电力系统工程论文《负荷预测中历史数据缺损处理》.docVIP

　　电力系统工程论文《负荷预测中历史数据缺损处理》 Abstract:In the electric load forecasting, the shortage and dam-age data may be encountered when historical data information arecollectedbull;This paper puts forward a number of methods to solvethese problemsbull;The case studies show that these methods possesthe characteristics of simple operation, applicability and highforecasting accuracybull; Key words:load forecasting; shortage and damage data ; process 摘要:基于在电力负荷预测前期收集历史数据资料时,可能遇到历史数据数据缺损的情况,为此提出了多种对缺损数据的处理方法。通过一些算例的计算、分析,表明所提出的处理方法具有操作简捷,实用性和预测准确性强等特点。 关键词:负荷预测;数据缺损; 处理电力负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作之一。准确的短期负荷预测,可以经济合理地安排电网内部发电机组的启停,保持电网运行的安全稳定性,减少不必要的旋转储备容量,合理安排机组检修计划,保证社会的正常生产和生活,有效降低发电成本,提高经济效益和社会效益。准确的中、长期负荷预测,有利于确定未来新的发电机组的装机容量、地点和时间,确定电网的增容、改建和电网的建设和发展。所以,高精度的负荷预测就显得十分必要了。电力负荷预测工作在很大程度上取决于所收集到的历史数据的情况,历史数据的完整与否,准确与否,将对负荷预测的好坏产生严重影响。尤其是在中、长期负荷预测中,收集到的历史数据常常存在数据缺损的情况。所谓数据缺损,就是指数据空缺和数据失真。这样在负荷预测时,若不对这些缺损数据进行补缺推算和修正,将直接影响预测结果。本文主要研究对历史数据缺损的情况,如何进行补缺和修正,以使负荷预测的结果更加准确、可信。 1　空缺数据的处理由于历史原因,以及数据保管部门的疏忽,可能会致使某些档案数据无记载保留或丢失,这就造成了数据的空缺。该数据称为空缺数据。 1bull;1　首、末端数据空缺的补全对于历史数据首端、末端数据空缺,可以采用趋势比例计算代替,进行资料的补缺推算。此处的趋势比例计算可采用级比生成的方法。所谓级比生成就是级比sigma;(k)与光滑比rho;(k)生成的总称。例如n元数列{X} = [Phi;(1),X(2),,Phi;(n)]这里Phi;(1)与Phi;(n)为空缺数据,显然求Phi;(1)可按右邻的级比生成或光滑比生成,而求Phi;(n)则可按左邻的级比生成或光滑比生成。此处sigma;(k),rho;(k)定义为:若令{X}为原始序列,即{X}=[X(1),X(2),,X(n)]则sigma;(k)为{X}的级比,即sigma;(k) = X(k)/ X(k-1) (1)则Phi;(1)=X(2)/sigma;(1)=X(2)/sigma;(2)=[X(2)]2/X(3) (2)Phi;(n)=sigma;(n)times;X(n-1)=sigma;(n-1)times;X(n-1)=[X(n-1)]2/X(n-2) (3)rho;(k)为{X}的光滑比,有rho;(k) = X(k)/sum;m=k-1m=1X(m) (4)则　Phi;(1) =X(2)times;{[sum;m=2m=1X(m)]/X(3)-1} (5) Phi;(n) =rho;(n)times;sum;m=n-1m=1X(m) =rho;(n -1)times;sum;m=n-1m=1X(m)=[X(n-1)times; sum;m=n-1m=1X(m)]/sum;m=n-2m=1X(m) (6)历史数据首、末端空缺数据较多时,可利用趋势比例补全法逐个进行补全。另外,可将空缺数据作为预测数据进行补全。若为首端空缺数据,则进行反向预测出空缺数据;若末端空缺数据,直接预测出空缺数据。 1bull;2　中间数据空缺的补全(1)非邻均值生成法所谓非邻均值生成,即若原始数列{X}=[X(1),X(2),X(k-1),Phi;(k),X(k+1),X(n)]这里Phi;(k)为空缺数据,记k点的生成值为Phi;(k),且Phi;(k)=0bull;5X(k-1)+0bull;5X(k+1) (7)(2)递推式非邻均值生成法所谓递