基于聚类分析的超短期负荷预测研究.pdfVIP

第二十九届中国电网调度运行会收录论文全集 基于聚类分析的超短期负荷预测研究 1,2 1 1,2 2 杨争林 唐国庆 宋燕敏 曹荣章 （1. 东南大学，南京市 210096；2.国电自动化研究院，南京市 210003） 摘要：本文分析了当前超短期负荷预测中存在的主要问题；在对大量历史负荷观测的 基础上，提出并应用聚类分析理论进行负荷变化趋势分析；通过分析，提出了改进的 超短期负荷预测方法，该方法能够根据预测目标自动调整预测样本；大量的模拟测试 表明，改进后的预测方法能够在无需频繁维护样本的情况下，大幅提高超短期负荷预 测精度，尤其是对节假日负荷预测，精度提高更为明显。 关键词：超短期负荷预测，聚类分析，负荷趋势 0 引言 超短期负荷预测用于预测未来5分钟、10分钟乃至60分钟的系统负荷需求，是提高系统供电 质量和进行经济调度的重要依据。在实时电力市场交易中，预测结果还是确定市场清算价格等经 济信号的重要参数。为提高预测精度，电力工作者对此进行了大量研究，提出了时间序列法、卡 尔曼滤波法、启发式方法、线性外推法和负荷趋势法等多种预测方法[1]。其中负荷趋势法根据历 史负荷变化率预测下一时段负荷变化量，简单实用。在实际应用中常常综合多种预测方法，对各 方法的预测结果加权平均，这样能够在一定程度上抵消各预测方法产生的误差，提高预测精度。 由于预测时间间隔很短，一般不考虑气象因素的影响，通常选择最近3 日至15 日的历史负荷 作为预测样本，根据样本的变化规律推算下一时段的系统负荷需求。因此，准确的预测首先要求 样本真实，这需要对选做样本的历史负荷进行伪数据处理，包括系统负荷采样点丢失处理和个别 母线负荷采样点丢失造成的毛刺处理，其中后者较为困难。其次要求样本的变化规律能够反映预 测日的负荷变化趋势，否则，什么方法都不可能做出准确预测。在对大量历史负荷的观察中，发 现不同日期负荷曲线形状会有很大差异。因此，目前仅以最近3 日至15 日历史负荷作为样本的预 测算法，有时误差较大，尤其是节假日期间及前后，误差更加明显。 样本做为负荷预测的依据，只有与预测负荷的变化规律一致，才可能获得更高的预测精度。 为此，预测软件必须能够根据预测目标选择合适的样本，使样本与预测日的负荷变化尽可能相似。 因此如何判断历史负荷的相似性，并根据负荷相似性分类至关重要。 1 历史负荷的聚类与分析 聚类分析是一种常用的多元统计分析方法，它根据各样本间的相似程度，将相近的样本聚为 一类，相近的多个小类又可以进一步聚为更大的类。样本与样本之间、样本与类之间、类与类之 间的相似程度通过它们间的距离表示[2] [3]。对同一批样本，可以有不同的分类数，分类越多，同 一类中的样本相似程度越高，其类直径越小。 以L [l ,l ,Λ ,l ,Λ ,l ] 表示一天的历史负荷，在分析中取5分钟为负荷采样间隔，则n为 1 2 i n 288。聚类的目的是将变化规律相近的历史负荷分为一类，由于系统负荷随国民经济发展不断增 长，如果直接以历史负荷作为样本，分类结果很难反映各日负荷变化规律间的关系，而只会将时 间相近的负荷分为一类。在分类之前，首先需要对历史负荷进行处理，消除历史负荷整体增长的 影响。本文对历史负荷的处理方式有三种： - 1 - 第二十九届中国电网调度运行会收录论文全集 n （1）X [x , x ,Λ , x ,Λ ,x ] ，其中x l / l ，l ∑l / n ，i=1,2,……,n 。 1 1 2 i n i i avg avg i j 1 （2） ，其中 X 2 [