粒子群优良神经网络视角下电力短期负载预测研究.docVIP

　　粒子群优良神经网络视角下电力短期负载预测研究 1 绪论 1.1引言 电力系统发展至今已成为人们生活中不可或缺的一种能源，其区别于其他能源的一个重要特点是电能不能大量储存，即电能的生产、运输、分配、消费都是同时进行的。准确的负荷预测可以为管理人员提供电力规划依据，合理的安排电网内部发电机组的启停，在保证电网安全稳定的前提下，合理安排机组检修计划，保证用户的正常生产和生活，有效降低发电成本，提高整个电力调度系统的经济效益和社会效益。目前对电力系统短期负荷预测的研究已经有很多，人们也提出了很多成功的电力负荷预测模型，但其预测速度和精度仍然难以达到令人满意的程度，如何提高电力负荷预测的快速性、准确性和稳定性一直是困扰人们的一个难题。影响电力系统短期负荷预测精度的原因有很多，归纳如下： （1）电力负荷本身具有一定的周期性，但由于自然原因或人为原因等不确定因素的影响，它又具有随机性。 （2）地区差异和气象因素对电力短期负荷有很大的影响，不同地区需要建立不同的预测模型，人们很难将所有的影响因素都考虑到预测模型中。 （3）神经网络模型的结构对预测结果有很大的影响，目前并没有一个确定的理论指导，人们只是通过试探的方法建立模型，得到的预测模型并不是最优的。 1.2电力系统短期负荷预测的意义和作用 电力系统短期负荷预测是电力调度、发电、计划和规划等管理部门的重要工作之一，准确的短期负荷预测不仅能确定电网日运行方式，而且为电网的电力发展速度与规模、电网间的电力余缺调剂、以及电网设备更新需求等提供可靠的依据。短期负荷预测作为能量管理系统（EMS）的重要组成部分，能够紧紧跟随电力负荷的变化趋势提前做出推断，被电网调度部门广泛的应用于电力系统中，已成为实现电力系统管理现代化中不可却少的一部分。对电力系统进行短期负荷预测的作用有以下几点。 （1）在保证正常供电的前提下，为发电单位提供科学合理的机组检修计划，保证电力系统的正常运行。 （2）为发电厂制定合理的发电计划，避免发电量不足造成部分地区停电或发电量过多造成资源浪费。 （3）使用短期负荷预测信息进行合理规划，实现电网的发电量合理调度，满足给定的运行要求。 （4）负荷预测对市场电价还有一定的影响，准确的短期负荷预测能为运营者提供参考信息，提高运营效益。 1.3短期负荷预测的发展和研究现状 电力系统的目的是为广大用户提供优质、可靠的电源，而负荷预测正是实现电力系统优化运行的基础，从时间上可以将负荷预测划分为长期、中期、短期和超短期预测。不同期限负荷预测的预测对象和内容也不相同，具体如表 1.1 所示。 在过去 40 多年里，人们对负荷预测做了大量的深入研究，其预测精度和速度都在逐步的提高，相对于负荷预测影响因素和预测模型来讲，人们对负荷预测算法的研究更为深入和广泛。从总体上看，对负荷预测算法的研究主要经历了两个阶段：第一阶段是对负荷预测传统算法的研究，主要是基于各种统计理论的时间序列模型，包括单耗法、回归分析法、时间序列法、灰色预测法、卡尔曼滤波法等；第二阶段是对负荷预测现代算法的研究，主要包括专家系统预测法、模糊预测法、小波分析法、人工神经网络预测法、优选组合预测法等。具体预测方法介绍如下。 2电力负荷预测概述 电力负荷预测是通过对已知历史数据的研究，考虑外界影响因素，对未来电力需求量做出的一种估计和推测。准确的负荷预测是建立在对大量的负荷数据分析的基础之上的，所以在进行负荷预测之前，需要提前对预测地区的负荷特性和影响因素进行深入分析，在充分掌握负荷特点及其变化规律的基础上，选择合适的算法建立预测模型。 2.1电力负荷的构成 通过长期的经验总结，我们发现电力负荷主要由四个分量组成，主要包括典型负荷分量、天气敏感负荷分量、异常或特殊事件负荷分量和随机负荷分量。 典型负荷分量又称正常负荷分量，它与天气因素无关，具有线性变化和周期性变化的特点。负荷的线性变化描述日平均负荷变化规律，而周期性变化描述以 24 小时为周期的变化规律。不同地区由于负荷组成方式不同，所以其正常负荷分量也不同，通常负荷种类和各种负荷成分所占比重不同引起负荷差异。不同组成的负荷在这两方面的差异决定了它们的负荷特性及对影响因素的响应特性不相同，主要原因是不同的负荷组成成分对各种影响因素的灵敏度不同，因而表现出不同的响应特性。由此可见，负荷的具体组成成分从根本上影响着负荷特性。 负荷预测的外界条件不是随意假设的，是经过对资料的认真分析研究得到的，前提条件有利于电力部门使用预测结果。负荷预测的条件又可分为必然条件和假设条件。必然条件是指通过分析电力负荷预测的本质规律得出的，这种预测条件有一定的规律可依，在负荷的过去和现在发展至未来的过程中，没有剧烈的外部干扰，或者记录了这些扰动历史资料，则可将历史数据模型应用于现在，对未来情况进行预测。假设条件