【正文】 線外延到適當(dāng)時(shí)刻，就得到了該時(shí)刻的負(fù)荷預(yù)測值。(2) 時(shí)間序列法。其基本假設(shè)是：負(fù)荷過去的變化規(guī)律會(huì)持續(xù)到將來，即未來是過去的延續(xù)。但時(shí)序法無論采用哪種模型都沒有考慮不同時(shí)刻負(fù)荷之間的相關(guān)性和其它因素對負(fù)荷的影響，預(yù)測精度較差，因此時(shí)序法存在著預(yù)測不準(zhǔn)確的問題。小波分析是一種時(shí)域頻域分析，在時(shí)域、頻域同時(shí)具有良好的局部化性質(zhì)。小波變換能將交織在一起的不同頻率組成的混合信號(hào)分解成不同頻帶上的塊信號(hào)，對負(fù)荷序列進(jìn)行小波變換，可以將負(fù)荷序列投影到不同的尺度上，而各個(gè)尺度可近似地看作各個(gè)不同的“頻帶”，這樣各個(gè)尺度上的子序列分別代表了原序列中不同“頻域”的分量，它們可以清楚的表現(xiàn)出負(fù)荷序列的周期性。(4) 灰色預(yù)測法。在將一定范圍內(nèi)變化的歷史數(shù)據(jù)列進(jìn)行累加，使其變成具有指數(shù)增長規(guī)律的上升形狀數(shù)列，可以對生成的這個(gè)形狀數(shù)列建立起GM(GREY MODEL)模型。GM(1，1)模型是灰色理論中最廣泛地用于電力負(fù)荷預(yù)測的一種有效模型，它屬于動(dòng)態(tài)建模，采用微分?jǐn)M合方程的方法來描述事物的發(fā)展變化規(guī)律。但是，它和其他預(yù)測方法對比，也存在一定的局限性。人工智能方法：(1) 人工神經(jīng)網(wǎng)絡(luò)法。由于其具有高度非線性范函逼近和并行處理能力，它不依賴于人工的經(jīng)驗(yàn)，通過學(xué)習(xí)獲得系統(tǒng)輸入和輸出間的函數(shù)連接關(guān)系。它具有信息記憶、自主學(xué)習(xí)、知識(shí)推理和優(yōu)化計(jì)算的特點(diǎn)，其自學(xué)習(xí)和自適應(yīng)功能是常規(guī)算法和專家系統(tǒng)所不具備的?，F(xiàn)在有多種人工神經(jīng)網(wǎng)絡(luò)模型被用于短期負(fù)荷預(yù)測，主要有BP(Back Propagation)網(wǎng)絡(luò)[2]、RBF(Radial Basis Funetion)網(wǎng)絡(luò)[3]、Hopfield網(wǎng)絡(luò)[3]、Kohonen自組織特征映射[3]等。專家系統(tǒng)是人工智能領(lǐng)域的一個(gè)重要分支，它是一種基于知識(shí)推理的系統(tǒng)，它通過獲取大量的領(lǐng)域內(nèi)專家知識(shí)并在此基礎(chǔ)上進(jìn)行推理從而得到問題的解答。(3) 模糊控制法。模糊集合將經(jīng)典集合的絕對隸屬關(guān)系(非A即B)模糊化(既A又B)，典型的隸屬度函數(shù)有三角函數(shù)、梯形函數(shù)、正態(tài)分布函數(shù)、S形分布函數(shù)和Z形分布函數(shù)。電力負(fù)荷預(yù)測是利用以往的數(shù)據(jù)資料找出負(fù)荷的變化規(guī)律，從而預(yù)測出電力負(fù)荷在未來時(shí)期的變化趨勢及狀態(tài)。模糊理論是將操作人員的經(jīng)驗(yàn)以規(guī)則的形式表達(dá)出來，并轉(zhuǎn)換成可以在計(jì)算機(jī)上運(yùn)行的算法。近年來出現(xiàn)了模糊回歸分析法、模糊聚類識(shí)別預(yù)測法、模糊與神經(jīng)網(wǎng)絡(luò)結(jié)合應(yīng)用等方法。最新資料顯示，模糊系統(tǒng)和其他方法結(jié)合的負(fù)荷預(yù)測的精度要明顯優(yōu)于其他負(fù)荷預(yù)測方法。專家系統(tǒng)方法和模糊推理方法不需要學(xué)習(xí)過程，其速度較快且不需要樣本；而人工神經(jīng)網(wǎng)絡(luò)方法在應(yīng)用之前必須經(jīng)過學(xué)習(xí)過程，其速度要慢一些且需要典型的樣本集。本論文通過開展基于RBF神經(jīng)網(wǎng)絡(luò)的地區(qū)電網(wǎng)短期負(fù)荷預(yù)測方法探索研究，旨在尋求優(yōu)化負(fù)荷預(yù)測方法的實(shí)用途徑，科學(xué)、準(zhǔn)確地找出傳統(tǒng)負(fù)荷預(yù)測方法中存在的問題，有針對性的采取有效措施，進(jìn)一步提高負(fù)荷預(yù)測的精度和效率，從而實(shí)現(xiàn)對電網(wǎng)運(yùn)行優(yōu)化的指導(dǎo)工作。掌握RBF神經(jīng)網(wǎng)絡(luò)理論知識(shí)，構(gòu)建基于RBF神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測數(shù)學(xué)模型。根據(jù)實(shí)際數(shù)據(jù)進(jìn)行特定電網(wǎng)短期負(fù)荷預(yù)測應(yīng)用設(shè)計(jì)，最終匯總出相關(guān)實(shí)用短期負(fù)荷預(yù)測實(shí)施方案。其次介紹了本論文的研究工作以及研究目標(biāo)。第2章 電力負(fù)荷預(yù)測概述 負(fù)荷預(yù)測的概念和原理負(fù)荷預(yù)測是指在充分考慮一些重要的系統(tǒng)運(yùn)行特性、增容決策、自然條件與社會(huì)影響的條件下，研究或利用一套能系統(tǒng)地處理過去與未來負(fù)荷的數(shù)學(xué)方法，在滿足一定精度要求的意義下，確定未來某特定時(shí)刻的負(fù)荷數(shù)值?？芍栽怼？陀^世界是可以被認(rèn)識(shí)的，人們不但可以認(rèn)識(shí)它的過去和現(xiàn)在，而且可以通過總結(jié)它的過去和現(xiàn)在推測出未來?？赡苄栽?。內(nèi)因的變化及外因作用力大小不同，會(huì)使事物發(fā)展變化有多種可能性。連續(xù)性原理。它強(qiáng)調(diào)了預(yù)測對象總是從過去發(fā)展到現(xiàn)在，再從現(xiàn)在發(fā)展到未來。電力系統(tǒng)的發(fā)展變化同樣存在著慣性，如某些負(fù)荷指標(biāo)會(huì)以原有的趨勢和變化率發(fā)展下去。因此，了解事物的過去和現(xiàn)在，并掌握其變化規(guī)律，就可以對其未來的發(fā)展情況利用連續(xù)性原理進(jìn)行預(yù)測。盡管客觀世界中各種事物的發(fā)展各不相同，但是一些事物發(fā)展之間還是存在著相似之處，人們就是利用這種相似性進(jìn)行預(yù)測。反饋性原理。預(yù)測的反饋性原理實(shí)際上是為了不斷提高預(yù)測的準(zhǔn)確性而進(jìn)行的反饋調(diào)節(jié)。在進(jìn)行反饋調(diào)節(jié)時(shí)，首先認(rèn)真分析預(yù)測值和實(shí)際值之間的差距及產(chǎn)生差距的原因，然后根據(jù)已經(jīng)查明的原因，適當(dāng)改變輸入數(shù)據(jù)，進(jìn)行反饋，調(diào)節(jié)遠(yuǎn)期預(yù)測結(jié)果。系統(tǒng)性原理。這些系統(tǒng)綜合成一個(gè)完整的總系統(tǒng)，都要進(jìn)行考慮。系統(tǒng)性原理還強(qiáng)調(diào)系統(tǒng)整體最佳，只有系統(tǒng)整體最佳的預(yù)測，才是高質(zhì)量的預(yù)測，才能為決策者提供最佳的預(yù)測方案。電力負(fù)荷預(yù)測中經(jīng)常按時(shí)間期限進(jìn)行分類，通常分為長期、中期、短期和超短期負(fù)荷預(yù)測。它們的意義在于幫助決定新的發(fā)電機(jī)組的安裝（包括裝機(jī)容量大小、型式、地點(diǎn)和時(shí)間）與電網(wǎng)的規(guī)劃、增容和改建，是電力規(guī)劃部門的重要工作之一。其意義在于幫助確定燃料供應(yīng)計(jì)劃；對運(yùn)行中的電廠出力要求提出預(yù)告，使對發(fā)電機(jī)組出力變化事先得以估計(jì)；可以經(jīng)濟(jì)合理地安排本網(wǎng)內(nèi)各機(jī)組的啟停，降低旋轉(zhuǎn)儲(chǔ)備容量；可以在保證正常用電的情況下合理安排機(jī)組檢修計(jì)劃。用于質(zhì)量控制和自動(dòng)發(fā)電控制(AGC)[5]，超短期負(fù)荷預(yù)測的使用對象是調(diào)度員。按行業(yè)分類。城市民用負(fù)荷是城市居民的家用負(fù)荷，商業(yè)負(fù)荷和工業(yè)負(fù)荷是分別為商業(yè)和工業(yè)服務(wù)的負(fù)荷，農(nóng)村負(fù)荷則是指廣大農(nóng)村為農(nóng)業(yè)生產(chǎn)服務(wù)的負(fù)荷(包括農(nóng)村生活用電、生產(chǎn)與排灌用電以及農(nóng)村商業(yè)用電)，其它負(fù)荷則包括市政用電、街道照明、公用事業(yè)、政府辦公、軍用以及其它等。在我國，隨著國民經(jīng)濟(jì)的發(fā)展，居民生活水平的提高，敏感于氣候變化的家用電器(電爐、電熱器、空調(diào)裝置、電風(fēng)扇、電冰箱等)的日益廣泛地應(yīng)用，使居民負(fù)荷變化對系統(tǒng)峰值的影響越來越大，使之成為在負(fù)荷預(yù)測中必須考慮的重要因素。相對來說，工業(yè)負(fù)荷占負(fù)荷比例較大，且一般可視作是受氣候影響較小的基礎(chǔ)負(fù)荷，但也不能說一點(diǎn)也不受氣候的影響。一方面由于工業(yè)負(fù)荷本身負(fù)荷很大，另一方面尤其是由于三班連續(xù)生產(chǎn)，因此一般來說這類負(fù)荷變動(dòng)較小，但是隨著電力需求側(cè)管理的加強(qiáng)、峰谷電量費(fèi)用的差別拉大，有些工業(yè)用戶的日負(fù)荷也出現(xiàn)了較大的變化。農(nóng)業(yè)用電一般對地區(qū)負(fù)荷影響不大，需要注意的是農(nóng)忙期間，特別是夏季生產(chǎn)排灌用電，其時(shí)間不長，但負(fù)荷特別集中，容易造成局部用電緊張?？傊?fù)荷的變化是非常復(fù)雜的，進(jìn)行預(yù)測時(shí)應(yīng)考慮到各方面的影響因素，其中尤其應(yīng)加以重視的是負(fù)荷中天氣因素的影響。根據(jù)負(fù)荷預(yù)測表示的不同特性，又可以分為最高負(fù)荷、最低負(fù)荷、平均負(fù)荷、負(fù)荷峰谷差、高峰負(fù)荷平均、低谷負(fù)荷平均、平峰負(fù)荷平均、全網(wǎng)負(fù)荷、母線負(fù)荷、負(fù)荷率等類型的負(fù)荷預(yù)測，以滿足供、用電部門的管理工作的需要。負(fù)荷預(yù)測的目的是得到合理、可信的預(yù)測結(jié)果，負(fù)荷預(yù)測的核心是根據(jù)預(yù)測對象的歷史資料，建立數(shù)學(xué)模型來表述其發(fā)展變化規(guī)律。歷史數(shù)據(jù)的可用性。“偽”產(chǎn)生的原因主要有：認(rèn)為因素造成的錯(cuò)誤(如錄入錯(cuò)誤)，統(tǒng)計(jì)口徑不同帶來的誤差，“異常數(shù)據(jù)的存在給正常隸屬序列帶來較大的隨機(jī)干擾，影響預(yù)測體系的預(yù)測精度，如果“異常數(shù)據(jù)”過大甚至?xí)`導(dǎo)預(yù)測體系的預(yù)測結(jié)果，因此必須排除由于“異常數(shù)據(jù)”的存在帶來的不良影響。對于大量的歷史資料，要進(jìn)行客觀而全面的統(tǒng)計(jì)分析。預(yù)測手段的先進(jìn)性。預(yù)測方法的適應(yīng)性。預(yù)測方法能適應(yīng)預(yù)測量發(fā)展變化規(guī)律的多樣性，即要求預(yù)測系統(tǒng)建立完備的預(yù)測模型庫，這是建立負(fù)荷預(yù)測軟件系統(tǒng)的基礎(chǔ)。（3）在多種預(yù)測模型得到的不同規(guī)律的基礎(chǔ)上，進(jìn)行合理的綜合分析、優(yōu)化組合，得到最接近與該預(yù)測項(xiàng)的歷史規(guī)律、可靠性好、預(yù)測精度高的綜合模型。在預(yù)測計(jì)劃中要考慮的問題主要有：準(zhǔn)備預(yù)測的時(shí)期，所需要的歷史資料，需要多少項(xiàng)資料，資料的來源和搜集資料的方法，預(yù)測的方法，預(yù)測工作完成時(shí)間，所需經(jīng)費(fèi)來源等等。挑選資料的標(biāo)準(zhǔn)，一要直接有關(guān)性，二要可靠性，三要最新性?？梢哉f，預(yù)測的質(zhì)量不會(huì)超過所用資料的質(zhì)量，整理資料的目的是為了保證資料的質(zhì)量從而保證預(yù)測質(zhì)量打下基礎(chǔ)。(2) 資料的整理資料整理的主要內(nèi)容有以下幾項(xiàng)：1) 資料的補(bǔ)缺推算。2) 對不可靠的資料加以核實(shí)調(diào)整。3) 對時(shí)間數(shù)列中不可比資料加以整理。對資料的初步分析在經(jīng)過整理之后，還要對所用資料進(jìn)行初步分析，包括一下幾個(gè)方面：(1) 畫出動(dòng)態(tài)折線圖或散點(diǎn)圖，從圖形中觀察資料變動(dòng)的軌跡，特別是注意異常值和轉(zhuǎn)折點(diǎn)，研究它是由偶然的，還是其他什么必然的原因所致。從而使歷史數(shù)據(jù)序列趨于平穩(wěn)。建立預(yù)測模型負(fù)荷預(yù)測模型是統(tǒng)計(jì)資料軌跡的概括，它反映的是經(jīng)驗(yàn)資料內(nèi)部結(jié)果的一般特征，與該資料的具體結(jié)構(gòu)并不完全吻合。在預(yù)測中常用的預(yù)測方法有多種，各種預(yù)測方法均有其不同的特點(diǎn)和適用范圍。實(shí)踐證明，沒有一種方法在任何預(yù)測場合下均可以保證獲得滿意的預(yù)測結(jié)果。然后收集預(yù)測對象本身的內(nèi)因資料(與預(yù)測對象的歷史和現(xiàn)在的發(fā)展?fàn)顩r有關(guān))和預(yù)測背景的外因資料(與影響預(yù)測對象發(fā)展過程的各種因素有關(guān))。綜合分析，確定預(yù)測結(jié)果通過選擇適當(dāng)?shù)念A(yù)測技術(shù)，建立負(fù)荷預(yù)測數(shù)學(xué)模型，進(jìn)行預(yù)測運(yùn)算得到的預(yù)測值，或利用其他方法得到的初步預(yù)測值，還要參照當(dāng)前已經(jīng)出現(xiàn)的各種可能性，以及心的趨勢與發(fā)展，進(jìn)行綜合分析、對比、判斷推理和評價(jià)，最終對初步預(yù)測結(jié)果進(jìn)行調(diào)整和修正。 負(fù)荷的周期性短期負(fù)荷預(yù)測的一個(gè)突出特點(diǎn)是：為對系統(tǒng)負(fù)荷進(jìn)行預(yù)測，必須對過去的負(fù)荷歷史資料進(jìn)行分析。電力系統(tǒng)負(fù)荷的變化是有規(guī)律的，其規(guī)律主要體現(xiàn)在負(fù)荷變化的周期性，這種周期性是負(fù)荷的一種內(nèi)在規(guī)律[4,6]。負(fù)荷的變化的具體的周期性體現(xiàn)在它具有按天、按周及按年的周期性變化特點(diǎn)。負(fù)荷變化的年周期性。一般夏季比較炎熱，較直接的體現(xiàn)為制冷的用電負(fù)荷明顯增加，同時(shí)可以看到在夏季的負(fù)荷波動(dòng)較其他季節(jié)明顯；冬季負(fù)荷較低，同時(shí)負(fù)荷的變化很規(guī)律，波動(dòng)較?。淮呵锛矩?fù)荷的特性一般介于冬夏之間，負(fù)荷的變化特性不是很明顯。負(fù)荷變化的周周期性主要體現(xiàn)為從周一到周日的每個(gè)星期的周期性特征，可以解釋為工作日期間主要為工業(yè)生產(chǎn)負(fù)荷持續(xù)運(yùn)行，人們的生活方式也符合于工作期間的規(guī)律，所以表現(xiàn)出負(fù)荷的工作同相似特性。負(fù)荷變化的日周期性。一天的低谷負(fù)荷出現(xiàn)在午夜至早晨的后夜間，一般在這個(gè)時(shí)段人們處于休息狀態(tài)，運(yùn)行的負(fù)荷主要為那些不間斷的負(fù)荷，這些負(fù)荷組成了負(fù)荷的基本負(fù)荷，但隨著電力市場的發(fā)展，在一些發(fā)達(dá)地區(qū)，峰谷電價(jià)的實(shí)行可能會(huì)將一些私營小企業(yè)的負(fù)荷拉到夜間運(yùn)行，這是將來電力市場成熟發(fā)展后負(fù)荷預(yù)測需要考慮的問題。 負(fù)荷的隨機(jī)性從上述分析我們看到了負(fù)荷的總體的周期性特點(diǎn)，但負(fù)荷還存在著一定的波動(dòng)性。一般影響負(fù)荷的隨機(jī)性的因素有：政治因素影響、傳統(tǒng)節(jié)日影響、隨機(jī)工業(yè)負(fù)荷(如新廠的投產(chǎn))的影響、天氣的影響等。負(fù)荷的發(fā)展伴隨著增長趨勢，通常負(fù)荷隨著社會(huì)整體經(jīng)濟(jì)的增長是呈現(xiàn)增長趨勢的，這種趨勢是由整體的政治經(jīng)濟(jì)因素來決定的。但是在實(shí)際的負(fù)荷預(yù)測中，又不能考慮太多的影響因素。因此在考慮神經(jīng)網(wǎng)絡(luò)的輸入變量的問題上，應(yīng)抓住其中幾個(gè)最具特征的影響因素。周期性負(fù)荷，或者說標(biāo)準(zhǔn)負(fù)荷，反映的是負(fù)荷自身變化的基本規(guī)律，呈較強(qiáng)的周期性，尤其受到時(shí)間周期的影響。他們對于日負(fù)荷的曲線模式有著極為重要的影響。變動(dòng)性負(fù)荷是隨機(jī)因素影響負(fù)荷變化的結(jié)果，一般在總負(fù)荷中所占的比重不大，約為10％～20％左右，它是由于電網(wǎng)內(nèi)偶然因素的影響造成的負(fù)荷震蕩。因此對于短期負(fù)荷預(yù)測，這種振蕩的負(fù)荷是必須加以考慮的。節(jié)假日(主要指法定假日五一、國慶、元旦、春節(jié)等)以及重大的社會(huì)政治事件日，都將對日常的生產(chǎn)、生活用電產(chǎn)生不同程度的影響。由于無法形成充足、有效的樣本集，使得神經(jīng)網(wǎng)絡(luò)法等方法在節(jié)假日預(yù)測時(shí)，預(yù)測精度難以滿足要求。因此這就要求我們必須加以考慮對變化性負(fù)荷有較大影響的氣象條件。因此為了在負(fù)荷預(yù)測中考慮這兩方面的影響，本文采用了每天的最高溫度、最低溫度作為神經(jīng)網(wǎng)絡(luò)的兩個(gè)輸入變量，將天氣狀況模糊離散化后作為神經(jīng)網(wǎng)絡(luò)的另一個(gè)輸入量一氣候敏感因素(借鑒電力系統(tǒng)調(diào)度人員的經(jīng)驗(yàn)利用[0,1]之間的數(shù)值來定量表示氣候因素對預(yù)測負(fù)荷的影響)，這樣更加能夠體現(xiàn)實(shí)際負(fù)荷的變化情況。隨著電力市場化的不斷深入，我國實(shí)施了電價(jià)體制改革，出臺(tái)了“分時(shí)電價(jià)”的方案。由于現(xiàn)在的“分時(shí)電價(jià)的施行并未大面積展開，本文中暫且不考慮電價(jià)因素的影響。這些因素在中長期的負(fù)荷預(yù)測中要加以考慮，而對于短期負(fù)荷預(yù)測，由于是用近期的歷史負(fù)荷數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，可以認(rèn)為負(fù)荷受社會(huì)經(jīng)濟(jì)發(fā)展因素影響而增大的趨勢基本為零，可忽略不計(jì)。經(jīng)濟(jì)環(huán)境的好壞和經(jīng)濟(jì)發(fā)展?fàn)顩r對負(fù)荷的影響。時(shí)間因素。氣象因素。隨著人們更多地使用空調(diào)，氣溫對負(fù)荷的影響越來越大，同時(shí)天氣類型、降雨量、風(fēng)速等都對負(fù)荷產(chǎn)生一定程度的影響。電力市場經(jīng)濟(jì)情況下執(zhí)行峰谷分時(shí)電價(jià)，用戶對電價(jià)的反應(yīng)使負(fù)荷曲線形狀在一定程度上受到影響。其他大量引起負(fù)荷變化的隨機(jī)因素也經(jīng)常存在，例如大負(fù)荷用戶的用電調(diào)整以及重大的政治經(jīng)濟(jì)活動(dòng)等。適用的預(yù)測方法應(yīng)使預(yù)測誤差處于可接受的范圍內(nèi)。預(yù)測誤差和預(yù)測結(jié)果的準(zhǔn)確性關(guān)系密切?？梢?，研究產(chǎn)生誤差的原因，計(jì)算并分析誤差的大小，是有很大意義的。誤差產(chǎn)生的原因。如果選擇不當(dāng)，就會(huì)產(chǎn)生誤差。(3)進(jìn)行負(fù)荷預(yù)測要用到大量資料，而各種資料并不能保證都是準(zhǔn)確可靠的，這就必然會(huì)產(chǎn)生預(yù)測誤差。再者，由于計(jì)算或判斷上的錯(cuò)誤，也會(huì)造成不同程度的誤差。計(jì)算和分析預(yù)測誤差的方法和指標(biāo)很多，較為常用的有：(1) 絕對誤差和相對誤差。有時(shí)相對誤差也用百分?jǐn)?shù)表示。在電力系統(tǒng)中作為一種考核指標(biāo)而經(jīng)常使用。(21)式中：MAE—平均絕對誤差；AARE—平均相對誤差；—第點(diǎn)的預(yù)測值和實(shí)際值的絕對誤差；—第點(diǎn)的預(yù)測值和實(shí)際值的相對誤差；—第點(diǎn)的實(shí)際負(fù)荷值；—第點(diǎn)的預(yù)測負(fù)荷值；—日負(fù)荷預(yù)測總點(diǎn)數(shù)。(3) 均方誤差。均方誤差是預(yù)測誤差平方和的平均值，避免了正負(fù)誤差不能相加的問題，是誤差分析中的綜合指標(biāo)之一。 (23)式中：RMSE—均方根誤差，其它符號(hào)同前。本章節(jié)首先對電力負(fù)荷預(yù)測進(jìn)行概述，內(nèi)容包括一些概念、原理、研究分類以及研究的基本步驟等。其中重點(diǎn)討論了如何確定研究因素、如何進(jìn)行誤差分析。人工神經(jīng)網(wǎng)絡(luò)的研究是從人腦的生理結(jié)構(gòu)出發(fā)來研究人的智能行為，模擬人腦信息處理的功能。人工神經(jīng)網(wǎng)絡(luò)是有大量處理單元廣