【文章內(nèi)容簡(jiǎn)介】 的時(shí)期數(shù)，如設(shè) a=歷史資料的時(shí)期數(shù)， b=外推預(yù)測(cè)的時(shí)期數(shù)， 8 則有 a≧ b。 實(shí)際上根據(jù)各地不同的數(shù)據(jù)情況可以根據(jù)曲線情況具體分析。 （ 2） 調(diào)查和選擇歷史負(fù)荷數(shù)據(jù)資料 資料和數(shù)據(jù)是進(jìn)行負(fù)荷預(yù)測(cè)的依據(jù)，因此 資料的選擇和收集的好壞，會(huì)直接影響負(fù)荷預(yù)測(cè) 結(jié)果 的質(zhì)量 。 調(diào)查收集資料 時(shí)應(yīng) 盡量 系統(tǒng)和全面 ， 要 包括電力企業(yè)內(nèi)部資料和外部資料， 不能用自己 臆想的數(shù)據(jù)去填補(bǔ)負(fù)荷預(yù)測(cè)模型中所缺少的資料 。因此，挑選 的 資料要直接、可靠并且是最新的資料。 本文中預(yù)測(cè)所 使用的 資料主要包括歷史負(fù)荷數(shù)據(jù)，歷史天氣數(shù)據(jù)等，隨著計(jì)算機(jī)應(yīng)用的深入，這部分工作目前主要是進(jìn)行各類數(shù)據(jù)格式的轉(zhuǎn)換。 （ 3） 整理、分析資料 因?yàn)橘Y料的質(zhì)量直接關(guān)系到預(yù)測(cè)結(jié)果的質(zhì)量，所以要對(duì)收集到的與負(fù)荷有關(guān)的資料進(jìn)行核查和必要的加工整理， 以此 來(lái)保證 數(shù)據(jù) 資料的質(zhì)量。 在整理資料時(shí) 既要注意資料的完整無(wú)缺，數(shù)字準(zhǔn)確無(wú)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(xiàng)，還要注意資料的補(bǔ)缺推算 、去偽存真 ，對(duì)不可靠的資料核實(shí)調(diào)整及調(diào)整時(shí)間數(shù)列中不可比資料。 在經(jīng)過整理后，還要對(duì)資料進(jìn)行初步分析 ，包括畫出動(dòng)態(tài)折線圖或散點(diǎn)圖，觀察變動(dòng)的軌跡；計(jì)算一些統(tǒng)計(jì)量，查明異動(dòng)的原因并加以處理。 （ 4）建立預(yù)測(cè)模型 由于算法的不斷發(fā)展，預(yù)測(cè)模型也在不斷 豐富 。無(wú)論采用什么算法，都離不開建立在歷史數(shù)據(jù)和相關(guān)影響因素上的預(yù)測(cè)模型，且模型精度在一定程度上決定了預(yù)測(cè)的準(zhǔn)確性，因此對(duì)一具體的資料要具體分析從而選擇適當(dāng)?shù)哪Ｐ?，這是負(fù)荷預(yù)測(cè)過程中最關(guān)鍵的一步。如果 預(yù)測(cè) 的 結(jié)果誤差過大，不 滿足 要求 ，這就說明我們選擇的預(yù)測(cè)模型是不恰當(dāng)?shù)模藭r(shí)我們 就必須更換模型，必要時(shí)，可同時(shí)采用多種數(shù)學(xué)模型進(jìn)行運(yùn)算，以便對(duì)比，從而選擇最精確的模型。， 由于已掌握的發(fā)展變化規(guī)律，并不能代表將來(lái)的變化規(guī)律，所以 選擇好模型后 要對(duì)影響預(yù)測(cè)對(duì)象的新因素進(jìn)行分析， 并隨時(shí) 對(duì)預(yù)測(cè)模型進(jìn)行恰當(dāng)?shù)男拚? （ 5） 綜合分析，確定預(yù)測(cè)結(jié)果 建立 好 負(fù)荷預(yù)測(cè)模型 后 進(jìn)行負(fù)荷預(yù)測(cè)，經(jīng)過運(yùn)算得到的預(yù)測(cè)值，或利用其他方法得到的初步預(yù)測(cè)值，要參照當(dāng)前已經(jīng)出現(xiàn)得各種可能性，以及新 得 發(fā)展趨勢(shì)，對(duì)預(yù)測(cè)結(jié)果進(jìn)行綜合分析、對(duì)比， 判斷預(yù)測(cè) 得 結(jié)果是否合理， 并 對(duì)結(jié)果進(jìn)行適當(dāng)?shù)男拚?獲得 最終的預(yù)測(cè)結(jié)果。 （ 6） 撰寫預(yù)測(cè)報(bào)告 根據(jù)分析判斷最后確定的預(yù)測(cè)結(jié)果，編寫出 此 次負(fù)荷預(yù)測(cè)的報(bào)告。 負(fù)荷 預(yù)測(cè)報(bào)告中應(yīng)包括預(yù)測(cè)條件 、假設(shè) 和影響因素等。最好做 出 結(jié)果報(bào)表 (其中包括數(shù)據(jù)部分和圖形曲線部分 )，讓人對(duì)預(yù)測(cè)結(jié)果 一目了然，方便使用。 （ 7）負(fù)荷預(yù)測(cè)管理 將負(fù)荷預(yù)測(cè)報(bào)告提交主管部門， 但這 并不等于全部預(yù)測(cè)工作的結(jié)束，還必須對(duì)負(fù)荷預(yù)測(cè)進(jìn)行滾動(dòng)性管理。 9 第 3 章 線性回歸模型在短期負(fù)荷預(yù)測(cè)中的應(yīng)用 短期負(fù)荷預(yù)測(cè)的基本模型 負(fù)荷預(yù)測(cè)是根據(jù)負(fù)荷過去的歷史資料，建立恰當(dāng)?shù)臄?shù)學(xué)模型對(duì)未來(lái)的負(fù)荷進(jìn)行預(yù)測(cè)。在進(jìn)行電力系統(tǒng)的短期負(fù)荷預(yù)測(cè)時(shí)，針對(duì)負(fù)荷變化的特點(diǎn)，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]。 影響負(fù)荷變化的因素 系統(tǒng)總負(fù)荷是系統(tǒng)中所有節(jié)點(diǎn)上所有負(fù)荷的總和。 在 理論上 ， 如果系統(tǒng)中所有節(jié)點(diǎn)負(fù)荷變化 的 方式 都是已知的 ，那么就可以直接預(yù)測(cè)出系統(tǒng)總負(fù)荷的變化 量 。但是單個(gè)負(fù)荷 的變化方式具有 非常 大的隨機(jī)性和不可預(yù)測(cè)性， 不僅如此， 同一系統(tǒng)中不同負(fù)荷的變化方式也各不相同 ， 因此不 能 直接 通過綜合估計(jì)負(fù)荷 的 變化方式來(lái)預(yù)測(cè)系統(tǒng) 的總負(fù)荷 。盡管單個(gè)負(fù)荷的變化 有 很大 的 隨機(jī)性，但實(shí)踐表明所有單個(gè)負(fù)荷的總和即系統(tǒng)總負(fù)荷一般具有一定的變化規(guī)律， 在不斷 實(shí)踐 的 過程 中 ，人們逐漸 總結(jié)出 影響這種 變化 的 因素 主要有四種 : （ 1） 基本正常負(fù)荷分量 對(duì)于 不同的預(yù)測(cè)周期， 基本 正常負(fù)荷分量有不同的內(nèi)涵 ， 與氣象 等 無(wú)關(guān)，對(duì)于超短期負(fù)荷預(yù)測(cè)，正常負(fù)荷分量近似線性變化，甚至是常數(shù) ； 對(duì)于短期負(fù)荷預(yù)測(cè)，正常負(fù)荷分量一般是周期性變化，而中長(zhǎng)期負(fù)荷預(yù)測(cè) 中 ，正常負(fù)荷分量呈現(xiàn)出明顯增長(zhǎng)趨勢(shì)的周期性變化。因此，對(duì)于基本正常負(fù)荷分量，可用線性變化和周期性變化模型來(lái)描述 或者兩者共同來(lái)描述 ， 線性變化描述日平均負(fù)荷 的 變化規(guī)律，而周期變化描述以 24h 為周期的變化規(guī)律 。 （ 2） 天氣敏感負(fù)荷分量 如今的 電網(wǎng)有大量的 天 氣敏感負(fù)荷，如空調(diào)、電熱器以及農(nóng)業(yè)灌溉等負(fù)荷的存在， 而這些氣象敏感負(fù)荷 有 與一系列 的 氣象因素有關(guān)，如溫度、陰晴、雨雪、風(fēng)力 、濕度 等， 因此 氣候條件對(duì)負(fù)荷模式變化有顯著的影響 。 根據(jù)各種因素對(duì)負(fù)荷影響程度的分析，對(duì)于 大部分 電網(wǎng) 來(lái)說 溫度是最重要的氣候影響 因素。對(duì) 任一給定日，溫度對(duì)正常值的偏差，將 會(huì)引起負(fù)荷的顯著變化，有時(shí)甚至需要對(duì)機(jī)組投入計(jì)劃進(jìn)行大的修正。濕度是另外一個(gè)可以影響電網(wǎng)負(fù)荷的因素，特別是在水旱災(zāi)年的排澇灌溉等 。因?yàn)?不同 的 氣象因素影響負(fù)荷的方式不同 ， 而一年中，不同時(shí)期的氣象因素影響負(fù)荷的方式也不同 ， 所以要根 據(jù)大量給定的過去若干天負(fù)荷和天氣數(shù)據(jù)記錄，進(jìn)行數(shù)據(jù)處理和相關(guān)性分析，以決定天氣敏感負(fù)荷模型。 這里 以日負(fù)荷預(yù)測(cè)為例，給定過去若干天氣負(fù)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(lái)描述天氣敏感負(fù)荷模型： ??(??) = {????(?? ? ????),?? ?????????(?? ?????),?? ????0,???? ≤ ?? ≤ ???? (31) 式中， T 為預(yù)測(cè)溫度，可以是一日最高溫度、最低溫度、平均溫度或是某時(shí)點(diǎn)溫度； Tw，Kw 為電熱臨界溫度和斜率， ,T Ts時(shí)電熱負(fù)荷增加，其斜率為 Kw； Ts， Ks為冷氣臨界溫 10 度和斜率， ,t Ts是冷氣負(fù)荷增加，其斜率為 Ks。 在 Tw ≤ T ≤ Ts之間一段溫度上，電熱和冷氣均不開放，負(fù)荷和溫度沒什么關(guān)系。 圖31 為 大氣敏感負(fù)荷模型 。 圖 31大氣敏感負(fù)荷模型 （ 3） 特別事件負(fù)荷分量 它指的是特別電視節(jié)目 和 重大政治活動(dòng)等對(duì)負(fù)荷造成的影響，其特點(diǎn)是 只有 從 積累大量的事件記錄 中分析出某些事件可能對(duì)負(fù)荷的影響程度，從而做出特別 事件 對(duì)負(fù)荷的修正規(guī)則。這種分析 可用專家系統(tǒng)建模方法來(lái)實(shí)現(xiàn)，可以用人工神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)， 也 可以簡(jiǎn)單的用人工修正來(lái)實(shí)現(xiàn) ， 人工修正方法 通常用因子模型來(lái)描述。 （ 4） 隨機(jī)負(fù)荷分量 上述各分量的數(shù)學(xué)模型，都不適合于隨機(jī)負(fù)荷分量。 由于系統(tǒng)負(fù)荷是由大量分散的單獨(dú)需求組合而成，系統(tǒng)負(fù)荷不斷受 到 隨機(jī)干擾 得 影響。除了大量小干擾外，軋鋼廠、同步加速器等設(shè)備的運(yùn)行 也 將產(chǎn)生沖擊性電力負(fù)荷，引起較大的負(fù)荷波動(dòng)。對(duì)于系統(tǒng)調(diào)度人員來(lái)說，這些大設(shè)備的運(yùn)行時(shí)刻通常是未知的，它們代表了大的不可預(yù)測(cè)的干擾。還有一些特殊事件如工業(yè)設(shè)備損壞、政治事件、慶典活動(dòng)、特別電視節(jié)目，雖然事件發(fā)生時(shí)刻可以預(yù)先知道，但對(duì)負(fù)荷影響的程度是未知的。 實(shí)際上，對(duì)于給定的過去一段時(shí)間的歷史負(fù)荷數(shù)據(jù)，提取出基本負(fù)荷分量、天氣敏感負(fù)荷分量和特別事件負(fù)荷分量后，剩余的殘差就是各時(shí)刻的隨機(jī)負(fù)荷 分量，目前處理這樣問題最有效的辦法是 BoxJenklns的時(shí)間序列法 [13]。其基本的時(shí)間序列模型 有自 自回歸模型 、 積累式自回歸動(dòng)平均模型 、 回歸動(dòng)平均模型 和 動(dòng)平均模型。 負(fù)荷 預(yù)測(cè)模型的要求 電力負(fù)荷 變化 是一個(gè)隨機(jī) 不 平穩(wěn)過程，它由成千上萬(wàn)個(gè)單獨(dú)分量組成，而每個(gè)分量又以不符合任何己知物理定律的不穩(wěn)定形式變化著，未來(lái)某一時(shí)刻的負(fù)荷，通常與過去的負(fù)荷水平、當(dāng)前的運(yùn)行狀況、預(yù)測(cè)期的氣象因素以及日期類型等密切相關(guān)。因此，提出預(yù)測(cè)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(yīng)能反映負(fù)荷隨著季節(jié)、星期及一天 24h 周期性波動(dòng)的特點(diǎn) ； (2) 模型應(yīng)能反映氣溫、日照等氣象因素的影響 ； (3) 模型應(yīng)能反映負(fù)荷自然增長(zhǎng)的內(nèi)在規(guī)律 ； (4) 近期負(fù)荷變化趨勢(shì)比早期負(fù)荷變化趨勢(shì)對(duì)未來(lái)負(fù)荷變化的影響更加明顯，數(shù)學(xué)模型應(yīng)該能反映出這種“近大遠(yuǎn)小”的規(guī)律 ； (5) 對(duì)節(jié)假日期間的負(fù)荷應(yīng)建立專用預(yù)測(cè)模型，且能夠根據(jù)現(xiàn)場(chǎng)需要，提前對(duì)節(jié)假日期間的負(fù)荷進(jìn)行預(yù)測(cè) 。 短期負(fù)荷預(yù)測(cè)基本模型 針對(duì)影響電力負(fù)荷的因素，電力負(fù)荷的預(yù)測(cè)模型一般可以由四個(gè)分量模型 組成： H(t)=A(t)+B(t)+C(t)+D(t) 式中 :H(t)為時(shí) 刻 t的總負(fù)荷 ； A(t)為時(shí)刻 t的基本正常負(fù)荷分量 B(t)為時(shí)刻 t的天氣敏感負(fù)荷分量 C(t)為時(shí)刻 t的特別事件負(fù)荷分量 D(t)為時(shí)刻 t的隨機(jī)負(fù)荷分量 由上述各負(fù)荷分量，對(duì)于日負(fù)荷預(yù)測(cè)，天氣因素作用明顯了，如果待預(yù)測(cè)日的明天和今天是同類型日，而明天預(yù)測(cè)的天氣因素和今天有很大的區(qū)別，那么明天的負(fù)荷和今天就有一定程度不同。另外，特別時(shí)間負(fù)荷分量屬于非常規(guī)負(fù)荷變動(dòng)，只有先預(yù)測(cè)出待預(yù)測(cè)日特別事件出現(xiàn)的時(shí)刻，以及對(duì)負(fù)荷的影響程度后，才能修正預(yù)測(cè)負(fù)荷 ，得到最終準(zhǔn)確的預(yù)測(cè)值 [14]。 線性回歸 模型 的概念與特點(diǎn) 線性回歸 模型 的概念 回歸分析法又稱統(tǒng)計(jì)分析法。 電力 系統(tǒng) 負(fù)荷回歸預(yù)測(cè)技術(shù) 的 任務(wù)是確定預(yù)測(cè)值和影響因子之間的關(guān)系而做出預(yù)測(cè) ， 是 以 負(fù)荷過去的歷史資料 為基礎(chǔ) ，建立可以進(jìn)行數(shù)學(xué) 統(tǒng)計(jì) 分析的數(shù)學(xué)模型。就 相當(dāng)于我們?cè)?數(shù)理統(tǒng)計(jì)中 所學(xué) 的回歸分析方法， 既 通過對(duì)變量的觀測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，確定變量之間的相關(guān)關(guān)系，從而 達(dá)到 預(yù)測(cè)的目的。 回歸預(yù)測(cè)法是電力負(fù)荷預(yù)測(cè)的一種常見方法，它適用于電力負(fù)荷中、短期負(fù)荷預(yù)測(cè) [15]。其 實(shí) 質(zhì)也就是配曲線或者曲線擬合的問題 ， 可以 根據(jù)歷史數(shù)據(jù)的變化規(guī)律 來(lái)求出 因變量與自變量之間的回歸方程式， 最終來(lái) 確定模型參數(shù)，據(jù)此 作出 預(yù)測(cè)。 確定模型表達(dá)式中的未知參數(shù)是回歸預(yù)測(cè)的主要步驟，一般應(yīng)用最小二乘法進(jìn)行 。 在回歸分析中，自變量是隨機(jī)變量，因變量是非隨機(jī)變量，由給定的多組自變量和因變量資料，研究各自變量和因變量之間的關(guān)系，形成回歸方程?；貧w方程求 得解 后，給定各自變量數(shù)值，即 可以 求出因變量值。而對(duì)于非線性回歸問題，常應(yīng)用變換將其轉(zhuǎn)化為線性回歸問題處理。在電力負(fù)荷預(yù)測(cè) 12 的實(shí)際問題中，回歸方程的因變量一般是電力系統(tǒng)負(fù)荷，自變量是影響電力系統(tǒng)負(fù)荷的各種因素，如社會(huì)經(jīng)濟(jì)、人口、氣候等。 回歸方程根據(jù)自變量和因變量之間的函數(shù)形式，可分為線性回歸方程和非線性回歸方程兩種 ； 根據(jù)回歸分析涉及 道德 變量的 數(shù)量 ，可以分為單元回歸分析和多元回歸分析。 因此 回歸模型分為 一元 線性回歸模型 、多元 線性回歸模型 、 一元 非 線性回歸和多元 非 線性回歸。變量之間的關(guān)系是線性關(guān)系的模型稱為線性回歸模型，否則就稱之為非線性回歸模型 。在整個(gè)回歸分析中，線性回歸模型最為重要。一方面是因?yàn)榫€性回歸的應(yīng)用廣泛，另一方面是只有在 假 設(shè) 回歸模型為線性的 情況 下，才能得到比較深入的結(jié)果 ， 而且許多非線性回歸模型可以通過適當(dāng)?shù)霓D(zhuǎn)化變?yōu)榫€性回歸問題。因此，線性回歸模型的理論和應(yīng)用是回歸研究的重點(diǎn)。 設(shè) 線性回歸 模型的 數(shù)學(xué) 表達(dá)形式為 ： = ( , ) (32) 其中 ： A為該預(yù)測(cè)模型的參數(shù)向量 ； x為自變量 ( 向量或標(biāo)量 ) ； y為因變量 (待預(yù)測(cè)量 )?；貧w預(yù)測(cè)的重點(diǎn)是通過某種途徑估計(jì)模型的參數(shù)向量 A。在求得 A后 , 擬合 (歷史時(shí)段 )或預(yù)測(cè) (未來(lái)時(shí)段 )公式為 ： ? = ( ， ) (33) 其中 為自變量在 t時(shí)段的取值。如果將實(shí)際值與擬合值之差稱為擬合誤 差 , 表示為 : = ? ? = ? ( ， ) t=1， 2， ? ， n （ 34） 則回歸分析的目標(biāo)是使各時(shí)段擬合 誤差 的平方和 P最小 , ?? = ∑ 2?? =1 (35) 線性回歸的特點(diǎn) 雖然線性回歸 分析法是電力負(fù)荷預(yù)測(cè)的一種常用方法 ， 但這種方法在 不能全面的 考慮氣象因素 ， 只能 片面的 考慮諸如溫度、濕度等定量條件， 而 無(wú)法處理變化較多的天氣狀況 。由于模型是基于歷史數(shù)據(jù)進(jìn)行的 線性 回歸分析，能較好地?cái)M合過去，但對(duì) 于 未來(lái)的預(yù)測(cè) 其效果會(huì)隨時(shí)間的延長(zhǎng)而減弱。電力負(fù)荷回歸分析法是通過對(duì)影響因子值（比如國(guó)民生產(chǎn)總值、工農(nóng)業(yè)總產(chǎn)值、氣候、人口等 等 ）和用電的歷史資料進(jìn)行統(tǒng)計(jì)分析，確定用電量和影響因子之間的函數(shù)關(guān)系，從而實(shí)現(xiàn)預(yù)測(cè)。但由于回歸分析中，選用何種因子和該因子