基于时间序列预测技术对小波分解后高频负荷的预测研究.pdfVIP

基于时间序列预测技术对小波分解后高频负荷的预测研究 基于时间序列预测技术对小波分解后高频负荷的预测研究 张文哲 罗明忠 (重庆电力调度通信中心市场交易处，重庆400014) 摘要：本文主要寻求提高高频负荷预测精度和预测计算速 力负荷资料以每小时取的一组样，记作： 度的方法．阐明了时问序列的概念和三类随机时间序列的 Yl，Y2,…’咒．1’珥，yf+I，… ‘lJ 数学模型，介绍了对模型进行参数估计和模型检验方法． 这一组样就构成一个时间序列{咒}，其中，咒表 以重庆电阿的实际数据为例，给出了三尺度高频负荷的时 示时间序列中第t次取样值；只．1表示Yt以前的一 间序列预测仿真算例．表明基于时间序列预测技术对小波 次取样值；*+l表示*以后的一次取样值。 分解后高频负荷的预测的可行性。 电力负荷的历史资料就是按一定时间间隔进 关键词： 负荷预测小波分析时问序列高频负荷 行采样记录下来的有序集合，它是一个时问序列， 用这个序列对电力负荷变化的规律和特性进行分 在对负荷预测的研究中通过相关性分析，得出 析并对未来负荷作出预报，这正是电力负荷时间序 气象特征、日期特征等主要与小波分解的低频部分 列预测技术的主要内容。 相关联L“，我们可以运用神经网络等预测技术将低 频负荷与这些相关的因素结合起来以提高预测低 2时间序列预测的一般步骤 频负荷的精度。而对于负荷的高频部分通过考察我 们发现小波分解后高频细节信号趋于平稳，为提高 时间序列预测模型一般分为三类：自回归模 负荷预测的速度，我们可考虑运用时间序列技术对 高频部分进行预测。本文着重阐明时间序列预测技 一滑动平均模型(ARMA(p，口))。对模型的辨识 术的基本原理，并通过算例表明，小波分解后负荷 主要是依据其自相关函数、偏相关函数特征进行辨 的高频分量平稳性较好，采用时间序列方法预测精 识。 度能满足工程实际的要求。 由于A尺、MA及AR^舶模型的基本特性， 在文献【2】中有比较详细的证明。在此不在详述， 1时间序列预测技术 给出结论表一。 在电力系统中，按时间顺序捧列着的过去的电 模型名称 类 别 AR(p) MA(q) ARMA(p，q) 基本方程 妒(B)咒=at M=口(B)q 妒(B)y，=口(口)q 阶数 p 口 (Bq) 妒(曰)=0 缈(口)=0 平稳条件 无条件平稳 酗根在单位圆外 的根在单位圆外 口(曰)=0 口(矗)=0 可逆条件 无条件可逆 的根在单位圆外 的根在单位圆外 自相关函数(店) 拖尾 截尾 拖尾 偏相关函数(a址