负荷历史数据、预报模型和预报误差间的关系.docVIP

引言 负荷预报（这里主要指短期负荷预报）是电力系统运行必不可少的计算。负荷预报结果准确与否、对系统运行的经济性、安全性都有影响。随着电力工业市场化进程的加快，对各级调度中心的负荷预报功能都提出了更高的要求，特别是以往不太关注负荷预报的各地区级电力调度中心，也面临着提高负荷预报水平的严峻挑战和繁重任务。 电力负荷的变化主要受人们生产、生活规律的支配而呈现规律性，并受气象等因素的影响。一个区域的总负荷是难以计数的个别负荷的总和，故负荷中必然有随机变化的分量。负荷变化的周期性和随机性是一对矛盾。两者之间的消长决定了负荷的可预报性，并且是影响负荷预报精度的重要因素。 提高负荷预报的准确度是从事负荷预报的研究者不断追求的目标，但捉摸不定的预报误差犹如挥之不去的影子相伴左右，事实上，用于建模的负荷历史数据、所建立的预报模型、模型本身的误差以及预报产生的误差之间都存在一些内在的联系。有些甚至是相互依存的关系。不同地区、不同时段负荷规律性的差异将对负荷预报结果产生支配性的影响，而以往主要研究预报方法本身，缺少对负荷规律性及其对预报误差影响的研究，因此，将历史数据、建模方法和误差分析结合起来进行研究，才能更全面评价各相关因素的作用，了解预报误差的构成，使预报者可以清晰、透彻的把握预报过程。 本文提出了一种内蕴误差评价的负荷预报方法，该方法对负荷历史数据、预报模型和预报误差进行综合研究。在规律性评价和误差分析的基础上进行预报，在预报的同时进行规律性评价和误差分析。 负荷历史数据、预报模型和预报误差间的关系 负荷预报的基础在于负荷的变化在相当程度上是有规律的。这种规律可以通过对一定窗宽的历史数据进行建模表达。设建模的负荷数据所在的时间域为，预报的负荷数据所在的时间域为。 一般而言，对于一定窗宽的历史负荷数据，若经由任何方法得到可预报的负荷模型，其在内的相应为，则建模误差（或窗内误差）为： （1） 用预报次日负荷时，若预报日负荷与内负荷有相同的模式，则与有相同统计特性的误差将延续到内。同时还可能出现一个外推误差,故负荷的预报误差可表示为： （2） 在负荷预报的实践中，预报误差占相应时刻负荷的百分数―――相对误差也是一个重要的指标。于是可定义相对建模误差和相对预报误差，分别为： （3） （4） 事实上，根据任意一种（或多种）负荷建模方法，总可以将一组用于建模的负荷数据分解为： （5） 式中是某种规律负荷模型的响应，将导致对本来负荷相应分量的预报；是对未来负荷预报精度无实质性贡献的负荷分量。 对比式（1）和式（5）可知，建模误差为： （6） 由以上分析可见，建模误差的大小既与的规律性强弱有关，又与所采用的建模方法有关。当负荷历史数据既定时，小的相对建模误差对应与好的建模方法；当建模方法既定时，小的相对建模误差对应于具有更强规律性的负荷历史数据。 当采用所建立的建模进行预报时，可得到预报时域（如次日）内预报模型的反应即为预报的负荷。若考虑在预报时域中存在与建模时域内相同统计特征的建模误差 则有理想的预报负荷应为。预报时域内最终实际发生的负荷或多或少会有其独特的变化，因而与 之差即为外推误差 图1给出了建模时域和预报时域 内负荷数据与模型响应及误差之间的关系。 实际上，对于给定的负荷历史数据和既定的建模方法，相对建模误差 的统计特征反映了在内模型响应 逼近的程度，并且反映了负荷历史数据的规律性和内模型的有效性。因而，相对建模误差是对内负荷规律性的一种量度。 2基于时间序列频域分析的内蕴误差评价预报方法 2.1基于时间序列频域分析预报模型 对任意时间序列X可做有限傅立叶分解，若将内的负荷时间序列分解后，依一定的频率特性进行组合，可将重构成如下形式 （7） 式中，的周期为,它是负荷中以24h为周期变化的分量; 即为负荷的日周期分量;的周期为 ,是负荷的星期周期分量；为在中扣除之后的剩余分量，它反映了气象因素等慢变相关因素对负荷的影响以及负荷变化的随机性。 日周期分量和星期周期分量是按固定周期变化的负荷分量，因而在预报时可以直接外推。因此，关键问题是如何对剩余分量建立预报模型。对剩余分量建模应反映其主要变化规律。 事实上，的主要变化规律是以其低频分量为代表的。且其高频分量在实际预报中也会因多步预报的困难而难以对改善预报结果有实质性贡献。故可通过下面滤波模型来考虑的建模。将序列中每个点取均值。则可进行分解。 （8） （9） 式中为整数。 是一阶梯状曲线，反