【文章內容簡介】 :首先對運行中的發(fā)電廠的出力提出預告，使得對發(fā)電機組出力變化的情況事先得以估計，對于裝機容量不大的孤立電網，短期電量預報是必要的。其次，對于一個大電網，為了經濟和合理地安排本網內各發(fā)電機組的啟動與停機，以使系統(tǒng)在要求的安全范圍內，為保持必要的旋轉儲備容量為最小，短期電量預報也是必須的。另外，當電網進行計算機在線控制時，滿足給定的運行要求，同時使發(fā)電成本為最小，短期電量預測也是必須的。另外，當電網進行計算機在線控制時，滿足給定的運行要求，同時使發(fā)電成本最小。所以，負荷預測是電力系統(tǒng)運行調度中一項非常重要的內容，是能量管理系統(tǒng)（EMS）的一個重要模塊，是保證電力系統(tǒng)安全經濟運行和實現(xiàn)電網科學管理及調度的基礎。電力系統(tǒng)短電量荷預測提前一天至一周預測系統(tǒng)電量值，不但對確定日運行方式有重要的作用，而且也是確定機組組合方案、地區(qū)間功率輸送方案和電量調度方案所不可缺少的。對于大型工業(yè)用戶來說，電量預測對工業(yè)生產的安排、經濟成本和效益的估算以及近期和遠期生產的規(guī)劃都具有極其重要的意義，也是電力部門進行電力規(guī)劃的依據(jù)。電力電量預測是否準確，直接影響到電力系統(tǒng)計劃、規(guī)劃等管理部門的工作。短期電量預測是電力系統(tǒng)發(fā)電計劃的重要組成部分，是調度合理安排電網運行方式、機組啟停計劃、交換功率計劃等的基礎，因此負荷預測精度的好壞會直接關系到產業(yè)部門的經濟利益。電量預測不足可能會導致用電緊張和系統(tǒng)運行安全性下降，因而由費用高的機組來承擔電量或者從鄰近的電網買入價格較高的電能。另一方面，如果估計過量可能導致過多的旋轉備用因而增加運行費用，對于長期的電量預測來說有可能造成設置過多的設備，引起資金積壓。另外，電量預測也有利于計劃用電的管理。節(jié)煤、節(jié)油和降低發(fā)電成本。 制訂合理的電源建設規(guī)劃。提高電力系統(tǒng)的經濟效益和社會效益。 短期電量預測的任務大停電事故經常是因為未能預計到的突增用電量而引起，而由于切電量不果斷使停電擴大。我國旋轉備用的比例大大高于西方發(fā)達國家，電量預測的落后帶來巨大的經濟浪費。目前短期電量預測研究還很不足，如何實現(xiàn)準確、可靠的實現(xiàn)短期電量預測是一個世界性的課題。電力系統(tǒng)電量預報概述能量管理系統(tǒng)（EMS）需要過去、現(xiàn)在和未來三類數(shù)據(jù)，而電量預測是未來數(shù)據(jù)的主要來源。短期電量預測的目的就是根據(jù)歷史數(shù)據(jù)研究其變化規(guī)律，建立最優(yōu)數(shù)學模型，并對未來電量進行準確的預測。其主要用于火電分配、水火電協(xié)調、機組經濟組合和交換功率計劃，需要 1~7 天的電量值，使用對象是編制調度計劃3 / 64的工程師。預測中最重要指標是精度，其次才是模型與算法的選擇。過去許多系統(tǒng)的短期電量預測都是由調度人員人工進行，通過尋找相似日直觀地預測。這完全依賴于調度人員的經驗，且一般僅限于提前一天預測。目前雖然已經有各種各樣的自動負荷預測系統(tǒng)投入使用，但由于其算法一般都是基于常規(guī)線性或非線性函數(shù)的方法，存在一些難以克服的缺陷。因此，需要對自動電量預測系統(tǒng)方法進行深入研究。目前對電量預測的研究百花齊放，已經有各類預測系統(tǒng)投入實際運行，并達到一定精度。但是，由于電量受到多種多樣復雜因素的影響，而各種因素又在發(fā)展變化。另外，不同地區(qū)，不同時期的電量特性本身又有區(qū)別，所以，目前，對于某一種電量預測方法，并不能適用于所有情況的預測。如何針對某地區(qū)，建立一個自動電量預測系統(tǒng)，具有規(guī)范化的預報過程，減少對運行人員經驗的依賴性，適用于不同系統(tǒng)并滿足精度要求，依然是電量預測的任務?？傊?，一個能經受考驗的、反映未來與現(xiàn)在需求變化與發(fā)展趨勢的、恰如其分的預報，是電力系統(tǒng)規(guī)劃的核心問題之一。 電量預測研究現(xiàn)狀在長期的實踐中，人們開發(fā)了許多種電量預測的方法，可分為定性的經驗預測技術及依賴于數(shù)量模型、定量的預測技術。經驗預測方法包括專家預測法(專家會議法、德爾菲法等)、類比法、主觀概率法等方法 。專家預測法主要是依靠專家或專家組的判斷，僅給出一個方向性的結論，如預[5]測未來哪個電力技術將有突破性發(fā)展、某地區(qū)哪一時期用電水平將有何等顯著變化、未來一年或幾年全國或地區(qū)發(fā)電量及用電量預測等。類比法是對類似負荷作對比分析，通過已知同類負荷對未知負荷做出預測。主觀概率法則是請若干專家來估計具體負荷預測達到某特定值的主觀概率。當然經驗預測的結果也不可能是數(shù)值型的。在實際應用中，從對人類經驗的應用來說，定性方法的預測具有其獨有的意義，在一定情況下甚至比某些定量方法的預測精度更高，尤其是在大氣突變、重大事件等特殊情況下。比較常用的定量預測技術有經典技術(單耗法、負荷密度法、比例系數(shù)增長法、彈性系數(shù)法等) 、趨勢外推預測技術、回歸模型預測技術、時間序列預測技術、模糊預測技術、灰色模型預測技術、專家系統(tǒng)預測技術、人工神經網絡預測技術、優(yōu)選組合預測法等。(1)經典技術 [5][6]單耗法:即單位產品電耗法，是通過某一工業(yè)產品的平均單位產品用電量以及該產品的產量，得到這種產品的總用電量。一個地區(qū)的工業(yè)生產用電，可以按照行業(yè)劃分為若干部門，如煤炭、石油、冶金、機械、建筑、紡織、化纖、造紙、食品等，再對每個部門統(tǒng)計出主要產品的單位產品耗電量，根據(jù)其產量，就可以得到所有統(tǒng)計的工業(yè)產品的總用電量。單耗法需要作大量細致的統(tǒng)計調查工作，近期預測效果好，但實際工作統(tǒng)計量太大，有時考慮用國民生產總值或工農業(yè)生產總值，結合其電量單耗，計算出用電量，即為產4 / 64值單耗法。負荷密度法:是從地區(qū)人口或土地面積的平均耗電量出發(fā)作預測的方法，方法與單耗法類似。比例系數(shù)增長法:假定今后的電力電量與過去有相同的增長比例，用歷史數(shù)據(jù)求比例系數(shù)，按比例預測未來的發(fā)展。彈性系數(shù)法:電力彈性系數(shù)就是用電量的相對變化率與國民生產總值的相對變化率之比。如果預測到未來若干年的彈性系數(shù)、國民生產總值的增長率，就可得到電量需求增長率，應用比例系數(shù)預測法得到預測年的用電量。預測的模型又可以有直接彈性系數(shù)法模型、取對數(shù)法模型、對數(shù)與倒數(shù)模型、線性函數(shù)形式模型等。(2)趨勢外推預測技術 [5]按照負荷的變化趨勢，對未來負荷情況做出判定，就是趨勢外推預測技術。趨勢外推技術包括水平趨勢預測技術(全平均法、一次滑動平均預測法、一次指數(shù)平滑預測法、一階自適應系數(shù)預測法等)、線性趨勢預測技術(二次滑動平均法、二次指數(shù)平滑技術、二階自適應系數(shù)法等)、多項式趨勢預測技術(三次指數(shù)平滑預測技術、累計預測法等) 、季節(jié)型趨勢預測技術、增長趨勢預測技術(指數(shù)曲線模型、非齊次指數(shù)模型、龔帕茲模型、邏輯斯諦模型等)，文獻[7]就是線性外推法研究電量預測的應用。這些技術的共同特點是作趨勢外推，不對其中的隨機成分作統(tǒng)計處理，是簡單實用的預測方法。(3)回歸模型預測技術 [2][5]就是根據(jù)負荷過去的歷史資料，建立可以進行數(shù)學分析的數(shù)學模型，對未來的電量進行預測。其特點是將影響預測目標的因素作為自變量，將預測目標作為因變量?；貧w分析法中，自變量是可控變量，因變量是隨機變量，又給定的多組自變量和因變量資料，研究各種變量之間的相關關系。利用得到的經驗回歸方程式來表示變量之間的定量關系，預測系統(tǒng)將來的負荷值?；貧w預測包括線性回歸(一元線性回歸模型、多元線性回歸模型)和非線性回歸。(4)時間序列預測技術 [2][5][6][8]由于電力負荷是一個隨機變量，這個變量描述的過程就是一個隨機過程，電力負荷的歷史資料就是按一定時間間隔進行采樣記錄下來的有序集合，它是一個時間序列，用這個序列對電量變化的規(guī)律和特性進行分析并對未來電量做出預報，就是時間序列法預報。具體方法是對過去一段時間的歷史負荷紀錄，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(平穩(wěn)隨機時間序列)即為各時刻隨機負荷分量，可以看成是隨機時間序列。目前最有效辦法是 Bxo 一 Jnekins 的時間序列法，可分為 4 種不同的模型:(1)自回歸模型(AR)。5 / 64(2)滑動平均模型(MA)。(3)自回歸滑動平均模型(ARMA)。(4)累計式自回歸滑動平均模型(ARIMA)。其中 AR、MA、ARMA 過程的時間序列被稱為平穩(wěn)過程(其均值和協(xié)方差不隨時間變化)，如果實際負荷序列是非平穩(wěn)的過程，可對這個序列進行差分，使其變成平穩(wěn)隨機序列。趨勢外推預測、回歸模型預測及時間序列預測等幾種技術基本原理都是用線性或非線性函數(shù)來逼近非線性動態(tài)的系統(tǒng)電量，是根據(jù)電力負荷的統(tǒng)計特征完成預測的方法，由于電力電量具有非線性、時變性和不確定性，影響負荷的因素很多，錯綜復雜，如電量和影響電量的變量之間的關系難以用精確的數(shù)學模型加以描述，增加了預測模型的復雜化。 另一個重要的問題是模型參數(shù)難以及時、準確地估計和調整，不能反映負荷的突然變化。所以建立一個適合的數(shù)學模型依然是目前廣泛研究的課題 [9][10]。(5)模糊預測技術 [11][12]應用模糊邏輯和預報人員的專業(yè)知識，通過對負荷歷史數(shù)據(jù)進行識別、隸屬度計算和聚類分析，根據(jù)模糊聚類參數(shù)與預測因子的前期特征值，確定相應的類別變量特征值，建立類別變量特征值與預測對象之間的相關關系，應用這種確定的相關關系進行負荷預測。也就是將數(shù)據(jù)和語言形成模糊規(guī)則庫，然后選用一個線性模型逼近非線性動態(tài)的系統(tǒng)負荷。(6)灰色模型預測技術 [13][14]灰色系統(tǒng)理論將一切隨機變化量看作是在一定范圍內變化的灰色量，常用累加生成（AGO ） 、累減生成(IAGO) 均值生成、級比生成等方法將雜亂無章的原始數(shù)據(jù)整理成規(guī)律性較強的生成數(shù)據(jù)列。用灰色模型(GM)的微分方程作為電力系統(tǒng)單一指標(如負荷)的預測時，求解微分方程的時間響應函數(shù)表達式即為所求的灰色預測模型，對模型的精度和可信度進行校驗并修正后即可據(jù)此模型預測未來的負荷?；疑Ｐ皖A測技術適用于短、中、長三個時期的負荷預測?；疑Ｐ头ㄔ诮r不需要計算統(tǒng)計特征量，從理論上講，可以使用于任何非線性變化的負荷指標預測，但其不足之處是其微分方程指數(shù)解比較適合于具有指數(shù)增長趨勢的電量指標，對于具有其它趨勢的指標則有時擬合灰度較大，精確度難以提高。(7)專家系統(tǒng)預測技術 [5][8]對數(shù)據(jù)庫里存放的過去幾年的每小時的電量和天氣數(shù)據(jù)進行細致的分析，匯集有經驗的電量預報人員的知識，提取有關規(guī)則，按照一定的規(guī)則推理進行電量預測。專家系統(tǒng)是對人類的不可量化的經驗進行轉化的一種較好的方法，若能將它與其他方法有機地結合起來，構成預測系統(tǒng)，將可得到滿意的結果。專家系統(tǒng)法是一個很耗時的過程，對某些復雜的因素(如天氣因素)要準確、定量地確定他們對電量的影響也常常是很困難的事。(8)人工神經網絡法 [15][16][17]6 / 64利用人工神經網絡（ANN） ，選取過去一段時間的負荷作為訓練樣本，然后構造適宜的網絡結構，用某種訓練算法對網絡進行訓練，使其滿足精度要求之后，用 ANN 作電量預測。一般而言，ANN 應用于短期電量預測要比應用于中長期電量預測更為適宜。人工神經網絡法被認為是一種非常有效的電量預測技術，己經取得了許多成功的應用實例。本論文主要針對其在短期電量預測中的應用進行討論。(9)優(yōu)選組合預測法 [5][6][18]優(yōu)選組合預測有兩類概念:一是指將幾種預測方法所得的預測結果，選取適當?shù)臋嘀剡M行加權平均，如文獻[19]中的應用。二是指在幾種預測方法中進行比較選擇擬合優(yōu)度最佳或標準離差最小的預測模型進行預測，如文[20]中的應用。組合預測方法是建立在最大信息利用的基礎上，它最優(yōu)組合了多種單一模型所包含的信息。優(yōu)選組合預測法在建立模型時受到兩方面的限制:一個是不可能將所有在未來起作用的因素全包含在模型中，另一個是很難確定眾多參數(shù)之間的精確關系。所以其預測的精度提高受到限制。 論文的主要內容與結構本文主要致力于電力需求預測系統(tǒng)的研究。近年來，電力需求預測的方法有很多中，神經網絡預測方法受到國內外廣大人員的高度重視。本文講 KNN 和 RBF 神經網絡相結合，提出了一個較合理的預測模型，取得了較滿意的預測精度。第 1 章主要介紹了課題研究的目的與意義及國內外的發(fā)展現(xiàn)狀。第 2 章介紹了電力負荷的構成，負荷預測的基本概念、原理和步驟；分析了影響結果的主要因素及誤差評價標準；最后敘述了一些常用的負荷預測方法。第 3 章介紹了模式提取的一般過程，模式樣本的預處理過程；給出了主成分分析的算法和主要性質。第 4 章介紹人工神經網絡理論基礎。講述了神經網絡的基本特征、結果特點；如何構建經向基函數(shù)網絡，并給出了一個經向基函數(shù)網絡的應用實例。第 5 章介紹了 KNN 法和交叉驗證法，并用交叉驗證法加網格搜索的方法獲得最優(yōu)參數(shù)，從而得到最優(yōu)的預測模型。第 6 章在 MATLAB 開發(fā)環(huán)境上運用前幾章的方法進行電力需求預測?？梢钥闯?KNN RBF 神經網絡預測模型預測效果非常好。第 7 章 全書總結部分。7 / 64短期電力需求預測主要研究的是對負荷需求的預測。電力負荷預測是指在充分考慮一些重要的系統(tǒng)運行特性、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荷的數(shù)學方法，在滿足一定精度要求的意義下，確定未來某特定時刻的電力負荷數(shù)值，稱為電力負荷預測。電力系統(tǒng)在逐步發(fā)展、完善過程中，負荷預測已成為電力系統(tǒng)中能量管理系統(tǒng)中一項獨立的內容。在當前電力系統(tǒng)市場化的必然趨勢下，負荷預測已成為電力市場交易管理系統(tǒng)中必不可少的一部分。本章主要研究了負荷預測的基本組成、分類及作用，重點分析了短期負荷預測的特性、預測的影響因素等。 電力負荷預測組成及作用負荷是電力系統(tǒng)的重要組成部分。電力負荷需求可以指電力需求量或者用電量，需求量是指能量的時間變化率，即功率。所以，負荷預測也包括兩方面的含義:對未來需求量(功率 )的預測和對未來用電量的預測(能量)