【文章內(nèi)容簡介】 法為代表。（2）現(xiàn)代負荷預(yù)測方法20世紀80年代后期，一些基于新興學科理論的現(xiàn)代預(yù)測方法逐漸得到了成功應(yīng)用。這其中主要有灰色數(shù)學理論、專家系統(tǒng)方法、神經(jīng)網(wǎng)絡(luò)理論、模糊預(yù)測理論等。1)灰色數(shù)學理論灰色數(shù)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(jié)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。灰色系統(tǒng)理論把負荷序列通過生成變換，使其變化為有規(guī)律的生成數(shù)列再建模，用于負荷預(yù)測?；疑到y(tǒng)理論是中國學者鄧聚龍教授1982年3月在國際上首先提出來的，在國際期刊《SYSTEMS AND CONTROL LETTER》刊物上發(fā)表，題為“Control Problems of Grey Systems”,引起了國際上的充分重視。灰色系統(tǒng)理論的形成是有過程的。早年鄧教授從事控制理論和模糊系統(tǒng)的研究，取得了許多成果。后來，他接受了全國糧食預(yù)測的課題，為了搞好預(yù)測工作，他研究了概率統(tǒng)計追求大樣本量，必須先知道分布規(guī)律、發(fā)展趨勢，而時間序列法只致力于數(shù)據(jù)的擬合，不注重規(guī)律的發(fā)展。鄧教授希望在可利用數(shù)據(jù)不多的情況下，找到了較長時期起作用的規(guī)律，于是進行了用少量數(shù)據(jù)做微分方程建模的研究。這一工作開始并不順利，一時建立不起可供應(yīng)的模型。后來，他將歷史數(shù)據(jù)作了各種處理，找到了累加生成，發(fā)現(xiàn)累加生成曲線是近似的指數(shù)增長曲線，而指數(shù)增長正符合微分方程解的形式。在此基礎(chǔ)上，進一步研究了離散函數(shù)光滑性，微分方程背景值、平射性等一些基本問題，同時也考慮了有限和無限的相對性，定義了指標集拓撲空間的灰導(dǎo)數(shù)，最后解決了微分方程的建模問題。 2）專家系統(tǒng)方法專家系統(tǒng)方法是對于數(shù)據(jù)庫里存放的過去幾年的負荷數(shù)據(jù)和天氣數(shù)據(jù)等進行細致的分析，匯集有經(jīng)驗的負荷預(yù)測人員的知識，提取有關(guān)規(guī)則。借助專家系統(tǒng)，負荷預(yù)測人員能識別預(yù)測日所屬的類型，考慮天氣因素對負荷預(yù)測的影響，按照一定的推理進行負荷預(yù)測。專家系統(tǒng)是一個用基于知識的程序設(shè)計方法建立起來的計算機系統(tǒng)（在現(xiàn)階段主要表現(xiàn)為計算機系統(tǒng)），它擁有某個特殊領(lǐng)域內(nèi)專家的知識和經(jīng)驗，并能像專家那樣運用這些知識，通過推理，在那個領(lǐng)域內(nèi)作出智能決策。所以，一個完整的專家系統(tǒng)是有四部分組成的，即知識庫、推理機、知識獲取部分和解釋界面。專家系統(tǒng)方法總結(jié)了目前城網(wǎng)中長期負荷預(yù)測中的可行模型，針對目前方法存在的片面性，首次嘗試把專家系統(tǒng)技術(shù)應(yīng)用到負荷預(yù)測上，從而克服單一算法的片面性；同時，全過程的程序化，使得方法還具有快速決斷的優(yōu)點。負荷預(yù)測是城網(wǎng)規(guī)劃部門所面臨的較難處理的基礎(chǔ)工作，還由于預(yù)測過程容易出現(xiàn)人為差錯及預(yù)測專家比較缺乏，使本方法具有較為廣泛的使用前景。專家系統(tǒng)法利用了專家的經(jīng)驗知識和推理規(guī)則，使得假日或重大活動日子的負荷預(yù)報精度得到了提高。但是，把專家知識和經(jīng)驗等準確地轉(zhuǎn)化為一系列規(guī)則是非常不容易的。3）神經(jīng)網(wǎng)絡(luò)理論運用神經(jīng)網(wǎng)絡(luò)技術(shù)進行電力負荷預(yù)測，其優(yōu)點是可以模仿人腦的智能化處理，對大量非結(jié)構(gòu)性、非精確性規(guī)律具有自適應(yīng)功能，具有信息記憶、自主學習、知識推理和優(yōu)化計算的特點，特別的，其自學習和自適應(yīng)功能是常規(guī)算法和專家系統(tǒng)技術(shù)所不具備的。因此，預(yù)測被當作人工神經(jīng)網(wǎng)絡(luò)（簡記為ANN）最有潛力的應(yīng)用領(lǐng)域之一，許多人都試圖應(yīng)用反傳學習算法訓(xùn)練ANN。以用作時間序列預(yù)測。誤差反向傳播算法又稱為BP法，提出一個簡單的三層人工神經(jīng)網(wǎng)絡(luò)模型，就能實現(xiàn)從輸入到輸出間非線性映射任何復(fù)雜函數(shù)關(guān)系。因此，我們可以將對電力負荷影響最大的幾種因素作為輸入，即當天的天氣溫度、天氣晴朗度（又稱為能見度）、風向風力、峰谷負荷及相關(guān)負荷等，爭取獲得較好的預(yù)測結(jié)果。神經(jīng)網(wǎng)絡(luò)理論是利用神經(jīng)網(wǎng)絡(luò)的學習功能，讓計算機學習包含在歷史負荷數(shù)據(jù)中的映射關(guān)系，再利用這種映射關(guān)系預(yù)測未來負荷。由于該方法具有很強的魯棒性、記憶能力、非線性映射能力以及強大的自學習能力，因此有很大的應(yīng)用市場，但其缺點是學習收斂速度慢，可能收斂到局部最小點；并且知識表達困難，難以充分利用調(diào)度人員經(jīng)驗中存在的模糊知識。4）小波分析預(yù)測技術(shù)小波分析（Wavelet）是本世紀數(shù)學研究成果中最杰出的代表。它作為數(shù)學學科的一個分支，吸取了現(xiàn)代分析學中諸如泛函分析、數(shù)值分析、Fourier分析、樣條分析、調(diào)和分析等眾多分支的精華，并包羅了它們的特色。由于小波分析在理論上的完美性以及在應(yīng)用上的廣泛性，在短短的幾年中，受到了科學界、工程界的高度重視，并且在信號處理、圖象處理、模式識別、地震預(yù)報、故障診斷、狀態(tài)監(jiān)視、CT成象、語言識別、雷達等十幾個科學領(lǐng)域中得到應(yīng)用。小波分析為本世紀現(xiàn)代分析學作了完美的總結(jié)。小波分析方法的提出，可以追溯到1910年Harr提出的“小波”規(guī)范正交基及1938年LittlewoodPaley對Fourier變換的相位變化本質(zhì)上不影響函數(shù)的LP理論。1981年Stromberg對Harr 系進行了改進，證明小波函數(shù)的存在。1984年法國地球物理學家Morlet在分析地震波的局部性時，把小波運用于對信號分解，取得了滿意的分析結(jié)果。隨后，理論物理學家Grossman對Morlet的這種信號方法進行了理論研究，這無疑為小波分析的形成奠定了基礎(chǔ)。1986年，法國數(shù)學家Mayer創(chuàng)造性地構(gòu)造出了一個具有一定衰減特性的光滑函數(shù)，它的二進制伸縮和平移系構(gòu)成L（R）的規(guī)范正交基，實現(xiàn)了信號在時頻空間同時局部化的正交分解。他為小波理論的形成和完善作出了重大貢獻，是小波理論的奠基人之一。1987年，Mallat巧妙地將計算機視覺領(lǐng)域內(nèi)的多尺度分析的思想引入到小波分析中小波函數(shù)的構(gòu)成及信號按小波變換的分解及重組，從而成功地統(tǒng)一了此前的各種具體小波函數(shù)的構(gòu)造，并研究了小波變換的離散化情形，得到相應(yīng)的Mallat金字塔式算法，顯著地減少了計算量，使小波分析具有工程實用價值。1988年，Daubechies構(gòu)成出了具有有限支撐的正交小波基。它在數(shù)學信號的小波分解過程中提供有限的從而更實際、更具體的數(shù)字濾波器。這樣，小波分析的理論大廈就基本奠定了。1990年，Daubechies在美國作了10次小波講座，把小波介紹到工程界中，“小波熱”就開始了。此后，中國學者崔錦泰和王建忠構(gòu)成了基于樣條函數(shù)的單正交小波函數(shù)，并討論了具有最好局部化性質(zhì)的尺度函數(shù)與小波函數(shù)。而Wicherhanseer等將Mallat算法進一步深化，提出了小波包算法，取得了信號的最佳時頻分解。目前，國內(nèi)外有關(guān)小波在電力系統(tǒng)中的應(yīng)用的文獻還很少，這個領(lǐng)域還是很少，然而，由于其獨特的分析方法，在電力系統(tǒng)負荷預(yù)測方面一定會有很好的前景。小波分析是一種時域——頻域分析方法，它在時域和頻域上同時具有良好的局部化性質(zhì)，并且能根據(jù)信號頻率高低自動調(diào)節(jié)采樣的疏密，它容易捕捉和分析微弱信號以及信號、圖象的任意細小部分。其優(yōu)于傳統(tǒng)的Fourier分析的主要之處在于：能對不同的頻率成分采用逐漸精細的采樣步長，從而可以聚焦到信號的任意細節(jié)，尤其是對奇異信號很敏感，能很好的處理微弱或突變的信號，其目標是將一個信號的信息轉(zhuǎn)化成小波系數(shù)，從而能夠方便地加以處理、存儲、傳遞、分析或被用于重建原始信號。這些優(yōu)點決定了小波分析可以有效地應(yīng)用于負荷預(yù)測問題的研究。5）模糊負荷預(yù)測模糊負荷預(yù)測是近幾年比較熱門的研究方向。模糊控制是在所采用的控制方法上應(yīng)用了模糊數(shù)學理論，使其進行確定性的工作，對一些無法構(gòu)造數(shù)學模型的被控過程進行有效控制。模糊系統(tǒng)不管其是如何進行計算的，從輸入輸出的角度講它是一個非線性函數(shù)。模糊系統(tǒng)對于任意一個非線性連續(xù)函數(shù)，就是找出一類隸屬函數(shù)，一種推理規(guī)則，一個解模糊方法，使得設(shè)計出的模糊系統(tǒng)能夠任意逼近這個非線性函數(shù)。下面介紹模糊預(yù)測的一些基本方法。①表格查尋法：表格法是一種相對簡單明了的算法。這個方法的基本思想是從已知輸入—輸出數(shù)據(jù)對中產(chǎn)生模糊規(guī)則，形成一個模糊規(guī)則庫，最終的模糊邏輯系統(tǒng)將從組合模糊規(guī)則庫中產(chǎn)生。這是一種簡單易行的易于理解的算法，因為它是個順序生成過程，無需反復(fù)學習，因此，這個方法同樣具有模糊系統(tǒng)優(yōu)于神經(jīng)網(wǎng)絡(luò)系統(tǒng)的一大優(yōu)點，即構(gòu)造起來既簡單又快速。②基于神經(jīng)網(wǎng)絡(luò)集成的高木關(guān)野模糊預(yù)測算法：它是利用神經(jīng)網(wǎng)絡(luò)來求得條件的輸入變量的聯(lián)合隸屬函數(shù)。結(jié)論部的函數(shù)f(X)也可以用神經(jīng)網(wǎng)絡(luò)來表示。神經(jīng)網(wǎng)絡(luò)均采用前向型的BP網(wǎng)絡(luò)。高木關(guān)野模糊預(yù)測算法雖然已得到了很大的應(yīng)用，適用于各種復(fù)雜的建模，取得了較好的預(yù)測效果，但是它對輸入變量的要求較高等缺點，這必然限制了它的應(yīng)用。③改進的模糊神經(jīng)網(wǎng)絡(luò)模型的算法：模糊神經(jīng)網(wǎng)絡(luò)即全局逼近器。模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)似乎有著天然的聯(lián)系，模糊神經(jīng)網(wǎng)絡(luò)在本質(zhì)上是模糊系統(tǒng)的實現(xiàn)，就是將常規(guī)的神經(jīng)網(wǎng)絡(luò)(如前向反饋神經(jīng)網(wǎng)絡(luò)，HoPfield神經(jīng)網(wǎng)絡(luò))賦予模糊輸入信號和模糊權(quán)。對于復(fù)雜的系統(tǒng)建模，已經(jīng)有了許多方法，并已取得良好的應(yīng)用效果。但主要缺點是模型精度不高，訓(xùn)練時間太長。此種方法的模型物理意義明顯，精度高，收斂快，屬于改進型算法。④反向傳播學習算法：模糊邏輯系統(tǒng)應(yīng)用主要在于它能夠作為非線性系統(tǒng)的模型，包括含有人工操作員的非線性系統(tǒng)的模型。因此，從函數(shù)逼近意義上考慮，研究模糊邏輯系統(tǒng)的非線性映射能力顯得非常重要。函數(shù)逼近就是模糊邏輯系統(tǒng)可以在任意精度上，一致逼近任何定義在一個致密集上的非線性函數(shù)，其優(yōu)勢在于它有能夠系統(tǒng)而有效地利用語言信息的能力。萬能逼近定理表明一定存在這樣一個可以在任意精度逼近任意給定函數(shù)的高斯型模糊邏輯系統(tǒng)。反向傳播BP學習算法用來確定高斯型模糊邏輯系統(tǒng)的參數(shù)，經(jīng)過辨識的模型能夠很好的逼近真實系統(tǒng)，進而達到提高預(yù)測精度的目的。因此，這種方法的模型有較高的精度，但是它的訓(xùn)練時間太長，收斂較慢等缺點。電力短期負荷預(yù)測研究、基于溫度準則的外推方法對于日負荷預(yù)測來說，工作日和休假日負荷曲線差別明顯，其次，天氣因素，特別是溫度對負荷有較大的影響，由此，采用基于溫度準則的外推方法，首先根據(jù)過去數(shù)個同類型日得出預(yù)測日的負荷變化系數(shù)，認為同類型的負荷變化規(guī)律相近，其次，假定每個同類型日負荷數(shù)據(jù)和溫度數(shù)據(jù)，求出其相關(guān)系數(shù)，最后,在預(yù)測到預(yù)測日最高溫度和最低溫度出情況下，預(yù)測出預(yù)測日的最大負荷和最小負荷，再由預(yù)測日的負荷變化系數(shù)，最終求出預(yù)測日的各點負荷預(yù)測值。下面敘述該辦法具體計算步驟：1）確定預(yù)測日類型是工作日還是休息日。2）取和預(yù)測日同類型的過去幾天負荷并分別歸一化，歸一化如下： （51）其中，為第k日第小時負荷數(shù)據(jù)的歸一化值；為第k日第小時負荷數(shù)據(jù)；為第k日最小負荷數(shù)據(jù)；為第k日最大負荷數(shù)據(jù)。3）把上面取得的幾天負荷歸一化系數(shù)平均，得到該類型預(yù)測日的日負荷變化系數(shù) （52）其中為該類型日第小時負荷系數(shù)。4）讀取預(yù)測地區(qū)該預(yù)測日的最高溫度和最低溫度。5）計算預(yù)測日的最大負荷和最小負荷 （53） （54）其中，，根據(jù)歷史負荷數(shù)據(jù)和歷史溫度記錄用最小二乘決定的系數(shù)。方法是，假定每天最大負荷是每天最高溫度的函數(shù) （55）每天最小負荷是每天最低溫度的函數(shù) （56）然后根據(jù)過去幾天的最大負荷和最小負荷記錄及對應(yīng)的最高溫度和最低溫度記錄，用最小二乘方法決定系數(shù)，。6）計算預(yù)測的每小