第二章电力负荷预测详解.ppt

4.1 灰色预测模型为什么需要改进，如何改进，请就一种改进法谈谈自己的见解。 4.2 比较负荷预测不同方法的优劣点，使用范围。 4.3 每种预测方法都有自己的局限性，请就一种预测方法谈谈可以如何改进（灰色预测模型除外）。 5.1 预测误差是怎样形成的，如何减少误差。 5.2 请谈谈预测技术的发展前景与趋势。 5.3 各种预测法并不是孤立的，在一次预测中可能需要使用好几种预测方法才能得到相对准备的预测，请举一例说明之。 5.4 说明预测偏差大可能造成的危害。 * * * 不确定性负荷预测方法 灰色预测法 专家系统预测法 神经网络预测法 小波分析预测技术 模糊预测法 其他预测方法 预测方法比较 【原因】实际电力负荷发展变化规律非常复杂，为了解决这一实际问题，产生了一类基于类比对应等关系进行推理预测的不确定性预测方法。 灰色预测法 灰色预测法是以灰色系统理论为基础的负荷预测方法。 灰色系统理论是由黑箱（完全未知的信息）——白箱（完全已知的信息）——灰箱（部分已知的信息）理论拓展而来的。 电力系统本身具有灰色系统的基本特征。 灰色系统模型具有要求负荷数据少、不考虑分布规律、运算方便的优点，但数据离散度大时，或者用于时间跨度长的中长期预测时，预测精度明显减低。 灰色系统理论的核心是灰色动态建模（Grey Dynamic Model，GM），其思想是直接将时间序列转化为微分方程。目前在电力负荷预测中经常采用的动态模型是GM（1，1）、GM（1，n）等模型。其建立方法如下： 灰色预测模型简介 设原始数列 ， ，t=1，2，…，n，对它一次累加形成新的数列 用一阶累加生成建立GM（1，1）模型，其微分方程 解得预测模型为 其中 经累减还原得 专家系统预测法 　　 专家系统预测法是对于数据库里存放的过去几年的负荷数据和天气数据等进行细致的分析，汇集有经验的负荷预测人员的知识，提取有关规则。借助专家系统，负荷预测人员能识别预测日所属的类型，考虑天气因素对负荷预测的影响，按照一定的推理进行负荷预测。 　 专家系统预测技术 基于知识的程序设计方法建立起来的计算机系统（先阶段主要表现为计算机软件系统） 它拥有某个特殊领域内专家的知识和经验 能像专家那样运用这些知识，通过推理，在那个领域内做出智能决策。 一个完整的专家系统包括：知识库、推理机、综合数据库、解释机、知识获取部分、接受界面。 知识库内容包括： 基于城网所在地用电水平类型判别的知识； 基于电力远景发展参照体的知识； 基于弹性系数法的知识； 基于惯性的知识； 基于综合指标法的知识； 基于行业用电比重的知识； 基于数学模型预测精度等级的知识。 实现方法 神经网络预测法 　　 神经网络预测法是利用神经网络的学习功能，让计算机学习包含在历史负荷数据中的映射关系，再利用这种映射关系预测未来负荷。由于该方法具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场，但其缺点是学习收敛速度慢，可能收敛到局部最小点；并且知识表达困难，难以充分利用调度人员经验中存在的模糊知识。 神经网络预测技术 【优点】 可以模仿人脑的智能化处理 对大量非结构性、非精确性规律具有自适应功能 具有信息记忆、自主学习、知识推理和优化计算的特点 其自学习和自适应功能是常规算法和专家系统技术所不具备的。 提出一个简单的三层人工神经网络模型，就能实现从输入到输出间非线性映射任何复杂函数关系。 【负荷预测输入】当天的天气温度、天气晴朗度（能见度）、风向风力、峰谷负荷及相关负荷等 神经网络模型： 一个多层神经网络模型分为三层：输入层、输出层和中间层（隐含层）。 神经网络结构示意图 BP学习算法 BP算法：误差反向传播算法。 加入了隐含层，使输入到输出间可以映射任何函数关系。 BP网络的学习，由四个过程组成。 输入模式由输入层经中间层向输出层方向“模式顺序传播” 网络的希望输出与网络实际输出之差的误差信号，由输出层经中间层向输入层逐层进行修正连接权的“误差逆序传播” 由“模式顺序传播” 与“误差逆序传播”的反复交替进行的网络“学习记忆”训练过程，使得网络趋向收敛 小波分析预测技术 【数学基础】泛函分析、数值分析、Fourier分析、样条分析、调和分析等。 小波基本理论 定义函数 若满足如下容许性条件 则函数 称为一个小波，也称基小波。 定义对函数 ，若满足如下稳定性条件 其中A、B为满足条件