基于分形理论短期电力市场预测法.docVIP

基于分形理论的短期电力市场预测法 　　[摘 要] 通过对分形理论的深入研究, 针对传统相似日法的缺点，设计了一种新的短期电力市场预测法。这种预测法利用电力负荷本身具有的分形特型，以历史数据的分维值为主，其他传统因素为辅选取相似日，利用时间序列分维算法对备选相似日数据进行处理，实现负荷预测。 　　[关键词] 分形 相似日 短期电力市场预测 　　 　　短期电力市场预测是电网运行管理的重要工作，是科学安排电力系统备用容量，实现电力系统安全、优质、经济运行，优化配置利用资源，以及进行电力营销和市场交易的基础。 　　相似日法虽然应用广泛，但主要在相似日法的基础上，依靠预测人员的经验来完成次日的电力市场负荷需求预测，缺点为:首先，对相似日的选取依赖性较大，但是传统的方法是靠经验人工选取，这是相当不科学的；而相似日选出之后，也缺乏科学的数据处理方法来对相似日数据进行分析。本文针对传统相似日法的缺点在分维理论的基础上对其进行了改进。 　　一、理论基础 　　称集F是分型，即认为它有下面典型的性质:(1)F具有精细的结构，即有任意小比例的细节；(2)F是如此的不规则以致它的整体和局部都不能用传统的几何语言来描述;（3）F通常有某种自相似的形式，可能是近似的或是统计的;（4)一般F的分型维数（以某种方式定义）大于它的拓扑维数。 　　从拓扑维数来看，负荷曲线往往是一维的，而实际盒维数大于1。同一地区不同月份的负荷分形维数相近，上下不超过3%，同一整体的部分与部分之间具有相似性；不同地区在相等时间范围内的分维也很接近，上下不超过1%，即整体与整体之间的相似是存在一定差异的相似，同一地区不同时间段的负荷分维相对稳定，但随着时间段的增大负荷分维数有增大的趋势。 　　市场的变化具有一定的规律性，并且这一规律基本不随观测尺度的变化而变化。一般情况下，中等负荷网分维值比轻负荷网略大一些。同时负荷波动越大，分维数越大。另外，负荷变化的分维值也受到负荷调节效应的影响，负荷调节效应越强，负荷曲线的不规则程度越大，则其分维值越大。总之，不同种类的电力负荷曲线局部与局部之间及局部与整体之间都有很好的自相似性，从而可将分形理论用于不同种类的电力负荷预测中。 　　二、相似日的选取 　　在一段时期内，相同类型日的负荷曲线分形维数近似相等，即日负荷曲线也具有某种程度的自相似性。传统的相似日选取要考虑的因素有：日类型、负荷值、负荷曲线形状等。日类型包括是否节日，天气状况等比较直观的客观条件。但是，选取同类型日时会考虑到该因素。由于随着时间的推移，系统负荷结构会发生缓慢的变化，当历史日和预测日相隔比较久的时候，即使它们的影响负荷的因素很相似，预测精度也不会高。所以，在确定相似日的时候，历史数据的范围不应太大，一般就选取待测日前2个月或者去年同月的数据作为样本。 　　电力系统每日的负荷情况受该日及其附近几日的日特征量(包括日类型, 星期类型, 天气情况, 电价等等) 所影响。日实际特征量决定了该日的负荷曲线形状；而连续几日的实际特征量则决定了这几日的负荷水平变化规律。可以通过计算待测日及它附近几日的负荷维数替代通常方法中的趋势相似度。也就是说，所选取的相似日及它附近几日的负荷维数，必然要与待测日记它附近几日的负荷维数相近。而分型的标度不变性决定了分型在无标度空间内维数不变，那么可以近似认为，待测日前几日的负荷维数，必然要与备选相似日前几日的负荷维数相近。(1)数据预处理，消除由于天气异常或者其他原因引起的负荷异常点;（2)计算待测日前一周或者两周的负荷维数D0。分型维数有Hausdorff维，填充维，时间序列维等多种定义方法，其中沙盒维易于数学计算和试验测量，对处理离散数据具有一定的优势，沙盒维数定义如下：对取定的码尺δ，将分形图形重心置于边长为δ的256×256网格的中心设第δij个方格中的点数为Nij。令，逐步增大δ直到分形的最大尺寸，得到一系列的δi和相应的N(δi),作一元线性回归可得到分形图的容量维: 　　 　　试图直接计算一个集的维数。受利用定义计算的局限性是很有难度的，严格的维数计算往往需要连篇累牍的复杂计算和几乎不提供任何直观启发的估计。但是电力负荷数据具有其特殊性，这里提出一种合适的近似计算方法。作为负荷数据，其在二维平面上的分布是很有规律的。其重心的表达式可以很容易的写成,而且负荷点水平距离都是一个单位长度,若取第一天为x0=0,那么=k/2。鉴于数据集是离散的,而且在x轴上是均匀分布的，为了简化计算采用一个近似算法,即只对包含第i个点的δ进行计算。引入分形空间中的定义,其中(X,d)为完备度量空间,x∈X,集合B∈H(X)，称d(x,B)为点x到集合B的距离。那么维数的近似计算公式可写成:,其中， Bi为去掉i+1 个最近点所剩下的离