【正文】 y作 n次試驗觀察，且在 x的不全相同的各個值上對 y的觀察是相互獨立的，其 n對觀察值記為： x x1 x2 ? xn y y1 y2 ? yn 稱這些值為樣本。 一元線性回歸 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（如時間），用 x 表示，因變量是依賴于 x 的隨機變量（如電力負荷），用 y 表示。電力負荷回歸分析法是通過對影響因子值（比如國民生產總值、工農業(yè)總產值、氣候、人口等 等 ）和用電的歷史資料進行統(tǒng)計分析，確定用電量和影響因子之間的函數關系，從而實現(xiàn)預測。回歸預測的重點是通過某種途徑估計模型的參數向量 A。在整個回歸分析中，線性回歸模型最為重要。在電力負荷預測 12 的實際問題中，回歸方程的因變量一般是電力系統(tǒng)負荷，自變量是影響電力系統(tǒng)負荷的各種因素，如社會經濟、人口、氣候等。 確定模型表達式中的未知參數是回歸預測的主要步驟，一般應用最小二乘法進行 。 電力 系統(tǒng) 負荷回歸預測技術 的 任務是確定預測值和影響因子之間的關系而做出預測 ， 是 以 負荷過去的歷史資料 為基礎 ，建立可以進行數學 統(tǒng)計 分析的數學模型。因此，提出預測W 0 Ks(T? Ts) ?Kw(T?Tw) Ts Tw T 11 模型必須考慮下述問題 : (1) 模型應能反映負荷隨著季節(jié)、星期及一天 24h 周期性波動的特點 ； (2) 模型應能反映氣溫、日照等氣象因素的影響 ； (3) 模型應能反映負荷自然增長的內在規(guī)律 ； (4) 近期負荷變化趨勢比早期負荷變化趨勢對未來負荷變化的影響更加明顯，數學模型應該能反映出這種“近大遠小”的規(guī)律 ； (5) 對節(jié)假日期間的負荷應建立專用預測模型，且能夠根據現(xiàn)場需要，提前對節(jié)假日期間的負荷進行預測 。還有一些特殊事件如工業(yè)設備損壞、政治事件、慶典活動、特別電視節(jié)目，雖然事件發(fā)生時刻可以預先知道，但對負荷影響的程度是未知的。 （ 4） 隨機負荷分量 上述各分量的數學模型，都不適合于隨機負荷分量。 在 Tw ≤ T ≤ Ts之間一段溫度上，電熱和冷氣均不開放，負荷和溫度沒什么關系。對 任一給定日，溫度對正常值的偏差，將 會引起負荷的顯著變化，有時甚至需要對機組投入計劃進行大的修正。盡管單個負荷的變化 有 很大 的 隨機性，但實踐表明所有單個負荷的總和即系統(tǒng)總負荷一般具有一定的變化規(guī)律， 在不斷 實踐 的 過程 中 ，人們逐漸 總結出 影響這種 變化 的 因素 主要有四種 : （ 1） 基本正常負荷分量 對于 不同的預測周期， 基本 正常負荷分量有不同的內涵 ， 與氣象 等 無關，對于超短期負荷預測，正常負荷分量近似線性變化，甚至是常數 ； 對于短期負荷預測，正常負荷分量一般是周期性變化，而中長期負荷預測 中 ，正常負荷分量呈現(xiàn)出明顯增長趨勢的周期性變化。在進行電力系統(tǒng)的短期負荷預測時，針對負荷變化的特點，既要充分分析、掌握并利用其規(guī)律性，又要兼顧各種因素的影響 [12]。 負荷 預測報告中應包括預測條件 、假設 和影響因素等。如果 預測 的 結果誤差過大，不 滿足 要求 ，這就說明我們選擇的預測模型是不恰當的，此時我們 就必須更換模型，必要時，可同時采用多種數學模型進行運算，以便對比，從而選擇最精確的模型。 在整理資料時 既要注意資料的完整無缺，數字準確無誤， 保證其 反映的都是正常狀態(tài)下的水平，資料中沒有異常的分離項，還要注意資料的補缺推算 、去偽存真 ，對不可靠的資料核實調整及調整時間數列中不可比資料。 調查收集資料 時應 盡量 系統(tǒng)和全面 ， 要 包括電力企業(yè)內部資料和外部資料， 不能用自己 臆想的數據去填補負荷預測模型中所缺少的資料 。所需歷史資料項數多少，說法不一。一般而言，預測范圍要根據研究問題所涉及的范圍而定，例如編制全國電力規(guī)劃，就要預測全國范圍內的電力、電量需求量；編制大區(qū)網局或地方（省、地、縣）電力局的發(fā)展規(guī)劃，就要預測大區(qū)電網或地方電力局范圍內的電力、電量需求量。這種統(tǒng)計規(guī)律性是應用概率論與數理統(tǒng)計的理論和方法進行預測的基礎 [11]。在相同的背景下， 預測量會體現(xiàn)出與歷史量相同的規(guī)律。 電力系統(tǒng)的發(fā)展變化同樣存在著慣性 ， 即認為在各種因素沒有改變的情況下，電力需求不可能突變。 （ 4） 連 續(xù)性原則 連 續(xù)性原則 相當于 我們在 物理 所學 中的 “ 慣性定理 ” 。所以，對 電力系統(tǒng)負荷 的預測，往往是按照其發(fā)展變化的多種可能性，進行多方案預測的。由于負荷預測 具有不確定性、條件性 、時間性 、多方案性等特點 ， 建立負荷預測模型和實施預測方法，一般要基于以下幾個基本原理 ： （ 1） 可知性原理 首先電力負荷 的發(fā)展規(guī)律 ， 其未來的發(fā)展趨勢和狀況 是 可以為人們所認知的 。 （ 3） 負荷預測的時間性 負荷預測都有一定的時間范圍，因為負荷預測屬于科學預測的范疇，因此，要求有比較確切的數量概念，往往需要指明預測時間。另外預測方法與理論的不斷改進也將影響到預測結果的精度。 負荷預測的特點 電力系統(tǒng)負荷的大小和多種因素有關，這些因素中既有不確定性因素，如天氣、溫度等，也有確定性因素。 雖然負荷可以大致這樣分類預測，但并不嚴格，對于按某類負荷進行預測時，可能發(fā)生把某些實際負荷歸算到哪一類負荷的爭執(zhí)。其中，城市民用負荷預測主要指城市居民的家用負荷預測 。長期負荷預測 是指 預測未來 110 年的負荷，時間間隔為 1年 ， 主要是電網規(guī)劃部門根據國民經濟的發(fā)展和對電力負荷的需求，所作的電網改造和擴建工作的遠景規(guī)劃 。 按預測 周期 分類 電力系統(tǒng)負荷預測按 預測的周期可分為超短期負荷預測、短期負荷預測、中期負荷預測和長期負荷預測。主要包括負荷預測的分類、特點及基本原理的分析 。從實際應用來看，單純的模糊方法對于負荷預測，精度往往不盡如人意，這主要是由于模糊理論缺乏學習能力，這一點對不斷變化的電力負荷來說，是極其不利的。模糊集理論是介于邏輯計算和數值計算之間的一種數學工具，形式上利用規(guī)則進行邏輯推理，但其邏輯取值可以在 0與 1之間連續(xù)變化，采用數值的方法進行處理。在負荷預測中，通過選擇合適的小波，對不同性質的負荷進行分類，從而可以針對某種性質的負荷，根據其規(guī)律采用相應的預測方法，對分解出的序列分別進行預測，再將預測得到的序列進行重構，得到負荷的預測結果?？陀^世界是物質的世界，也是信息的世界。 在灰色系統(tǒng)理論的研究中，將各類系統(tǒng)分為白色、黑色和灰色系統(tǒng)。 總之傳統(tǒng)的短期負荷預測方法存在一些缺陷，如數值不穩(wěn)定，未能考慮溫度和氣象因素，在預測精度和 速度上未能取得滿意的效果，這也就是為什么在人工神經網絡方法出現(xiàn)后，人工神經網絡首先在電力系統(tǒng)負荷預測上取得成功的原因。 神經網絡預測法 神經網絡是仿效生物處理模式以獲得智能信息處理功能的理論 。而專家系統(tǒng)的缺點是知識庫的建立比較困難。專家系統(tǒng)是對領域專家分析、求解復雜問題能力的模擬。 時間序列法 時間序列模型有自回歸 (AR)，動平均 (MA)、自回歸一動平均 (ARMA)、累積式自回歸一動平均等模型 [4]。 回歸分析方法 一般來講，電力網絡負荷同其所在地區(qū)的經濟、政治、氣候等因素存在某種因果關系。常用的趨勢模型有線性趨勢模型、多項式趨勢模型、指數趨勢模型、邏輯斯蒂模型、龔帕茲 (GomPerts)模型等等。人工智能方法有專家系統(tǒng)預測 2 法、神經網絡預測法、灰色系統(tǒng)法、遺傳規(guī)劃算法、模糊預測法、支持向量機、小 波分析法、組合優(yōu)化算法等等。 國內外研究負荷預測的現(xiàn)狀 目前，國內外關于短期電力負荷預測的研究主要集中在三個方面：負荷預測的影響因素、負荷預測的數學模型和負荷預測算法的研究與改進。 提高負荷預測技術水平有利于計劃用電管理，有利于減少能耗和降低發(fā)電成本，有利于合理安排電網運行方式和建立機組檢修計劃，有利于提高電力系統(tǒng)的經濟效益和社會效益。 選題 的 意義 電力負荷預測是電力市場的重要組成部分 。 關鍵字 ： 電力系統(tǒng)、 短期 負荷預測、線性回歸 II ABSTRACT Shortterm load forecasting is very an important element in the scheduling of power system operation, it is both the important aspects to ensure safe and economic operation of power system and scientific management and scheduling of power grid, and an integral part of the energy management system, also the basic content of the future power grid mercial operation. This paper introduces the significance of load forecasting and summarizes the existing load forecasting method, then introduces its classification, characteristics and the basic principles. In the paper, I studies linear regression model in the load forecasting, and list a numerical example in an area of jilin baicheng. KEY WORDS: power system, shortterm forecasting, linear regression 1 目 錄 摘 要 ..................................................... I ABSTRACT .................................................... II 第 1 章 緒論 .................................................. 1 選題背景與意義 ................................................ 1 選題的背景 ................................................ 1 選題的意義 ................................................ 1 國內外研究負荷預測的現(xiàn)狀 ...................................... 1 傳統(tǒng)預測方法 .............................................. 2 人工智能預測方法 .......................................... 2 本文的主要研究工作 ............................................ 4 第 2 章 電力負荷預測的概論 .................................... 5 電力負荷預測的分類 ............................................ 5 按預測周期分類 ............................................ 5 按行業(yè)分類 ................................................ 5 按負荷預測特性分類 ........................................ 5 負荷預測的特點 ................................................ 5 電力系統(tǒng)負荷預測的基本原理 .................................... 6 負荷預測的基本步驟 ............................................ 7 第 3 章 線性回歸模型在短期負荷預測中的應用 .................... 9 短期負荷預測的基本模型 ........................................ 9 影響負荷變化的因素 ........................................ 9 負荷預測模型的要 求 ....................................... 10 短期負荷預測基本模型 .......................