针对智能算法的改进中长期负荷预测模型分析研究.pdfVIP

A Dissertation Submitted to Shanghai Jiao Tong University For the Master Degree IMPROVED MID-LONG TERM LOAD FORECASTING MODEL BASED ON INTELLIGENT ALGORITHM Author ：LIN Jia Major ：Power System and Its Automation Supervisor：Prof. CHENG Haozhong School of Electronic Information and Electrical Engineering Shanghai Jiao Tong University Shanghai，P.R. China February 2010 基于智能算法的改进中长期负荷预测模型研究 摘 要 当前我国正处在经济发展阶段，复杂而繁多的不确定因素对电力 需求预测造成了一定难度。传统负荷预测建模方法无法根据不确定性 因素的变动灵活调节模型结构与参数，难以适应当前环境下的负荷需 求预测。因此，如何充分考虑未来各种不确定性因素，并实现负荷预 测的智能化，是当前中长期负荷预测研究的重点。 针对现有非参数负荷预测方法的不足，本文分别采用遗传算法改 进了传统系统动力学模型，采用数据分组多层算法改进了变权重组合 预测模型，以充分利用智能算法在处理不确定性、改善预测模型适应 性方面的优势。论文的主要内容包括： 1、对现有的负荷预测方法及其优缺点，尤其是系统动力学方法 和组合预测方法，进行了详细的介绍。从中长期负荷预测影响因素繁 杂、多变、非线性等特点出发，探讨了遗传算法和数据分组处理方法 等两种智能算法在改进中长期负荷预测上的可行性。同时，介绍了负 荷预测中不确定性信息的处理方法。 2 、利用遗传算法在优化传统系统动力学模型结构及估计参数方 面的优势，提出了基于遗传算法的改进系统动力学负荷预测模型，以 避免原模型过于机械化、人为割裂系统边界以及参数敏感性过高等问 题，并充分考虑了各类不确定性因素，使系统动力学在负荷预测中的 应用得到进一步扩展。 3、利用数据分组处理方法 GMDH 在非线性高次系统建模上的优 势，建立了基于 GMDH 求解权值的变权重组合负荷预测模型，模型 是对非线性时变权值的有效尝试，预测精度相比一般组合预测模型有 第 I 页 了明显提高。同时，对该模型进行可变权误差修正，使其能够充分考 虑不确定性因素的影响，有利于进一步提高组合预测模型的适应性。 4 、以中国某区域电网 1990-2008 年实际数据为例，通过 Vensim PLE 5.0 与 MATLAB 7.0 软件编程计算。采用上述模型给出了“十二 五”期间的负荷预测结果，并解析了结构调整和技术进步两个不确定 性因素对预测结果的影响。分析表明，该区域未来五年内仍将保持电 力电量的高速增长，经济危机对中国负荷预测走势影响持续性不长。 而二产比重下调、技术进步都将拖动用电量下调，同时由于技术进步 的累积效应，其长期的负拖动作用将日益明显。 本文所建立的模型能够充分考虑中长期负荷预测中的不确定性 因素，同时具备智能算法的灵活性和自适应能力，模型精度与适应性 均有了进一步提高。模型尤其适合当前我国经济、政策变化较大时期 的中长期负荷预测，同时也为考虑不确定性因素的智能中长期负荷预 测模型研究提供了有效的参考。 关键词：智能算法，中长期负荷预测，不确定性理论，系统动力学， 智能组合预测，可变权误差修正 第 II 页 IMPROVED MID-LONG TERM LOAD FORECASTING MODEL BASED ON INTELLIGENT ALGORITHM