电力系统超短期负荷预测技术的应用与发展
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
4 综合预测方法
综合预测方法[ 14 ]主要应 用优选 组合 预测法 。 优选组合有 2 层含义： 一是从几种预测方法得到 的结果中选取适当的权重加权平均； 二是指在几 种预测方法中进行比较， 选择拟和度最佳或标准 偏差最小的预测模型进行预测。 该方法的优点 是： 优选组合了多种单一预测模型的信息， 考虑 的影响信息也比较全面， 因而能够有效地改善预
测效果。 缺点是权重的确定比较困难， 同时也不 可能将所有在未来起作用的因素都包含在模型 中， 在一定程度上限制了预测精度的提高。
5 超短期负荷预测发展方向的探讨
超短期负荷预测是电力系统的经典研究课 题， 随着新形势的不断变化， 其发展方向应该重 视以下问题。 5.1 在线快速精确预测
新形势对超短期负荷预测功能提出了许多新 要求， 在电力市场条件下主要表现为自动运行与 滚动预测。 具体是指在正常情况下超短期负荷预 测系统无需人工干预， 可以连续不断地根据最新 获取的系统运行数据进行周期性的滚动预测，只 有当预测误差较大、 需要人工处理时， 才由预测 人员进行适当调整。 5.2 综合因素的考虑
人工神经网络是一种模仿动物神经网络行为 特征进行分布式并行信息处理的算法数学模型。 这种网络依靠系统的内在节点联系， 通过调整内 部大量节点之间相互连接的关系， 从而达到处理 信息的目的。 人工神经网络具有自学习和自适应 的能力， 可以通过预先提供的一批相互对应的输 入 / 输出数据， 分析两者之间潜在的规律， 最终 根据这些规律用新的输入数据来预测输出结果。 3.3 小波分析预测法[ 9 ]
聚类是将数据分类到不同的类或者簇的过 程， 所以同一个簇中的对象有很大的相似性， 而 不同簇间的对象有很大的相异性。 聚类分析的目 标就是在相似的基础上收集数据。 聚类方法具有 非线性映射能力， 能从大量数据中提取相似数 据， 进而揭示气候等各种影响因素与负荷的关系， 有助于提高短期负荷预测的精度。 现阶段聚类分 析仍存在相似日划分不科学及运算复杂等问题。
Abstract： Based on the definition and function of ultra-short term power load forecasting method， this paper introduces the characteristics and makes a comprehensive survey on available algorithms of ultra-short term forecasting method. These algorithms are classified into three different kinds including : traditional forecasting method, modern forecasting method and combined forecasting method. The algorithm′s principle, area of application and improved approach are discussed in detail. In the end, this paper states that every algorithm has the particular applying situations and advantages according to the different practical power systems. Key words： ultra-short term load forecasting； traditional forecasting method； modern forecasting method； combined forecasting method
摘 要： 从电力系统超短期负荷预测的定义及作用出发， 概述超短期负荷预测的特点及方法。 按照传
统预测方法、 现代预测方法及综合预测方法分类， 对各种超短期负荷预测方法的原理、 应用范围、 改
Leabharlann Baidu
进及发展方向进行了综述。 指出各类超短期负荷预测方法都有特定的适用场合， 在实际应用时要充分
考虑预测系统的实际运行特点， 才能最大限度地发挥各类方法的优势。
负荷求导法是对负荷曲线进行一次求导， 得 到每一点的负荷变化率， 再利用数理统计原理对 得出的负荷变化率进行统计， 可以采用求平均值 或是求加权平均值的算法来进行统计， 最后利用 得到的负荷变化率曲线进行负荷预测， 得到预测 结果。 这种方法适用于超短期负荷预测， 预测精 度比线性外推法要高。 但当随机因素发生大的变 化或有坏数据存在时， 预测误差会比较大。 2.5 替代法
1 超短期负荷预测的特点及方法
超短期负荷预测是指预测未来 1 h 内负荷的 变 化 ， 主 要 用 于 AGC 调 频 、 超 短 期 机 组 出 力 控 制、 安全监视、 指导调度员控制联络线交换功率 在规定范围、 预防控制和紧急状态处理、 电力市
场小时交易计划软件编制。 超短期负荷预测具有 预测时间短、 预测速度快以及预测精度要求高等 特点。 到目前为止， 国内外学者在电力系统负荷 预测方面作了大量的工作， 研究出了许多负荷预 测方法。 总体来说， 超短期负荷预测的发展大致 经历了 3 个阶段： 传统预测方法阶段、 现代预测 方法阶段和综合预测方法应用研究阶段。
2010 年第 2 期
张 怡， 等： 电力系统超短期负荷预测技术的应用与发展
7
包括聚类分析、 分类分析、 时间序列相似性分 析、 关联度分析、 回归分析等。 3.5 专家系统法[ 11 ]
专家系统预测法是对数据库里存放的过去几 年甚至几十年内每小时的负荷和天气数据进行分 析， 汇集有经验的负荷预测人员的知识， 提取有 关规则， 按照一定的规则进行负荷预测的方法。 对于突发性及节假日等非正常日引起的负荷变化 脱离正常模式的情况， 可由根据调度专家经验发 展而来的负荷预测专家系统来避开复杂的数值计 算而使问题得到解决。 这些系统有时非常简单， 但也存在通用性较弱、缺乏学习能力等缺点。 3.6 模糊系统预测[ 12 ]
色系统是介于白色系统和黑箱系统之间的过渡系 统。 灰色系统理论认为对既含有已知信息又含有 未知或非确定信息的系统进行预测， 就是对在一 定范围内变化的、 与时间有关的灰色过程的预 测。 尽管过程中所显示的现象是随机的、 杂乱无 章的， 但毕竟是有序的、 有界的， 因此这一数据 集合具备潜在的规律， 灰色预测就是利用这种规 律建立灰色模型对灰色系统进行预测。 3.2 人工神经网络[ 8 ]
卡尔曼滤波法成功采用了状态空间的概念， 不要求直接给出信号过程的二阶特性或谱密度函 数， 而是把信号过程视为在白噪声作用下的一个 线性系统的输出， 用状态转移矩阵 φ（t，τ）来描述 这个线性系统， 系统的输入、 输出用一个状态方 程来描述。 这样， 就使所研究的信号过程除了平 稳的标量随机过程外， 还包括非平稳矢量随机过 程。 同时， 卡尔曼滤波法将状态空间描述与离散 时间更新联系起来， 提出了使均方差最小的线性 递推滤波算法， 这种方法不要求存储过去的观测 数据， 当新的数据被观测到后， 只要根据新的数 据和前一时刻的估计量， 借助于信号过程本身的 状态转移方程， 按照递推公式， 即可算出新的估 计量， 大大减少了滤波装置的存储量和计算量， 便于实时处理。 2.4 负荷求导法[ 6 ]
2 传统预测方法
2.1 线性外推法[ 3 ] 线性外推法是对过去一段时间内具有随机特
性的负荷用线性曲线或二次曲线等拟合出负荷变 化曲线， 使得这条曲线能够反映负荷本身的变化
6
浙江电力
2010 年第 2 期
趋势， 然后根据这条拟合曲线， 对未来某一点外 推估计出预测结果。 该方法能较好预测变化比较 平坦的负荷曲线， 但对负荷曲线拐点处的预测效 果较差， 会出现比较大的误差。 2.2 时间序列法[ 4 ]
小波分析是一种新兴的数学工具， 正被广泛 应用于各个专业技术领域中， 它在时域和频域具 有同样良好的局部化性质， 可以任意提取短期负 荷序列的细节。 通过使用小波分析， 可以在任何 水平上分析短期负荷序列， 对信息成分采取逐渐 精细的时域和频域处理， 尤其在对突发与短时的 信息分析上具有明显的优势。 3.4 数据挖掘技术[ 10 ]
模糊控制是在所采用的控制方法上应用了模 糊数学理论， 使其进行确定性的工作， 对一些无 法构造数学模型的被控过程进行有效控制。 不管 模糊系统是如何进行计算的， 从输入 / 输出的角 度看是一个非线性函数。 对于任意一个非线性连 续函数， 都可以通过找出一类隶属函数、 一种推 理规则和一个解模糊方法， 使得设计出的模糊系 统能够任意逼近这个非线性函数， 进而利用该逼 近函数进行负荷预测。 模糊负荷预测是近几年比 较热门的研究方向， 国内外众多学者在该领域做 了较多工作， 取得了不少成果。 3.7 聚类分析[ 13 ]
所谓的数据挖掘（DM，Data Mining）就是从海 量的数据中提取隐含在其中事先未知的， 但又是 潜在有用的信息和知识， 并将其表示成最终能被 人理解的模式的高级过程。 数据挖掘技术产生于 20 世纪 80 年代末期， 是目前国际国内的研究热 点。 它是数据库知识发现 KDD（knowledge discovery in database）的核心技术。数据挖掘技术的显著 特点就是其强大的数据处理能力， 能从大量的数 据中发现有用的规律、 规则、 联系、 模式等知识。
浙江电力
2010 年第 2 期
ZHEJIANG ELECTRIC POWER
5
电力系统超短期负荷预测技术的应用与发展
张 怡 1, 2， 张 锋 3
（1． 浙江大学电气工程学院， 杭州 310027； 2． 浙江电力职业技术学院， 杭州 310015； 3． 浙江电力调度通信中心， 杭州 310007）
替代法是超短期负荷预测中最简单的一种方 法， 它直接以当前时间的实际负荷作为下一点的 预测值。该法对正常工作日的负荷预测效果较差，
但在节假日时， 系统负荷较小， 变化平稳， 与正 常工作日相差很大时， 实践表明此时替代法效果 比其它方法要好。
3 现代预测方法
3.1 灰色预测法[ 7 ] 灰色预测是就灰色系统所做的预测， 所谓灰
负荷预测是电力系统经济调度中的重要内 容， 是能量管理系统（EMS）的一个重要模块[1]。 负 荷预测按其预测所取时间长度一般可分为长期、 中期、 短期和超短期负荷预测[ 2 ]， 其中超短期负 荷预测主要用于安全监视、 预防性控制和紧急状 态处理， 其预测精度对电网安全、 发用电平衡及 提高电网频率合格率有着举足轻重的作用。
关键词： 超短期负荷预测； 传统预测； 现代预测； 综合预测
中图分类号： TM715
文献标志码： A
文章编号： 1007-1881（2010）02-0005-04
A Survey on Ultra-short Term Power Load Forecasting Method
ZHANG Yi 1, 2， ZHANG Feng 3 （1. College of Electrical Engineering， Zhejiang University， Hangzhou 310027， China； 2. Professional & Technological College of Zhejiang Electric Power， Hangzhou 310015， China； 3. Zhejiang Electric Power Dispatching and Communication Center， Hangzhou 310007， China）
时间序列是按时间顺序排列的一组数字序 列。 时间序列分析法就是利用这组数列， 应用数 理统计方法加以处理， 以预测未来的发展。 时间 序列分析是定量预测方法之一， 它的基本原理 是： 承认事物发展的延续性， 应用过去数据就能 推测事物的发展趋势。考虑到事物发展的随机性， 任何事物发展都可能受偶然因素影响， 为此要利 用统计分析中加权平均法对历史数据进行处理。 2.3 卡尔曼滤波法[ 5 ]
综合预测方法[ 14 ]主要应 用优选 组合 预测法 。 优选组合有 2 层含义： 一是从几种预测方法得到 的结果中选取适当的权重加权平均； 二是指在几 种预测方法中进行比较， 选择拟和度最佳或标准 偏差最小的预测模型进行预测。 该方法的优点 是： 优选组合了多种单一预测模型的信息， 考虑 的影响信息也比较全面， 因而能够有效地改善预
测效果。 缺点是权重的确定比较困难， 同时也不 可能将所有在未来起作用的因素都包含在模型 中， 在一定程度上限制了预测精度的提高。
5 超短期负荷预测发展方向的探讨
超短期负荷预测是电力系统的经典研究课 题， 随着新形势的不断变化， 其发展方向应该重 视以下问题。 5.1 在线快速精确预测
新形势对超短期负荷预测功能提出了许多新 要求， 在电力市场条件下主要表现为自动运行与 滚动预测。 具体是指在正常情况下超短期负荷预 测系统无需人工干预， 可以连续不断地根据最新 获取的系统运行数据进行周期性的滚动预测，只 有当预测误差较大、 需要人工处理时， 才由预测 人员进行适当调整。 5.2 综合因素的考虑
人工神经网络是一种模仿动物神经网络行为 特征进行分布式并行信息处理的算法数学模型。 这种网络依靠系统的内在节点联系， 通过调整内 部大量节点之间相互连接的关系， 从而达到处理 信息的目的。 人工神经网络具有自学习和自适应 的能力， 可以通过预先提供的一批相互对应的输 入 / 输出数据， 分析两者之间潜在的规律， 最终 根据这些规律用新的输入数据来预测输出结果。 3.3 小波分析预测法[ 9 ]
聚类是将数据分类到不同的类或者簇的过 程， 所以同一个簇中的对象有很大的相似性， 而 不同簇间的对象有很大的相异性。 聚类分析的目 标就是在相似的基础上收集数据。 聚类方法具有 非线性映射能力， 能从大量数据中提取相似数 据， 进而揭示气候等各种影响因素与负荷的关系， 有助于提高短期负荷预测的精度。 现阶段聚类分 析仍存在相似日划分不科学及运算复杂等问题。
Abstract： Based on the definition and function of ultra-short term power load forecasting method， this paper introduces the characteristics and makes a comprehensive survey on available algorithms of ultra-short term forecasting method. These algorithms are classified into three different kinds including : traditional forecasting method, modern forecasting method and combined forecasting method. The algorithm′s principle, area of application and improved approach are discussed in detail. In the end, this paper states that every algorithm has the particular applying situations and advantages according to the different practical power systems. Key words： ultra-short term load forecasting； traditional forecasting method； modern forecasting method； combined forecasting method
摘 要： 从电力系统超短期负荷预测的定义及作用出发， 概述超短期负荷预测的特点及方法。 按照传
统预测方法、 现代预测方法及综合预测方法分类， 对各种超短期负荷预测方法的原理、 应用范围、 改
Leabharlann Baidu
进及发展方向进行了综述。 指出各类超短期负荷预测方法都有特定的适用场合， 在实际应用时要充分
考虑预测系统的实际运行特点， 才能最大限度地发挥各类方法的优势。
负荷求导法是对负荷曲线进行一次求导， 得 到每一点的负荷变化率， 再利用数理统计原理对 得出的负荷变化率进行统计， 可以采用求平均值 或是求加权平均值的算法来进行统计， 最后利用 得到的负荷变化率曲线进行负荷预测， 得到预测 结果。 这种方法适用于超短期负荷预测， 预测精 度比线性外推法要高。 但当随机因素发生大的变 化或有坏数据存在时， 预测误差会比较大。 2.5 替代法
1 超短期负荷预测的特点及方法
超短期负荷预测是指预测未来 1 h 内负荷的 变 化 ， 主 要 用 于 AGC 调 频 、 超 短 期 机 组 出 力 控 制、 安全监视、 指导调度员控制联络线交换功率 在规定范围、 预防控制和紧急状态处理、 电力市
场小时交易计划软件编制。 超短期负荷预测具有 预测时间短、 预测速度快以及预测精度要求高等 特点。 到目前为止， 国内外学者在电力系统负荷 预测方面作了大量的工作， 研究出了许多负荷预 测方法。 总体来说， 超短期负荷预测的发展大致 经历了 3 个阶段： 传统预测方法阶段、 现代预测 方法阶段和综合预测方法应用研究阶段。
2010 年第 2 期
张 怡， 等： 电力系统超短期负荷预测技术的应用与发展
7
包括聚类分析、 分类分析、 时间序列相似性分 析、 关联度分析、 回归分析等。 3.5 专家系统法[ 11 ]
专家系统预测法是对数据库里存放的过去几 年甚至几十年内每小时的负荷和天气数据进行分 析， 汇集有经验的负荷预测人员的知识， 提取有 关规则， 按照一定的规则进行负荷预测的方法。 对于突发性及节假日等非正常日引起的负荷变化 脱离正常模式的情况， 可由根据调度专家经验发 展而来的负荷预测专家系统来避开复杂的数值计 算而使问题得到解决。 这些系统有时非常简单， 但也存在通用性较弱、缺乏学习能力等缺点。 3.6 模糊系统预测[ 12 ]
色系统是介于白色系统和黑箱系统之间的过渡系 统。 灰色系统理论认为对既含有已知信息又含有 未知或非确定信息的系统进行预测， 就是对在一 定范围内变化的、 与时间有关的灰色过程的预 测。 尽管过程中所显示的现象是随机的、 杂乱无 章的， 但毕竟是有序的、 有界的， 因此这一数据 集合具备潜在的规律， 灰色预测就是利用这种规 律建立灰色模型对灰色系统进行预测。 3.2 人工神经网络[ 8 ]
卡尔曼滤波法成功采用了状态空间的概念， 不要求直接给出信号过程的二阶特性或谱密度函 数， 而是把信号过程视为在白噪声作用下的一个 线性系统的输出， 用状态转移矩阵 φ（t，τ）来描述 这个线性系统， 系统的输入、 输出用一个状态方 程来描述。 这样， 就使所研究的信号过程除了平 稳的标量随机过程外， 还包括非平稳矢量随机过 程。 同时， 卡尔曼滤波法将状态空间描述与离散 时间更新联系起来， 提出了使均方差最小的线性 递推滤波算法， 这种方法不要求存储过去的观测 数据， 当新的数据被观测到后， 只要根据新的数 据和前一时刻的估计量， 借助于信号过程本身的 状态转移方程， 按照递推公式， 即可算出新的估 计量， 大大减少了滤波装置的存储量和计算量， 便于实时处理。 2.4 负荷求导法[ 6 ]
2 传统预测方法
2.1 线性外推法[ 3 ] 线性外推法是对过去一段时间内具有随机特
性的负荷用线性曲线或二次曲线等拟合出负荷变 化曲线， 使得这条曲线能够反映负荷本身的变化
6
浙江电力
2010 年第 2 期
趋势， 然后根据这条拟合曲线， 对未来某一点外 推估计出预测结果。 该方法能较好预测变化比较 平坦的负荷曲线， 但对负荷曲线拐点处的预测效 果较差， 会出现比较大的误差。 2.2 时间序列法[ 4 ]
小波分析是一种新兴的数学工具， 正被广泛 应用于各个专业技术领域中， 它在时域和频域具 有同样良好的局部化性质， 可以任意提取短期负 荷序列的细节。 通过使用小波分析， 可以在任何 水平上分析短期负荷序列， 对信息成分采取逐渐 精细的时域和频域处理， 尤其在对突发与短时的 信息分析上具有明显的优势。 3.4 数据挖掘技术[ 10 ]
模糊控制是在所采用的控制方法上应用了模 糊数学理论， 使其进行确定性的工作， 对一些无 法构造数学模型的被控过程进行有效控制。 不管 模糊系统是如何进行计算的， 从输入 / 输出的角 度看是一个非线性函数。 对于任意一个非线性连 续函数， 都可以通过找出一类隶属函数、 一种推 理规则和一个解模糊方法， 使得设计出的模糊系 统能够任意逼近这个非线性函数， 进而利用该逼 近函数进行负荷预测。 模糊负荷预测是近几年比 较热门的研究方向， 国内外众多学者在该领域做 了较多工作， 取得了不少成果。 3.7 聚类分析[ 13 ]
所谓的数据挖掘（DM，Data Mining）就是从海 量的数据中提取隐含在其中事先未知的， 但又是 潜在有用的信息和知识， 并将其表示成最终能被 人理解的模式的高级过程。 数据挖掘技术产生于 20 世纪 80 年代末期， 是目前国际国内的研究热 点。 它是数据库知识发现 KDD（knowledge discovery in database）的核心技术。数据挖掘技术的显著 特点就是其强大的数据处理能力， 能从大量的数 据中发现有用的规律、 规则、 联系、 模式等知识。
浙江电力
2010 年第 2 期
ZHEJIANG ELECTRIC POWER
5
电力系统超短期负荷预测技术的应用与发展
张 怡 1, 2， 张 锋 3
（1． 浙江大学电气工程学院， 杭州 310027； 2． 浙江电力职业技术学院， 杭州 310015； 3． 浙江电力调度通信中心， 杭州 310007）
替代法是超短期负荷预测中最简单的一种方 法， 它直接以当前时间的实际负荷作为下一点的 预测值。该法对正常工作日的负荷预测效果较差，
但在节假日时， 系统负荷较小， 变化平稳， 与正 常工作日相差很大时， 实践表明此时替代法效果 比其它方法要好。
3 现代预测方法
3.1 灰色预测法[ 7 ] 灰色预测是就灰色系统所做的预测， 所谓灰
负荷预测是电力系统经济调度中的重要内 容， 是能量管理系统（EMS）的一个重要模块[1]。 负 荷预测按其预测所取时间长度一般可分为长期、 中期、 短期和超短期负荷预测[ 2 ]， 其中超短期负 荷预测主要用于安全监视、 预防性控制和紧急状 态处理， 其预测精度对电网安全、 发用电平衡及 提高电网频率合格率有着举足轻重的作用。
关键词： 超短期负荷预测； 传统预测； 现代预测； 综合预测
中图分类号： TM715
文献标志码： A
文章编号： 1007-1881（2010）02-0005-04
A Survey on Ultra-short Term Power Load Forecasting Method
ZHANG Yi 1, 2， ZHANG Feng 3 （1. College of Electrical Engineering， Zhejiang University， Hangzhou 310027， China； 2. Professional & Technological College of Zhejiang Electric Power， Hangzhou 310015， China； 3. Zhejiang Electric Power Dispatching and Communication Center， Hangzhou 310007， China）
时间序列是按时间顺序排列的一组数字序 列。 时间序列分析法就是利用这组数列， 应用数 理统计方法加以处理， 以预测未来的发展。 时间 序列分析是定量预测方法之一， 它的基本原理 是： 承认事物发展的延续性， 应用过去数据就能 推测事物的发展趋势。考虑到事物发展的随机性， 任何事物发展都可能受偶然因素影响， 为此要利 用统计分析中加权平均法对历史数据进行处理。 2.3 卡尔曼滤波法[ 5 ]