基于量子神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè).doc

學(xué)校代號(hào) 10532 學(xué) 號(hào) G06009010 分 類(lèi) 號(hào) TM714 密 級(jí) 普通 碩士學(xué)位論文基于量子神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)學(xué)位申請(qǐng)人姓名 李 程培 養(yǎng) 單 位 電氣與信息工程學(xué)院導(dǎo)師姓名及職稱(chēng) 譚陽(yáng)紅 教授學(xué) 科 專(zhuān) 業(yè) 電氣工程研 究 方 向 電力系統(tǒng)及其自動(dòng)化論文提交日期 2010年10月06日學(xué)校代號(hào)：10532學(xué)號(hào)：G06009010密級(jí)：普 通湖南大學(xué)碩士學(xué)位論文基于量子神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè) 學(xué)位申請(qǐng)人姓名： 李 程 導(dǎo)師姓名及職稱(chēng)： 譚陽(yáng)紅教授 培養(yǎng)單位： 電氣與信息工程學(xué)院 專(zhuān)業(yè)名稱(chēng)： 電氣工程 論文提交日期： 2010年10月06日 論文答辯日期： 2010年10月13日 答辯委員會(huì)主席： 李欣然 教授 Short term load forecasting based on Quantum Neural NetworkbyHUANG YinhuaB.E.(Hunan University)2007A thesis submitted in partial satisfaction of the Requirements for the degree ofMaster of EngineeringinElectrical Engineeringin the Graduate Schoolof Hunan UniversitySupervisorProfessor TAN YanghongApril, 2010湖 南 大 學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)的成果作品。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。作者簽名： 日期： 年 月 日學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)湖南大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1、保密，在_年解密后適用本授權(quán)書(shū)。2、不保密。（請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打“”）作者簽名： 日期： 年 月 日導(dǎo)師簽名： 日期： 年 月 日V摘 要短期負(fù)荷預(yù)測(cè)既是電力系統(tǒng)優(yōu)化調(diào)度的基礎(chǔ)工具，又是電力企業(yè)日常經(jīng)營(yíng)管理工作的重要組成部分，準(zhǔn)確的負(fù)荷預(yù)測(cè)是電網(wǎng)調(diào)度機(jī)構(gòu)制定發(fā)供電計(jì)劃和做好電網(wǎng)供需平衡的關(guān)鍵。合理而精準(zhǔn)的負(fù)荷預(yù)測(cè)將直接影響到電力系統(tǒng)運(yùn)行的安全性、經(jīng)濟(jì)性和供電質(zhì)量。本文首先介紹了負(fù)荷預(yù)測(cè)的分類(lèi)依據(jù)和短期負(fù)荷預(yù)測(cè)的主要特點(diǎn)，詳細(xì)論述了已有短期負(fù)荷預(yù)測(cè)的方法以及各種方法的原理、計(jì)算過(guò)程、適用范圍和基本特征。對(duì)比分析了各種預(yù)測(cè)方法的優(yōu)劣；。然后論述了常規(guī)人工神經(jīng)網(wǎng)絡(luò)理論在短期負(fù)荷預(yù)測(cè)方面的局限性。針對(duì)常規(guī)人工神經(jīng)網(wǎng)絡(luò)理論的局限性，論述了量子神經(jīng)網(wǎng)絡(luò)的理論形成和技術(shù)優(yōu)勢(shì)，得出量子神經(jīng)網(wǎng)絡(luò)能夠很好應(yīng)用于短期負(fù)荷預(yù)測(cè)的結(jié)論。對(duì)量子神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀進(jìn)行了分析，論述了已有方法的優(yōu)勢(shì)和局限性。最后，介紹了量子神經(jīng)網(wǎng)絡(luò)的基本理論基礎(chǔ)，包括量子計(jì)算的基礎(chǔ)知識(shí)，量子神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)模型和量子神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法；文中提出一種QNN網(wǎng)絡(luò)結(jié)構(gòu)及其更新算法，給出量子間隔更新式的推導(dǎo)過(guò)程。針對(duì)QNN收斂速度慢這一情況，引入反正切函數(shù)作為隱含層激活函數(shù)，并引入了假飽和預(yù)防函數(shù)，提出了改進(jìn)的量子神經(jīng)網(wǎng)絡(luò)模型；。最后詳細(xì)論述了基于量子神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)的具體步驟。首先分析了影響負(fù)荷特性的主要因素，然后介紹了短期負(fù)荷預(yù)測(cè)中所需的數(shù)據(jù)去偽和數(shù)據(jù)量化方法。最后，詳細(xì)分析了基于量子神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)方法在預(yù)測(cè)日負(fù)荷和小時(shí)負(fù)荷的預(yù)測(cè)流程。并給出了整個(gè)電力系統(tǒng)短期負(fù)荷預(yù)測(cè)模型的具體實(shí)例。實(shí)例表明，該方法計(jì)算簡(jiǎn)單，預(yù)測(cè)精度高，具有很好的實(shí)用性。關(guān)鍵詞：電力系統(tǒng)；短期負(fù)荷預(yù)測(cè)；量子神經(jīng)網(wǎng)絡(luò)；神經(jīng)元；負(fù)荷特性基于量子神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)馬爾科夫理論在中長(zhǎng)期負(fù)荷組合預(yù)測(cè)中的應(yīng)用AbstractShort term load forecasting(STLF)is not only the basic tool of running and dispatching of power system, but also one of the most important daily contents of management and administration to power enterpriseAccurate short term load forecasting is the key to arrange Generator maintain plan and nergy development strategy. Reasonable and accurate STLF will directly affect the security, ecnomical and power supply quality of the power system.Firstly, we introduct the basis classification rules of the load forecasting, and the main features of the short term load forecasting is also disccused. And then we detailed description the remained short term load forecasting methods including their principles, computing proccessing, application scopes and basic haracteristics. Comparative analysis is also presented among the above methods. The limitations of artificial neural network theory(ANN) appling to the short-term load forecasting is disccussed. Aiming to these limitations, we analysis the theory and technical advantages of the quantum neural network model, and its feasibility to the short term load forecasting is also disccused. Then, we introduct the research situation and its advantages and limitations of the remained quantum neural network model.At last, the basic theory include the quantum computing method, the remained quantum neural network model and some study methods are all introducted.An improved quantum neural network model and updating algorithm are presented. In this improved method, arc tangent function is introduced to the hidden layers active function, and construction of an error saturation prevention function is also introduced. Based on the above model, the detail forecasting step is presented. First, the main reason to the load characteristics is analysis, and then the method of bad data eliminationand and the data quantifying are preseted. At last, the daily and hour short-term load forecasting flowchat is developed. loadThe effectiveness of the method is verified by the results of some practical examplesKey words: Electrical power system; Short-Term Load Forecasting; Quantum Neural Network; Neuron; Load characteristics 目 錄學(xué)位論文原創(chuàng)性聲明I摘 要IIAbstractIII第1章 緒 論11.1 研究背景11.2 目的和意義11.3 研究現(xiàn)狀31.4 本文所做的工作5第2章 負(fù)荷預(yù)測(cè)的方法和特點(diǎn)72.1 負(fù)荷預(yù)測(cè)的分類(lèi)72.2 短期負(fù)荷預(yù)測(cè)的特點(diǎn)82.3 幾種常見(jiàn)的負(fù)荷預(yù)測(cè)方法92.3.1 比例系數(shù)增長(zhǎng)法92.3.2 彈性系數(shù)法92.3.3 回歸分析方法102.3.4 指數(shù)平滑法122.3.5 專(zhuān)家系統(tǒng)法142.3.6 模糊預(yù)測(cè)法152.3.7 灰色預(yù)測(cè)法152.3.8 組合預(yù)測(cè)法172.3.9 神經(jīng)網(wǎng)絡(luò)法192.4 常見(jiàn)的負(fù)荷預(yù)測(cè)方法的優(yōu)劣202.5 小結(jié)20第3章 量子神經(jīng)網(wǎng)絡(luò)的基本理論213.1 常規(guī)神經(jīng)網(wǎng)絡(luò)的局限性213.2 量子神經(jīng)網(wǎng)絡(luò)理論的形成和優(yōu)勢(shì)223.2.1量子神經(jīng)網(wǎng)絡(luò)理論的形成223.2.2量子神經(jīng)網(wǎng)絡(luò)理論的優(yōu)勢(shì)233.3 量子神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀243.3.1 多層激活函數(shù)的量子神經(jīng)網(wǎng)絡(luò)243.3.2 Qubit神經(jīng)元模型253.3.3 多宇宙的量子神經(jīng)網(wǎng)絡(luò)模型253.3.4 其他量子神經(jīng)網(wǎng)絡(luò)模型253.4 量子神經(jīng)網(wǎng)絡(luò)基本理論263.4.1 量子計(jì)算的基礎(chǔ)知識(shí)263.4.2 量子神經(jīng)網(wǎng)絡(luò)模型283.4.3 量子神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法343.5 小結(jié)35第4章 改進(jìn)多層激活函數(shù)的量子神經(jīng)網(wǎng)絡(luò)模型364.1 多層激活函數(shù)的量子神經(jīng)網(wǎng)絡(luò)模型364.1.1多層激活函數(shù)的神經(jīng)元364.1.2量子神經(jīng)網(wǎng)絡(luò)模型374.1.3量子間隔更新算法384.2 假飽和預(yù)防函數(shù)394.3 小結(jié)40第5章 基于量子神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)415.1 影響負(fù)荷特性的因素415.1.1 負(fù)荷構(gòu)成的影響415.1.2 日類(lèi)型對(duì)負(fù)荷特性的影響415.1.3 天氣因素對(duì)負(fù)荷特性的影響425.1.4 節(jié)假日對(duì)負(fù)荷的影響425.1.5 電價(jià)對(duì)負(fù)荷的影響435.1.6 隨機(jī)因素的影響435.2 預(yù)測(cè)數(shù)據(jù)預(yù)的處理435.2.1 數(shù)據(jù)的去偽435.2.2 數(shù)據(jù)的量化445.3 基于量子神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)465.3.1 日負(fù)荷預(yù)測(cè)流程465.3.3 小時(shí)負(fù)荷預(yù)測(cè)流程485.4 小結(jié)50第6章 仿真實(shí)例516.1 基本數(shù)據(jù)516.2 日負(fù)荷預(yù)測(cè)算例516.3 小時(shí)負(fù)荷預(yù)測(cè)算例546.4 小結(jié)57結(jié)論與展望58結(jié)論58展望58參考文獻(xiàn)60致 謝65碩士學(xué)位論文第1章 緒 論1.1 目的和意義電力工業(yè)是國(guó)民經(jīng)濟(jì)發(fā)展的基礎(chǔ)，電力系統(tǒng)通過(guò)電力網(wǎng)向各類(lèi)用戶提供可靠和合格的電能，是實(shí)現(xiàn)用戶正常的生產(chǎn)和生活的基本保證。近年來(lái)，隨著我國(guó)經(jīng)濟(jì)改革不斷深入，國(guó)家重構(gòu)電力工業(yè)結(jié)構(gòu)的步伐也隨之加快，打破行業(yè)壟斷、引入公平競(jìng)爭(zhēng)、實(shí)現(xiàn)電力工業(yè)的市場(chǎng)化已經(jīng)成為電力改革的重點(diǎn)，電力工業(yè)的市場(chǎng)化趨勢(shì)不可避免。在市場(chǎng)環(huán)境下，電能由計(jì)劃供應(yīng)轉(zhuǎn)為市場(chǎng)化獲取，電能也成為了一種商品，既有它的一般商品屬性，又有其自身的特殊性。作為一般商品，電能在市場(chǎng)交易中，必然與其他商品一樣，要服從價(jià)值規(guī)律，按照等價(jià)交換原則公平、公開(kāi)地進(jìn)行。但電能與一般商品存在明顯的不同，主要表現(xiàn)在：電力行業(yè)是公用性服務(wù)行業(yè)，中斷供電或電力供給不足會(huì)給國(guó)民經(jīng)濟(jì)和廣大用戶造成巨大損失，。因此，實(shí)現(xiàn)電力市場(chǎng)化，必須以安全、可靠、優(yōu)質(zhì)供電為前提，除保持電力供需平衡外，還必須留有足夠的發(fā)電備用容量；其次，電能不能作大量?jī)?chǔ)存，產(chǎn)、供、銷(xiāo)是同時(shí)進(jìn)行的，瞬間完成，這就需要信息反饋迅速，市場(chǎng)預(yù)測(cè)準(zhǔn)確，電網(wǎng)調(diào)度統(tǒng)一。電力系統(tǒng)負(fù)荷預(yù)測(cè)是指從已知的經(jīng)濟(jì)、社會(huì)發(fā)展和電力系統(tǒng)需求出發(fā)，考慮政治、經(jīng)濟(jì)、氣候等相關(guān)因素，通過(guò)對(duì)歷史數(shù)據(jù)的分析和研究，探索各個(gè)因素之間的內(nèi)在聯(lián)系和發(fā)展規(guī)律，以未來(lái)經(jīng)濟(jì)和社會(huì)發(fā)展情況的預(yù)測(cè)結(jié)果為依據(jù)，在滿足一定精度要求的意義下，對(duì)未來(lái)的電力需求做出估計(jì)和預(yù)測(cè)近年來(lái)，由于預(yù)測(cè)的較大誤差，我國(guó)多次出現(xiàn)了局部地區(qū)的大面積停電事故，這些大面積停電事故大多是由于非預(yù)計(jì)負(fù)荷而引起的，由于切負(fù)荷不果斷而擴(kuò)大并因切負(fù)荷不果斷而擴(kuò)大。為降低這類(lèi)事故出現(xiàn)的風(fēng)險(xiǎn)，往往通過(guò)配置較大比例的旋轉(zhuǎn)備用來(lái)滿足這些非預(yù)計(jì)負(fù)荷，大量的旋轉(zhuǎn)備用容量極大的浪費(fèi)了電力系統(tǒng)的已有資源，使整個(gè)電網(wǎng)的經(jīng)濟(jì)運(yùn)行水平大大降低。目前我國(guó)對(duì)中長(zhǎng)期負(fù)荷預(yù)測(cè)研究得較多，而對(duì)短期負(fù)荷預(yù)測(cè)研究得較少1,2。在我國(guó)的大多數(shù)地區(qū)電網(wǎng)，短期負(fù)荷預(yù)測(cè)都是由調(diào)度人員人工通過(guò)尋找相似日直觀地預(yù)測(cè)，這就很大程度上依賴(lài)于調(diào)度人員的經(jīng)驗(yàn)，且一般僅限于提前一天預(yù)測(cè)，因此迫切需要能自動(dòng)提前一天或一周預(yù)測(cè)系統(tǒng)負(fù)荷的負(fù)荷預(yù)測(cè)系統(tǒng)，以滿足經(jīng)濟(jì)調(diào)度和機(jī)組調(diào)停的需要，重要的是這一系統(tǒng)應(yīng)具有規(guī)范化的預(yù)測(cè)過(guò)程，減少對(duì)運(yùn)行人員經(jīng)驗(yàn)的依賴(lài)性，能夠適用于不同系統(tǒng)并滿足精度要求。在上述背景下,電力負(fù)荷預(yù)測(cè)理論在電力系統(tǒng)的運(yùn)行和管理中得到了足夠的重視，它已經(jīng)在成為現(xiàn)代電力系統(tǒng)工程學(xué)科中占有重要地位的研究領(lǐng)域。提高負(fù)荷預(yù)測(cè)技術(shù)水平，有利于計(jì)劃用電管理、合理安排電網(wǎng)運(yùn)行方式和機(jī)組檢修計(jì)劃、制定合理的電源建設(shè)規(guī)劃、提高電力系統(tǒng)的經(jīng)濟(jì)效益和社會(huì)效益，并有利于節(jié)煤、節(jié)油和降低發(fā)電成本。因此負(fù)荷預(yù)測(cè)已經(jīng)成為實(shí)現(xiàn)電力系統(tǒng)管理現(xiàn)代化和智能電網(wǎng)發(fā)展中的重要內(nèi)容之一。短期負(fù)荷預(yù)測(cè)的重要意義可以歸納為以下幾個(gè)方面：(1) 短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)優(yōu)化調(diào)度的基礎(chǔ)。準(zhǔn)確的短期負(fù)荷預(yù)測(cè)是電網(wǎng)調(diào)度機(jī)構(gòu)制定發(fā)供電計(jì)劃、合理安排機(jī)組啟停和做好電網(wǎng)供需平衡的關(guān)鍵。以短期負(fù)荷預(yù)測(cè)和在線實(shí)時(shí)負(fù)荷預(yù)報(bào)為依據(jù)，系統(tǒng)才能有計(jì)劃地安排旋轉(zhuǎn)備用以及不同網(wǎng)間可能實(shí)現(xiàn)的功率交換，這是決定系統(tǒng)供電安全水平的重要因素。另外，準(zhǔn)確的短期負(fù)荷預(yù)測(cè)有助于運(yùn)行人員準(zhǔn)確地估計(jì)電能的生產(chǎn)、輸送、分配和消費(fèi)各個(gè)環(huán)節(jié)的情況，制定出合理的運(yùn)行方案，確保電網(wǎng)和機(jī)組的安全、穩(wěn)定、經(jīng)濟(jì)運(yùn)行。以短期負(fù)荷預(yù)測(cè)和在線實(shí)時(shí)負(fù)荷預(yù)報(bào)為依據(jù)，系統(tǒng)才能有計(jì)劃地安排旋轉(zhuǎn)備用和不同網(wǎng)間可能實(shí)現(xiàn)的功率交換，這是決定系統(tǒng)供電安全水平的重要因素。(2) 在電力市場(chǎng)條件下，短期負(fù)荷預(yù)測(cè)不再是純技術(shù)性的問(wèn)題，它應(yīng)當(dāng)是一個(gè)技術(shù)性與經(jīng)濟(jì)性相結(jié)合的問(wèn)題。同時(shí)，其也不再僅僅是能量管理系統(tǒng)(EMS)系統(tǒng)的一部分，它是電力市場(chǎng)制定各種計(jì)劃的重要依據(jù)而是電力市場(chǎng)制定各種計(jì)劃的重要依據(jù)。對(duì)于發(fā)電單位，短期負(fù)荷預(yù)測(cè)是制定發(fā)電計(jì)劃和報(bào)價(jià)的依據(jù)；對(duì)供電部門(mén)，短期負(fù)荷預(yù)測(cè)為供電方制定購(gòu)電計(jì)劃提供依據(jù)；對(duì)輸電單位，短期負(fù)荷預(yù)測(cè)也是制定發(fā)電計(jì)劃及安全、可靠、經(jīng)濟(jì)運(yùn)行的基礎(chǔ)。(3) 對(duì)電力系統(tǒng)來(lái)說(shuō)，必須為對(duì)用戶提供可靠而經(jīng)濟(jì)的電能，以滿足用戶的負(fù)荷需求，而另一方面，在確保系統(tǒng)安全的情況下盡量減少實(shí)時(shí)發(fā)電備用容量。精確的負(fù)荷預(yù)測(cè)，可以使電力企業(yè)經(jīng)濟(jì)地安排機(jī)組生產(chǎn)；利用精確的負(fù)荷預(yù)測(cè)對(duì)水電系統(tǒng)而言，可以確定最優(yōu)的水庫(kù)放水和機(jī)組投產(chǎn)計(jì)劃；對(duì)火電系統(tǒng)而言，可以確定機(jī)組按最經(jīng)濟(jì)地組合起停生產(chǎn)；對(duì)水火電結(jié)合的系統(tǒng)，可確定系統(tǒng)按最經(jīng)濟(jì)的狀態(tài)進(jìn)行水電火電分配；對(duì)聯(lián)網(wǎng)的系統(tǒng)，精確的負(fù)荷預(yù)測(cè)不但決定系統(tǒng)按最經(jīng)濟(jì)的線路進(jìn)行電能傳輸，還可決定系統(tǒng)按最經(jīng)濟(jì)的形式向鄰網(wǎng)輸電和購(gòu)電。(4) 為用戶提供安全、可靠、經(jīng)濟(jì)、優(yōu)質(zhì)的電能是電網(wǎng)運(yùn)營(yíng)企業(yè)的首要目標(biāo)，如果電網(wǎng)運(yùn)營(yíng)商須沒(méi)有按規(guī)定完成網(wǎng)供電量、負(fù)荷預(yù)測(cè)和低谷電量比三大指標(biāo)。這樣，準(zhǔn)確的負(fù)荷預(yù)測(cè)就使得電網(wǎng)運(yùn)營(yíng)企業(yè)可以在電力市場(chǎng)中以較便宜的電價(jià)購(gòu)電。1.2 研究現(xiàn)狀電力負(fù)荷預(yù)測(cè)的起源可以追溯到20世紀(jì)20年代初。由于當(dāng)時(shí)的電力系統(tǒng)規(guī)模很小，人們對(duì)負(fù)荷預(yù)測(cè)并沒(méi)有給予足夠的重視，沒(méi)有進(jìn)行相應(yīng)的理論研究。到60年代中期，隨著世界各國(guó)經(jīng)濟(jì)的迅猛發(fā)展，人們對(duì)電力的需求越來(lái)越大，對(duì)電能質(zhì)量要求也越來(lái)越高，加上幾次大的系統(tǒng)瓦解事故的出現(xiàn)，電力系統(tǒng)的安全分析被提上了日程，負(fù)荷預(yù)測(cè)也相應(yīng)的得到了初步的發(fā)展。這一階段，基本采用經(jīng)濟(jì)領(lǐng)域的預(yù)測(cè)技術(shù)來(lái)進(jìn)行負(fù)荷預(yù)測(cè)。采用的方法大致可以分為比例系數(shù)增長(zhǎng)法、彈性系數(shù)法、時(shí)間序列法和回歸分析法。比例系數(shù)增長(zhǎng)法是一種最簡(jiǎn)單、直接的方法。它假定今后的電力負(fù)荷與過(guò)去有相同的增長(zhǎng)比例，用歷史數(shù)據(jù)求出比例系數(shù)，按比例預(yù)測(cè)未來(lái)發(fā)展。該方法思路簡(jiǎn)單、計(jì)算簡(jiǎn)便，但該方法把負(fù)荷在若干時(shí)間段的增長(zhǎng)看成一致，沒(méi)有考慮負(fù)荷增長(zhǎng)的特殊性和復(fù)雜性，在實(shí)際工程中由于其產(chǎn)生的誤差很大僅能作為大致的估算。電力彈性系數(shù)法是常用的一種負(fù)荷預(yù)測(cè)方法，它計(jì)算方法簡(jiǎn)單，容易理解。對(duì)于僅考慮經(jīng)濟(jì)和負(fù)荷大小的兩因素的系統(tǒng)時(shí)，彈性系數(shù)法具有較好的比率關(guān)系，預(yù)測(cè)結(jié)果能在接受的范圍內(nèi)，但對(duì)于短期負(fù)荷預(yù)測(cè)中負(fù)荷與多個(gè)因素的非線性關(guān)系，該方法很難得到就好的預(yù)測(cè)結(jié)果。時(shí)間序列法是通過(guò)對(duì)預(yù)測(cè)對(duì)象的歷史觀測(cè)數(shù)據(jù)一時(shí)間序列的分析處理，來(lái)研究其發(fā)展過(guò)程的基本特征和變化規(guī)律，并據(jù)此預(yù)測(cè)未來(lái)行為的方法。電力系統(tǒng)的負(fù)荷變動(dòng)同樣具有慣性，在時(shí)間上具有連續(xù)性，因而時(shí)間序列法成為早期傳統(tǒng)負(fù)荷預(yù)測(cè)技術(shù)中的主要方法，并且是現(xiàn)代各種預(yù)測(cè)方法的基礎(chǔ)。時(shí)間序列法3-7分為確定型時(shí)序法和隨機(jī)型時(shí)序法，前者包括時(shí)間序列平滑法、趨勢(shì)外推法和季節(jié)變動(dòng)法等；后者包括馬爾科夫法和BoxJenking法等。大量學(xué)者對(duì)該方法進(jìn)行了研究，文獻(xiàn)4根據(jù)采樣定理和對(duì)具體的負(fù)荷記錄的觀察提出了負(fù)荷預(yù)測(cè)準(zhǔn)確度的上限估計(jì)應(yīng)該在更密集的負(fù)荷采樣序列中進(jìn)行的觀點(diǎn)。文獻(xiàn)5分析了負(fù)荷歷史數(shù)據(jù)，負(fù)荷預(yù)報(bào)模型以及預(yù)報(bào)誤差之間的關(guān)系，構(gòu)建了一種基于統(tǒng)計(jì)分析的負(fù)荷規(guī)律性評(píng)價(jià)方法。時(shí)間序列分析法的主要不足在于片面突出了時(shí)間因素在預(yù)測(cè)中的作用，而不考慮外界具體因素的影響，該方法只承認(rèn)所有影響因素的綜合作用，并在未來(lái)對(duì)預(yù)測(cè)對(duì)象仍然起作用，并未去分析探討預(yù)測(cè)對(duì)象和影響因素之間的因果關(guān)系?；貧w分析法8-10屬于相關(guān)預(yù)測(cè)法，它通過(guò)建立某些變量與負(fù)荷之間的因果關(guān)系而獲得預(yù)測(cè)負(fù)荷。由于電力負(fù)荷的變化受到很多相關(guān)因素的影響，所以采用回歸分析法進(jìn)行負(fù)荷預(yù)測(cè)是自然的想法和可行的途徑。大量學(xué)者對(duì)該方法進(jìn)行了研究，文獻(xiàn)8提出了一種基于改進(jìn)回歸法的電力負(fù)荷預(yù)測(cè)方法，在對(duì)歷史數(shù)據(jù)進(jìn)行分析和參數(shù)估計(jì)的基礎(chǔ)上，先用嶺回歸法剔除奇異值，再用主成分回歸法提取影響負(fù)荷的主要因素，得出模型的解析形式。文獻(xiàn)9對(duì)偏最小二乘回歸分析在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用進(jìn)行了研究。上述方法都是通過(guò)先確定變量間的關(guān)系然后通過(guò)回歸分析求得未知參數(shù)，但實(shí)際預(yù)測(cè)過(guò)程中由于電力負(fù)荷具有非線性、時(shí)變性和不確定性的特點(diǎn)，所以要通過(guò)清晰的數(shù)學(xué)方程來(lái)表達(dá)輸入與輸出之間的非線性關(guān)系存在著一定的困難。即使構(gòu)造出了數(shù)學(xué)模型，也存在著如模型的定階、求解、識(shí)別困難、模型適應(yīng)性不強(qiáng)、建模所需的數(shù)據(jù)量大、運(yùn)算速度慢以及預(yù)測(cè)精度不高等缺點(diǎn)。從60年代中期到現(xiàn)在，隨著計(jì)算機(jī)技術(shù)和新的智能算法的日新月異，人工智能技術(shù)的興起，負(fù)荷預(yù)測(cè)迅速進(jìn)入了使用智能化負(fù)荷預(yù)測(cè)技術(shù)的階段。專(zhuān)家系統(tǒng)、模糊邏輯系統(tǒng)、灰色系統(tǒng)理論和人工神經(jīng)網(wǎng)絡(luò)代表著當(dāng)今人工智能技術(shù)的幾大分支，它們都在負(fù)荷預(yù)測(cè)領(lǐng)域逐步得到應(yīng)用。專(zhuān)家系統(tǒng)方法11-13是使用專(zhuān)家知識(shí)建立預(yù)測(cè)規(guī)則的一種方法。專(zhuān)家系統(tǒng)主要是將在某方面專(zhuān)家在實(shí)際工作中對(duì)事物獲得的感性認(rèn)識(shí)進(jìn)行提取，建立知識(shí)庫(kù)，并在系統(tǒng)的實(shí)際運(yùn)行過(guò)程中對(duì)知識(shí)庫(kù)不斷進(jìn)行更新和維護(hù)，以跟隨事物的變化軌跡，達(dá)到模擬專(zhuān)家的目的。大量學(xué)者對(duì)該方法進(jìn)行了研究，文獻(xiàn)11利用專(zhuān)家經(jīng)驗(yàn)，模仿專(zhuān)家處理問(wèn)題的方法，設(shè)計(jì)了一個(gè)模糊專(zhuān)家系統(tǒng)，對(duì)負(fù)荷預(yù)測(cè)結(jié)果進(jìn)行修正，以提高負(fù)荷預(yù)測(cè)精度。文獻(xiàn)12將人工智能中的事例推理技術(shù)引入到電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中，針對(duì)傳統(tǒng)規(guī)則專(zhuān)家系統(tǒng)知識(shí)獲取的瓶頸問(wèn)題，事例推理充分利用另一種知識(shí)資源來(lái)解決新的預(yù)測(cè)問(wèn)題。文獻(xiàn)13提出決策樹(shù)與專(zhuān)家系統(tǒng)相結(jié)合的負(fù)荷預(yù)測(cè)系統(tǒng)。這些方法的制藥優(yōu)點(diǎn)在于很好地處理了氣象及特殊事件等干擾因素，該方法的預(yù)測(cè)精度基本上達(dá)到了令人滿意的效果，但把專(zhuān)家知識(shí)轉(zhuǎn)換為一系列的數(shù)學(xué)規(guī)則在目前情況下是較難實(shí)現(xiàn)的。模糊預(yù)測(cè)方法14-19通過(guò)對(duì)相關(guān)歷史數(shù)據(jù)進(jìn)行加工處理，提煉出負(fù)荷變化的若干種典型模式，進(jìn)而由影響負(fù)荷變化的相關(guān)因素的未來(lái)狀態(tài)去判定未來(lái)負(fù)荷變化屬于哪種模式，從而做到負(fù)荷預(yù)測(cè)的目的。其僅僅是模擬專(zhuān)家的推理和判斷方式，并不需要建立精確的數(shù)學(xué)模型。由于電力系統(tǒng)中許多現(xiàn)象是不精確的、模糊的，而模糊理論中的“隸屬函數(shù)”可比較明確的描述專(zhuān)家的意圖。故該方法應(yīng)用到電力系統(tǒng)中較為適宜。大量學(xué)者對(duì)該方法進(jìn)行了研究，文獻(xiàn)14將模糊聚類(lèi)分析和粗糙集理論結(jié)合在一起對(duì)電力系統(tǒng)短期負(fù)荷進(jìn)行預(yù)測(cè)，該文獻(xiàn)首先通過(guò)模糊聚類(lèi)分析，根據(jù)氣溫、相對(duì)濕度以及日類(lèi)型等影響負(fù)荷的因素將負(fù)荷歷史數(shù)據(jù)分成若干類(lèi)，然后應(yīng)用粗糙集理論分別建立相應(yīng)的負(fù)荷預(yù)測(cè)模型。文獻(xiàn)15采用模糊聚類(lèi)分析的方法對(duì)已知負(fù)荷數(shù)據(jù)、溫度和天氣類(lèi)型等影響短期負(fù)荷預(yù)測(cè)的相關(guān)因素進(jìn)行聚類(lèi)分析文獻(xiàn)17將模糊聚類(lèi)技術(shù)和粗糙集理論結(jié)合，利用客觀信息熵對(duì)影響負(fù)荷的因素進(jìn)行權(quán)重分配。文獻(xiàn)18基于模糊粗糙集理論，提出了一種綜合數(shù)據(jù)挖掘方法并將其應(yīng)用于空間負(fù)荷預(yù)測(cè)中。模糊數(shù)學(xué)在預(yù)測(cè)方面還沒(méi)有形成完整而深刻的理論以及成系統(tǒng)的方法，還有待于進(jìn)一步研究與探索?；疑到y(tǒng)理論20-23是研究解決灰色系統(tǒng)分析、建模預(yù)測(cè)、決策和控制的理論?；疑A(yù)測(cè)的模型簡(jiǎn)稱(chēng)GM模型,它所需建模信息少、運(yùn)算方便、建模的精度較高，因而在各種預(yù)測(cè)領(lǐng)域有著廣泛的應(yīng)用。近年來(lái)該理論已被引入到電力系統(tǒng)負(fù)荷的預(yù)測(cè)中,獲得了較好的效果。但其微分方程指數(shù)解只適合于具有呈指數(shù)增長(zhǎng)趨勢(shì)的負(fù)荷指標(biāo)，在其它增長(zhǎng)趨勢(shì)下預(yù)測(cè)的精度變差，而且簡(jiǎn)單的灰色預(yù)測(cè)在數(shù)據(jù)離散程度較大的情況時(shí)，精度下降的很快。許多文獻(xiàn)對(duì)灰色預(yù)測(cè)做出了改進(jìn)，文獻(xiàn)21提出了一種基于灰色預(yù)測(cè)和神經(jīng)網(wǎng)絡(luò)組合的電力系統(tǒng)負(fù)荷預(yù)測(cè)方法。文獻(xiàn)22討論了當(dāng)預(yù)測(cè)對(duì)象系統(tǒng)存在轉(zhuǎn)折性變化時(shí)，灰色預(yù)測(cè)校正模型在此方面的有效應(yīng)用。文獻(xiàn)23討論了當(dāng)預(yù)測(cè)對(duì)象系統(tǒng)存在轉(zhuǎn)折性變化時(shí)，灰色預(yù)測(cè)校正模型在此方面的有效應(yīng)用。上述方法有效改善了負(fù)荷預(yù)測(cè)的精度，但是對(duì)于具體的負(fù)荷預(yù)測(cè)問(wèn)題，目前并不存在通用的改進(jìn)模型，因此要提高精度就要針對(duì)具體問(wèn)題進(jìn)行進(jìn)一步的研究。人工神經(jīng)網(wǎng)絡(luò)24-43具有很強(qiáng)的學(xué)習(xí)和映射能力，可方便地?cái)M合出任意復(fù)雜的非線性關(guān)系，很適合于電力系統(tǒng)的負(fù)荷預(yù)測(cè)問(wèn)題，這一領(lǐng)域的國(guó)內(nèi)外對(duì)這一領(lǐng)域研究都相當(dāng)活躍，并已提出了不少模型和算法。文獻(xiàn)32提出了對(duì)樣本數(shù)據(jù)進(jìn)行處理的一些有效方法，從歷史數(shù)據(jù)中選取那些與預(yù)測(cè)時(shí)間的特征量(即網(wǎng)絡(luò)輸入量)相似的數(shù)據(jù)作為訓(xùn)練用的樣本。文獻(xiàn)33研究了采用不同結(jié)構(gòu)BP網(wǎng)絡(luò)進(jìn)電力負(fù)荷需求預(yù)測(cè)的問(wèn)題，分/靜態(tài)和動(dòng)態(tài)兩種模式構(gòu)造訓(xùn)練樣本。文獻(xiàn)34采用自適應(yīng)模糊神經(jīng)元網(wǎng)絡(luò)進(jìn)行短期負(fù)荷預(yù)測(cè)。文獻(xiàn)35提出的是一種混和自適應(yīng)模糊學(xué)習(xí)算法。文獻(xiàn)36則提出了基于混沌學(xué)習(xí)算法的神經(jīng)網(wǎng)絡(luò)模型。文獻(xiàn)37提出的天氣敏感型神經(jīng)網(wǎng)絡(luò)模型。文獻(xiàn)38提出了一種改進(jìn)的徑向函數(shù)網(wǎng)該方法能夠體現(xiàn)負(fù)荷波動(dòng)性和氣候?qū)ω?fù)荷影響。文獻(xiàn)39提出了應(yīng)用混合法進(jìn)行RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法。文獻(xiàn)40以Morlet小波作為隱節(jié)點(diǎn)激勵(lì)函數(shù)，建立了單輸入單輸出的小波神經(jīng)網(wǎng)絡(luò)。文獻(xiàn)41則進(jìn)一步用Morlet小波建立了多輸入多輸出的小波神經(jīng)網(wǎng)絡(luò)。文獻(xiàn)42建立了以Morlet小波為激勵(lì)函數(shù)的小波神經(jīng)網(wǎng)絡(luò)。文獻(xiàn)43利用現(xiàn)有的時(shí)頻分析方法來(lái)確定網(wǎng)絡(luò)結(jié)構(gòu)，同時(shí)還提出通過(guò)利用小波系數(shù)的局部極大值來(lái)進(jìn)一步提高局部精確近似性能。人工神經(jīng)網(wǎng)絡(luò)技術(shù)的主要優(yōu)點(diǎn)在于它不需要任何負(fù)荷模型，但其缺點(diǎn)是訓(xùn)練過(guò)程比較消耗時(shí)間，并且它并不能保證一定收斂，這在一定程度上影響了人工神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)方法對(duì)特殊的負(fù)荷變化的預(yù)測(cè)精度。但這種方法仍然具有其不可比擬的優(yōu)點(diǎn)：具有很好的函數(shù)逼近能力；較好的解決了天氣和溫度等因素與負(fù)荷的對(duì)應(yīng)關(guān)系；通過(guò)學(xué)習(xí)，能夠反映輸入/輸出之間復(fù)雜的非線性關(guān)系等。負(fù)荷預(yù)測(cè)方法發(fā)展至今，已經(jīng)積累了不少經(jīng)驗(yàn)。但是，由于電力系統(tǒng)的負(fù)荷要受到很多因素的影響：如負(fù)荷構(gòu)成，負(fù)荷隨時(shí)間變化規(guī)律，氣象變化的影響及負(fù)荷隨機(jī)波動(dòng)。按照系統(tǒng)負(fù)荷構(gòu)成，不同的負(fù)荷有著不同的變化規(guī)律44，而且一個(gè)地區(qū)負(fù)荷往往含有幾種類(lèi)型的負(fù)荷，比例不同。各類(lèi)用電負(fù)荷的時(shí)間變化規(guī)律是不同的，由它們構(gòu)成的系統(tǒng)負(fù)荷具有不同的變化規(guī)律。氣象對(duì)負(fù)荷有明顯的影響45，氣溫、陰晴、降水和大風(fēng)都會(huì)引起負(fù)荷的變化，但每個(gè)電網(wǎng)負(fù)荷對(duì)各種氣象因素的敏感程度是不相同的，這是研究負(fù)荷預(yù)測(cè)的重要內(nèi)容。負(fù)荷的隨機(jī)波動(dòng)是指某些未知的不確定因素引起的負(fù)荷變化，對(duì)每一電網(wǎng)隨機(jī)波動(dòng)負(fù)荷大小是不相同的?；谟绊懾?fù)荷預(yù)測(cè)的眾多不同的因素，各種氣象因素的敏感程度是不同的。由于影響負(fù)荷預(yù)測(cè)的眾多不同因素，迄今還沒(méi)有一種通用方法。1.3 本文所做的工作短期負(fù)荷預(yù)測(cè)既是電力系統(tǒng)優(yōu)化調(diào)度的基礎(chǔ)工具，又是電力企業(yè)日常經(jīng)營(yíng)管理工作的重要組成部分，準(zhǔn)確的負(fù)荷預(yù)測(cè)是電網(wǎng)調(diào)度機(jī)構(gòu)制定發(fā)供電計(jì)劃和做好電網(wǎng)供需平衡的關(guān)鍵。短期負(fù)荷預(yù)測(cè)不僅時(shí)間間隔短，而且受節(jié)假日、天氣和溫度的影響負(fù)荷波動(dòng)大；同時(shí)，短期負(fù)荷預(yù)測(cè)的精度要求較高，需要同時(shí)考慮多個(gè)影響因素。因此，采用一般的負(fù)荷預(yù)測(cè)模型難以達(dá)到預(yù)測(cè)要求。鑒于此，本文試著將量子神經(jīng)網(wǎng)絡(luò)理論運(yùn)用到短期負(fù)荷預(yù)測(cè)中來(lái)。論文分六章，其組織結(jié)構(gòu)如下：第一章主要介紹了電力負(fù)荷預(yù)測(cè)的研究現(xiàn)狀以及負(fù)荷預(yù)測(cè)的目的和意義。在此基礎(chǔ)上，討論了短期負(fù)荷預(yù)測(cè)的研究現(xiàn)狀；。第二章主要介紹了負(fù)荷預(yù)測(cè)的分類(lèi)依據(jù)和短期負(fù)荷預(yù)測(cè)的主要特點(diǎn)。詳細(xì)論述了已有短期負(fù)荷預(yù)測(cè)的方法以及各種方法的原理、計(jì)算過(guò)程、適用范圍和基本特征。對(duì)比分析了各種預(yù)測(cè)方法的優(yōu)劣，為后文的發(fā)展做好鋪墊。第三章論述了常規(guī)人工神經(jīng)網(wǎng)絡(luò)理論在短期負(fù)荷預(yù)測(cè)方面的局限性。針對(duì)常規(guī)人工神經(jīng)網(wǎng)絡(luò)理論的局限性，論述了量子神經(jīng)網(wǎng)絡(luò)的理論形成和技術(shù)優(yōu)勢(shì)，得出量子神經(jīng)網(wǎng)絡(luò)能夠很好應(yīng)用于短期負(fù)荷預(yù)測(cè)的結(jié)論。對(duì)量子神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀進(jìn)行了分析，論述了已有方法的優(yōu)勢(shì)和局限性。最后，介紹了量子神經(jīng)網(wǎng)絡(luò)的基本理論基礎(chǔ)，包括量子計(jì)算的基礎(chǔ)知識(shí)，量子神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)模型和量子神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法；。第四章介紹了QNN網(wǎng)絡(luò)結(jié)構(gòu)及其更新算法，給出量子間隔更新式的推導(dǎo)過(guò)程。針對(duì)QNN收斂速度慢這一情況，引入反正切函數(shù)作為隱含層激活函數(shù)，并引入了假飽和預(yù)防函數(shù)，提出了改進(jìn)的量子神經(jīng)網(wǎng)絡(luò)模型；。第五章詳細(xì)論述了基于量子神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)的具體步驟。首先分析了影響負(fù)荷特性的主要因素，然后介紹了短期負(fù)荷預(yù)測(cè)中所需的數(shù)據(jù)去偽和數(shù)據(jù)量化方法。最后，詳細(xì)分析了基于量子神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)方法在預(yù)測(cè)日負(fù)荷和小時(shí)負(fù)荷的預(yù)測(cè)流程；。第六章結(jié)合論文的上述工作，解決了對(duì)電力系統(tǒng)短期負(fù)荷進(jìn)行預(yù)測(cè)的具體方法問(wèn)題，將預(yù)測(cè)工作分成工作日和周休日兩部分，給出了整個(gè)電力系統(tǒng)短期負(fù)荷預(yù)測(cè)模型的具體實(shí)例。- 49 -第2章 負(fù)荷預(yù)測(cè)的方法和特點(diǎn)2.1 負(fù)荷預(yù)測(cè)的分類(lèi)根據(jù)負(fù)荷預(yù)測(cè)的目的、負(fù)荷預(yù)測(cè)的時(shí)限、負(fù)荷預(yù)測(cè)的對(duì)象以及待預(yù)測(cè)負(fù)荷的特性，負(fù)荷預(yù)測(cè)可以根據(jù)上述特性進(jìn)行三種分類(lèi)，具體為：按時(shí)間分類(lèi)、按預(yù)測(cè)對(duì)象分類(lèi)、按負(fù)荷特性分類(lèi)。1按時(shí)間分類(lèi)電力系統(tǒng)負(fù)荷預(yù)測(cè)按時(shí)間進(jìn)行分類(lèi)46，可分為超短期負(fù)荷預(yù)測(cè)、短期負(fù)荷預(yù)測(cè)、中期負(fù)荷預(yù)測(cè)和長(zhǎng)期負(fù)荷預(yù)測(cè)。其內(nèi)容如下表2.1所示。四種負(fù)荷預(yù)測(cè)的預(yù)測(cè)時(shí)限和預(yù)測(cè)目的有明顯不同：超短期負(fù)荷預(yù)測(cè)指對(duì)未來(lái)1小時(shí)、未來(lái)0.5小時(shí)甚至未來(lái)10分鐘的電力負(fù)荷變化情況的預(yù)測(cè)。主要用于對(duì)電網(wǎng)進(jìn)行計(jì)算機(jī)的在線監(jiān)控，實(shí)現(xiàn)發(fā)電容量的合理調(diào)度，滿足運(yùn)行要求，使發(fā)電成本最小等。短期負(fù)荷預(yù)測(cè)是指對(duì)1年以內(nèi)的電力負(fù)荷變化情況的預(yù)測(cè)，通常預(yù)測(cè)未來(lái)1個(gè)月度、未來(lái)1周、未來(lái)1天的負(fù)荷指標(biāo)。主要是解決電網(wǎng)存在的主要問(wèn)題，逐步滿足負(fù)荷的需要，提高供電質(zhì)量和電網(wǎng)的可靠性，用于電力生產(chǎn)檢修計(jì)劃，安排電力系統(tǒng)短期運(yùn)行方式等。中期負(fù)荷預(yù)測(cè)通常是對(duì)5年左右的電力負(fù)荷的發(fā)展變化情況所做的預(yù)測(cè)。主要是就著重將電網(wǎng)的結(jié)構(gòu)及設(shè)施有步驟的過(guò)渡到規(guī)劃網(wǎng)絡(luò)，用制定電力系統(tǒng)的擴(kuò)建、增容和改建規(guī)劃，安排電力系統(tǒng)長(zhǎng)期運(yùn)行方式等。電力系統(tǒng)長(zhǎng)期負(fù)荷預(yù)測(cè)是指對(duì)10 年以上(可長(zhǎng)達(dá)30 年)的電力負(fù)荷的發(fā)展變化所做的預(yù)測(cè)，主要是用于制定電力系統(tǒng)遠(yuǎn)景規(guī)劃，研究確定電源布局和規(guī)劃網(wǎng)絡(luò)，使之滿足遠(yuǎn)期負(fù)荷預(yù)測(cè)水平的需要。表2.1 負(fù)荷預(yù)測(cè)的時(shí)間分類(lèi)負(fù)荷預(yù)測(cè)的類(lèi)別預(yù)測(cè)時(shí)限預(yù)測(cè)目的超短期負(fù)荷預(yù)測(cè)l天以內(nèi)按小時(shí)或按分鐘計(jì)對(duì)電網(wǎng)進(jìn)行計(jì)算機(jī)在線控制，實(shí)現(xiàn)發(fā)電容量的合理調(diào)度，滿足給定的運(yùn)行要求，同時(shí)使發(fā)電成本最小。 短期負(fù)荷預(yù)測(cè)l天以上至1年以下為電力系統(tǒng)調(diào)度、發(fā)電以及檢修計(jì)劃服務(wù)。 中期負(fù)荷預(yù)測(cè)5年左右10年以內(nèi)用于電力系統(tǒng)規(guī)劃，包括發(fā)電設(shè)備及輸變電設(shè)備靜擴(kuò)建計(jì)劃、退役計(jì)劃、改建計(jì)劃。長(zhǎng)期負(fù)荷預(yù)測(cè)10年到30年以內(nèi)制定電力戰(zhàn)略規(guī)劃，包括燃料需求量、系統(tǒng)發(fā)展規(guī)劃以及重要技術(shù)更新、科研規(guī)劃等。2按預(yù)測(cè)對(duì)象行業(yè)分類(lèi)按預(yù)測(cè)對(duì)象行業(yè)分可分為城市民用負(fù)荷預(yù)測(cè)、商業(yè)負(fù)荷預(yù)測(cè)、農(nóng)村負(fù)荷預(yù)測(cè)、工業(yè)負(fù)荷預(yù)測(cè)以及其他負(fù)荷預(yù)測(cè)。不同類(lèi)型的負(fù)荷有不同的變化規(guī)律。其構(gòu)成和特點(diǎn)見(jiàn)表2.2。.表2.2 按預(yù)測(cè)對(duì)象行業(yè)分時(shí)各負(fù)荷的構(gòu)成和特點(diǎn)負(fù)荷預(yù)測(cè)類(lèi)別負(fù)荷構(gòu)成負(fù)荷特點(diǎn)城市民用負(fù)荷預(yù)測(cè)主要是城市居民的家用負(fù)荷具有經(jīng)常的年增長(zhǎng)以及明顯的季節(jié)性波動(dòng)特點(diǎn)，與居民的日常生活和工作的規(guī)律緊密相關(guān)。商業(yè)負(fù)荷預(yù)測(cè)主要指商業(yè)部門(mén)里的照明、空調(diào)、動(dòng)力等用電負(fù)荷具有覆蓋面積大，且用電增長(zhǎng)平穩(wěn)，以及季節(jié)性波動(dòng)的特點(diǎn)。農(nóng)村負(fù)荷預(yù)測(cè)主要指農(nóng)村居民用電和農(nóng)業(yè)生產(chǎn)用電與工業(yè)負(fù)荷相比，受氣候、季節(jié)等自然條件的影響很大，也受農(nóng)作物種類(lèi)、耕作習(xí)慣的影響。工業(yè)負(fù)荷預(yù)測(cè)主要指工業(yè)企業(yè)用于工業(yè)生產(chǎn)的用電負(fù)荷變動(dòng)較小，受氣候影響較小，與工業(yè)用戶的工作方式及行業(yè)的行業(yè)特點(diǎn)等有緊密的聯(lián)系。3按負(fù)荷特性分類(lèi)根據(jù)負(fù)荷預(yù)測(cè)表示的不同特性，可分為最高負(fù)荷、最低負(fù)荷、平均負(fù)荷、負(fù)荷峰谷差、高峰負(fù)荷平均、低谷負(fù)荷平均、平峰負(fù)荷平均、全網(wǎng)負(fù)荷、母線負(fù)荷、負(fù)荷率等類(lèi)型的負(fù)荷預(yù)測(cè)24，以滿足供電、用電部門(mén)的管理工作的需要。本文采用第一種方法分類(lèi)方法對(duì)負(fù)荷進(jìn)行分類(lèi)，并將重點(diǎn)對(duì)短期負(fù)荷進(jìn)行分析預(yù)測(cè)。2.2 短期負(fù)荷預(yù)測(cè)的特點(diǎn)負(fù)荷預(yù)測(cè)是根據(jù)過(guò)去和現(xiàn)在的負(fù)荷值來(lái)預(yù)測(cè)未來(lái)的數(shù)值，其研究對(duì)象是不確定的，需要采用適當(dāng)?shù)念A(yù)測(cè)技術(shù)和模型來(lái)推知負(fù)荷的發(fā)展趨勢(shì)和未來(lái)可能達(dá)到的狀況。影響負(fù)荷預(yù)測(cè)的因素是多種多樣，選用不同的預(yù)測(cè)模型其結(jié)果也不盡相同。因此電力負(fù)荷預(yù)測(cè)具有如列特點(diǎn)：不確定性或不完全準(zhǔn)確性、條件性、負(fù)荷預(yù)測(cè)的地區(qū)效應(yīng)、時(shí)間性以及多方案性。特別的，對(duì)于短期負(fù)荷還具有如下特點(diǎn)：（1）從數(shù)學(xué)模型上看，電力系統(tǒng)負(fù)荷是一個(gè)多因素影響的高度綜合模型，其變化規(guī)律混沌、繁雜，很難用一套算法對(duì)其進(jìn)行精確的模擬。；（2）電力負(fù)荷本身的不確定性使得預(yù)測(cè)結(jié)果是一個(gè)概率的值；（3）各地區(qū)，各時(shí)段電力負(fù)荷的發(fā)展具有可比性和相似性。；（4）電力負(fù)荷預(yù)測(cè)的機(jī)理是一個(gè)數(shù)學(xué)模型的過(guò)程，不同的模型使用條件不同，有其各自的優(yōu)缺點(diǎn)；（5）預(yù)測(cè)時(shí)間較短，對(duì)計(jì)算時(shí)間有明確要求；（6）影響電力負(fù)荷預(yù)測(cè)的精度的因素復(fù)雜多樣、規(guī)律各異，包括經(jīng)濟(jì)因素、時(shí)間因素、氣候因素、隨機(jī)干擾等，各因素影響的大小也因不同地區(qū)電力系統(tǒng)的不同而異；（7）相對(duì)中長(zhǎng)期預(yù)測(cè)而言，短期負(fù)荷預(yù)測(cè)對(duì)預(yù)測(cè)精度要求較高。2.3 幾種常見(jiàn)的負(fù)荷預(yù)測(cè)方法2.3.1 比例系數(shù)增長(zhǎng)法比例系數(shù)增長(zhǎng)法假定今后的電力負(fù)荷與過(guò)去有相同的增長(zhǎng)比例，用歷史數(shù)據(jù)求出比例系數(shù)，按比例預(yù)測(cè)未來(lái)發(fā)展，設(shè)第m年的用電量為Am kWh，第n年的用電量為An kWh，則從第n年到第m(nm) 的用電量Al為 (2.2)這與以Am為起點(diǎn)的預(yù)測(cè)結(jié)果相同，這是因?yàn)椋?(2.3)由比例增長(zhǎng)法的理論推導(dǎo)可知，該方法思路簡(jiǎn)單、計(jì)算簡(jiǎn)便，但該方法把負(fù)荷在若干時(shí)間段的增長(zhǎng)看成一致，沒(méi)有考慮負(fù)荷增長(zhǎng)的特殊性和復(fù)雜性，在實(shí)際工程中由于其產(chǎn)生的誤差很大僅能作為大致的估算，而不能作為調(diào)度和生產(chǎn)的數(shù)據(jù)使用。2.3.2 彈性系數(shù)法電力彈性系數(shù)法是編制電力發(fā)展規(guī)劃時(shí)常用的一種負(fù)荷預(yù)測(cè)方法，它計(jì)算方法簡(jiǎn)單，容易理解。彈性一詞來(lái)源于材料力學(xué)中的彈性變形的概念。彈性系數(shù)指材料長(zhǎng)度變形的百分比同所施加力變化的百分比的比率。后來(lái)彈性的概念被推廣應(yīng)用于社會(huì)經(jīng)濟(jì)領(lǐng)域。彈性系數(shù)被用來(lái)表示兩個(gè)因素各自相對(duì)增長(zhǎng)率之間的比率。在對(duì)一個(gè)因素發(fā)展變化預(yù)測(cè)的基礎(chǔ)上，通過(guò)彈性系數(shù)對(duì)另一個(gè)因素的發(fā)展變化作出預(yù)測(cè)的一種間接預(yù)測(cè)方法。彈性系數(shù)法適用于兩個(gè)因素y和x之間有指數(shù)函數(shù)關(guān)系yt=x的情況，式中為比例系數(shù)，b為y對(duì)x的彈性系數(shù)。電力彈性系數(shù)是用電量的平均年增長(zhǎng)率與國(guó)民生產(chǎn)總值(或社會(huì)總產(chǎn)值)平均年增長(zhǎng)率的比值，當(dāng)然也可以考慮用電量與其他經(jīng)濟(jì)指標(biāo)的彈性系數(shù)。在一般情況下，電力彈性系數(shù)應(yīng)大于1。由以往的用電量和國(guó)民生產(chǎn)總值可分別求出它們的平均增長(zhǎng)率，記為Ky和Kx從而求得電力彈性系數(shù)E (2.4)如果用某種方法預(yù)測(cè)未來(lái)m年的彈性系數(shù)為，國(guó)民生產(chǎn)總值的增長(zhǎng)率為，可得電力需求增長(zhǎng)率為 (2.5)這樣就可用比例系數(shù)增長(zhǎng)預(yù)測(cè)法得出第m年的用電量， (2.6)式中：A0 基年（預(yù)測(cè)起點(diǎn)年）的用電量。此外，彈性系數(shù)預(yù)測(cè)法的建模方法還包括： y 與K x 均取對(duì)數(shù)形式的模型、K x 取對(duì)數(shù)形式的模型、y 取對(duì)數(shù)形式， K x 取倒數(shù)形式的模型和線性函數(shù)形式的模型。2.3.3 回歸分析方法回歸分析方法是研究變量和變量之間依存關(guān)系的一種數(shù)學(xué)方法，根據(jù)回歸分析方法涉及變量的多少，可以分為單元回歸分析和多元回歸分析。在回歸分析中，自變量是隨機(jī)變量，因變量是非隨機(jī)變量，由給定的多組自變量和因變量資料，研究各自變量和因變量之間的關(guān)系，形成回歸方程，回歸方程根據(jù)自變量和因變量之間的函數(shù)形式，又可分為線性回歸方程和非線性回歸方程。回歸方程求得后，若如給定各自變量數(shù)值，即就能求出因變量值。2.3.3.1 線性回歸模型在一元線性回歸中，自變量是可控制或可以精確觀察的變量，用x表示，因變量是依賴(lài)于x的隨機(jī)變量，用y表示，假設(shè)x與y的關(guān)系為 (2.7)式中：是除x之外，被忽略或無(wú)法考慮到的因素，它服從正態(tài)分布。a，b及都是不依賴(lài)于x的未知參數(shù)， x與y的這種關(guān)系稱(chēng)為一元線性回歸模型。對(duì)固定的x，隨機(jī)變量y的數(shù)學(xué)期望為： (2.8)顯然是x的函數(shù)，稱(chēng)它為y關(guān)于x的回歸。在實(shí)際問(wèn)題中，對(duì)自變量x和因變量y作n次實(shí)驗(yàn)觀察，且在x不全相同的各個(gè)值上對(duì)y的觀察是相互獨(dú)立的，其n對(duì)觀察值為(x1, y1),( x2, y2),( xn, yn)。如果依據(jù)上述樣本能估計(jì)出未知參數(shù)a、b，記估計(jì)值分別為，則稱(chēng)下式 (2.9)為y關(guān)于x的線性回歸方程。用最小二乘法估計(jì)a和b。先作離差平方和 (2.10)由極值定理，選取參數(shù)a 、b 使F(a,b) 達(dá)到最小，令 (2.11) (2.12)將式2.11-2.12變形，并用和分別代替a和b，得 (2.13) (2.14)式(2.13)- (2.14)有唯一的一組解 (2.15) (2.16)當(dāng)a、b的估計(jì)值和和求出后，便得出y對(duì)x的線性回歸方程式。2.3.3.2 非線性回歸模型設(shè)有兩個(gè)變量x和y，它們之間存在非線性關(guān)系。給定一組觀測(cè)值(x1, y1),( x2, y2),( xn, yn)。其散點(diǎn)圖明顯的表明不能用一條直線近似地?cái)M合。如果將此種情況按一元線性回歸研究，顯然是不合適的，這就需要用適當(dāng)?shù)那€加以擬合，依據(jù)散點(diǎn)圖， 通通常常選擇雙曲線、冪函數(shù)曲線、指數(shù)曲線、倒指數(shù)曲線、對(duì)數(shù)曲線，S 型曲線等六種曲線之一。當(dāng)選擇的曲線類(lèi)型確定下來(lái)后，可以根據(jù)最小二乘法確定估計(jì)值。兩個(gè)變量x和y的關(guān)系可以寫(xiě)成如下的一般形式 (2.17)式中：Y是因變量，是待估計(jì)的對(duì)象；X是自變量，是影響因素；是未知常數(shù)(待求)；是除X之外，被忽略或無(wú)法考慮到的因素，它服從正態(tài)分布。設(shè)已知觀測(cè)值，按統(tǒng)計(jì)學(xué)理論，問(wèn)題就是如何求取的最小二乘估計(jì)值，即求使得對(duì)任何都有，為殘差平方和函數(shù)： (2.18)極小等價(jià)于下面的導(dǎo)數(shù)為零 (2.19)式中： 。按非線性回歸的Gauss-Raphson解法，用的一階泰勒級(jí)數(shù)展開(kāi)式近似代替求解問(wèn)題。設(shè)的初始值為，則可近似為： (2.20)其中。對(duì)于有m個(gè)樣本數(shù)據(jù)的情況，殘差平方和為： (2.21)式中：。由于是事先設(shè)定的一個(gè)初值，因此式(13)和(14)中的和可由樣本計(jì)算得到。這樣，式(14)所示的殘差平方和函數(shù)就轉(zhuǎn)換為一個(gè)線性回歸模型的殘差平方和函數(shù)，即： (2.22)對(duì)式(2.22)按最小二乘法構(gòu)造殘差平方和得： (2.23)式中：為關(guān)于的列向量，為關(guān)于的列向量。由式(2.23)可知，當(dāng)設(shè)定的一個(gè)初值后，就可以求得一個(gè)新的估計(jì)值。反復(fù)進(jìn)行迭代，便得到的迭代序列。的一般表達(dá)式為： (2.24)依據(jù)式(2.24)，當(dāng)?shù)^(guò)程達(dá)到時(shí)，有，即此時(shí)的為非線性回歸模型參數(shù)的最優(yōu)估計(jì)。本文的實(shí)際計(jì)算中取相對(duì)誤差為迭代收斂條件。2.3.4 指數(shù)平滑法假設(shè)時(shí)間序列有著某種數(shù)據(jù)模式，而觀測(cè)值既體現(xiàn)著這種基本數(shù)據(jù)模式，又反映著隨機(jī)變動(dòng)。指數(shù)平滑法的目標(biāo)就是采用“修勻”歷史數(shù)據(jù)來(lái)區(qū)別基本數(shù)據(jù)模式和隨機(jī)變動(dòng)。這相當(dāng)于在歷史數(shù)據(jù)中消除極大值和極小值，獲得該時(shí)間序列的“平滑值”，并以它作為對(duì)未來(lái)時(shí)期的預(yù)測(cè)值。指數(shù)平滑法又可以分為移動(dòng)算術(shù)平均法，單指數(shù)平滑法，線性指數(shù)平滑法，二次指數(shù)曲線平滑法，季節(jié)性指數(shù)平滑法等幾種典型方法。2.3.4.1 移動(dòng)算術(shù)平均法設(shè)當(dāng)前時(shí)期為t ，已知時(shí)間序列觀測(cè)值為(x1, y1),( x2, y2),( xt, yt)，假設(shè)按連續(xù)n個(gè)時(shí)期的觀測(cè)值計(jì)算一個(gè)平均數(shù)，作為對(duì)下一個(gè)時(shí)期，即(t+1)時(shí)期的預(yù)測(cè)值，用表示： (2.25)它的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，缺點(diǎn)是要保存的數(shù)據(jù)比較多，而且n的大小不容易確定，故它只能用于平穩(wěn)時(shí)間序列時(shí)間數(shù)列。2.3.4.2 單指數(shù)平滑法單指數(shù)平滑法實(shí)際上是從移動(dòng)算術(shù)平均法演變而來(lái)的，它也只能用于平穩(wěn)時(shí)間序列，它的優(yōu)點(diǎn)是不需要保留較多的歷史數(shù)據(jù)，只要有最近的一期的實(shí)際觀測(cè)值和這期的預(yù)測(cè)誤差，就可以對(duì)未來(lái)時(shí)期進(jìn)行預(yù)測(cè)。 (2.26)式中：a 是平滑常數(shù)， 0 a 1?？梢赃\(yùn)用最小均方差的原則