基于负荷分解的电力系统短期负荷预测方法的研究.pdfVIP

基于负荷分解的电力系统短期负荷预测方法的研究 王成纲，常鲜戎 （华北电力大学电气工程学院，河北 保定 071003 ） 摘 要：由于负荷序列可被看作是一系列具有不同频率特征 荷序列看作多个具有不同频率分量的叠加。小波分 分量的叠加，且小波分解能提取负荷的一些周期性和非线性 析是 20 世纪数学研究成果中最杰出的代表之一， 特征，因此本文利用小波分析的方法对日负荷数据进行分解 在各工程领域受到了广泛的重视和应用。由于小波 处理，将其分解为不同频率特征的序列，对分解后的各分量 分析在时域和频域上同时具有良好的局部化性质， 根据其特点分别采用相匹配的人工神经网络模型进行预测， 能对不同的频率成分采用逐渐精细的采样步长，聚 其中稳定分量应用人工神经网络预测的精度高，同时由于人 焦到信号的任意细节。且适当的小波变换能有效地 工神经网络处理非线性问题的能力强，对幅值较小的随机分 量进行预测也有优势。考虑到气象因素特别是温度的影响， 分离和提取系统负荷不同的周期性、非线性和依赖 运用线性回归模型对小波重构后的结果进行修正。这一方法 关系，使每个变换序列都具有明显的规律性。因此 用于对河北省保定地区超前24 小时负荷预测，取得了比单 本文通过对负荷序列进行小波分解，对不同分解序 纯的神经网络模型高的预测精度。 列分析其特性并建立相匹配的模型进行预测，同时 关键词：短期负荷预测；小波分解；人工神经网络；气象因 考虑到气象因素特别是温度因素的影响，对小波重 素 构后的结果进行修正，实例证明该方法具有较高的 负荷预测精度。 1 负荷数据预处理 0 引言 为减轻不良数据对负荷预测模型的影响，应对 电力系统负荷预测是能量管理系统(EMS) 的重 原始负荷数据进行预处理。本文对原始数据进行了 要组成部分，是实现电力系统安全、经济运行的基 数据的水平处理，即分析数据时，将前后两个时间 础，是电力系统运行、控制和规划不可缺少的一部 的负荷数据作为基准，设定待处理数据的最大变动 分，提高电网运行的安全性和经济性，改善电能质 范围，当待处理数据超过这个范围就视为不良数 量，都依赖于准确的负荷预测。此外，从发展的角 据，采用平均值的方法平稳其变化。具体实现是假 度来看，负荷预测也是我国实现电力市场的必备条 设负荷序列用x(n) 表示，n = 1, 2,...,N ，N 表示取N 天 件，具有重要的理论意义和实际价值。因此电力系 的负荷数据，我们可以通过下面两式求出N 天负荷 统负荷预测，特别是提前24 小时的短期负荷预测， 的均值E 及方差V ： 对电力系统可靠、安全、经济运行具有重要的意义。 1 N 电力系统短期负荷预测作用的大小主要取决于预 E = N  x(k) (1) k=1 测精度，所以提高预测精度是目前研究短期负荷预 2 1 N 2 测理论与方法的重点。长期以来，国内外的许多专 V = = N  [x(k) - E] (2) k=1 家、学者在