计及地价的变电站选址模型与算法-天津大学研究生e-Learning平台.DOC

信息熵原理在电力负荷协同预测中的应用 1014203029 祖国强 摘要：将最大信息熵原理应用于多路径负荷预测中，提出了一种对含不确定信息的多路径负荷预测结果的协同方法。该方法将负荷预测结果的期望、二阶中心矩作为约束信息，利用最大信息熵原理得到预测结果的概率分布函数，并应用概率论自动得到综合两条预测路径的高、中、低方案；其次通过两两组合融合直至每组原始数据至少使用一次，不同组合方式结果的信息熵不同，选取信息熵最大的一组为最终预测方案。算例表明，应用上述方法所得预测结果的信息熵总是大于原始预测结果的信息熵，熵的提高验证了该方法在负荷预测信息融合中的有效性。 引言 负荷预测对电力系统的许多部门都起着重要作用，它涉及电力系统规划和设计，电力系统运行的经济性、可靠性和安全性，电力市场交易等多个重要领域[1]。目前的负荷预测大多需要采用多部门多路径预测的方式，由上级单位汇总、平衡、协调，确定最终预测结果[2]。而在预测过程中，由于不同预测算法的应用、原始数据的筛选等环节的差异，会出现不同预测路径所得预测结果不一致的情况，这种情况称为数据冲突。目前解决这种负荷预测数据冲突的方法主要是靠专家干预，但这依赖于专家经验，往往缺乏客观科学的量化判断标准。如何采用科学手段与专家配合更有效地解决预测结果的数据冲突，完成上述多维多级的负荷预测与协调过程，本文称为协同负荷预测问题。 协同负荷预测问题的研究已经取得了一定成果。文[3-5]提出的多级负荷预测的基本协调模型、关联协调模型就是一个很好的对多维多级负荷预测结果不一致进行的协同。而各级预测路径得到的预测结果本身也具有一定的不确定性，结果常引用区间数[6]或模糊数[7]来表示，更增大了预测协同的难度。 随着信息理论的发展，电力系统中的许多问题被抽象信息学模型[8]。本文认为上述协同预测问题对应了信息学中的信息融合问题，信息融合是对来自不同信息源的信息进行处理以获得更高质量的信息[9]。信息运动的本质特征是不确定性，文[10]引入信息理论来解决电力系统中信息不确定性的问题。信息论中协同学理论为解决这类不确定性的决策问题提供了思路。信息熵作为一种不确定性的量度，用于测度信息融合的信息量，把熵的大小作为评价融合性能的指标，实现信息融合的客观、定量评估，是评价融合性能的一种有效的方法[11]。作为协同学理论的主要工具，最大信息熵原理在故障诊断[12]、电能质量评估[13]、可靠性分析[14]等方面得到了应用。文[15,16]将最大信息熵原理应用在负荷预测中，分布建立了基于最大信息熵原理中长期和短期负荷预测综合模型，该模型针对负荷随机性的特点，有效改善了对历史数据的过拟合现象，提高了预测的精度，但并将熵原理未应用于负荷预测协同问题。文[17]提出的基于信息熵原理的协同负荷预测平台在一定程度解决了上下级部门存在预测数据冲突的问题，但未给出通用的多路径多方案信息融合与协同方法。 本文应用最大信息熵原理，提出多路径协同预测方法，这种方法能够实现负荷预测中多部门、多路径、多方案的信息融合，自动得到负荷预测的最终结果，能有效解决预测过程中不同路径所得预测结果冲突的问题。 多路径负荷预测协同问题 负荷预测的实际过程中存在大量的多路径预测的情况。例如在典型总量负荷预测中，根据原始资料的不同，可以采用至少四条预测路径进行预测，如图1所示。 图1 总量负荷预测中的多条路径 图1不同路径预测结果一般是不一样的，这就需要预测者不断分析和，以最终获得相对合理的结果。 最大信息熵原理是指在所有相容的分布中，挑选在满足某些约束条件下（通常是给定的某些随机变量的平均值）能使信息熵达到极大值的分布作为系统的分布。信息熵取得极大值时对应的概率分布出现的概率占绝对优势，因此在满足约束条件下，熵值最大的分布是最符合实际的分布，其基本模型如下[12]： （1） （2） （3） 根据信息熵原理，式（1）中的h（X）2）体现的是随机变量X的衍生信息（通常为统计特征）形成的约束；式（3）体现的是概率分布函数自身的约束。 多路径协同负荷预测的信息熵模型 为了实现具有较好适应性的电力系统规划, 一般要求给出电力负荷发展的高、中、低水平，从某种意义上讲, 这也是一种不确定性预测结果, 因为它意味着电力需求的分布区间。本文采用的负荷预测结果也以高、中、低方案展现。多路径协同负荷预测的计算方法如下： （1） 根据信息熵原理，定义适合多路径协同的模型。定义： （4） （5） 式（4）为本文定义的特殊函数，用于计算预测结果的统计特征作为模型的约束条件，式（5）为其数学期望。式中为第t年第i种预测结果的平均值，