自适应滤波算法在电力系统短期负荷预测中的应用.pdfVIP

第23期 总第153期 内蒙 古科 技 与 经 济 No．23，the 153th iSStle 2007年12月 Inner Mongolia Science Technology Economy Dec．2007 自适应滤波算法在 电力系 统短期负荷预测中的应用 于 涛 ，杨 涛 (1．呼和浩特如意开发区公用事业公司；2．内蒙古电力(集团)有限公司，内蒙古呼和浩特 010000) 摘 要：文章认为相空间局域线性回归法是电力系统短期负荷预测混沌预测法中广泛使用的方法。 在用线性最小二乘法估计局部线性化模型的参数时，往往由于病态的数据矩阵导致估计值对噪声过于 敏感而变得不可信。针对这种情况应用最小均方误差准则和最陡下降原理提 出了一种基 于 自适应滤波 电力系统短期 负荷预测算法 ，避免了病态矩阵的影响。实验结果表明该算法预测结果稳定、可靠。 关键词：短期负荷预测 ；最小均方误差准则；非线性 自适应预测；奇异性检测 中图分类号 ：TM714 文献标识码 ：A 文章编号 ：1007--6921(2007)23一O046一O2 1 引言 过程遵循相似的规律 ，则 由此假设 ，可以从 k个邻近 由于电力系统负荷混沌预测法克服了需要根据 状态 x(i)，i=1，2，… ，k的演化中寻找出统计规律。 负荷影响因素建立模型的弊端，所 以得到了众多学 由于冲击负荷和随机干扰的存在，往往导致所找到 者的关注。目前在电力系统负荷预测中应用的主要 的邻近点并不是真正的最近点，即出现伪临近点。 有两种混 沌预 测种；b-法 ，即最大李亚普诺 夫指 数 自然所找到的吸引子 的演化规律 不是最相似的了。 法【1．2]和相空间上的回归分析法【 ]。最大李亚普诺 严重情况就会 出现前文所说的混沌吸引子崩溃。本 夫指数法的诸多不足之处【5 使得对该方法的负荷预 文通过消除冲击负荷和随机干扰正是为了找到真实 测作还需要进一步研究。从理论上讲 ，相空间回归 的最贴近的演化规律。 分析法的预测误差低于基于 的预测误差。但是 ，此 假设 X(i+1)和 x(i)服从下面的线性关系 x(i 方法存在两个令人困扰的问题 ：①嵌入维数的选择 +1)=A+B×x(i)由 x(i+1)和 x(i)的值 ，运用最 十分关键 ，实际使用 中往往 由于嵌入维数选择不 当 小二乘法估计出向量和雅克 比阵的数值 ，再把 A、B 而导致预测误差迅速增 大，使算法变得不稳定。一 和 x(t)代入式(1)，即可求出 x(t+1)，然后从相空 些用局部线性化预测混沌序列的研究都将提高预测 间展成时间序列的形式，最后得到要预测的值 x(t 精度的重点放在合理选择嵌入维数上【6]。②在用线 +1)。 性最小二乘法估计局部线性化模型的参数时，往往 3 自适应滤波在电力系统短期负荷预测中的应用 由于病态(奇异性)的数据矩阵导致估计值对噪声过 自适应能够 自动调整本身参数 ，在设计时不需 于敏感而变得不可信。从数值计算的角度看，对预 要事先知道关于输入信号统计特性的知识，它能够 测误差有一定 的制约。 在预测过程中逐渐估计 出所需 的统计特性，并以此 本文在相空间重构的基础上，提出了一个基于 为依据自动调整自己的参数，以达到最佳预测结果。 自适应预测滤波器的电力系统短期负荷预测方法。 混沌时间序列某点在将来的值可以由相空间中 该方法先给定一个初始加权值 ，然后逐步沿梯度 的 该点邻域内最近的几个点(重排元素)来近似逼近。 相反；b-向改变加权值(即最