【文章內容簡介】 預測報告是預測結果的文字表述。預測報告一般包括題目、摘要、正文、結論、建議、和附錄等部分。 預測題目主要反映預測目標、預測對象、預測范圍和預測時限。摘要通常說明預測中的主要發(fā)現、預測的結果及提出的主要建議和意見。摘要與題目配合，可以引起有關方面的重視。正文包括分析及預測過程、預測模型及說明、有關計算方法、必要的圖表、預測的主要結論及對主要 結論的評價。結論與建議是扼要地列出預測的主要結果，提出有關建議和意見。附錄主要包括說明正文的附表、資料，預測中采用的計算方法的推導和說明，以及正文中未列出的有價值的其他資料。 電力負荷預測模型及基本算法 電力負荷預測模型 針對影響系統(tǒng)負荷的因素，電力系統(tǒng)總負荷預測模型一般可以按四個分量模型描述為 L(t)=B(t)+W(t)+S(t)+V(t) （ 41） 式中， L(t)為時刻 t的系統(tǒng)總負荷； B(t)為時刻 t 的基本正常負荷分量； W(t)為時刻 t 的天氣敏感負荷分量 ； S(t)為時刻 t的特別事件負荷分量； V(t)為時刻 t的隨機負荷分量。 （ 1） 基本正常負荷分量模型 不同的預測周期， B(t)分量具有不同的內涵。對于超短期負荷預測， B(t)近似線性變化，甚至是常數；對于短期負荷預測， B(t)一般呈周期性變化；而中長期負荷預測中， B(t)呈明顯增長趨勢的周期性變化。 所以，對于基本正常負荷分量，可以用線性變化模型和周期變化模型描述，或用二者的合成共同描述，即 ( ) ( ) ( )B t X t Z t? （ 42） 式 中， ()Xt為線性變化模型負荷分量； ()Zt 為周期變化模型負荷分量。 線性變化模型可以表示為 ()X t a b t ?? ? ? （ 43） 式中， a,b 為線性方程的截距和斜率； ? 為誤差。 1）線性變化模型 超短期負荷變化可以直接采用線性變化模型，將前面時刻的負荷描述成一條直線，其延長線即 可預測下一時刻的負荷，如圖所示。短期負荷日均值接近于常數，長期負荷年均值增長較大，甚至需要用非線性模型（二次或指數函數）描述。 針對短期負荷預測，將歷史上一段日負荷 L按時序畫在一張圖上，見圖 所示，將及每日平均負荷 X畫在圖上，總體看來是一條斜率接近于零的直線，可用線性模型來描述。 [西南交通大學 ] 西南 交通大學 網絡 教育學院畢業(yè)設計（論文） 15 圖 負荷線性變化模型 2）周期變化模型 周期變化模型，是用來反映負荷有按日、按月、按年的周期變化特性。如圖 所示給出了日負荷曲線，其周期變化規(guī)律可以用日負荷變化系數 ()iZt表示： ()() iiiLtZt X? （ 44） 其中， ()iLt為一天中各小時的負荷； iX 為當天的日平均負荷。 圖 給出連續(xù)幾天的日負荷變化系數 ()iZt曲線，其有明顯的周期性，即以 24小時為周期循環(huán)變化。順序觀 察每天同一時刻的負荷變化系數值，可以看出他們接近于一條水平線，這樣便可以用前幾天的同一時刻的負荷變化系統(tǒng)值的平均值預測以后的值。逐小時作出日負荷變化系數的平均值，連接起來就是一天總的周期變化曲線。我們把這種反映一天 24小時負荷循環(huán)變化規(guī)律的模型稱為日周期變化模型。即 11( ) ( )n iiZ t Z tn ?? ? (t=1,2,...,24) （ 45） 式中， n 為過去日負荷的天數； ()iZt為過去第 i 天第 t 小時負荷變化系數。 這樣，按線性模型預測 B(t)的負荷均值 X(t)，按周期變化模型預測 B(t)的周期負荷變化系數 Z(t)，用式（ 42）就可以得到基本負荷分量 B(t)。 （ 1） 天氣敏感負荷分量模型 影響負荷的天氣因素，有溫度、濕度、風力、陰晴等，這里以溫度為例說明天氣敏感L 1 2 n n+1 8 16 24 8 16 24 24 24 16 8 圖 日負荷周期變化模型 [西南交通大學 ] 西南 交通大學 網絡 教育學院畢業(yè)設計（論文） 16 負荷模型。以日負荷預測為例，給定過去若干天氣負荷記錄、溫度記錄，利用線性回歸或曲線擬合方法，可以用三段直線來描述天氣敏感負荷模型 ( ) ,( ) ( ) ,0,s s ss w w wwsK t T t TW t K t T t TT t T???????? ? ? ??? （ 46） 式中， t 為預測溫度，可以是一日最高溫度、最低溫度、平均溫度或是某時點溫度； wT ， wK 為電熱臨界溫度和斜率， stT? 時電熱負荷增加，其斜率為 wK ； sT ， SK 為冷氣臨界溫度和斜率， stT? 是冷氣負荷增加，其斜率為 SK 。 在 wsT t T?? 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。 （ 3）特別事件負荷分量模型 特別事件負荷分量指特別電視節(jié)目、重大政治活動等對負荷造成的影響。其特點是只有積累大量的事件記錄，才能從中分析出某些事件的出現對負荷的影響程度，從而作出特別事件對負荷的修正規(guī)則。這種分析可以用專家系統(tǒng)方法來實現，也可以簡單的用人工修正來實現。人工修正方法通常用因子模 型來描述。 因子模型又可以分為乘子模型和疊加模型兩種。 乘子模型，是用一個乘子 k 來表示特別事件對負荷的影響程度， k 一般接近于 1，那么，特別事件負荷分量為 ( ) ( ( ) ( ))S t B t W t k?? （ 47） 疊加模型，是直接把特別事件引起的負荷變化值 ()Lt? 當成特別事件負荷分量 ()St ，即 ( ) ( )S t L t?? （ 48） （ 4）隨機負荷分量模型 上述各分量的數學模型，都不適應于隨機負荷分量。實際上，對于給定的過去一段時間的歷史負荷記錄，提取出基本負荷分量、天氣敏感負荷分量和特別事件負荷分量后，剩余的殘差即為各時刻的隨機負荷分量，可以看成是隨機時間序列。目前，處理這樣問題的最有效辦法是 BoxJenkins 的時間序列法，其基本的時間序列模型有下述 4種。 1）自回歸模型 一個自回歸模型（ AR）描述的過程是它的現在值可以由本身的過去的有限項的加權和及一個干擾值 a(t)（假設為白噪聲）來表 示，即 1( ) ( 1 ) ( 2 ) ( ) ( )ipV t V t V t V t p a t? ? ? ? ? ? ? ??? ? ? ? ? （ 49） 在自回歸模型中，模型的階數 p 和系數 i? （ i =1， 2， ? ,p） 由過去值通過模型辨別和參數估計來決定。 2）動平均模型 動平均模型（ MA）描述的過程是它的現在值 V(t)可由其現在和過去的干擾值的有限項的加權和來表示，即 12( ) ( ) ( 1 ) ( 2 ) ( )qV t a t a t a t a t q? ? ?? ? ? ? ? ? ??? ? ? （ 410） 同樣，模型的階數 q和系數 i? （ i =1， 2， ? ,q） ，由過去的歷史值通過模型辨別和參數估計決定。 [西南交通大學 ] 西南 交通大學 網絡 教育學院畢業(yè)設計（論文） 17 3）自回歸動平均模型 自回歸動平均模型（ ARMA）把它的現在值 V(t)看作是它的過去值的有限項的加權和及其現在和過去干擾量的有限項加權的疊加，即 11( ) ( 1 ) ( ) ( ) ( 1 ) ( )pqV t V t V t p a t a t a t q??? ? ? ? ??? ? ? ? ? ? ? ? ??? ? ? （ 411） 4）累積式自回歸動平均模型 非平穩(wěn)隨機過程多種多樣，一般常見的是含有趨勢項和周期項的非平穩(wěn)隨機過程。 某些非平穩(wěn)隨機序列 V(t)，例 如均值不為 0的非平穩(wěn)隨機過程，經一階差分后得到的序列（ 1B） V(t)有可能是平穩(wěn)的。有趨勢變化的非平穩(wěn)隨機過程，有可能經過若干次差分后才能平穩(wěn)化，即對 V(t)作多次差分得到的 39。()Vt是一個 平穩(wěn)隨機過程，即 39。 ( ) (1 ) ( )dV t B V t?? （ 412） 式中， d 為差分階數； B為后移算子。 具有周期變化規(guī)律的非平穩(wěn)時間序列 V(t)，它按固定的周期 T呈現的規(guī)律變動。如果每個時間點的值都和超前 T的（ tT） 值進行差分運算，那么（ 1 TB ） V(t)就變成平穩(wěn)時間序列了，其中 TB 是周期為 T 的后移算子。 所以，對于一個含有趨勢項的非平穩(wěn)隨機過程，可有下式來描述： ( ) (1 ) ( ) ( ) ( )dpqB B V t B a t?? ? ? （ 413） 它即稱為 ARIMA 模型。 本文研究的是某城市的某年某月某日的電力系統(tǒng)短期負荷預測，因此，影響系統(tǒng)負荷的因素包括上述的四種分量模型。 短期負荷預測基本模型是指 24 小時的日負荷預測和 168小時的周負荷預測，列舉其預測周期，知其基本變化規(guī)律可由線性變化模型和周期變化模型來描敘，日負荷至周負荷的變化，受特別事件影響明顯，對應特別事件負荷分量模型，同附和隨機負荷分量。線性變化模型用來描敘日平均負荷變化規(guī)律，將歷史上一段日平均負荷按時序畫在一張圖上，可以看出每日平均負荷有波動，總體趨勢是一條直線，可用線性模型表示。周期模型用來描敘 24 小時為周期的變化規(guī)律，在分析日負荷曲線形狀時，除掉日平均負荷的變化因素，將連續(xù)幾天的日負荷變化畫在一張圖上，可以看出明顯的周期性，即以 24小時為周期循環(huán)變化。 特 別事件（天氣）負荷分量，考慮時可把特別天氣或天氣變化看作是特別時間和其它如特別節(jié)目，重大紀念活動等合并作為特別事件考慮，也可以把有關天氣對負荷的影響和其他事件出現對負荷的影響分開考慮，負荷在一定程度上，受分量影響很大，進一步提高負荷預測精度，關鍵是科學合理地預測特別事件負荷分量，但往往還不是一件容易的事情。 詳細地考慮特別事件（天氣）負荷分量，是一件復雜的工作，可以專門用專家系統(tǒng)來做實際工作中一般做適當簡化，目前， 常 把特別事件和天氣對負荷的影響分開考慮，特別事件用前已講過的 乘子 模型或疊加模型考慮；天氣變化對 負荷的影響，一般主要考慮溫度影響，把負荷看作是溫度的函數，由歷史負荷數據和 溫度記，通過線性同歸的辦法，來確定其關系。 [西南交通大學 ] 西南 交通大學 網絡 教育學院畢業(yè)設計（論文） 18 隨機負荷分量，一般由時間序列模型描述。 電力負荷預測基本算法 電力負荷預測分為經典預測方法和現代預測方法。 （ 1） 經典預測方法 1）時間序列法 時間序列法是一種最為常見的短期負荷預測方法，它是針對整個觀測序列呈現出的某種隨機過程的特性，去建立和估計產生實際序列的隨機過程的模型，然后用這些模型去進行預測。它利用了電力負荷變動的慣性特征和時間上的延續(xù)性，通過對歷史數據時間序 列的分析處理，確定其基本特征和變化規(guī)律，預測未來負荷。 時間序列預測方法可分為確定型和隨機性兩類，確定型時間序列作為模型殘差用于估計預測區(qū)間的大小。隨機型時間序列預測模型可以看作一個線性濾波 器。根據線性濾波器的特性，時間序列可劃為自回歸 (AR)、動平均 (MA)、自回歸 動平均 (ARMA)、累計式自回歸 動平均 (ARIMA)、傳遞函數 (TF)幾類模型，其負荷預測過程一般分為模型識別、模型參數估計、模型檢驗、負荷預測、精度檢驗預測值修正 5個階段。 時間列模型的缺點在于不能充分利用對負荷性能有很大影響的氣候信息 和其他因素，導致了預報的不準確和數據的不穩(wěn)定。 2）回歸分析法 回歸分析法就是根據負荷過去的歷史資料，建立可以分析的數學模型，對未來的負荷進行預測。從數學上看，就是利用數理統(tǒng)計中的回歸分析方法，通過對變量的觀測數據進行分析，確定變量之間的相互關系，從而實現預測目的?；貧w預測包括線性回歸和非線性回歸。 回歸模型雖然考慮了氣象信息等因素，但需要事先知道負荷與氣象變量之間的函數關系，這是比較困難的。而且為了獲得比較精確的預報結果，需要大量的計算，這一方法不能處理氣候變量和負荷之間的非平衡暫態(tài)關系。 雖然經典的數學 統(tǒng)計方法具有速度快的優(yōu)點，但是其預測模型比較簡單，很難準確描述負荷預測的實際模型，所以其精度較差。隨著人工智能技術 逐步被引 入到短期負荷預測中，人們已經提出了多種基于人工智能的預測方法，其中最為典型的為基于各種人工神經網絡模型的預測方法 ，其中以神經 BP 算法為代表。 （ 2）現代負荷預測方法 20 世紀 80年代后期，一些基于新興學科理論的現代預測方法逐漸得到了成功應用。這其中主要有灰色數學理論、專家系統(tǒng)方法、神經網絡理論、模糊預測理論等。 1)灰色數學理論 [西南交通大學 ] 西南 交通大學 網絡 教育學院畢業(yè)設計（論文） 19 灰色數學理論是把負荷序列看作一真實的系統(tǒng)輸出，它是眾 多影響因子的綜合作用結果。這些眾多因子的未知性和不確定性，成為系統(tǒng)的灰色特性?；疑到y(tǒng)理論把負荷序列