负荷预测(翻译)

IEEE TRANSACTIONS ON INDUSTRY APPLICA TIONS, VOL. 45, NO. 4, JULY/AUGUST 2009

多区域负荷预测系统 与大的地理区域

舒凡，成员，kittipong methaprayoon ，成员，李伟仁，研究员，IEEE （电气与电子工程师协会）

摘要—在电力系统覆盖的地理区域，一个单一的负荷预测模型的整个地区，有时不能保证较好的预测精度。其中的一个主要的原因是由于负载的多样性，通常造成的天气的多样性，在整个地区。多区域负荷预测将是一个可行的和有效的产生更多的解决方案准确的预测结果，以及提供区域预报水电费。然而，一个主要的挑战是如何以最佳方式分割/合并的区域，根据区域负荷天气条件。本文研究了电力需求从中西部电力气象数据，美国对数据的分析，我们证明了存在的天气和负载的多样性，其控制区域内的再发展基于支持短期的多区域负荷预测系统日前的经营和市场的向量回归。所提出了多区域预测系统可以发现最佳区域分区在不同的天气和负载条件下，最终实现更准确的预测汇总系统负载。该预测系统已通过实际测试从系统的数据。得到不同的结果区域划分方案，验证了所提出的有效性多区域预测系统。在详细讨论预测的结果也被提出。

指数条款—分散负荷，负荷预测，多区，支持向量回归（SVR ）。

一、引言 负荷预测是电力系统运行的一个关键问题教育，规划，营销

[ 1 ]。许多经营决策，如发电调度计划，可靠性分析，并对机组检修

计划，基于负荷预测。未来的新一代规划植物和传输的增强也依赖于负载预测。因此，负荷预测一直是一个热门的话题电力工业。

到目前为止，各种各样的技术已经被提出预测电力负荷[ 2 ]。一般来说，大部分的工作集中在预测模型本身，并没有具体注意到已经支付给一个系统的负荷预测大的地理区域，虽然有些问题需要要在实际操作解决。

在电力系统中的大的地理区域，天气和电力需求的多样性在整个地区是一个关键的问题出在影响预测精度。天气负载的多样性使得它很难预测聚集的电通过使用一个单一预测模型的需求。解决在的多样

性所产生的影响，一个简单的想法预测在分离的区域，即载荷，多区

负荷预测。然而，一个技术难点出现在当进行多区域预测时，如何找

*本文icpsd-08-4-3，在2008年由IEEE /IAS 工业在介绍商用电源系统技术会议，克利尔沃特海滩，佛罗里达州，五月四日–8，并批准发布的。 **行业中的应用 由能源系统的IEEE 工业应用学会。2008年4月30日的

手稿提交审查,2008年12月19日，出版发行。第一次出版的2009年6月2

日；当前版本发表于2009年7月17日。

舒凡在商业和经济预测组 ,，莫纳什大学，克雷顿， VIC 3800，澳大利亚

(e-mail: shu.fan@.au).

K. Methaprayoon 在德克萨斯电力可靠性委员会，奥斯丁，TX 78744 美国

(e-mail: kmethaprayoon@).

李伟仁在能源系统研究中心，德克萨斯大学，阿灵顿，TX 76019 美国 (e-mail: wlee@).

本文数字彩色版本可用在线 数字对象标识 10.1109/TIA.2009.2023569

到最有分割/组合的区域，以便更准确预测可以得到聚合和区域荷载。 本文的目的是为一个在美国中西部的电力公司开发一个多区域短期负荷预测系统，控制大面积的地理区域。我们首先调查和量化的天气在系统负荷的多样性，然后建立多区域负荷使用支持向量回归预测系统（SVR ）。所提出的多区域预测系统可以找到根据负荷和天气的最佳的区域划分然后生成更准确的预测特性集群系统负载。所提出的预测系统采用真实数据的效用试验。相比之下，一个普遍的预测模型也被开发对聚集系统负荷预测，和数值结果验证了所提出的多区域负荷的优势预测系统。

二、负荷的调查与天气气候特征 在本节中，我们研究区域的天气和负载以及电力需求的依赖特性对

目标系统的温度。

A. 系统负荷

本文中使用的电力系统是控制在中西部地区覆盖较大的地理区域的

美国的电力。本系统的主要需求是适合住宅的。最初，本实用控制区被分为24个区域主要基于其部分–所有者社。2006年平均每个地区的高峰负荷记录在表 I 。 根据表I ，可以看出系统负荷各地区在很宽的范围内变化。之间的

峰值和比值在不同地区的平均负荷也很不同。一个主要的原因是因为天气和负载的多样性大区内，这将进一步调查以下部分。

B. 整个地区的天气变化

近年来，需求层次也越来越依赖于天气条件。这已归因为增加家庭和商业可用性空调机组。一般来说，大多数的气象变量，包括温度，湿度，风速，等，是驱动变量对电力消费。在另一方面，温度是一致的发现是主导因素与其他天气指数的比较。因此，我们将重点放在温度特性

本文不失一般性。 表II 显示的是，在2006年各地区的最高和最低温度。可以看出，温度价值观的跨区域很宽的范围内变化，特别是对的最低温度。 为进一步揭示不同区域的温度变化，四典型遗址位于控制区域的不

同部分已被选定来说明温度分布。 在图1中可以看到，温度分布变化显示在不同的地点。

0093-9994/$25.00©2009 IEEE

FAN et al.: MULTIREGION LOAD FORECASTING FOR SYSTEM WITH LARGE GEOGRAPHICAL AREA

TABLE I

TABLE II

A REA N UMBER AND L OAD D A TA IN 2006

C. 对电力需求的依赖温度

由于天气的多样性存在于控制区的电力，我们继续分析负荷与温度的关系。这之间的相关性聚合的负载和平均温度的系统图II 所示。

根据图2，分别存在近似分段负载和温度之间的相关性，线性关系在这些冷和热的天。在每一个相关的段可以使用下面的公式计算：

其中 Cov(t, d) 是温度t 和负载d 的协方差，σt 和σd 是t 和d 的标准偏差。ρt,d = 1对应一个完美的线性相关，而一个中间值描述部

分的相关性，并ρt,d =0代表等无相关性。 图2中的虚线表示近似的分离得到两个分段段之间的点，通过最大化的两个相关系数的绝对值在两段。根据我们的计算，分离点约为59◦，ρt,d 两段−0.69和0.73，这表明一个强烈的负载和温度之间的相关性，为冬季和夏季。请注意，在冬季的相关性是近高，如同在夏季；一个主要的原因是由于热控制区域内的设备主要是电，而不是气体油加热器。

M EAN , M AXIMUM , AND M INIMUM T EMPERA TURE

OF E ACH A REA IN 2006

*Fig. 1. Histogram plot of temperature distribution of four different sites across the control area in year 2006.