電力負(fù)荷預(yù)測畢業(yè)論文

1、畢業(yè)論文（設(shè)計）電力負(fù)荷預(yù)測學(xué)生指導(dǎo)教師專業(yè)次批次學(xué)號學(xué)習(xí)中工作單位水利水電工程專升本2014年7月電力系統(tǒng)負(fù)荷預(yù)測的研究已經(jīng)有一段吋間的歷史，隨著計算機(jī)技術(shù)的發(fā)展和電網(wǎng)對 負(fù)荷預(yù)測精度要求的提高，對這-課題的研究也在不斷深入，并ii更具現(xiàn)實意義。電力 系統(tǒng)短期負(fù)荷預(yù)測是電力系統(tǒng)運(yùn)行調(diào)度的基礎(chǔ)，關(guān)系到整個電力系統(tǒng)的效率、效益和安 全。特別是隨著電力市場改革的深入，它已經(jīng)成為電力市場技術(shù)支持系統(tǒng)的重要組成部 分，是電力交易市場的主要數(shù)據(jù)來源，其預(yù)測精度對電力系統(tǒng)有著非常重要的意義。因 此如何提高預(yù)測精度特別是短期負(fù)荷預(yù)測的精度這一問題的重要性和迫切性將越來越 明顯。由于學(xué)歷的限制，本文對某些方面

2、知識的闡述可能還比較生硬。負(fù)荷預(yù)測是個長久 的課題，本文主要就電力負(fù)荷預(yù)測的含義，意義等開始闡述，以及電力負(fù)荷預(yù)測的一些 方法，針對一些容易出現(xiàn)誤差的提出了自己的見解。當(dāng)然本文還有很多不足，希望在將 來的學(xué)習(xí)電力的日子里對它加以完善。電力負(fù)荷預(yù)測方法小波分析1刖呂11論文研究的背景1.2論文研究的現(xiàn)狀113論文研究的目的和意義22電力負(fù)荷預(yù)測相關(guān)理論知識32. 1電力負(fù)荷預(yù)測的定義32.2電力負(fù)荷預(yù)測的分類43電力負(fù)荷預(yù)測的方法53. 1傳統(tǒng)預(yù)測方法53. 1. 1外推法53. 1. 2回歸分析法3. 13時間序列法3. 14小波分析方法63. 1.5卡爾曼(kalman)濾波方法63. 1.

3、6灰色預(yù)測法63. 2人工智能方法73.2. 1人工神經(jīng)網(wǎng)絡(luò)法73. 2.2專家系統(tǒng)方法83. 2. 3模糊控制法84電力負(fù)荷預(yù)測存在的問題及解決方法94. 1電力負(fù)荷預(yù)測存在的問題94. 1. 1負(fù)荷歷史數(shù)據(jù)的壞數(shù)據(jù)處理94.1.2節(jié)假日的負(fù)荷預(yù)測94. 1.3氣象因素的影響94. 1.4電力市場環(huán)境下，負(fù)荷的變化還與電價有關(guān)。94. 1.5隨機(jī)因素。94. 2針對上述問題的解決方法 104. 2. 1定量分析與定性分析相結(jié)合的問題104. 2.2原始數(shù)據(jù)的收集和篩選104.2.3電力負(fù)荷預(yù)測的依據(jù)105結(jié)語11后記12參考文獻(xiàn)131前言1.1論文研究的背景負(fù)荷預(yù)測的研究已有幾十年的歷史，國

4、內(nèi)關(guān)于負(fù)荷預(yù)測的研究已11!現(xiàn)了許多種方法，目前， 國內(nèi)發(fā)表的電力系統(tǒng)短期負(fù)荷預(yù)測的文獻(xiàn)較多，所采用的預(yù)報方法和到達(dá)的預(yù)報精度也各有不 同。綜合起來主要可分為以下三類。1）傳統(tǒng)統(tǒng)汁模型法。這是一種二十世紀(jì)九十年代以前常用的方法。主要包括時間序列法和 回歸分析法。這種方法的優(yōu)點是計算簡單、要求的歷史數(shù)據(jù)少。由于是基于統(tǒng)計模型，不易全面 地考慮天氣因素、突發(fā)事件等對于負(fù)荷的影響，因此預(yù)測精度低。2）專家系統(tǒng)法。即充分利用有經(jīng)驗的運(yùn)行人員的知識、經(jīng)驗和推斷規(guī)則來進(jìn)行負(fù)荷預(yù)測， 然而，把專家的知識和經(jīng)驗等精確地表達(dá)并轉(zhuǎn)化為-系列規(guī)則，則往往是很困難的，而且建立專 家系統(tǒng)的工作量要比一般預(yù)報算法大得多。

5、3）人工神經(jīng)網(wǎng)絡(luò)法。人工神經(jīng)網(wǎng)絡(luò)具有任意逼近非線性函數(shù)的特性，負(fù)荷變化是與諸多因 素有關(guān)的一個非線性函數(shù)，用人工神經(jīng)網(wǎng)絡(luò)對負(fù)荷歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)，是抽取和逼近負(fù)荷變化曲 線并進(jìn)行負(fù)荷預(yù)報的有效方法。近十年來，國外報道的相關(guān)文獻(xiàn)主要是用神經(jīng)網(wǎng)絡(luò)方法圍繞提高 或改善負(fù)荷預(yù)報的精度來進(jìn)行負(fù)荷預(yù)報研究。最具代表性的是美國研制的人工神經(jīng)網(wǎng)絡(luò)短期負(fù)荷 預(yù)報器，它包含有兩部分預(yù)測：一部分預(yù)測基本負(fù)荷；而另一部分預(yù)測負(fù)荷變化，這部分考慮了 短期內(nèi)氣候條件（溫度、濕度）。兩部分的自適應(yīng)組合便是最終的預(yù)報結(jié)果。該預(yù)報器具有較好 的自組織自適應(yīng)特性，已在美國，加拿大的35家電力公司采用。于是，有學(xué)者開始將各種智能化算

6、法，如人工神經(jīng)網(wǎng)絡(luò)法、遺傳算法、最小絕對值濾波算法 等用于在受到諸如氣象變化、經(jīng)濟(jì)環(huán)境變化等隨機(jī)因素干擾情況下的電力系統(tǒng)負(fù)荷預(yù)測。由于電 力系統(tǒng)的負(fù)荷受眾多不確泄因素的影響，是典型的灰色系統(tǒng)，運(yùn)用灰色系統(tǒng)來分析眾多不確泄因 素與電力負(fù)荷預(yù)測的關(guān)聯(lián)度已經(jīng)運(yùn)用廣泛，但如何準(zhǔn)確定量描述，以何種準(zhǔn)則來進(jìn)行不確定因素 的人工修整仍是一個難題，所以，通常很多地區(qū)很大程度上依靠預(yù)測人員的經(jīng)驗進(jìn)行預(yù)測。12論文研究的現(xiàn)狀西方發(fā)達(dá)國家如美國、英國隨著電力市場的日益成熟，電力供應(yīng)商為了獲取最大利潤，十分 重視電力負(fù)荷預(yù)測工作。為此，科研工作者一直在研究電力負(fù)荷預(yù)測的新方法以提高預(yù)測精度。 口從1991年美國學(xué)者p

7、ark等人提出使用神經(jīng)網(wǎng)絡(luò)預(yù)測電力負(fù)荷以來，人們對此表現(xiàn)出廣泛的關(guān) 注。在此基礎(chǔ)上，美國的khotanzad博士領(lǐng)導(dǎo)的科研小組經(jīng)過兒年的艱苦研究，提出了人工神經(jīng) 網(wǎng)絡(luò)電力負(fù)荷短期預(yù)測系統(tǒng)（annstlf）。這個系統(tǒng)己經(jīng)在實用化方面取得了空前的成功。北美洲 有35個大發(fā)電系統(tǒng)（公司），根據(jù)天氣預(yù)報、工業(yè)和居民用電統(tǒng)計資料，利用annstlf系統(tǒng)預(yù)測 發(fā)電站必須提供的發(fā)電量，大大提高了電站的經(jīng)濟(jì)效益和安全運(yùn)轉(zhuǎn)系數(shù)。但該系統(tǒng)有一個弱點， 即不能處理不確定性信息，且需要大量的歷史數(shù)據(jù)進(jìn)行訓(xùn)練和學(xué)習(xí)。我國的負(fù)荷數(shù)據(jù)近些年才開 始系統(tǒng)收集，采用annstlf系統(tǒng)不太適合我國的國情。iliroyuki教授等

8、人則在電力負(fù)荷短期預(yù)測 中運(yùn)用了自適應(yīng)模糊推理，srinivasan 采用了模糊神經(jīng)計算進(jìn)行需求預(yù)測。這些方法主要是 針對工業(yè)化發(fā)達(dá)國家實際情況提出的，而我國的國情復(fù)雜，地區(qū)之間的差距很大，生搬硬套上述 方法，很難取得成功。當(dāng)前國內(nèi)電力短期負(fù)荷預(yù)測研允備受矚目，很多學(xué)者提出自己的看法。東南大學(xué)的單淵達(dá)教 授采用徑向基函數(shù)(rbf)為神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)前向網(wǎng)絡(luò)的學(xué)習(xí)提供了一種新穎而有效的手段。rbf 網(wǎng)絡(luò)具有良好的推理能力，而且在學(xué)習(xí)方面比誤差反向傳播(bp)方法快得多。華北電力大學(xué)的牛 東曉教授則引入了小波神經(jīng)元網(wǎng)絡(luò)電力負(fù)荷預(yù)測模型。它以非線性小波基為神經(jīng)元函數(shù)，通過伸 縮因子和平移因子計算小波

9、基函數(shù)合成的小波網(wǎng)絡(luò)，從而到達(dá)全局最優(yōu)的逼近效果。清華大學(xué)張 伯明教授采用共共覘梯度法訓(xùn)練預(yù)測系統(tǒng)的神經(jīng)網(wǎng)絡(luò)，在學(xué)習(xí)算法上有所突破。國內(nèi)著名人工智 能學(xué)者蔡口興教授則結(jié)合多層感知神經(jīng)網(wǎng)絡(luò)和多分辨率遺傳算法來進(jìn)行電力負(fù)荷預(yù)。華南理工大 學(xué)的吳捷教授運(yùn)用模糊邏輯和時序特性來進(jìn)行最優(yōu)模糊邏輯推理匯，該系統(tǒng)的輸入量通過對歷史 數(shù)據(jù)的口相關(guān)分析而建立，再通過最近鄰聚類法對歷史數(shù)據(jù)的學(xué)習(xí)得到若干數(shù)據(jù)對，進(jìn)一步由最 優(yōu)模糊邏輯系統(tǒng)建立短期電力負(fù)荷的預(yù)測模型。國家電力科學(xué)研允院的胡兆光老師將ai推理和 模糊系統(tǒng)結(jié)合起來，建立a1規(guī)則庫對電力負(fù)荷進(jìn)行預(yù)側(cè)，也取得了較好的效果。13論文研究的目的和意義電力工業(yè)是國

10、民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)，在整個國民經(jīng)濟(jì)的發(fā)展起著舉足輕重的作用。多年的實踐 經(jīng)驗告訴我們，如果電力工業(yè)的發(fā)展速度能夠滿足國民經(jīng)濟(jì)建設(shè)的需要，就會促進(jìn)經(jīng)濟(jì)的高速發(fā) 展；否則，就會產(chǎn)生嚴(yán)重的供需矛盾，阻礙國民經(jīng)濟(jì)的發(fā)展。隨著現(xiàn)代工業(yè)和農(nóng)業(yè)的不斷發(fā)展及 人民生活水平的tl益提高，社會對電力的需求量越來越大。為了滿足日益增大的電力需求，必須 不斷擴(kuò)大電力系統(tǒng)的規(guī)模。由于電力工業(yè)的發(fā)展不僅需要消耗巨大的投資和-次能源，而h對國 民經(jīng)濟(jì)的其它部門也會產(chǎn)牛巨大的影響，合理的進(jìn)行電力系統(tǒng)規(guī)劃不僅可以獲得巨大的經(jīng)濟(jì)效 益，也會獲得巨大的社會效益。相反，電力系統(tǒng)規(guī)劃的失誤會給國家建設(shè)帯來不可彌補(bǔ)的損失。 因此，對電力系

11、統(tǒng)規(guī)劃問題進(jìn)行研究，以求最大限度地提高規(guī)劃質(zhì)量，具有重大的現(xiàn)實意義，而 實現(xiàn)這一目標(biāo)的第一步就是要做好負(fù)荷預(yù)測。負(fù)荷預(yù)測是電力系統(tǒng)規(guī)劃建設(shè)的依據(jù)。負(fù)荷預(yù)測的準(zhǔn)確程度將直接影響到投資、網(wǎng)絡(luò)布局和 運(yùn)行的合理性，因此，負(fù)荷預(yù)測在規(guī)劃中顯得尤其重要。若負(fù)荷及電量預(yù)測不足，電網(wǎng)的發(fā)展便 不能適應(yīng)實際發(fā)展的需要，無法滿足用戶正常用電需求，甚至還可能缺電。另一方面，若負(fù)荷及 電量預(yù)測過高，則又會導(dǎo)致一些過多而不能充分利用的設(shè)備，從而引起投資的浪費?？傊?fù)荷 預(yù)測的精度高低直接關(guān)系到各方利益，電力負(fù)荷預(yù)測工作的水平已成為衡量-個電力企業(yè)的管理 是否走向現(xiàn)代化的顯著標(biāo)志之-，尤其在我國電力事業(yè)空前發(fā)展的今天

12、，用電管理走向市場，電 力負(fù)荷預(yù)測問題的解決已經(jīng)成為電力行業(yè)人員面臨的重要而艱巨的任務(wù)。電力系統(tǒng)負(fù)荷預(yù)測是以準(zhǔn)確的歷史數(shù)據(jù)和調(diào)查資料為依據(jù)，從用電量的歷史和現(xiàn)狀出發(fā)，用 科學(xué)的方法預(yù)測未來電力系統(tǒng)負(fù)荷的發(fā)展趨勢和變化規(guī)律的科學(xué)。根據(jù)預(yù)測的時間跨度，一般將 負(fù)荷預(yù)測分為長期、屮期和短期負(fù)荷預(yù)測。短期負(fù)荷預(yù)測主要指預(yù)測未來一天或一周內(nèi)各個整點 的負(fù)荷曲線，主要用于制定系統(tǒng)的生產(chǎn)計劃，安排系統(tǒng)的短期運(yùn)行方式、進(jìn)行電力調(diào)度以及離線 安全分析等。傳統(tǒng)的負(fù)荷預(yù)測都是人工完成的。預(yù)測人員通過歷史負(fù)荷數(shù)據(jù)，采用一定的預(yù)測算法加以計 算，得到預(yù)測結(jié)果后，結(jié)合自己.的經(jīng)驗加以修正，形成最后發(fā)布的預(yù)側(cè)數(shù)據(jù)。在整個過

13、程中， 歷史數(shù)據(jù)的選擇，預(yù)測算法的選用和預(yù)測人員的經(jīng)驗，都會對預(yù)測結(jié)果產(chǎn)生很大的影響，預(yù)測的 精度難以保證。因此，電力企業(yè)迫切需要建立口己電力負(fù)荷預(yù)測系統(tǒng).這種系統(tǒng)必須能夠結(jié)合企 業(yè)現(xiàn)有的資源，能夠克服人工預(yù)測的各種弊端，不僅要有較高的預(yù)測精度，還要有口動化和智能 化的特性它不僅可以盡量降低電力短缺所帶來的危害，還能為電力企業(yè)帶來更大的經(jīng)濟(jì)效益。因此， 本文的研究具有重要的理論和現(xiàn)實意義。2電力負(fù)荷預(yù)測相關(guān)理論知識2.1電力負(fù)荷預(yù)測的定義所謂的負(fù)荷預(yù)測是指，在充分考慮一些重要的系統(tǒng)運(yùn)行特性、增容決策、自然條件與社會影 響的條件下研究或利用一套系統(tǒng)地處理過去與未來負(fù)荷的數(shù)學(xué)方法，在滿足一定精度要

14、求的前提 下，確定未來某特定時刻的負(fù)荷數(shù)值。負(fù)荷可指電力需求量或者用電量，而需求量是指能量的時 間變化率，即功率。也可以說，負(fù)荷時指發(fā)電廠、供電地區(qū)或電網(wǎng)在某一瞬間所承擔(dān)的工作負(fù)荷。 對用戶來說，用電負(fù)荷是指連接在電網(wǎng)的用戶所有用電設(shè)備在某一瞬間所消耗功率之和11。隨著我國電力系統(tǒng)的發(fā)展，電網(wǎng)管理的日趨現(xiàn)代化，負(fù)荷預(yù)測問題的研究也越來越引起人們 的注意，并已成為現(xiàn)代電力系統(tǒng)科學(xué)中的一個重要的領(lǐng)域，因為整個社會是一個復(fù)雜的整體，它 的用戶成千上萬每個用戶的要求也各部相同，因此，整個社會的用電需求既有一定的統(tǒng)計規(guī)律性, 又具有大量的隨機(jī)影響因素，具有不確定性電力系統(tǒng)負(fù)荷預(yù)測是電網(wǎng)規(guī)劃和經(jīng)濟(jì)運(yùn)行的重

15、要一 環(huán)。負(fù)荷預(yù)測對電力系統(tǒng)控制、運(yùn)行和計劃都是非常重要的，提高負(fù)荷預(yù)測的精度既能增強(qiáng)電力 系統(tǒng)運(yùn)行的安全性，又能改善電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性。因此，在實踐屮，無論是制定電力系統(tǒng)規(guī) 劃或是實現(xiàn)電力系統(tǒng)運(yùn)行自動化，進(jìn)行相應(yīng)的負(fù)荷預(yù)測都是必不可少的12。電力負(fù)荷預(yù)測主要是預(yù)測一下三個方面：未來電力需求量（功率），也就是確定電力系統(tǒng)發(fā)點設(shè)備和輸送容量。未來用電量（能量），主要是用來選擇機(jī)組，確定電源結(jié)構(gòu)和原料計劃等。負(fù)荷曲線，它是為電力的峰值、電站容量、設(shè)備協(xié)調(diào)運(yùn)行提供數(shù)據(jù)支持。22電力負(fù)荷預(yù)測的分類負(fù)荷預(yù)測從預(yù)測的吋間范圍上可以分為長期、中期、短期和超短期預(yù)測（如圖2.1）。長期 預(yù)測一般指十年以上并

16、以年為單位的預(yù)測，中期預(yù)測指在五年左右以年為單位的預(yù)測，中長期負(fù) 荷預(yù)測主要是用于指定電力系統(tǒng)的擴(kuò)建規(guī)劃，包括裝機(jī)容量的大小、形式、地點、時間和電網(wǎng)的 增容擴(kuò)建，它為所在地區(qū)或電網(wǎng)的電力發(fā)展速度、電力建設(shè)規(guī)模、電力工業(yè)布局、能源資源平衡、 地區(qū)間的電力余缺調(diào)劑、電網(wǎng)資金和人力資源的需求平衡提供了可靠的依據(jù)；短期預(yù)測指一年內(nèi) 以月為單位的負(fù)荷預(yù)測，還指以周、天、小時為單位的負(fù)荷預(yù)測，通常預(yù)測未來一個月、未來一 周、未來-天的負(fù)荷指標(biāo)，也預(yù)測未來-天每小吋的負(fù)荷，短期負(fù)荷預(yù)測對電力企業(yè)的tl常運(yùn)營 起到指導(dǎo)和調(diào)節(jié)作用，有利于合理安排電力日生產(chǎn)計劃；超短期負(fù)荷預(yù)測指未來lh、0. 5h,甚至 lom

17、in的預(yù)測，其意義在于對電網(wǎng)進(jìn)行計算機(jī)在線控制，實現(xiàn)發(fā)電容量的合理調(diào)度，滿足給泄的 運(yùn)行要求，同時使發(fā)電成本最小。圖2. 1負(fù)荷預(yù)測分類圖負(fù)荷預(yù)測從用途上乂可以分為發(fā)電部門預(yù)測和供電部門預(yù)測。前者從整體上預(yù)測負(fù)荷的變 化，根據(jù)負(fù)荷特性和負(fù)荷趨勢來進(jìn)行預(yù)測，稱為趨勢預(yù)測；而后者則往往利用由底向上的方法， 根據(jù)負(fù)荷的結(jié)構(gòu)和特性分別預(yù)測、統(tǒng)一匯總，稱為因子預(yù)測。從目前電力部門對負(fù)荷的掌握情況 來看，負(fù)荷結(jié)構(gòu)還沒有一個比較確切、泄量的模世，預(yù)測時無法考慮全面，預(yù)測偏差也比較人。 現(xiàn)在常用的是根據(jù)整體負(fù)荷進(jìn)行預(yù)測，通過對各種因素的修止而得到預(yù)測結(jié)果，實際運(yùn)作的結(jié)果 表明這種方法比較實用和有效。按照系統(tǒng)負(fù)

18、荷構(gòu)成可以將其劃分為：城市民用負(fù)荷、商業(yè)負(fù)荷、工業(yè)負(fù)荷、農(nóng)業(yè)負(fù)荷及其它 負(fù)荷等模型（如圖2.2）。不同類型的負(fù)荷有著不同的變化規(guī)律，例如隨家用電器的普及，城市居 民負(fù)荷年增長率提高、季節(jié)波動增大，尤其是空調(diào)設(shè)備的迅速擴(kuò)展，使系統(tǒng)峰荷受氣溫影響越來 越大；商業(yè)負(fù)荷主要影響晩高峰，而且隨季節(jié)而變化；工業(yè)負(fù)荷受氣彖影響較小，但大企業(yè)成分 下降，使夜間低估增長緩慢；農(nóng)業(yè)負(fù)荷季節(jié)變化強(qiáng)，而且與降水情況關(guān)系密切。一個地區(qū)負(fù)荷往 往含有幾種類型的負(fù)荷，比例不同冋。圖2. 2某地區(qū)負(fù)荷構(gòu)成圖電力系統(tǒng)負(fù)荷預(yù)測是實現(xiàn)電力系統(tǒng)安全、經(jīng)濟(jì)運(yùn)行的基礎(chǔ)，對一個電力系統(tǒng)而言，提高電網(wǎng) 運(yùn)行的安全性和經(jīng)濟(jì)性，改善電能質(zhì)暈，都

19、依賴于準(zhǔn)確的負(fù)荷預(yù)測。因此，負(fù)荷預(yù)測的關(guān)鍵是提 髙準(zhǔn)確度。3電力負(fù)荷預(yù)測的方法短期負(fù)荷預(yù)測技術(shù)發(fā)展至今己有幾十年，隨著數(shù)學(xué)統(tǒng)計理論和人工智能技術(shù)的相繼發(fā)展，人 們提出各種各樣的預(yù)測方法。迄今為止，短期負(fù)荷預(yù)測方法大致可以分為兩類：即傳統(tǒng)預(yù)測方法 和人工智能方法。傳統(tǒng)預(yù)測方法有：外推法、回歸分析法、吋i'可序列法、卡爾曼濾波、灰色預(yù)測 等；基于智能原理的方法：人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊理論等。3.1傳統(tǒng)預(yù)測方法3. 1. 1外推法根據(jù)c知的歷史資料來擬合一條曲線，使得曲線能反映負(fù)荷木身增長趨勢；然后按曲線對未 來預(yù)測求得某一點，從曲線估計該時刻的負(fù)荷值。常用曲線有直線、指數(shù)曲線、幕函數(shù)

20、曲線，s 型曲線等。外推法的原理簡單，使用方便，但由于負(fù)荷變化趨勢多種多樣，簡單的線性擬合難以 實現(xiàn)準(zhǔn)確性；多項式擬合的幕指數(shù)又難以確定，且指數(shù)越高公式越復(fù)雜化；有限的幾個增長模型 不能囊括負(fù)荷趨勢變化，各種隨機(jī)因素也是影響提尚預(yù)測精度難點。趨勢外推法一般僅用于長期 預(yù)測麗。3. 1.2回歸分析法回歸分析法是一種曲線擬合法，即對過去的具有隨機(jī)特性的負(fù)荷記錄進(jìn)行擬合，得到一條確 定的曲線，然后將此曲線外延到適當(dāng)時刻，就得到了該時刻的負(fù)荷預(yù)測值。這種方法是研究變量 和變量z間依存關(guān)系的一種數(shù)學(xué)方法。由于影響負(fù)荷的因素錯綜復(fù)雜或相關(guān)因素數(shù)據(jù)資料無法得 到，在預(yù)測模型川，很難準(zhǔn)確、詳細(xì)、全面的描述影響

21、預(yù)測對象的各種負(fù)荷因素，回歸分析法很 難適應(yīng)；另外有時影響因素z間的高度相關(guān)，違背了冋歸分析的基本假設(shè)，也會導(dǎo)致一系列錯誤, 則模世就不能用于預(yù)測。這些都使得冋歸分析法的應(yīng)用受到了很人的限制，預(yù)測精度也較差，因 而不是理想的預(yù)測方法購。3.1. 3時間序列法用時i'可來代替影響負(fù)荷的因素，依據(jù)負(fù)荷過去的統(tǒng)計數(shù)據(jù)，找到其隨時間變化的規(guī)律，建立 時序模型，以推斷未來負(fù)荷數(shù)值。英基本假設(shè)是：負(fù)荷過去的變化規(guī)律會持續(xù)到將來，即未來是 過去的延續(xù)。英主要數(shù)學(xué)模型有自回歸(ar)模型、滑動平均(ma)模型和自回歸一滑動平均(arma) 模型等。但時序法無論采用哪種模型都沒有考慮不同時刻負(fù)荷之間的相

22、關(guān)性和其它因素(比如天 氣因素)對負(fù)荷的影響，預(yù)測精度較差，因此時序法存在著預(yù)測不準(zhǔn)確的問題問。3. 1. 4小波分析方法小波分析是近年來數(shù)學(xué)研究成果屮杰出的代表。它是一種時域-頻域分析，在時域、頻域同 時具有良好的局部化性質(zhì)。小波分析汲取了現(xiàn)代分析學(xué)屮諸如泛函分析、調(diào)和分析、樣條分析等 眾多數(shù)學(xué)分支的精華。小波變換能將交織在一起的不同頻率組成的混合信號分解成不同頻帶上的 塊信號，對負(fù)荷序列進(jìn)行小波變換，可以將負(fù)荷序列投影到不同的尺度上，而各個尺度可近似地 看作各個不同的“頻帶”，這樣各個尺度上的子序列分別代表了原序列屮不同“頻域”的分量， 它們可以清楚的表現(xiàn)出負(fù)荷序列的周期性。在此基礎(chǔ)上，分

23、別對各個尺度上變換得到的子序列進(jìn) 行預(yù)測，最后利用各個尺度上的預(yù)測結(jié)果進(jìn)行信號重構(gòu)，就得到了完整的預(yù)測結(jié)果泅。3. 1. 5卡爾曼(kalman)濾波方法是建立狀態(tài)空間模型，把負(fù)荷作為狀態(tài)變量，用狀態(tài)方程和量測方程來描述?？柭鼮V波算 法遞推地進(jìn)行計算，適用于在線負(fù)荷預(yù)測。這是在假定噪聲的統(tǒng)計特性已知的情況下得出的，實 際上，該方法的難點是對噪聲統(tǒng)計特性的估計3.1. 6灰色預(yù)測法灰色預(yù)測理論其顯著特征就是用少量的數(shù)據(jù)做微分方程建立起預(yù)測的模型。在將一定范圍內(nèi) 變化的歷史數(shù)據(jù)列進(jìn)行累加，使其變成具有指數(shù)增長規(guī)律的上升形狀數(shù)列，對以對生成的這個形 狀數(shù)列建立起gm (grey model)模型。

24、gm(1, n)也就是對n個變量用一階微分方程建立的灰色模型。 gm(h 1)模型是灰色理論中最廣泛地用于電力負(fù)荷預(yù)測的一種有效模型，它屬于動態(tài)建模，采用 微分?jǐn)M合方程的方法來描述事物的發(fā)展變化規(guī)律?；疑A(yù)測具有要求負(fù)荷數(shù)據(jù)少、不考慮分布規(guī) 律、不考慮變化趨勢、運(yùn)算方便、短期預(yù)測精度高、易于檢驗等優(yōu)點，因此得到了廣泛應(yīng)有，并 取得了令人滿意的效果。但是，它和其他預(yù)測方法對比，也存在一定的局限性。一是當(dāng)數(shù)據(jù)離散 程度越大，即數(shù)據(jù)灰度越大，則預(yù)測精度越差；二是不太適合于電力系統(tǒng)的長期后推若干年的負(fù) 荷預(yù)測。傳統(tǒng)方法的原理比較簡單，理論比較成熟，因此至今仍有應(yīng)用。但是這些方法采用的數(shù) 學(xué)模型過于簡單

25、，其參數(shù)難以及時、準(zhǔn)確地進(jìn)行估計和調(diào)整，而且不能反映負(fù)荷的突然變化，因 此它們不能適應(yīng)用餃精確的數(shù)學(xué)模型來描述負(fù)荷的變化規(guī)律及其它因素對負(fù)荷的影響，從而使這 些方法難以獲得餃高預(yù)測精度呦。傳統(tǒng)預(yù)測方法的原理比較簡單，理論比較成熟，因此至今仍有應(yīng)用。但是這些方法采用的數(shù) 學(xué)模型過于簡單，其參數(shù)難以及時、準(zhǔn)確地進(jìn)行估計和調(diào)整，而且不能反映負(fù)荷的突然變化，因 此它們不能適應(yīng)用較精確的數(shù)學(xué)模型來描述負(fù)荷的變化規(guī)律及其它因素對負(fù)荷的影響，從而使這 些方法難以獲得較高預(yù)測精度。32人工智能方法3. 2.1人工神經(jīng)網(wǎng)絡(luò)法人工神經(jīng)網(wǎng)絡(luò)(artificial neural networks)是一種以人類大腦神經(jīng)

26、網(wǎng)絡(luò)為模擬對象的仿生 系統(tǒng)。它是在深入研究人腦神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，人工構(gòu)造的、能夠?qū)崿F(xiàn)某種特定功能的網(wǎng)絡(luò)，是 理論化的人腦神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型，是模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種信息處理系 統(tǒng)。它是由大量的簡單元件相互連接而成的復(fù)雜網(wǎng)絡(luò)，是具有高度非線性處理能力，能夠進(jìn)行復(fù) 雜的邏輯操作和非線性關(guān)系實現(xiàn)的系統(tǒng)。經(jīng)過半個多世紀(jì)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)技術(shù)已逐漸成熟, 并成功的應(yīng)用于模式識別、最優(yōu)化問題求解、信息的智能化處理、復(fù)雜控制和信號處理等領(lǐng)域， 取得了很好的效果。由于吸取了生物神經(jīng)網(wǎng)絡(luò)的許多優(yōu)點，相對于傳統(tǒng)的信息處理系統(tǒng)來說，人工神經(jīng)網(wǎng)絡(luò)具有 以下的特點：(1) 高度的非線性。人生神經(jīng)網(wǎng)絡(luò)特

27、別是多層次、非線性全連接的網(wǎng)絡(luò)，其輸入輸出表現(xiàn)出 非常顯著的外部非線性關(guān)系。經(jīng)證明，只要有足夠數(shù)目的神經(jīng)元，任何非線性連續(xù)函數(shù)都可以由 一個三層網(wǎng)絡(luò)以任意精度來近似表達(dá)。這種強(qiáng)大的非線性逼近能力，是神經(jīng)網(wǎng)絡(luò)最重要的性質(zhì)之o(2) 良好的自學(xué)習(xí)和自適應(yīng)性。人工神經(jīng)網(wǎng)絡(luò)能夠通過學(xué)習(xí)和訓(xùn)練來適應(yīng)環(huán)境的變化。當(dāng)外 界環(huán)境發(fā)生變化時，經(jīng)過一段時間的訓(xùn)練與學(xué)習(xí)，人工神經(jīng)網(wǎng)絡(luò)能自動調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)和連接模式, 使得對于特定輸入能夠產(chǎn)生期望的輸出。(3) 良好的容錯性和聯(lián)想記憶能力。人工神經(jīng)網(wǎng)絡(luò)通過自身的網(wǎng)絡(luò)結(jié)構(gòu)，能夠?qū)崿F(xiàn)對信息的 記憶。而所記憶的信息是存儲在神經(jīng)元之間的權(quán)值中，是一種分布式的存儲方式。即使部分信

28、息 丟失或模糊，也不會從根本上影響網(wǎng)絡(luò)的整體性能龜，從而表現(xiàn)出良好的容錯性、很強(qiáng)的抗噪音 能力和聯(lián)想推廣能力。網(wǎng)絡(luò)一經(jīng)訓(xùn)練成功，就可以正確的處理和訓(xùn)練樣本集相似的數(shù)據(jù)，在一定 的誤差范禺內(nèi)，述可以處理非完全數(shù)據(jù)，由局部聯(lián)想到整體，表現(xiàn)出聯(lián)想記憶的特征，適宜于處 理知識背景不清楚、推理規(guī)則不明確的問題。（4）高度的并行性。人工神經(jīng)網(wǎng)絡(luò)是市許多相同的簡單處理單元組合而成，雖然每個單元的 功能簡單，但大量簡單處理單元的并行活動，卻能夠形成驚人的信息處理能力3. 2. 2專家系統(tǒng)方法專家系統(tǒng)是人工智能領(lǐng)域的一個重要分支，它是一種基于知識推理的系統(tǒng)，它通過獲取大量 的領(lǐng)域內(nèi)專家知識并在此基礎(chǔ)上進(jìn)行推理從

29、而得到問題的解答。專家系統(tǒng)適用于專業(yè)范圍明確， 沒有完整的、精確的理論的領(lǐng)域，專家系統(tǒng)是對人類的不可量化的經(jīng)驗進(jìn)行轉(zhuǎn)化的一種較好的方 法，若能將它與其他方法有機(jī)地結(jié)合起來構(gòu)成預(yù)測系統(tǒng)，將可得到滿意的結(jié)果凹。3. 2. 3模糊控制法模糊集合和模糊推理是專門用來處理不確定性問題的理論。模糊集合將經(jīng)典集合的絕對隸屬 關(guān)系（非a即b）模糊化（既a又b）,典型的隸屬度函數(shù)有三角函數(shù)、梯形函數(shù)、正態(tài)分布函數(shù)、s 形分布函數(shù)和z形分布函數(shù)。模糊推理基于模糊規(guī)則，模糊規(guī)則以tf-then的形式來表達(dá)模糊集 合間的關(guān)系。電力負(fù)荷預(yù)測是利用以往的數(shù)據(jù)資料找出負(fù)荷的變化規(guī)律，從而預(yù)測出電力負(fù)荷在 未來時期的變化趨勢

30、及狀態(tài)。實際預(yù)測時，常常需要在歷史負(fù)荷及影響其變化的相關(guān)環(huán)境因素數(shù) 據(jù)不確定的情況下進(jìn)行預(yù)測，模糊數(shù)學(xué)為處理此類問題提供了有效手段。模糊理論是將操作人員 的經(jīng)驗以規(guī)則的形式表達(dá)出來，并轉(zhuǎn)換成對以在計算機(jī)上運(yùn)行的算法。它在電力系統(tǒng)的許多領(lǐng)域 中得到了應(yīng)用。近年來出現(xiàn)了模糊回歸分析法、模糊聚類識別預(yù)測法、模糊與神經(jīng)網(wǎng)絡(luò)結(jié)合應(yīng)用 等方法。由丁-模糊推理對以利用有限的規(guī)則近似任意的函數(shù)關(guān)系，將這一理論應(yīng)用丁負(fù)荷預(yù)測是 不錯的選擇。最新資料顯示，模糊系統(tǒng)和其他方法結(jié)合的負(fù)荷預(yù)測的精度要明顯優(yōu)丁其他負(fù)荷預(yù) 測方法呦。綜上所述，相對于其它的預(yù)測方法來說，人工神經(jīng)網(wǎng)絡(luò)法被認(rèn)為是一種簡單而有效的負(fù)荷預(yù) 測技術(shù)，

31、非常適合用來進(jìn)行電力系統(tǒng)短期負(fù)荷預(yù)測。不同的預(yù)測方法有各口的優(yōu)點和缺點，為了 發(fā)揮不同方法的優(yōu)點，避開其不足，人們在負(fù)荷預(yù)測過程中將不同的預(yù)測方法加以組合，形成了 許多種組合方法，在一定條件下能夠有效的改善模型的擬合能力和提高預(yù)測的精度。4電力負(fù)荷預(yù)測存在的問題及解決方法4.1電力負(fù)荷預(yù)測存在的問題經(jīng)典的負(fù)荷預(yù)測是根據(jù)電網(wǎng)的歷史數(shù)據(jù)，找出負(fù)荷隨各種因素變化的規(guī)律，在一定的假設(shè)下, 建立適當(dāng)?shù)臄?shù)學(xué)模型，預(yù)測未來的某一時刻負(fù)荷。但依靠數(shù)學(xué)建模進(jìn)行預(yù)測對上述的隨機(jī)性、周 期性及表現(xiàn)人的判斷顯得無能為力，所以我們把負(fù)荷預(yù)測方法中存在的問題歸結(jié)為：4. 1. 1負(fù)荷歷史數(shù)據(jù)的壞數(shù)據(jù)處理負(fù)荷的歷史數(shù)據(jù)一般

32、來源于scada數(shù)據(jù)庫，由于系統(tǒng)中各種終端讀表的各種誤差，數(shù)據(jù)庫中 的數(shù)據(jù)經(jīng)常會受到污染。常見的有毛刺、某一段數(shù)據(jù)突然變大或變小、和數(shù)據(jù)的不正常波動等。 而沖擊負(fù)荷比較大的地區(qū)，負(fù)荷數(shù)據(jù)的過分波動不利于掌握負(fù)荷的變化趨勢，增加了負(fù)荷分析的 難度。因此在用歷史數(shù)據(jù)進(jìn)行訓(xùn)練和預(yù)測前，壞數(shù)據(jù)的辨識與修正是必須要做的工作。即確定某 條曲線中存在壞數(shù)據(jù)，然后找出壞數(shù)據(jù)在曲線中的位置，將其剔除掉并進(jìn)行修正。4.1.2節(jié)假日的負(fù)荷預(yù)測在國家法定節(jié)假fi （元旦、春節(jié)、五一和國慶）期間負(fù)荷與平時相比明顯降低，尤其是春節(jié) 更是持續(xù)長時間、大幅度的曲線下降和變形。節(jié)假日負(fù)荷一般要求提前半個月到一個月左右做出 預(yù)測

33、，節(jié)假id的預(yù)測一直是負(fù)荷預(yù)測的難點之所在。由于數(shù)據(jù)量較少，參考上一節(jié)假日相隔時間 乂長達(dá)一年，無法形成足夠有效的樣本集使得神經(jīng)網(wǎng)絡(luò)方法不能使用于節(jié)假日預(yù)測屮，需要結(jié)合 傳統(tǒng)的多種方法另找途徑。4.1.3氣象因素的影響研究表明，氣象因素對負(fù)荷預(yù)測精度的影響不可忽視，傳統(tǒng)的預(yù)測方法不能考慮氣象或者考 慮氣象不充分，導(dǎo)致預(yù)測結(jié)果不夠理想。需要結(jié)合多種方法，如模糊聚類法法將氣象因素（溫度、 濕度、天氣狀況等）考慮在內(nèi)。4. 1. 4電力市場環(huán)境下，負(fù)荷的變化還與電價有關(guān)。4. 1. 5隨機(jī)因素。其他大量引起負(fù)荷變化的隨機(jī)因索也經(jīng)常存在，例如人負(fù)荷用戶的用電調(diào)整以及重大的政治 經(jīng)濟(jì)活動等。42針對上述

34、問題的解決方法電力負(fù)荷預(yù)測的難點在于影響因素眾多，它包含有內(nèi)外部的隨機(jī)因素，特別是許多非負(fù)荷因 素的影響。這些影響因素與預(yù)測值z間形成復(fù)雜的非線性關(guān)系。影響負(fù)荷預(yù)測的主要因素如下叫4. 2. 1定量分析與定性分析相結(jié)合的問題影響電力負(fù)荷的因素很多，在以往的負(fù)荷預(yù)測屮，我們往往只重視定量的分析，而忽略了定 性的分析，這是一個值得注意的問題。定性分析包括在進(jìn)行定量分析之前，對某些基本數(shù)據(jù)進(jìn)行 必要的分析，如對負(fù)荷數(shù)據(jù)特性的分析等。4. 22原始數(shù)據(jù)的收集和篩選近年來我國的電力負(fù)荷預(yù)測的研究，對于模型的建立比較重視，而不去深入分析和收集原始 數(shù)據(jù)，以至造成有時原始數(shù)據(jù)的篩選分析與模型不配套的弊端。要

35、成功地進(jìn)行預(yù)測，必需要把握 以下四大環(huán)節(jié)：(1) 要收集盡可能全面的信息。如果信息而過窄，就極難得到恰當(dāng)?shù)念A(yù)測。(2) 要使用正確的篩選手段與方法，有用的真實信息常常淹沒在大量的干擾信號z屮，只有 使用正確的篩選手段與方法，才能去偽存真。(3) 應(yīng)使邏輯運(yùn)算的假設(shè)盡可能地符合實際，任何一種模型或邏輯運(yùn)算，都是以假設(shè)為前提 的，如果假設(shè)離前提太遠(yuǎn)，那就不可能獲得成功地預(yù)測結(jié)果。4. 2. 3電力負(fù)荷預(yù)測的依據(jù)首先，要明確電力負(fù)荷預(yù)測的依據(jù)，從實際出發(fā)，選擇正確的預(yù)測方法。電力負(fù)荷預(yù)測既要 依據(jù)調(diào)度專家成功可靠的經(jīng)驗，更要依據(jù)符合的歷史數(shù)據(jù)。其次，電力系統(tǒng)負(fù)荷變化具有顯著地周期性。通過對實際負(fù)荷記錄的分析發(fā)現(xiàn)，按小吋觀測 的負(fù)荷具有以24小時或7天變化的周期，這種周期性變化的規(guī)律是電力負(fù)荷變化的又一本質(zhì)特 征。在預(yù)測方法中，如何體現(xiàn)其變化的周期性，從而使預(yù)測結(jié)果更符合實際，也是負(fù)荷預(yù)測中面 臨的實際問題。5結(jié)語近兒年來負(fù)荷預(yù)測的方法越來越多，本文針對實際應(yīng)用過程小遇到的問題提出有針對性的方 法并加以