基于时间序列预测技术对小波分解后高频负荷的预测研讨.pdfVIP

第二十九届中国电网调度运行会收录论文全集 基于时间序列预测技术 对小波分解后高频负荷的预测研究 张文哲 孔庆云 罗明忠 重庆电力调度通信中心 市场交易处 ，重庆 400014 摘要：本文主要寻求提高高频负荷预测精度和预测计算速度的方法。阐明了时间序列的概念 和三类随机时间序列的数学模型，介绍了对模型进行参数估计和模型检验方法。以重庆电网 的实际数据为例，给出了三尺度高频负荷的时间序列预测仿真算例。表明基于时间序列预测 技术对小波分解后高频负荷的预测的可行性。 关键词： 负荷预测 小波分析 时间序列 高频负荷 在对负荷预测的研究中通过相关性分析,得出气象特征、日期特征等主要与小波分解的低频部分相关 联[1]，我们可以运用神经网络等预测技术将低频负荷与这些相关的因素结合起来以提高预测低频负荷的精 度。而对于负荷的高频部分通过考察我们发现小波分解后高频细节信号趋于平稳，为提高负荷预测的速度， 我们可考虑运用时间序列技术对高频部分进行预测。本文着重阐明时间序列预测技术的基本原理，并通过 算例表明，小波分解后负荷的高频分量平稳性较好，采用时间序列方法预测精度能满足工程实际的要求。 一、时间序列预测技术 在电力系统中，按时间顺序排列着的过去的电力负荷资料以每小时取的一组样，记作： y , y ,L , y , y , y ,L (1) 1 2 t −1 t t +1 t 这一组样就构成一个时间序列 y ，其中，y 表示时间序列中第 次取样值；y 表示y 以前的一次取 { } t t t −1 t 样值；y t+1 表示y t 以后的一次取样值。 电力负荷的历史资料就是按一定时间间隔进行采样记录下来的有序集合，它是一个时间序列，用这个 序列对电力负荷变化的规律和特性进行分析并对未来负荷作出预报，这正是电力负荷时间序列预测技术的 主要内容。 二、时间序列预测的一般步骤 时间序列预测模型一般分为三类：自回归模型（AR ( p ) ）、滑动平均模型（MA(q ) ）、自回归—滑 动平均模型（ARMA(p ,q ) ）。对模型的辨识主要是依据其自相关函数、偏相关函数特征进行辨识。 由于AR 、MA 及ARMA 模型的基本特性，在文献[2]中有比较详细的证明。在此不在详述，给出 结论表一。 - 1 - 第二十九届中国电网调度运行会收录论文全集 表一 时间序列模型相关性辨识一览表 Table1 Time-Serial model pertinence identify 模 型 名 称 类 别 AR (p ) MA(q ) ARMA(p ,q ) 基本方程 ϕ(B )y t at y t θ(B )at ϕ(B )y t θ(B )at