智能电网短期负荷自适应预测.docVIP

智能电网短期负荷自适应预测 　　摘 要：智能电网中精确的自适应短期电力负荷预测必不可少。首先分析了智能电网短期电力负荷预测的特性并提出了自适应的智能短期电力负荷预测模型的建立；然后针对异常数据完成预处理；接着通过人工智能算法（BP、RBF、LSSVR）的仿真预测，确定了LSSVR作为短期电力负荷预测模型的架构，此外考虑到模型参数的取值掣肘着模型性能，采用不同进化算法（GA、PSO、CBEA）优化LSSVR的组合模型；最后仿真比较，发现 CBEA_LSSVR预测模型实时性好、预测精度高且鲁棒性强，较适于智能电网环境。 　　关键词：进化算法；人工智能；短期电力负荷预测；进化算法 　　中图分类号：TP181；TM727 文献标识码：A 　　0 引言 　　电力负荷预测是指利用电力历史负荷的特点和其它相关因素的影响，找寻电力负荷中自身存在的周期性的规律，并挖掘出出未来的发展趋势，由此预测出未来某特定时刻的负荷数据[1]。短期负荷预测是指预测未来一月、未来一周、未来一天，甚至于未来一天24小时中任意时刻的负荷值。准确的短期负荷预测是电力系统安全经济的调度、规划的保证，是电力系统稳定运行的前提，是社会正常生产和人民安定生活的保障。 　　随着全球不可再生资源的不断减少及环境污染的日益增加，将风能、太阳能等新能源发电系统形成的分布式能源接入传统电网中的新型电网――智能电网（smart grid）由此产生。智能电网将信息技术、通信技术、计算机技术以及各种输、配电硬件设施集成为一整体，通过先进的信息技术，实现配电网智能、弹性、自愈等功能[2]。 　　无论是国外还是国内，配电自动化都是智能电网的核心。配电自动化实际上是实现配电设备正常运行及事故状态下监测、保护、控制、用电和配电管理的现代化[3]。短期电力负荷预测则是实现配电管理、故障处理等问题的前提。因此为了达到精确地配电自动化，高精度的短期负荷预测必不可少。 　　1 问题的分析及解决 　　智能电网的“互动、自愈、安全、经济、清洁、节能、高效”等要求导致了短期电力负荷预测更为复杂[4]。不同的区域，不同的发电形式及用户端的引入都导致了电网运行环境的复杂性。环境一旦变化（比如事故，分布式电源的启停），智能电网的短期负荷预测模型必须能自适应这些变化，从而得到高逼近的预测值以辅助电网的调度、管理等操作，确保电力系统的正常运作。因此，智能电网环境下的短期电力负荷预测应具有高度自适应性和智能性的特点。 　　另外，智能电网中AMI虽然为负荷预测提供了所需的数据，但在庞大的数据集成时，有可能引入不良数据的干扰，并且复杂的通信网络（数据传输环节）也提高了数据的出错风险[5]。因而，智能电网的短期负荷预测中数据的预处理不可或缺。 　　针对智能电网短期电力负荷预测的异常数据较多、智能性较强和自适应要求较高的特点，本文通过下面三个途径进行实现：（1）采用自动的不良数据辨识方法，采用统计学的数学方法来剔除噪声数据；（2）通过算法的比较，对人工智能算法进行仿真比较，得到较优的短期电力负荷的支持向量机预测基本模型；（3）对比优化算法，采用进化算法完成人工智能模型的参数的寻优，形成算法的组合，提高模型的精度和自适应性。 　　2 数据处理 　　输入数据的处理为预测模型提供了干净、准确的数据，减少预测算法的处理量，提高预测效率和预测精度。本文按照以下步骤完成数据预处理： 　　步骤1：从数据库中读取短期电力负荷表； 　　步骤2：缺失值的处理。检查待识别日的负荷数据数值是否为空值，若为空值，则定义缺失值为： 　　（1） 　　其中 表示第 天时刻的负荷值， 为相应的权值，且 ，本文分别取 ； 　　步骤3：垂直方向异常数据识别。计算出8个同一季度、同一周期日型同一时刻点 的历史负荷的均值 和方差 　　： 　　（2） 　　（3） 　　然后计算出每天 时刻数据的偏离率： 　　（4） 　　最后确定偏离率大于阈值的点为异常点。 　　步骤4：垂直处理。相邻的周期类型一致的负荷数据的加权均值取代噪声数据： 　　（5） 　　步骤：5：水平方向异常数据识别。将一天96点数据依次排列，按式（6）求出第一个序列 ： 　　（6） 　　然后按式（7）求出新一组序列： 　　（7） 　　从而形成负荷的估计序列为： 　　（8） 　　接着计算 对 的偏离率 ： 　　（9） 　　最后确定偏离率大于阈值的点为异常点。 　　步骤6：水平处理。利用估计序列的负荷值代替异常数据： 　　（10） 　　步骤7：归一化处理，部分数据显示见表1； 　　步骤8：重建数据表，将处理后的负荷数据与其它所需输入属性放入其中； 　　步骤9：为保证训练数据的统一性，将数据表扩充，得到输入数据，以一组为例如表2。 　　3 人工智能预测算法 　　随着智能电网的研究，电力系统规模日益增大，电力系统变化也越