基于小波神经网络的电力负荷预测模型设计毕业论文

基于小波神经网络的电力负荷预测模型设计毕业论文
1绪论
1.1选题的目的和意义
电力工业是国民经济的基础产业，在整个国民经济的发展起着举足轻重的作用。

多年的实践经验告诉我们，如果电力工业的发展速度能够满足国民经济建设的需要，就会促进经济的高速发展；否则，就会产生严重的供需矛盾，阻碍国民经济的发展。

随着现代工业和农业的不断发展及人民生活水平的日益提高，社会对电力的需求量越来越大。

为了满足日益增大的电力需求，必须不断扩大电力系统的规模。

由于电力工业的发展不仅需要消耗巨大的投资和一次能源，而且对国民经济的其它部门也会产生巨大的影响，合理的进行电力系统规划不仅可以获得巨大的经济效益，也会获得巨大的社会效益。

相反，电力系统规划的失误会给国家建设带来不可弥补的损失。

因此，对电力系统规划问题进行研究，以求最大限度地提高规划质量，具有重大的现实意义，而实现这一目标的第一步就是要做好负荷预测。

负荷预测是电力系统规划建设的依据。

负荷预测的准确程度将直接影响到投资、网络布局和运行的合理性，因此，负荷预测在规划中显得尤其重要。

若负荷及电量预测不足，电网的发展便不能适应实际发展的需要，无法满足用户正常用电需求，甚至还可能缺电。

另一方面，若负荷及电量预测过高，则又会导致一些过多而不能充分利用的设备，从而引起投资的浪费。

总之，负荷预测的精度高低直接关系到各方利益，电力负荷预测工作的水平已成为衡量一个电力企业的管理是否走向现代化的显著标志之一，尤其在我国电力事业空前发展的今天，用电管理走向市场，电力负荷预测问题的解决已经成为电力行业人员面临的重要而艰巨的任务。

电力系统负荷预测是以准确的历史数据和调查资料为依据，从用电量的历史和现状出发，用科学的方法预测未来电力系统负荷的发展趋势和变化规律的科学。

根据预测的时间跨度，一般将负荷预测分为长期、中期和短期负荷预测。

短期负荷预测主要指预测未来一天或一周内各个整点的负荷曲线，主要用于制定系统的生产计划，安排系统的短期运行方式、进行电力调度以及离线安全分析等。

传统的负荷预测都是人工完成的。

预测人员通过历史负荷数据，采用一定的预测算法加以计算，得到预测结果后，结合自己的经验加以修正，形成最后发布的预侧数据。

在整个过程中，历史数据的选择，预测算法的选用和预测人员的经验，都会对预测结果产生很大的影响，预测的精度难以保证。

因此，电力企业迫切需要建立自己电力负荷预测系统.这种系统必须能够结合企业现有的资源，能够克服人工预测的各种弊端，不仅要有较高的预测精度，还要有自动化和智能化的特性。

本文研究的基于小波神经网络的电力短期负荷预测系统，就是一个能够满足以上需要的系统。

通过应用该系统可以避免过去人工预测的盲目与随意，使电力负荷预测的结果更加准确，为电力调度提供更好的参考依据。

它不仅可以尽量降低电力短缺所带来的危害，还能为电力企业带来更大的经济效益。

因此，本文的研究具有重要的理论和现实意义。

1.2本课题的研究现状
负荷预测的研究已有几十年的历史，国内关于负荷预测的研究已出现了许多种方法，目前，国内发表的电力系统短期负荷预测的文献较多，所采用的预报方法和到达的预报精度也各有不同。

综合起来主要可分为以下三类。

1）传统统计模型法。

这是一种二十世纪九十年代以前常用的方法。

主要包括时间序列法和回归分析法。

这种方法的优点是计算简单、要求的历史数据少。

由于是基于统计模型，不易全面地考虑天气因素、突发事件等对于负荷的影响，因此预测精度低。

2）专家系统法。

即充分利用有经验的运行人员的知识、经验和推断规则来进行负荷预测，然而，把专家的知识和经验等精确地表达并转化为一系列规则，则往往是很困难的，而且建立专家系统的工作量要比一般预报算法大得多。

3）人工神经网络法。

人工神经网络具有任意逼近非线性函数的特性，负荷变化是与诸多因素有关的一个非线性函数，用人工神经网络对负荷历史数据进行学习，是抽取和逼近负荷变化曲线并进行负荷预报的有效方法。

近十年来，国外报道的相关文献主要是用神经网络方法围绕提高或改善负荷预报的精度来进行负荷预报研究。

最具代表性的是美国研制的人工神经网络短期负荷预报器，它包含有两部分预测：一部分预测基本负荷；而另一部分预测负荷变化，这部分考虑了短期内气候条件（温度、湿度）。

两部分的自适应组合便是最终的预报结果。

该预报器具有较好的自组织自适应特性，已在美国，加拿大的35家电力公司采用。

于是，有学者开始将各种智能化算法，如人工神经网络法、遗传算法、最小绝对值滤波算法等用于在受到诸如气象变化、经济环境变化等随机因素干扰情况下的电力系统负荷预测。

由于电力系统的负荷受众多不确定因素的影响，是典型的灰色系统，运用灰色系统来分析众多不确定因素与电力负荷预测的关联度已经运用广泛，但如何准确定量描述，以何种准则来进行不确定因素的人工修整仍是一个难题，所以，通常很多地区很大程度上依靠预测人员的经验进行预测。

西方发达国家如美国、英国随着电力市场的日益成熟，电力供应商为了获取最大利润，十分重视电力负荷预测工作。

为此，科研工作者一直在研究电力负荷预测的新方法以提高预测精度。

自从1991年美国学者Park等人提出使用神经网络预测电力负荷以来，人们对此表现出广泛的关注。

在此基础上，美国的Khotanzad博士领导的科研小组经过几年的艰苦研究，提出了人工神经网络电力负荷短期预测系统(ANNSTLF)。

这个系统己经在实用化方面取得了空前的成功。

北美洲有35个大发电系统(公司)，根据天气预报、工业和居民用电统计资料，利用ANNSTLF系统预测发电站必须提供的发电量，大大提高了电站的经济效益和安全运转系数。

但该系统有一个弱点，即不能处理不确定性信息，且需要大量的历史数据进行训练和学习。

我国的负荷数据近些年才开始系统收集，采用ANNSTLF系统不太适合我国的国情。

Hiroyuki教授等人则在电力负荷短期预测中运用了自适应模糊推理，Srinivasan博士采用了模糊神经计算进行需求预测。

这些方法主要是针对工业化发达国家实际情况提出的，而我国的国情复杂，地区之间的差距很大，生搬硬套上述方法，很难取得成功。

当前国内电力短期负荷预测研究备受瞩目，很多学者提出自己的看法。

东南大学的单渊达教授采用径向基函数(RBF)为神经网络预测系统前向网络的学习提供了一种新颖而有效的手段。

RBF网络具有良好的推理能力，而且在学习方面比误差反向传播(BP)方法快得多。

清华大学张伯明教授采用共辘梯度法训练预测系统的神经网络，在学习算法上有所突破。

国内著名人工智能学者蔡自兴教授则结合多层感知神经网络和多分辨率遗传算法来进行电力负荷预。

华南理工大学的吴捷教授运用模糊逻辑和时序特性来进行最优模糊逻辑推理汇，该系统的输入量通过对历史数据的自相关分析而建立，再通过最近邻聚类法对历史数据的学习得到若干数据对，进一步由最优模糊逻辑系统建立短期电力负荷的预测模型。

国家电力科学研究院的胡兆光老师将AI推理和模糊系统结合起来，建立AI规则库对电力负荷进行预侧，也取得了较好的效果。

国外电力负荷预测技术和方法和方法研究正在深入，国内电力工作者也正在探索，
主要有以下方法：
1）采用BP算法应用神经网络多层感知器模型，并结合线性外推法优点，应用于华北电网日负荷预报，可使精度提高0.9%，其做法是：利用模型聚类法推出预测日各时段的分布系数；利用人工神经网络预测出最大、最小负荷；用两种方法预测的结果进行综合，得到最后预报值。

2）将模糊神经网络理论应用于电力系统短期负荷预测日。

选择模糊日温度、模糊日工作状态、模糊日时段等作为输入量，模糊日平均负荷和模糊日周期变动负荷为输出量，通过由相应输入、输出量所构成的历史样本对模糊神经网络进行训练，训练好的网络可对未来负荷进行预测。

3）提出了一种模糊短期负荷预测方法。

通过对负荷历史数据的离线动态学习，训练出有关参数，经过模糊推理获得提前一天的负荷预测。

系统中引入环闭模糊控制方法用以在线消除预测误差，并设计了自适应的输出修正算法以排除可能存在的扰动影响。

对于实际负荷进行预测，可以证明该预测方法的有效性。

目前，我国实际的电力负荷预测主要还是采用传统统计模型法。

当负荷随气候等因素变化平缓，即电力较发达地区，用传统方法计算量小，速度较快，且能取得较好的预测效果；但当负荷随各种因素变化剧烈时，传统方法由于模型的线性特性，不足以真正描述电力系统的不同负荷模式的非线性特性，因此预测的效果便很不理想，尤其是节假日的预测效果令人难以接受。

1.3本文所做的工作
本文研究的对象是基于小波神经网络的电力系统短期负荷预测。

短期负荷预测的方法有很多种，目前，神经网络预测方法受到国内外广大研究人员的高度重视，被公认为比较有效的方法。

本文介绍了常用的负荷预测方法，分析了其模型结构、功能特点、适应范围，指出了传统负荷预测方法存在的问题；同时对各细分市场的负荷特点进行了有针对性的分析，指出了各种影响因素对各类负荷的不同影响，如气候、经济等客观条件。

这些都是影响负荷预测准确性的不可预知的因素。

文章主要是探讨用小波神经网络法用于负荷预测的效果，在介绍了小波神经网络法后，通过三层结构对已有历史数据训练，并形成模型，在已有模型的基础上，来进行负荷预测。

其中引用了大量的负荷历史数据，最后的预测结果显示，现代算法与传统方法相比，其预测结果的精度有了提高。

2 电力负荷与预测概述
2.1 电力负荷预测的含义
电力负荷有两方面的含义：一方面是指电力工业的服务对象，包括使用电力的部门、机关、企事业单位、工厂、农村、车间、学校以及各种各样的用电设备；另一方面是指上述各用电单位、用电部门或用电设备使用电力和电量的具体数量。

电力负荷预测中的负荷概念是指国民经济整体或部门或地区对电力和电量消费的历史情况及未来的变化发展趋势。

电力系统的作用是为各类用户尽可能地提供可靠而合乎标准要求的电能，随时满足各类用户的要求(即满足负荷要求)。

负荷的大小与特征，无论是对于电力系统设计或是对于运行研究而言，都是极为重要的因素。

对负荷的变化与特征有一个事先的估计，是电力系统发展与运行研究的重要内容。

电力系统负荷预测理论就是因此而发展起来的，在现代电力系统工程科学中它已成为占有重要地位的研究领域。

预测，是一类科学问题的总称，是对尚未发生或目前还不明确的事物进行预先的估计和推测。

科学的预测是正确决策的依据和保证。

许多行业和领域，都会遇到预测问题，除了人们比较熟悉的宏观经济预测、股票市场预测、天气预测以外，还有人口预测、产品销售量预测、市场需求预测等等。

一般认为，预测是在一定理论指导下，以事物发展的历史和现状为出发点，以调查研究所取得的资料和统计数据为依据，在对事物发展过程进行深刻的定性分析和严密的定量计算的基础上，研究并认识事物的发展变化规律，进而对事物发展的未来变化预先做出科学的推测。

无论是传统的预测方法还是现代的预测方法，都是在获得预测对象的历史变化规律后，将这种规律延伸以预测未来。

理论上讲，负荷预测的数学理论核心是如何获得预测对象的历史变化规律及其与所受某些主要因素影响的关系。

预测模型实际上是表述这种变化规律的数学函数。

建立良好的数学模型可以减小预测误差、提高预测精度，是预测人员关注的核心问题。

在电力系统发展规划阶段，如果负荷预测结果偏低，将会导致系统的规划装机容量、输电规划等无法满足社会的用电需求，甚至还可能产生缺电；如果负荷预测结果偏高，则会导致一些发电、输电设备投入系统后的运行效率不高，从而引起投的浪费。

文献等量化地分析了负荷预
测的误差对电力系统运行所造成的影响。

这些分析表明，提高负荷预测的精度是电力系统规划和运行的必然要求。

众多学者不遗余力地进行负荷预测的研究。

其主要的出发点大都是以更为先进的理论为基础来改进预测的准确性。

电力负荷预测就是在正确的理论指导下，在调查研究掌握大量翔实资料的基础上，运用可靠的方法和手段对电力负荷的发展趋势作出科学合理的推断。

本文基于小波神经网络的电力短期负荷预测就是在大量有关电力短期负荷研究和神经网络理论的指导下，在充分调查研究处理了某市某年某月一个月1500多组数据后，应用了神经网络理论与MATLAB的实现方式，进行了编程仿真，得出了月底某工作日和某休息日两天的各小时点的具体负荷。

较高的预测精度充分表明了它的科学合理性。

2.2电力负荷预测研究的目的和意义
电力用户是电力工业的服务对象，电力负荷的不断增长是电力工业发展的根据。

正确地预测电力负荷，既是为了保证无条件供应国民经济各部门及人民生活以充足的电力的需要，也是电力工业自身健康发展的需要。

电力负荷预测工作既是电力规划工作的重要组成部分，也是电力规划的基础。

全国性的电力负荷预测，为编制全国电力规划提供依据，它规定了全国电力工业的发展水平、发展速度、源动力资源的需求量，电力工业发展的资金需求量，以及电力工业发展对人力资源的需求量。

短期负荷预测是负荷预测的重要组成部分，是电力系统运行调度中的重要内容。

为更好地反映气象因素对负荷的影响及提高负荷预测的精度，本文构建了一种小波神经元网络负荷预测模型，以Meyer 小波取代Sigmoid 函数，采用误差反传学习算法来训练网络，对某市某年某月某日进行电力负荷的短期预测，它为这一地区电力规划奠定了一定的基础，同时也为这一地区电力工业布局、能源资源平衡、电力余缺调剂，以及电网资金和人力资源的需求与平衡提供可靠的依据。

因此，电力负荷预测是一项十分重要的工作，它对于保证电力工业的健康发展，乃至对于整个国民经济的发展均有着十分重要的意义。

2.3电力负荷预测的分类与特点
2.3.1电力负荷预测分类
从不同的角度，电力负荷预测可以有不同的分类，不同的分类方法用于不同的研究目的。

主要的分类方法有：
(1) 按照时间长短划分，电力负荷预测通常分成长期、中期、短期和超短期负荷预
测。

长期负荷预测指10年以上的预测，这种预测常常不是电力系统仅依赖自己的信息与资料所能完成的；中期负荷预测是指1～5年的预测，它对系统增容规划极为重要；短期负荷预测是指一年以内的预测，主要服务于系统运行；超短期负荷预测是指对未来1小时内的变化作出预测，主要用于对电网进行在线控制，实现发电容量的合理调度，满足运行要求，降低发电成本。

电力负荷预测按行业可以分为城市民用负荷、商用负荷、农村负荷、工业负荷以及其它负荷的预测。

其中，城市民用负荷预测主要是指对城市居民的家用负荷预测；商业负荷预测和工业负荷预测是指对商业与工业服务的负荷进行预测；农村负荷预测是指对广大农村所有负荷(包括农村民用电、生产与排灌用电以及商业用电等)的预测；而其它负荷预测则包括市政用电(如街道照明等)、公用事业、政府办公、铁路与电车、军用等等负荷的预测。

根据负荷预测表示的不同特性，常常又分为最高负荷、最低负荷、平均负荷、负荷峰谷差、高峰负荷平均、低谷负荷平均、平峰负荷平均、全网负荷、母线负荷、负荷率等类型的预测，以满足供电、用电部门的管理工作的需要。

图2.1 负荷预测分类图
(2) 按照用电部门的不同，负荷预测还可以划分为工业负荷、商业负荷、农业负荷和民用负荷等负荷预测。

工业负荷主要指各厂矿进行工业生产的用电负荷，可进一步分为重工业用电和轻工业用电，在目前我国的用电结构中占全社会用电总量的75％，所占比重较大且比较稳定。

商业负荷主要指商业行业的照明、空调、动力等负荷，一般所占比重较小，具有季节性变化和日变化的特点，是节假日期间影响电力负荷的重要因素。

农业负荷主要指城镇以外的农村居民用电和农业生产用电，它受季节影响较大，对降水量、天气等自然因素的变化十分敏感。

民用负荷主要指城市居民生活用电负荷，包括夏季的降温设备、冬季的取暖设备以及其他家用电器的负荷，通常具有年增长性及明显的季节波动和日变化等特点。

该分类方法对于研究全国、电力系统或地区的电力规划有重要作用。

图2-2 某地区负荷构成图
(3) 按照负荷的特性分类，负荷预测还可以分为最高负荷、最低负荷、平均负荷、高峰平均负荷、低谷平均负荷、负荷峰谷差、负荷率等类型的负荷预测。

其中年最大负荷决定了系统的装机规模、电源结构和投资规模的重要依据。

日最大和最小负荷是编制电力系统日运行方式及确定相应的负荷特征的主要依据。

(4) 按照使用电力的目的分类，一般分为动力用电、照明用电、电热用电、各种仪器设备用电及通信用电等。

这类划分主要用于能源平衡分析，电力规划中的负荷预测一般不采用这种分类法。

在以上划分方法中，电力规划中的负荷预测主要采用的是按照负荷预测的时间长短和按照用电的部门属性划分法。

2.3.2电力负荷预测的特点
由于电力负荷预测是根据负荷的过去和现在来推测它的未来数值，所以，负荷预测工作研究的对象是不确定事件。

只有不确定事件、随机事件才需要人们采用适当的预测技术，推知它的发展趋势和可能达到的状况。

这就使负荷预测具有以下明显的特点：
(1)不准确性
因为电力负荷未来的发展是不确定的，它受到多种多样复杂因素的影响，而且各种影响因素也是发展变化的。

人们对于这些发展变化有些能够预先估计到，有些却很难事先预见到，加上一些临时情况的变化，决定了预测结果的不准确性或不完全准确性。

(2)条件性
各种负荷预测都是在一定条件下做出的，而条件又分为必然条件和假设条件两种。

如果负荷预测人员真正掌握了电力负荷的本质规律，那么预测条件就是必然条件，做出的预测往往是可靠的。

而在很多情况下，由于负荷未来发展的不确定性，所以就需要一
些假设条件。

当然，这些假设条件不能是毫无根据的凭空假设，而应根据研究分析，综合各种情况得来。

(3)时间性
各种负荷预测都有一定的时间范围，因为负荷预测属于科学预测的范畴，
因此要求有比较确切的数量概念，往往需要确切地指明预测的时间。

(4)多方案性
由于预测的不准确性和条件性，所以有时要对负荷在各种情况下可能的发
展状况进行预测，就会得到各种条件下不同的负荷预测方案。

2.4电力负荷预测的内容及程序
2.4.1电力负荷预测的内容
电力负荷预测的内容是指需要测算些什么量（或参数），归纳起来有以下一些参数需要测算。

（1）最大有功负荷及其分布。

最大有功负荷的大小是确定电力系统装机规模的基础数据，换句话说是电源规划的依据。

有功负荷，加上电网中损失的有功和发电厂自用有功量，再加上适量的备用容量，就等于电力系统的装机容量。

有功负荷的分布是输电线路设计的基础，也是变电所配置的基础，即有功负荷的地区分布特点是输变电规划和配电规划的主要依据。

（2）无功负荷及其分布。

无功负荷的大小及分布是确定电力系统无功电源规划的基础，也是影响电力系统安全经济运行的重要因素。

（3）需电量。

它是进行能源供需平衡的主要依据。

（4）电力负荷曲线及其特征值。

电力负荷大小及其在时间上的分布特征，对电力规划及电力系统运行是至关重要的。

它是确定电力系统中电源结构、调峰容量需求、运行方式及能源平衡的主要依据。

负荷预测根据目的的不同可以分为超短期、短期、中期和长期：①超短期负荷预测是指未来1h以内的负荷预测，在安全监视状态下，需要5～10s或1～5min的预测值，预防性控制和紧急状态处理需要10min至1h的预测值。

②短期负荷预测是指日负荷预测和周负荷预测，分别用于安排日调度计划和周调度计划，包括确定机组起停、水火电协调、联络线交换功率、负荷经济分配、水库调度和设备检修等，对短期预测，需充分研究电网负荷变化规律，分析负荷变化相关因子，特别是天气因素、日类型等和短期负。