发布时间 : 星期六 文章电力负荷预测毕业论文更新完毕开始阅读3cc7afd46edb6f1afe001fbe
GM(1，1)模型是灰色理论中最广泛地用于电力负荷预测的一种有效模型，它属于动态建模，采用微分拟合方程的方法来描述事物的发展变化规律。灰色预测具有要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、短期预测精度高、易于检验等优点，因此得到了广泛应有，并取得了令人满意的效果。但是，它和其他预测方法对比，也存在一定的局限性。一是当数据离散程度越大，即数据灰度越大，则预测精度越差；二是不太适合于电力系统的长期后推若干年的负荷预测。传统方法的原理比较简单，理论比较成熟，因此至今仍有应用。但是这些方法采用的数学模型过于简单，其参数难以及时、准确地进行估计和调整，而且不能反映负荷的突然变化，因此它们不能适应用较精确的数学模型来描述负荷的变化规律及其它因素对负荷的影响，从而使这些方法难以获得较高预测精度
[20]
。
传统预测方法的原理比较简单，理论比较成熟，因此至今仍有应用。但是这些方法采用的数学模型过于简单，其参数难以及时、准确地进行估计和调整，而且不能反映负荷的突然变化，因此它们不能适应用较精确的数学模型来描述负荷的变化规律及其它因素对负荷的影响，从而使这些方法难以获得较高预测精度。
3.2人工智能方法
3.2.1人工神经网络法
人工神经网络(ARTIFICIAL NEURAL NETWORKS)是一种以人类大脑神经网络为模拟对象的仿生系统。它是在深入研究人脑神经网络的基础上，人工构造的、能够实现某种特定功能的网络，是理论化的人脑神经网络的数学模型，是模仿大脑神经网络结构和功能而建立的一种信息处理系统。它是由大量的简单元件相互连接而成的复杂网络，是具有高度非线性处理能力，能够进行复杂的逻辑操作和非线性关系实现的系统。经过半个多世纪的发展，人工神经网络技术已逐渐成熟，并成功的应用于模式识别、最优化问题求解、信息的智能化处理、复杂控制和信号处理等领域，取得了很好的效果。
由于吸取了生物神经网络的许多优点，相对于传统的信息处理系统来说，人工神经网络具有以下的特点：
(1)高度的非线性。人生神经网络特别是多层次、非线性全连接的网络，其输入输出表现出非常显著的外部非线性关系。经证明，只要有足够数目的神经元，任何非线性连续函数都可以由一个三层网络以任意精度来近似表达。这种强大的非线性逼近能力，是神经网络最重要的性质之一。
(2)良好的自学习和自适应性。人工神经网络能够通过学习和训练来适应环境的变化。当外界环境发生变化时，经过一段时间的训练与学习，人工神经网络能自动调整网络结构和连接模式，使得对于特定输入能够产生期望的输出。
(3)良好的容错性和联想记忆能力。人工神经网络通过自身的网络结构，能够实现对信息的记忆。而所记忆的信息是存储在神经元之间的权值中，是一种分布式的存储方式。即使部分信息丢失或模糊，也不会从根本上影响网络的整体性能龟，从而表现出良好的容错性、很强的抗噪音能力和联想推广能力。网络一经训练成功，就可以正确的处理和训练样本集相似的数据，在一定
7
的误差范围内，还可以处理非完全数据，由局部联想到整体，表现出联想记忆的特征，适宜于处理知识背景不清楚、推理规则不明确的问题。
(4)高度的并行性。人工神经网络是由许多相同的简单处理单元组合而成，虽然每个单元的功能简单，但大量简单处理单元的并行活动，却能够形成惊人的信息处理能力
[21]
。
3.2.2专家系统方法
专家系统是人工智能领域的一个重要分支，它是一种基于知识推理的系统，它通过获取大量的领域内专家知识并在此基础上进行推理从而得到问题的解答。专家系统适用于专业范围明确，没有完整的、精确的理论的领域，专家系统是对人类的不可量化的经验进行转化的一种较好的方法，若能将它与其他方法有机地结合起来构成预测系统，将可得到满意的结果
[22]
。
3.2.3模糊控制法
模糊集合和模糊推理是专门用来处理不确定性问题的理论。模糊集合将经典集合的绝对隶属关系(非A即B)模糊化(既A又B)，典型的隶属度函数有三角函数、梯形函数、正态分布函数、S形分布函数和Z形分布函数。模糊推理基于模糊规则，模糊规则以IF-THEN的形式来表达模糊集合间的关系。电力负荷预测是利用以往的数据资料找出负荷的变化规律，从而预测出电力负荷在未来时期的变化趋势及状态。实际预测时，常常需要在历史负荷及影响其变化的相关环境因素数据不确定的情况下进行预测，模糊数学为处理此类问题提供了有效手段。模糊理论是将操作人员的经验以规则的形式表达出来，并转换成可以在计算机上运行的算法。它在电力系统的许多领域中得到了应用。近年来出现了模糊回归分析法、模糊聚类识别预测法、模糊与神经网络结合应用等方法。由于模糊推理可以利用有限的规则近似任意的函数关系，将这一理论应用于负荷预测是不错的选择。最新资料显示，模糊系统和其他方法结合的负荷预测的精度要明显优于其他负荷预测方法
[23]
。
综上所述，相对于其它的预测方法来说，人工神经网络法被认为是一种简单而有效的负荷预测技术，非常适合用来进行电力系统短期负荷预测。不同的预测方法有各自的优点和缺点，为了发挥不同方法的优点，避开其不足，人们在负荷预测过程中将不同的预测方法加以组合，形成了许多种组合方法，在一定条件下能够有效的改善模型的拟合能力和提高预测的精度。
8
4电力负荷预测存在的问题及解决方法
4.1电力负荷预测存在的问题
经典的负荷预测是根据电网的历史数据，找出负荷随各种因素变化的规律，在一定的假设下，建立适当的数学模型，预测未来的某一时刻负荷。但依靠数学建模进行预测对上述的随机性、周期性及表现人的判断显得无能为力，所以我们把负荷预测方法中存在的问题归结为：
4.1.1负荷历史数据的坏数据处理
负荷的历史数据一般来源于SCADA数据库，由于系统中各种终端读表的各种误差，数据库中的数据经常会受到污染。常见的有毛刺、某一段数据突然变大或变小、和数据的不正常波动等。而冲击负荷比较大的地区，负荷数据的过分波动不利于掌握负荷的变化趋势，增加了负荷分析的难度。因此在用历史数据进行训练和预测前，坏数据的辨识与修正是必须要做的工作。即确定某条曲线中存在坏数据，然后找出坏数据在曲线中的位置，将其剔除掉并进行修正。
4.1.2节假日的负荷预测
在国家法定节假日（元旦、春节、五一和国庆）期间负荷与平时相比明显降低，尤其是春节更是持续长时间、大幅度的曲线下降和变形。节假日负荷一般要求提前半个月到一个月左右做出预测，节假日的预测一直是负荷预测的难点之所在。由于数据量较少，参考上一节假日相隔时间又长达一年，无法形成足够有效的样本集使得神经网络方法不能使用于节假日预测中，需要结合传统的多种方法另找途径。
4.1.3气象因素的影响
研究表明，气象因素对负荷预测精度的影响不可忽视，传统的预测方法不能考虑气象或者考虑气象不充分，导致预测结果不够理想。需要结合多种方法，如模糊聚类法法将气象因素（温度、湿度、天气状况等）考虑在内。
4.1.4电力市场环境下，负荷的变化还与电价有关。 4.1.5随机因素。
其他大量引起负荷变化的随机因素也经常存在，例如大负荷用户的用电调整以及重大的政治经济活动等。
9
4.2针对上述问题的解决方法
电力负荷预测的难点在于影响因素众多，它包含有内外部的随机因素，特别是许多非负荷因素的影响。这些影响因素与预测值之间形成复杂的非线性关系。影响负荷预测的主要因素如下
[28]
：
4.2.1定量分析与定性分析相结合的问题
影响电力负荷的因素很多，在以往的负荷预测中，我们往往只重视定量的分析，而忽略了定性的分析，这是一个值得注意的问题。定性分析包括在进行定量分析之前，对某些基本数据进行必要的分析，如对负荷数据特性的分析等。
4.2.2原始数据的收集和筛选
近年来我国的电力负荷预测的研究，对于模型的建立比较重视，而不去深入分析和收集原始数据，以至造成有时原始数据的筛选分析与模型不配套的弊端。要成功地进行预测，必需要把握以下四大环节：
(1)要收集尽可能全面的信息。如果信息面过窄，就极难得到恰当的预测。
(2)要使用正确的筛选手段与方法，有用的真实信息常常淹没在大量的干扰信号之中，只有使用正确的筛选手段与方法，才能去伪存真。
(3)应使逻辑运算的假设尽可能地符合实际，任何一种模型或逻辑运算，都是以假设为前提的，如果假设离前提太远，那就不可能获得成功地预测结果。
4.2.3电力负荷预测的依据
首先，要明确电力负荷预测的依据，从实际出发，选择正确的预测方法。电力负荷预测既要依据调度专家成功可靠的经验，更要依据符合的历史数据。
其次，电力系统负荷变化具有显著地周期性。通过对实际负荷记录的分析发现，按小时观测的负荷具有以24小时或7天变化的周期，这种周期性变化的规律是电力负荷变化的又一本质特征。在预测方法中，如何体现其变化的周期性，从而使预测结果更符合实际，也是负荷预测中面临的实际问题。
10