期负荷预测的重要性会更加凸显 由于各地区电网建设和用电情况不同 每个地区的负荷都各有其特点 本文针对特定地区 分析该地区的负荷特性和未来发展趋势 以及负荷与 气象因素之间的关系 为建立负荷预测模型提供参考依据 为较好地实现 预测奠定基础 本文在模型建立过程中提出一种新的选择相似日的方法 把证据理论运用到短期负荷预测相似日选择中来 利用了证据理论从不确 定推理的角度 能将客观问题中的不确定知识形式化后进行推理和判断的 优势 定量考察选取相似日 同时文章对组合预测模型进行了改进 建立 基于相似日的变权重组合预测模型 权重的分配更加看重已知曰中与待预 测日的特征量相似程度较高的虚拟预测效果 将各模型的优势加以综合 文章最后通过实际算例验证了模型的实用性和可行性并简要介绍了参与研 究开发的短期负荷预测系统的设计特点和功能实现情况 关键词 短期负荷预测负荷特性分析证据理论相似日组合模型 t h ei 之e s e a r c ha n di p l e e n t a t l 0 no fs h o r t t e r m l o a df o r e c a s t i n gf o rl o c a le l e c t i u c p o w e rn e t w o r k a bs t r a c t a sa ni m p o r t a n tc o m p o n e n to fe n e r g ym a n a g e m e n ts y s t e m e m s 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 sah o tr e s e a r c hf i e l do fp o w e rs y s t e m e f f i c i e n t l y a n da c c u r a t l ys h o r t t e r ml o a df o r e c a s t i n gh e l pt o e c o n o m i c a l l y a r r a n g ef o rt h ep o w e rg e n e r a t i n gu n i tc o m m i t m e n t r e l a t sp o w e rt r a n s m i s s i o n o v e r h a u lp l a n sa n da p p r o p r i a t em e a s u r e sc a na l s ob et a k e nf o rp e a ks h i f t i n ga n d a v e r t i n g t h u s w ec a ne f f e c t i v e l yr e d u c et h ec o s to fe l e c t r i c i t ya n dm a i n t a i nt h e p o w e rg r i do p e r a t i o ns e c u r e e c o n o m i c a la n ds t a b l e w i t ht h eg r a d u a lf o r m a t i o n o ft h ee l e c t r i c i t ym a r k e t s t l fw i l lb e c o m em o r ei m p o r t a n c e s i n c et h er e g i o n a lp o w e rg r i dc o n s t r u c t i o ni sd i f f e r e n t e a c hr e g i o n a ll o a d h a st h e i rc h a r a c t e r i s t i c s t h i sp a p e rs t u d i e st h el o a dc h a r a c t e r i s t i c sa n df u t u r e t r e n d so fa na p p o i n t e dr e g i o na n da n a l y z e st h em u l t i p l ef a c t o r sw h i c ha f f e c tl o a d c h a n g e s b yc o m p a r i n g t h e r e l a t i o n s h i p b e t w e e ne l e c t r i cl o a da n d m e t e o r o l o g i c a lf a c t o r s b a s i si sp r o v i d e df o rt h ef o r e c a s t i n gm o d e le s t a b l i s h m e n t a n dt h ef o u n d a t i o nw a sl a i df o ra c h i e v i n gf o r e c a s t i nt h ep r o c e s so fb u i l d i n gm o d e l s t h ee v i d e n c et h e o r yw a sa p p l i e dt o c h o o s es i m i l a rd a y si ns h o r t t e r ml o a df o r e c a s t i n g b yu s i n gt h es p e c i a l i t yo ft h e e v i d e n c et h e o r yt h a tju d g ea n dr e a s o na f t e rf o r m a lu n c e r t a i nk n o w l e d g eo f o b j e c t i v ep r o b l e m sf r o mt h eu n c e r t a i nr e a s o n i n gp e r s p e c t i v e s i m i l a rd a y sa r e q u a n t i t a t i v l y s t u d i e da n ds e l e c t e d a tt h es a m et i m et h ep a p e rp r o p o s e da l i l c o m b i n a t i o n a lf o r e c a s t i n gm o d e lw i t ha l t e r a b l ev a l u eb a s e do ns i m i l a rd a y s i n t h em o d e l w e i g h td i s t r i b u t i o nl a i e sp a r t i c u l a rs t r e s so nt h ef o r e c a s t i n ge f f e c to f v i r t u a l f o r e c a s t i n gd a y s w h i c hh a s h i g h e r d e g r e es i m i l a r i t y w i t ht h e c h a r a c t e r i s t i c so fd a y st ob ef o r e c a s t e d t h u st h ea d v a n t a g eo ft h em o d e lw a s i n t e g r a t e d t h ea r t i c l ef i n a l l yi n t r o d u c e dt h ep r a c t i c a l i t ya n df e a s i b i l i t yo ft h em o d e l s t h r o u g hap r a c t i c a le x a m p l ea n dt h ed e s i g np r o c e s so ft h es h o r t t e r ml o a d f o r e c a s t i n gs y s t e m 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 l o a dc h a r a c t e r i s t i c sa n a l y s i s e v i d e n c et h e o r y s i m i l a rd a y s c o m b i n e df o r e c a s t i n g i v 广西大学学位论文原创性声明和学位论文使用授权说明 学位论文原创性声明 本人声明 所呈交的学位论文是在导师指导下完成的 研究工作所取得的成果和相 关知识产权属广西大学所有 除已注明部分外 论文中不包含其他人已经发表过的研究 成果 也不包含本人为获得其它学位而使用过的内容 对本文的研究工作提供过重要帮 助的个人和集体 均已在论文中明确说明并致谢 论文作者签名 嚆鼻n 学位论文使用授权说明 沙讲年多月 自 本人完全了解广西大学关于收集 保存 使用学位论文的规定 即 本人保证不以其它单位为第一署名单位发表或使用本论文的研究内容 按照学校要求提交学位论文的印刷本和电子版本 学校有权保存学位论文的印刷本和电子版 并提供目录检索与阅览服务 学校可以采用影印 缩印 数字化或其它复制手段保存论文 在不以赢利为目的的前提下 学校可以公布论文的部分或全部内容 请选择发布时间 讲 j 时发布 口解密后发布 保密论文需注明 并在解密后遵守此规定 沦姚耆躲鼋舶 跏虢撕舴多月 第1 章绪论 1 1 课题的背景和意义 负荷预测是电力系统领域的一个传统研究问题 短期负荷预测是指利用历史日负荷 数据以及一些影响负荷变化的因素并加以适当的人工干预预测未来一天或一周的负荷 数据 短期负荷预测作为能量管理系统 e m s 的重要组成部分 被电网调度部门广泛使 用于电力运行的安全监视 预防性控制和调度计划的安排 对电力系统的安全 可靠 经济运行起着举足轻重的作用n 吲 由于各地区电网建设和用电情况都不同 每个地区的负荷都各有其特点 根据各个 地区不同的负荷特性建立适合当地的负荷预测模型有很强的现实意义 桂林电网位于广 西电网术端 目前覆盖桂林市以及阳朔 临桂 灵川 荔浦 兴安 全州 平乐 恭城 永福 龙胜 灌阳 资源1 2 个县 根据广西壮族自治区农村水电统计年报汇编资料 2 0 0 5 年 桂林地区水电装机容量达5 6 1 3 6 m w 全年发电量1 9 9 0 6 3 万k w h 至1 j 2 0 0 6 年 水电 装机容量已达8 8 6 7 7 5 m w 由于桂林第二产业较少 负荷波动大 2 0 0 6 年电网日负荷率 最低为6 0 2 0 0 6 年最大峰谷差为3 7 4 4 5 m w 占年最大负荷的5 4 桂林地处桂北山 区 小水电资源异常丰富 电网负荷受天气和降雨影响很大 作为国际著名旅游城市 桂林电网的负荷与广西其他城市电网相比差异很大 有其明显的特点 如能充分掌握桂 林电网的负荷特性 进一步提高负荷预测准确性 就能够在此基础上开展电网优化运行 经济合理的安排电网内部发电机组的启停 合理安排相关输变电的检修计划 实现负荷 需求侧管理 最大限度的错峰与避峰 提高负荷率 有效地降低发供电成本 充分发掘 供电潜力 在创造更多的经济效益的同时也产生巨大的社会效益 本文在现有的对短期负荷预测的研究中 针对桂林地区的负荷特性和未来的发展趋 势 根据当地的气候特点 建立合理的负荷预测模型 以实现负荷和气象数据采集 短 期电力负荷定时自动预测 负荷预报数据自动上传上级部门等多种功能为目标 可以减 轻负荷预测工程师经常进行的繁杂的数据整理和加工工作 保证历史数据的可继承性和 信息共享 实现信息自动化 科学化和敏捷化 为电网安全 可靠 经济运行提供重要 的技术支持 具有较强的现实意义 广西大学硕士学位论文 地方电网短期负荷预钡q 的研究与实现 1 2 负荷预测的发展和研究现状 1 2 1 负荷预测技术的发展和研究现状 负荷预测从时间上可以划分为长期 中期 短期和超短期预测 在计划经济时代 我国较侧重于中 长期电力负荷研究 用于电网规划建设 对短期和超短期的研究较少 随着电力市场的形成 短期负荷预测的意义开始显现 并逐渐引起了人们的重视 实际 上 不同期限预测的预测对象与内容不同 其作用也不相同 表卜1 是不同期限预测问 题的对比 表卜1 不同期限预测问题的对比 5 1 t a b 1 1 c o m p a r i s o no fl o n g m i d s h o r t t e r ml o a df o r e c a s t i n gp r o b l e m s 本文强调的短期负荷预测是负荷预测的重要组成部分 现代负荷预测的核心问题是 预测的技术方法 或者说是预测的数学模型问题 纵观电力系统短期负荷预测技术的发 展 不难发现短期负荷预测的方法经历了传统方法阶段和现代方法阶段 传统预测方法 的产生和发展是与概率论和数学统计等学科的发展分不开的 主要的预测方法包括回归 模型法 趋势外推方法 时间序列方法等 随着9 0 年代人工智能这一新兴学科的迅速崛 起 短期负荷预测迅速进入现代预测方法阶段 这一时期 国内外的电力工作者对短期 负荷预测的现代方法作了大量的研究 提出了基于人工神经网络 模糊数学 混沌理论 和小波理论等众多负荷预测方法 由于短期负荷的现实意义 近年来 国内学者和生产 设计人员都对其十分的重视 并做了许多具有现实意义的研究工作 在电力系统短期负 荷预测的方法技术上 基本保持了与国外同步的研究工作 为预测理论的发展做出了卓 越的贡献 目前国内外常用的预测方法主要有下面几种 1 外推预测法 外推法 就是根据己知的历史数抛和资料 确定负荷的变化趋势 按照该变化趋 广西犬掌硕士掌位论文地方电网短期负荷预测的研究与实现 势对未来负荷情况做出判断盯1 对趋势明显的电力负荷数据 作递推计算或作曲线拟合 外推 使得曲线能够反映负荷本身的增长趋势 然后按照这条增长趋势曲线 对于要求 的未来某一点 从曲线上估计出该时刻的负荷预测值 这种方法本身是二种确定趋势的 外推 因而不对其中的随机成分做统计处理 它利用直线 抛物线 三阶曲线 四阶曲 线 指数曲线 s 曲线等函数拟合数据时 通过最小二乘法等方法确定某些系数与参数 使得估计值与观测值之间的偏差为最小 就其实质而言 外推法是属于回归分析 即 通过研究自变量与因变量之间的关系 形成回归方程 得到描述负荷增长趋势最好的模 型参数估计 再对给定的某一自变量求解 从而得到因变量值 该方法在现代应用中一 般都被加以改进 文献 1 0 结合相似日法和线性外推法的优点 提出了一种基于相似日 线性外推方法 该方法综合利用了用于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 日负荷尽可能相似 然后运用传统的线性外推原理进行负荷预报 线性外推法弥补了相 似同法固有的缺点 有效地提高了负荷预测的精度 文献 1 1 利用分形的自相似性与标 度不变性将内区间的分形特性进行延拓 并由此构造了具有外推功能的分形插值算法 利用电力负荷数据的不同分形特性 将分形外推插值算法应用于电力r 负荷 日峰值负 荷及年用电量预测中 取得了较高的预测精度 较高的计算效率和良好的收敛特性 2 灰色预测法 灰色系统理论是中国学者邓聚龙教授1 9 8 2 年3 月在国际上首先提出来的 在国际期 刊 s y s t e m sa n dc o n t r o ll e t t e r 上发表 题为 c o n t r o lp r o b l e m s o fg r e y s y s t e m s 引起了国际上的充分重视口1 电力系统中 由于各种原因 数据有限 难以满足大样本量的要求 而且经济的起 落 以及拉闸限电 难以满足负荷比较有规律的分布 灰色模型g m 模型是用历史数据 建立微分方程模型 灰色预测必须知道原始数据的先验特征 对无规律的数列经生成后 可变成有规律的数列n 2 叫 由于其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 易于检验等优点 因此得到广泛应用 文献 1 2 对负荷纵向时间序列 作灰色建模预测 用两组灰色模型对除法定节假日外的日期进行2 4 h 预测后加权 作者 在对浙江省某地区作2 4 h 全天负荷预测作仿真计算 对大多数工作日可以取得满意的准 确率 其结果具有实用性 针对灰色预测局限性在于数据离散程度越大 灰度越大 则 厂 西大掌硕士掌位论文地方电网短期负荷预钡q 的研究与实现 预测精度越差的问题 文献 1 3 的作者牛东晓教授等人引入向量c 改进灰色模型背景值 序列的计算公式 从而构建了适应性更强的g m 1 l q 模型 应用粒子群优化算法非线 性全局寻优能力来求解最优0 值 提出了基于粒子群优化算法的灰色模型p s o g m 并给 出了电力负荷预测的应用实例证明p s o g m 模型具有较高的预测精度和较广的应用范 围 3 时间序列负荷预测法 1 9 2 7 年 英国的u y u l e 将自回归模型用于太阳黑子数据分析和俄国的e s 1 u t z k y 创建 滑动平均模型标志着时间序列分析作为一门学科诞生 之后 大约到2 0 世纪8 0 年代中期 人们对时间序列分析的研究和应用主要还是围绕着线性时间序列模型来展开 时间序列 的分析主要分为预测分析和控制分析 时间序列预测技术是通过对预测对象的历史观测 数据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n 8 删 电力系统的负荷变动具有惯性特征 在时间上具有延续性 因而时间 序列是短期负荷预测的主要方法 时间序列预测方法包括确定型和随机型两大类 确定 型时间序列预测技术忽略了随机变动分量的影响 而仅将其残差用于估计预测区间的大 小 考虑到电力系统固有的随机特性 随机型时间序列负荷预测技术较为常用 常用的 随机模型是通过差分处理 将基本分量和周期分量都清除掉 得到一个平稳序列 实质 上是剩余随机波动分量 然后专门对这个波动分量进行预测 最后通过差分逆运算 求 出实际预测值 具体模型有 a r p 自回归模型 m a q 滑动平均模型 a r m a p q 自回归滑动平均模型 由于时间序列方法的成熟运用 许多短期负荷预测都用到这一技术 并尝试在这一 基础上进行改进 文献 1 8 提出了一种考虑高斯过程辨识a r m a 模型的短期负荷预测 该 方法是把累积量和谱分析的概念引入a r m a 模型中加快高斯变换过程 从而也提高了预 测精度 4 模糊逻辑系统预测法 模糊数学的产生至今仅仅有三十多年的历史 却已经在许多方面的预测中被使用 模糊理论将操作人员的经验和系统的规则表达成相关的集合 建立模糊推理机制 根据 历史数据进行训练 修正 得到预测结果 9 0 年代中期出现了一些基于模糊逻辑系统的 g 西大掌硕士学位论文地方电网短期负荷预测的研究与实现 短期负荷预测方法 模糊建模技术的不断发展 推动了模糊逻辑系统在负荷预测方面的 研究和应用 事实上 负荷预测的主要工作是负荷建模 用模糊集理论建立的负荷模型 具有本质的非线性 可以达到较高的预测精度 同时它还具有算法省时和可以利用人工 经验的优势噜州1 模糊建模目前已经有多种的方法 由于人们对负荷变动规律的认识在 本质上是模糊的 将模糊预测法引入的原因是电力系统中存在着大量的模糊信息 如负 荷预测中的关键因素气象状况的评判 负荷的同期类型的划分等 常规的处理模糊信息 的方法就是采用统计和经验相结合的方法 这给负荷预测引入了不科学的因素 模糊预 测法将模糊信息和经验以规则的形式表示出来 并转换成可以在计算机上运行的算法 使得其在电力系统的许多领域中得到应用 由于模糊理论可以利用有限的规则近似任意 的函数关系 将这一理论应用于负荷预测是很合理的选择 然而从实际应用来看 单纯的模糊预测方法 对于负荷预测的精度往往是不尽人意 的 这主要原因是模糊预测没有学习能力 这一点对于不断变化的电力系统而言是极为 不利的 而模糊预测与神经网络结合起来将是一种很好的方法 神经网络不能利用模糊 信息 但是具有自学习能力 而模糊预测能够利用模糊信息 但不具有学习能力 两者 优势互补 相互结合 文献 2 1 1 先根据模糊理论来表示天气变化的情况 根据天气的条 件把每小时的负荷数据分类 然后再用神经网络来训练 来进行负荷预测 取得了相当 精确的预测结果 文献 2 2 1 将模糊线性回归法运用到节假日短期负荷预测中 用模糊方 法对近三年的节假日数据聚类分析 提高了节假日预测效果 5 基于知识的专家系统预测法 专家系统是人工智能中最重要的也是最活跃的一个应用领域 它实现了人工智能从 理论研究走向实际应用 从一般推理策略探讨转向运用专门知识的重大突破 2 0 世纪6 0 年代初 出现了运用逻辑学和模拟心理活动的一些通用问题求解程序 它们可以证明定 理和进行逻辑推理 但是这些通用方法无法解决大的实际问题 很难把实际问题改造成 适合于计算机解决的形式 并且对于解题所需的巨大的搜索空间也难于处理 1 9 6 5 年 费根鲍姆等人在总结通用问题求解系统的成功与失败经验的基础上 结合化学领域的专 门知识 研制了世界上第一个专家系统 使人工智能技术走向社会 走向实用化乜1 专 家系统 e s 并不试图发现强有力和很通用的问题求解办法 而是把研究范围缩小在严 格特定的狭小专业区域内 这是借鉴了人类专家的特点 因为人类专家正是由于拥有解 决自己专业领域内的大量专门知识 包括各种有用的诀窍和经验彳 成为专家的 e s 实际 5 广西大学硕士掌位论文 e d z b e i 掳i 短期负荷预滑y t e 9 r o t 究与实现 上就是在计算机上实现这种领域专家的模仿者 文献 2 6 华北电力的一位女学者提出决 策树与专家系统相结合的负荷预测系统 利用决策树建立预测模型 对待预测日负荷进 行初步预测 再结合专家系统中的修正模型对初步结果进行修正 得到最终预测结果 建立决策树时 根据最大信息增益原则选择测试属性 降低决策树的复杂度 减少计算 时间 应用天津的负荷数据和气象资料进行了建模和预测计算 统计分析结果表明该方 法可提高预测的精度 具有实用性和有效性 6 人工神经网络预测法 人工神经网络理论是一门新兴的交叉学科 目前正处在迅速发展的阶段 人工神经 网络是由大量的简单的神经元组成的非线性系统 每个神经元的结构和功能都比较简 单 而大量的神经元组合而成的系统却可以是非常的复杂 它具有较强的学习能力 计 算能力 变结构适应能力 复杂映射能力 记忆能力 容错能力以及各种智能处理能力 利用人工神经网络方法不需要事先知道预测因子 输入变量 与预测变量 输出变量 之间 的函数关系 而只需要一组输入与输出变量的历史记录数据对 通过某种学习算法进行 训练和学习 便可根据选定的目标函数 得出一个最佳的人工神经网络模型结构 然后 根据预测因子 对应于模型中的一个输入量 达到预测的目的 得到模型中某个输入 量对应的输出量 目前 在应用人工神经网络进行负荷预测的研究中 主要研究的是 如何提高预测的精度和网络的收敛速度 最主要地是把人工神经网络与其它的一些方法 相结合来提高预测的精度和网络的收敛速度 文献 2 7 通过对电力负荷变化规律和影响因素的分析 提出了一种基于组合式神 经网络的短期电力负荷预测模型 该模型综合运用神经网络 模糊聚类分析和模式识别 理论方法进行建模 首先 采用模糊聚类分析方法 以每天的2 4 点负荷数据 天气数据 以及天类别数据为指标 将历史数据分成若干类别 其次 对每一类别建立相应的神经 网络预测模型 预测时通过模式识别 找出与预测天相符的预测类别 利用相应的神经 网络预测模型进行2 4 d 时的短期电力负荷预测 对绍兴地区2 年多的实际负荷变化数据 进行预测分析的结果表明 该模型不仅对普通工作日有较高的预测精度 对双休同 节 假日和一些特殊情况也有较好的预测精度 文献 2 8 1 为了克n b p 算法收敛速度慢和易于 陷入局部最小的不足 作者提出将蚁群优化算法用于短期负荷预测的递归神经网络模型 学习算法 对实际负荷系统r 周预测的仿真测试表明 该模型能有效地提高短期负荷 6 广西大掌硕士学位论文地方电网短期负荷预测的研究与实现 预测的精度 对工作日和休息日都具有良好的稳定性和适应能力 其预测性能明显优于 基于b p 算法的递归神经网络 b p r n n 和基于遗传算法的递归神经网络 g a r n n 7 小波分析预测法 小波分析作为近十年来迅速发展起来的一种方兴未艾的科学方法在各个工程领域 中受到了广泛的注意与重视 小波分析与传统的傅立叶分析相比具有良好的在时域与频 域上的 显微镜 功能 可以对信息成分采用逐渐精细的时域与频域处理 尤其对突发 与短时的信息分析更具有明显的优势 小波分析可以获得傅立叶分析所不能获得的局部 时间区间的信息 这种方法在负荷预测 模式识别 状态监视 故障诊断 谐波分析等 诸多领域中都将有广阔的用武之地 文献 3 7 1 将小波分析引入了短期负荷预测 针对电 力系统本身具有的负荷以天 周 年为周期发生波动的特点 使用周期自回归模型有选 择的对分解序列进行预测 并对直接使用周期自回归 p a r 模型的预测结果及先使用小 波分析处理的预测结果进行了比较 实例显示这种方法提高了预测的精度 文献 3 8 1 提 i 出使用小波分析对基于不同频段的负荷进行分类 然后对分类后的不同频段的负荷使用 人工神经元网络进行训练预测的一种改进负荷预测方法 文献 3 9 采用小波变换和最小 二乘支持向量机混合模型进行电力系统短期负荷预测的方法 首先基于小波多分辨率分 析方法将负荷序列分解成具有不同频率特征的序列 然后根据分解后各分量的特点构造 不同的支持向量机模型对各分量分别进行预测 最后对各分量预测信号进行重构得到最 终预测结果 在构建支持向量机模型时考虑了气候因素的影响 并将其作为模型的一组 输入点 实验结果表明基于该方法的负荷预测系统具有较高的预测精度 8 粗糙集理论 在上世纪7 0 年代 波兰学者z p a wl a k 和一些波兰科学院 波兰华沙大学的逻辑 学家们一起从事关于信息系统逻辑特性的研究 粗糙集理论就是在这些研究的基础上产 生的 1 9 8 2 年 z p a wl a k 发表了一篇经典论文 宣告了粗糙集理论的诞生 此后 粗 糙集理论引起了许多研究人员的兴趣 他们在粗糙集的理论和应用方面作了大量的研究 工作 1 9 9 1 年z p a wl a k 的专著和1 9 9 2 年应用专集的出版 对这一段时期理论和实践 工作的成果作了较好的总结 这也促进了粗糙集在各个领域的应用 越来越多的科技人 员开始了解并从 嚣该领域的研究 目前 粗糙集已成为人工智能领域中 个较新的学术 热点 在机器学习 知识获取 决策分析 过程控制等许多领域得到了广泛的应用h 5 4 引 7 广 西大掌硕士掌位论文地方电网短期负荷预测的研究与实现 作为一种刻画不完整性和不确定性的数学工具 由于其具有有效地对数据进行分析和推 理 从中发现隐含的知识 揭示潜在的规律的优点 在本世纪 粗糙集被应用到负荷预 测中来 文献 4 3 为了找到负荷值与各种外在因素之间的关系 利用粗糙集理论对各条 件属性进行属性约简分析 在属性约简算法中采用遗传算法进行寻优计算 找到与负荷 直接相关的因素 然后将它作为模糊神经网络的输入矢量进行负荷预测 经仿真分析证 明预测精度和速度都得到改善 1 2 2 负荷预测计算机化工作方式的发展 负荷预测工作随着负荷预测技术的发展经历了从传统方式到现代方式的转变 传统 短期负荷预测工作方式一般是由负荷预测工作者根据人工经验进行预测 这使得负荷预 测工作者不得不进行一些繁杂的数据整理和加工工作 数据的可继承性和可共享性也没 有办法实现 随着科学技术的进步和电力市场化改革的深入 负荷预测工作方式逐渐向 计算机化发展 总体来说 负荷预测工作的计算机化经历了一个从大电网到小电网的过 程 上世纪9 0 年代 华北电力大学牛东晓教授等人与河北省电力工业局用电处合作开发 了一套 日周月年负荷预测系统 将河北电网六个地区三电办公室与省用电处进行微 波联网瞳1 实现了负荷预测工作的计算机化管理 在当时取得了很好的社会效益 本世纪初 随着数学统计理论的发展和人工智能技术的相继引入 一些负荷规模较 省级电网小的大城市电网逐渐引起了专家学者们的兴趣 2 0 0 3 年深圳供电局与清华大学 电机系调度自动化研究室合作研究开发出了实用的全自动化闭环运行的短期负荷预测 系统旧1 该系统针对深圳这样一个商业性城市的特点 集成了深圳气象台气象采集 预 报系统 深圳供电局数据采集 管理一体化系统 s c a d 舰m s m i s 实现了采集信息 负荷预测等功能 更好的适应了现代电力市场的要求 近年来 负荷规模更小的地市级电网的短期负荷预测工作的计算机化也逐渐进入了 专家学者们的视野 文献 7 0 的作者董翔 以某地级市的历史数据为基础 丌发了一个 相对完整的短期电力负荷预测系统 但总体来说 地市级电网负荷预测工作的计算机化 发展还没有完全成熟 由于各地区负荷特点各不相同 针对各地区负荷特性丌发针对性 地短期负荷预测系统还是很有实际意义的 对于更低一级的县级电网 就我国目前的情 况而言 用于县级调度的负荷预测系统开发工作几乎没有展开 上述总结负荷预测工作计算机化的发展经历了从大到小的过程 这是因为大电网与 r 广西大掌硕士掌位论文地方电网短期负荷预测的研究与实现 小电网相比 有其明显的特点 如表1 2 所示 一般而言 负荷规模越小 其负荷预测 难度越大 表1 2 省级电网和地市电网在负荷预测方面的特点对比 5 0 1 t a b 1 2 c o m p a r i s o no f b i g s m a l lp o w e rg r i df o rf o r e c a s t i n gp r o b l e m s 正是因为小电网较大电网负荷预测难度较大 对地市级电网的负荷预测系统开发工 作目前是一个研究的热点 1 3 论文的结构安排 本文是在参与研究开发 桂林短期电力负荷预测系统 的过程中完成的 全文共分 六章阐述 结构安排如下 第一章为绪论 阐述了论文的研究背景和意义 并概述了电力负荷预测的研究和发 展现状 第二章主要对桂林电网的负荷特性进行了分析 通过对桂林历史负荷数据和气象数 据的分析 确定了适合桂林电网的负荷预测方法 为第三章预测模型库的各个模型的选 择和应用奠定基础 第三章建立了运用于 桂林短期电力负荷预测系统 的负荷预测的模型库 对用到 的几种负荷预测模型加以改进 重点把证据理论运用到短期负荷预测相似日选择中 利 用了证据理论从不确定推理的角度 能将客观问题中的不确定知识形式化后进行推理和 判断的优势 定量考察选取相似日 提高相似日选择的准确度 同时充分利用模型库中 各模型多样性的特点 采用组合预测方法 提高预测精度 第四章 j 蛙林电网的实际负荷数据对模型库进行验证 以保证预测效果 第五章简要介绍了 桂林短期电力负荷预测系统 的设计及其功能特点 第六章结沦与展望 主要对全文进行总结 对桂林短期电力负荷预测系统的优点和 有待改进的地 进行剖析 对今后系统的改进工作提出方向 9 第2 章桂林电网负荷特性分析 2 1 引言 电力系统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 负荷受众多因素的影响 随时发生无规律变化波动咖3 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 对各种因 素的影响程度既进行定性分析又进行定量的研究 使预测精度达到实际生产的要求 根 据我国现行的电力调度体制 地市电力部门作为省级电网的下级单位 需要预测 网供 负荷 即本文所说的主网负荷 并上报给省级电网 因此本文主要对主网 网供 负 荷进行分析 2 2 电力负荷的分类 构成和特点 2 2 1 负荷的分类及特点 电力市场根据不同的标准 有不同的负荷细分方法 如可以按行业或产业 电价类 别 电压等级 使用电器 人口统计变量等来细分 例如 采用电价类别分类 可分为 五大类 大工业用电 非工业 普通工业用电 生活用电 农业生产用电和趸售用电 前四类细分市场的负荷序列整体都表现为以年为周期的波动性 并有增加的趋势 如按产业分则可分为第一 二 三产业和居民生活用电 第一产业一般为农业用电 一般对负荷影响不大 需要注意的是农忙期间 特别是夏季生产排灌用电 其时间不长 但负荷特别集中 容易造成用电紧张 第二产业主要为工业负荷 在我国绝大多数地区 相对来说 工业负荷占总负荷比 例较大 且一般可视作是受气候影响较小的基础负荷 一方面由于工业负荷本身负荷很 大 另一方面是由于三班连续生产 因此这类负荷变动较小 但是某些工业用户可能具 有一些特殊要求 如要求很高的功率但不一定要求很大的用电量 某些工业用户可能具 有明显的季节性特点 如制糖 负荷预测中这些都需要采用相应的措施加以对待 第三产业主要为商业负荷 其特点是社会性 人为特征突出 该负荷比例各个城市 1 n 广西大掌硕士掌位论文地方电网短期负荷预测的研究与实现 中所占比重很不相同 在各类负荷中 居民生活用电负荷具有经常的年增长以及明显的季节性波动和同变 化特点 城市居民负荷的季节性变化和同变化在很多情况下直接影响系统峰值负荷的变 化 但其影响程度取决于城市居民负荷在系统总负荷中所占的比例 随着国民经济的发 展 居民生活水平的提高 敏感于气候变化的家用电器 电取暖器 空调装置 电风扇 电冰箱等 的日益广泛地应用 居民负荷变化对系统峰值的影响越来越大 使之成为在 负荷预测中必须考虑的重要因素 对桂林的具体情况 表2 1 是桂林2 0 0 6 年各月三大产业及居民生活用电量 表2 1 桂林电网2 0 0 6 年各月三大产业及居民生活用电 t a b 2 it h ee l e c t r i c i t yc o n s u m e db yt h et h r e em a j o ri n d u s t r i e sa n dl i v i n gc o n s u m p t i o n o f g u i l i ne l e c t r i cn e t w o r k 表2 2 桂林电网全年各产业所占比例 t a b 2 2v a r i o u si n d u s t r i e sa c c o u n tf o r t h ep r o p o r t i o no f g u i l i ne l e c t r i cn e t w o r k 从表2 1 2 2 可以看出 桂林电网的第二产业负荷所占比例对比全国平均水平相对 较小 第一产j 3 和居民生活用电比例相对较高 2 0 0 6 年我国全社会用电量达蛰 2 8 2 4 8 l l 广西大学硕士掌位论文地方电网短期负荷预测的a o t 究与实现 亿千瓦时 其中 第一产业用电量为8 3 2 亿千瓦时 占总用电量的2 9 4 第二产业用电 量为2 1 3 5 4 亿千瓦时 占总用电量的7 5 6 1 第三产业用电量为2 8 2 2 亿千瓦时 占总用 电量9 9 8 城乡居民生活用电量5 6 3 2 4 0 亿千瓦时 占总用电量1 1 4 7 5 由于第三 产业和居民生活用电的特点是人为特征明显 负荷不稳定 桂林电网负荷中第三产业和 居民生活用电l l 歹 j 较高 是造成桂林电网负荷变化较大 负荷率较低的一个重要原因 2 2 2 电力负荷的构成 长期以来 通过对大量历史数据的分析 可以发现负荷主要包含典型负荷分量 天 气敏感负荷分量 异常或特殊事件负荷分量 随机负荷分量几个方面 1 典型负荷分量 典型负荷分量也称为正常负荷 它与气象无关 具有线性变化和周期变化的特点 线性变化描述日平均负荷变化规律 而周期变化描述以2 4 d 时9 6 点为周期的变化规律 典型负荷的不同主要是由于各地负荷组成方式的不同所引起 负荷组成的差异性主要体 现在两个方面 一是负荷种类 二是各种负荷成分所占比重 不同组成的负荷在这两方 面的差异决定了它们的负荷特性及对影响因素的响应特性互不相同 究其原因 不同的 组成成份对各种影响因素的灵敏度不同表现出不同的响应特性 可见 负荷的具体组成 对负荷特性具有根本性和决定性的影响 2 天气敏感负荷分量 天气敏感负荷分量与一系列天气因素有关 如温度 湿度 风力 阴晴等 不同天 气因素影响负荷的方式不同 一年中不同时期天气因素影响负荷的方式也不同 这就形 成负荷季节性周期变化的规律 3 异常或特殊事件负荷分量 异常或特殊事件负荷分量使负荷明显偏离典型负荷特性 如政治事件 系统故障 限电 特别电视节目等 由于这类事件的随机性 需要由调度人员参与判断 在各种负 荷预测模型中这部分分量往往通过人工修j 下得以改进 4 随机负荷分量 随机负荷分量是负荷中的难以解释成分 可通过小波分析 混沌时序模型等方法分 析这部分随机负荷分量 一般可认为第一 第二产业中的农业 工业负荷由典型负荷分量 天气敏感负荷分 量和异常或特殊事件负荷分量构成 第三产业和居民生活用电负荷由典型负荷分量和天 1 2 g 西大掌硕士掌位论j r 地方电网短期负荷预测的研究与实现 气敏感负荷分量构成 2 2 3 负荷特性分析指标 负荷特性指标数量多 涉及日 月 季 年等不同时段 有的是曲线类 有的是描 述类 有的是反映负荷特性总体状况的 用于进行各地区横向比较 有的是在电力系统 规划设计中需要用于进行分析计算的 常用的负荷特性指标体系包括日负荷特性指标 周负荷特性指标 月负荷特性指标和年 季 负荷特性指标 5 这些指标有不同的功能 具体如图2 1 根据这些特性指标可以对负荷进行分析 可以摸清负荷的发展变化规律 是负荷预测必要的准备工作 志习由陌聂1 1 日负荷率 2 日峰谷差率 3 月平均日负荷辜 4 月负荷率 月不均 衡系数 5 月平均日峰谷差事 b 年平均日负荷率 r 年平均日峰谷差辜 b 年最大负葡利用小 时数 i 日负荷曲线 2 周负荷曲线 3 年负荷曲线 4 年持续负荷曲线 图2 1 负荷特性指标 f i g 2 1 l o a dc h a r a c t e r i s t i c si n d e x 2 3 桂林主网负荷变化规律 2 3 1 桂林主网负荷的年度变化规律 年负荷特性常用指标 1 年平均f i 负荷 每年各月日负荷的平均值 2 年最大负荷 全年的最大负荷值 按每年中最大3 日负荷最大值的平均值作为年最大 负荷 3 年最小负穆 全年的最小负荷值 按每年中最小3 日负荷最小值的平均值作为年最小 荷 荷 差荷 毫 负 负 负皇 捉 顺 埙荷差谷顺荷鹾掰小诗小负谷峰小负数弛0负差 日峰日0日跳非 大均谷大均大均大均弘雕 脱一一 一 州一 一 l 文t 良l良吼加儿 广西大掌硕士学位论文地方电网短期负荷预测的研究与实现 负荷 4 年平均r 峰谷差 全年日峰谷差的平均值 5 年平均日峰谷差率 全年同峰谷差率的平均值 6 年最大峰谷差 全年日峰谷差的最大值 按每年中最大的3 日峰谷差的平均值作为年 最大峰谷差 7 年最小峰谷差 全年同峰谷差的最小值 按每年中最小3 日峰谷差的平均值作为年最 小峰谷差 8 年持续负荷曲线 全年负荷的数值大小按时间顺序绘制的曲线 9 年负荷蓝线 全年中逐月最大负荷绘制的曲线 按照上面的特性分析指标对负荷进行分析 观察负荷的变化规律 是建立负荷预测 模型的基础 表2 3 棒林主网年平均日负荷分析 t a b 2 3 a n a l y s i so ft h em e a nl o a df o rg u i l i nc h i e fn e t w o r k 表2 4 桂林主网年最大负荷分析 t a b 2 4 a n a l y s i so ft h em a x i m u ml o a df o rg u i l i nc h i e fn e t w o r k 表9 5 桂林主网年最小负荷分析 t a b 2 5 a n a l y s i so ft h em i n i m u ml o a df o rg u i l i nc h i e fn e t w o r k 1 4 广西大掌硕士掌位论文地方电网短期负荷预测的研究与实现 3 7 0 3 6 0 f i 二 刁 一一一一一一一一一一一一一一一一一一一形一一1 3 5 0 r 一一一一一一一一一一一一 一一一j 3 4 0 i 一 一7 3 3 0 0 则称a 为焦点元素 f o c a l e l e m e n t 3 信度函数b e l 如果m 是一个基本信度分配 那么信度函数b e l 的定义如下 v a o b e l a 刚所 b 3 2 3 2 1 2 d e m p s t e r 合成法则 加 设b e l b e l 是同一识别框架上基于2 个独立证据的信度函数 m 和m 分别是其 对应的基本信度分配 设焦点元素分别为4 彳 4 和蜀 b 反 设 m 4 m 2 b j 0 9 时 研2 f 0 0 5 m 2 m o 1 3 m 2 s o 8 2 当 2 1 即 x i 而 x 口 根据过去的历史资料研究负荷变量j 与控制变量 而 x 2 x p 之间的相关关系问题 一般可以考虑用多元线性回归分析法来解决 下面 介绍多元线性回归预测模型的原理及建模过程 设而 x p 是p p 1 个线性无关的可控制变量 y 是随机变量 即负荷变量 它们之间的关系为 二6 0 n 0 2 雯 s c 3 5 s 盯2 j 式中b o 岛 仃2 都是与五 x 2 x p 无关的未知参数 占是随机误差 这就是p 元线性 回归模型 式 3 1 5 两端取数学期望 得 e y b o b t x l b p x p 3 1 6 显然砂是j c l 吻 x p 的函数 式 3 1 6 称为回归平面方程 其中6 0 6 l 称为回归系 数 对变量而 x 2 x p 和y 取聍个