基于改进卡尔曼滤波算法的短期负荷预测.docVIP

基于改进卡尔曼滤波算法的短期负荷预测 刘鑫，滕欢，宫毓斌，滕德云 （四川大学 电气信息学院, 成都 610065） 摘要：对于电网的安全运行，短期的负荷预测是必不可少的。电力系统的负荷通常是随着时间呈现出一定的范围的非线性波动，这里根据电力系统中负荷特性的变化规律，提出了一种通过引入修正因子改进的卡尔曼滤波算法的方法实现了电力短期负荷预测。通过对成都地区的负荷进行短期预测，说明这种方法比较传统的卡尔曼滤波具有更高的预测精度，同时与其他的新型智能算法相比，具有收敛速度快、耗时短等优点。通过MATLAB仿真，说明这种改进后的算法对实现短期负荷预测提供了一条新的途径。 关键词：电力系统；卡尔曼滤波；负荷预测；MATLAB；智能算法 中国分类号：TM721 文献标识码：A 文章编号：1001-1390(2019)02-0000-00 Short-term load forecasting based on the improved Kalman filter algorithm Liu Xin, Teng Huan, Gong Yubin, Teng Deyun （(School of Electric Engineering Information, Sichuan University, Chengdu 610065, China) Abstract: For the safe operation of power grid system, the short-term load forecasting is essential. The load of the power system is usually fluctuates with time to showing a certain nonlinear wave range, according to the variation of load characteristics in power system, a method by introducing Kalman filtering algorithm with a modifying modified factor to achieve the short-term load forecasting. By forecasting short-term load in the Chengdu region, it shows that this method has a higher prediction accuracy compared with the traditional Calman filter. At the same timeMeanwhile, compared with other new intelligent algorithms, it has the advantages such as like fast convergence and short time consumption. The MATLAB simulation shows that the improved algorithm provides a new way for short-term load forecasting. Key words: power system, Kalman filter, load forecasting, MATLAB, intelligent algorithm 0引 言 在电力系统中负荷预测是电力系统规划的重要组成部分，也是电网安全运行和经济运行的基础。负荷预测在电网调度运行和发电厂生产计划中扮演着重要的角色，准确预测能够降低电网运行成本。随着计算机技术的迅猛发展负荷预测也从不可能变成了可能，利用计算机的高速运行和一些人工智能算法的完善，电力系统的负荷预测的准确度也越来越高。随着电网和电力市场的进一步完善，负荷预测也将会在电网运行中发挥越来越重要的作用。 目前，负荷预测的方法主要是一些新兴的智能算法。文献[2-4]提出了基于RBF神经网络的各种改进算法，通过优化神经网络隐含层和输出层之间连接权值和阈值的方式改进神经网络，通过实验证明这些方法相比于传统RBF神经网络方法具有较高的精确度，但是也存在收敛速度较差、容易局部收敛的问题。文献[5-7]提出了基于极限学习机的各种改进算法，通过求解误差最下情况下的主成分数和隐含层节点数，以及最优矩阵集（包括训练和测试样本集的主成分矩阵）来改进极限学习机，算例结果表明这些组合算法较传统单一算法在精度间上有一定的优势。文献[8]提出了一种无迹卡尔曼滤波算法来进行负荷预测，这种方法利用传统负荷