回归模型和时间序列在电力负荷预测中应用.docVIP

回归模型和时间序列在电力负荷预测中应用 　　摘要：文章在系统地分析了负荷预测的种类、方法及影响负荷预测变化的各种因素的基础上，采用回归模型、时间序列两种预测方法，并对短期负荷进行预测。利用VISUAL C++ 平台和C++语言进行编程，将两种预测的方法进行算例仿真。同时，分析各自方法的预测结果，比较预测的精度。所设计的程序能较好的满足电力系统短期负荷预测的需要。 　　关键词：电力系统；负荷预测；回归模型；时间序列 　　 　　一、引言 　　 　　随着我国电力事业的发展，电网的管理日趋现代化，对电力系统负荷预测问题的研究也越来越引起人们的注意，已经成为现代电力系统运行研究中的重要课题之一。电力系统负荷预测是研究电力系统规划、经济运行及调试的重要依据。 　　电力系统负荷预测是指，在充分考虑一些重要的系统运行特性、增容决策与自然条件的情况下，利用一套系统地处理过去与未来负荷的方法，在一定精度意义上，决定未来某特定时刻或某些特定时刻的负荷值。电力系统负荷预测按时间不同可分为长期、中期、短期和超短期负荷预测。一般来说，长期负荷预测是指10年以上并以年为单位的预测。短期负荷预测是指一年之内以月为单位的负荷预测。超短期负荷预测是指未来1h、未来0.5h甚至未来10min的预测。 　　科学的预测是正确决策的依据和保证。电力系统负荷预测是制定发电计划和电力系统发展规划的基础，精确的负荷预测对于电力系统经济、安全、可靠地运行具有特别重要的意义。电力系统的任务是为各类用户尽可能经济地提供可靠性符合标准的电能，要求其能满足各种负荷需要，所以负荷的大小和特性对电力系统设计和运行都极为重要。因此，寻求有效的负荷预测方法，提高其预测的准确度具有重要的意义。 　　 　　二、负荷预测的特点 　　 　　由于负荷预测是根据电力负荷的过去和现在推测它的未来数值，所以负荷预测工作研究的对象是不肯定事件。这就使负荷预测具有以下明显的特点： 　　 （一）不准确性 　　因为电力负荷未来的发展是不肯定的，它要受到多种多样复杂因素的影响，而且各种影响因素也是发展变化的。人们对这些发展变化有些能够预先估计，有些却很难事先预见到，加上一些临时情况发生变化的影响，因此就决定了预测结果具有不准确性。 　　 （二）条件性 　　各种负荷预测都是在一定条件下作出的。对于条件而言，又可分为必然条件和假设条件两种，如果负荷员真正掌握了电力负荷的本质规律，那么预测条件就是必然条件，所作出的预测往往是比较可靠的。而在很多情况下，由于负荷未来发展的不肯定性，所以就需要一些假设条件。 　　 （三）时间性 　　各种负荷预测都是有一定的时间范围，因为负荷预测属于科学预测的范畴，因此，要求有比较确切的数量概念，往往需要确切地指明预测的时间。 　　 （四）多方案性 　　由于预测的不准确性和条件性，所以有时要对负荷在各种情况下可能的发展状况进行预测，就会得到各种条件下不同的负荷预测方案。 　　 　　三、回归分析法、时间序列法 　　 　　 （一）回归分析法 　　电力负荷回归模型预测技术是根据负荷过去的历史资料，建立可以进行数学分析的数学模型，对未来的负荷进行预测。常用模型可分为： 　　一元线性回归模型： 　　x - 自变量，计算中采用的值 　　y - 因变量，计算中待求量 　　ε - 随机误差（随机干扰），对全过程来说干扰的总和为零 　　a，b- 待定系数，由所观测的历史资料确定 　　多元线性回归模型： 　　 设x1 ,x2 ,…xp是p(p1)个线性无关的可控变量，y是随机变量。即p元线性回归模型： 　　y - 随机变量 　　x1 …xp - 自变量，为影响负荷的主要因素 　　b0 …bp - 待求的未知参数 　　ε- 随机误差 　　 （二）时间序列法 　　在电力系统中，电力负荷是一个随机变量，这个变量所描述的过程就是一个随机过程，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，这就是电力负荷时间序列预测法。常用模型可分为： 　　自回归（AR）模型： 　　yt ?C 因变量，待测的负荷 　　?C自变量，负荷自身的过去值 　　- 待求的未知参数 　　- 干扰项，它是一个平均值为零，但具有一定方差的白噪音 　　动平均（MA）模型： 　　yt ?C 因变量，待测的负荷 　　?C自变量，负荷自身的过去干扰值 　　 - 待求的未知参数 　　自回归―动平均模型（ARMA）数学模型： 　　 其中： 　　 　　可见，当 ，这就是一个自回归模型；而当p=0， 　　q≠0，这就是一个动平均模型。所以无论自回归模型或者动平均模型，在数