电力负荷预测方法

11.负荷预测分类和基础数据处理1.1负荷预测及其分类1.1.1负荷预测概念负荷预测是根据负荷的历史数据及其相关影响因素，分析负荷的变化规律，综合考虑影响负荷变化的原因，使用一定的预测模型和方法，以未来经济形势、社会发展、气候条件、气象因素等预测结果为依据，估计未来某时段的负荷数值过程。1.1.2负荷预测的分类按照预测方法的参考体系，工程上的负荷预测方法可分为确定性预测方法、不确定预测方法、空间负荷预测法。确定性：把电力负荷预测用一个或一组方程来描述，电力负荷与变量之间有明确的一一对应关系。不确定性：实际电力负荷发展变化规律非常复杂，受到很多因素影响，这种影响关系是一种对应和相关关系，不能用简单的显示数学方程描述，为解决这一问题，产生了一类基于类比对应等关系进行推测预测负荷的不度额定预测方法。空间负荷预测：确定和不确定负荷预测是对负荷总量的预测。空间负荷预测是对负荷空间分布的预测，揭示负荷的地理分布情况。1.2负荷预测的基础数据处理1.2.1负荷预测的基础数据基础数据大致包括四类，分别为：①负荷数据（系统、区域、母线、行业、大用户的历史数据；负荷控制数据；系统、区域、大用户等的最大利用小时数；发电厂厂用电率和网损率。）②气象数据（整点天气预报；整点气象要素资料；年度气温、降水等气象材料。）③经济数据和人口（区域产业GDP；城乡可支配收入；大用户产量、产值和单耗；电价结构和电价政策调整；城乡人口。）④其他时间（特殊时间如大型会议、自然灾害；行政区域调整）21.2.2数据处理为获得较好的预测效果，用于预测数据的合理性得到充分保证，因此需要对历史数据进行合理性分析，去伪存真。最基本要求是：排除由于人为因素带来的错误以及由于统计口径不同带来的误差。另外，尽量减少异常数据（历史上突发事件或由于某些特殊原因会对统计数据带来宠大影响）带来的不良影响。常见的数据处理方法有：数据不全、数据集成、数据变换和数据规约等。2.确定性负荷预测方法2.1经验技术预测方法2.1.1专家预测法专家预测发分为专家会议发和专家小组法。会议发通过召集专家开会，面对面讨论问题，每个专家充分发表意见，并听取其他专家意见。小组法以书面形式独立发表个人见解，专家之间相互保密，最后综合给出预测结果。2.1.2类比法类比法是将类似失误进行分析对比，通过已知事物对未知事物做出预测。例如选取国内外类似城市或地区为类比对象，参考该对象的发展轨迹对本地区作出预测。2.1.3主观概率发请若干专家来估计某特定时间发生的主观概率，然后综合得出该时间的概率。2.2经典技术预测方法2.2.1单耗法通过某一工业产品的平均单位产皮用电量以及该产品的产量，得到生产这种产品的总用电量。用电量A=国民生产总之或工农业总产值b*产值单耗g32.2.2弹性系数法电力消费弹性系数是一定时期内电量的年平均增长率与国内生产总值的年平均增长率的比值，是观察一定时期内电力工业与国民经济发展适应程度的重要指标。E=RRge（2-1）使用某种方法预测或确定未来一段时间的电力弹性系数E,国内生产总值平均增长率为Rg。根据式2-1计算未来一段时间的用电增长率为RRgeE。再根据平均增长率法可以得到未来第i期的预测电量为)1(0ieiRWW式中：W0为预测基准年电量。2.2.3负荷密度法从地区土地面积的平均电量出发，先预测未来某段时期的土地面积和单位面积用电密度，得到用电量预测值。A=SDA:某地区的年用电量；S:该地区的人口数或建筑面积或土地面积；D：人均电量或用电密度。2.2.4人均电量指标换算法选取一个与本地区人文地理条件、经济发展状况以及用电结构等方面想似的国内外地区作为比较对象，通过分析比较两地区过去现在的人均电量指标，得到本地区的人均电量预测值，在结合人口分析得到总用电量的预测值。2.2.5综合用电指标法根据区域规划用地及分类，结合规划部门考虑的分类占地面积、建筑面积、综合用电指标进行负荷预测。此方法精确度高，但需要数据量大。4PS：其他经验与经典技术有：调查预测法、预警分析法、情景预测法、比例系数增长法、大用户综合分析法。本节不再一一介绍。2.3趋势外推预测法原理：基于负荷变化表现出的明显趋势，按照该趋势对未来负荷做出预测。2.3.1水平趋势外推2.3.1.1全平均法在t（t≤T）时刻，用t期以前的全部数据作平均，即)...(121xxxttt（2-2）t作为未来的负荷预测数值，tlTx,一般取l=1。在第T期有tlTx，由2-2得xxxtttttt111（2-3）（2-3）为循环式，有了新数据xt后，下期（t+1期）预测值可由新数据及原预测值xt的加权平均得到。2.3.1.2一次滑动平均预测法实现“重近轻远的预测原则，通过对数据加以不等权，近期数据给予较大的权数，远期数据给予较小的权数，一次滑动平均法对近N期加上等权N1,N为跨度。一次滑动平均序列为)...(121xxxMtNtNttN（2-4）预测值取为Mxtt1，不断取得新数据xt时，进行向前一期的滚动预测Mxtt1,得到第T期，MxtT1。52.3.1.3一次指数平滑预测法取定参数α,0α1,初值s0=x1,便可计算指数平滑序列sxsttt1)1((2-5)同前面一样,用t期的平滑值st预测t+1期的电力负荷sxtt1。2.3.2线性趋势预测法在t时刻利用数据给出预测值lbaxttt1。式中at为截距，bt为斜率。2.3.2.1二次滑动平均法对水平趋势做预测Mt应当与所平均的N项的中间项即第21Nt项相对应，因此用Mt作xt1存在滞后现象。为补长一次滑动平均法存在的滞后现象，对一次滑动平均序列再做一次滑动平均。仍取跨度为N，二次滑动平均公式为)...(1)2()1(2)1(1)2(tNtNttMMMNM（2-6）)2()1(2tttMMa（2-7）)(2)2()1(tttMMNb(2-8)2.3.2.2二次指数平滑法二次指数平滑法类似二次滑动平均法，在一次指数平滑序列的基础上计算二次指数平滑序列)2(1)1()2()1(tttsss（2-9）)2()1(2tttssa（2-10）6)(1)2()1(tttssb(2-11)2.3.3多项式趋势预测法2.3.3.1三次指数平滑预测法设数据序列{xt}具有二次多项式趋势，在二次指数平滑序列的基础上，再做三次指数平滑序列：)3(1)2()3()1(tttsss（2-11）预测模型：2llcbaxtttt（2-12）其中：)3()2()1(33ttttsssa（2-13）])34()45(2)56[()1(2)3()2()1(2ttttsssb（2-14）]2[)1(2)3()2()1(22ttttsssc（2-15）2.3.4增长趋势外推2.3.4.1指数曲线模型建立预测模型bttaex，只需确定参数a，b。对两边取对数得btInaInxt，这表明'xt具有线性增长趋势。可以用线性趋势预测法度额定直线截距Ina及斜率b，得出预测模型tbTtTeax。72.3.4.2非其次指数模型非其次指数模型或称修正n只是模型指的是bttaecx(2-16)2.3.4.3龚帕兹模型龚帕兹系英国统计学家、数学家，以他命名的模型曲线是)(btaectex（2-17）2.3.4.4逻辑斯谛模型1938年，由比利时数学家P.Fvehulst提出，即bttarcx1（2-18）2.4电力负荷回归模型预测法电力负荷回归模型预测技术就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，通过对变量的观测数据进行分析，确定变量之间的相关关系。2.4.1一元线性回归模型一元线性回归模型可表述为bxaXSfy),(。式中S:模型的参数向量，S=[a+b]T;X:自变量，例如时间或对负荷产生重大影响的因素；y:因变量，如电力负荷；:服从正态分布N（0，2）的随机误差，又称随即干扰。8模型参数估计值：xbya(2-19)niiiniixyyxxbx121)())(((2-20)变量y对x的线性回归方程式，即预测方程为xbay（2-21）2.4.2多元线性回归模型电力负荷变化常受到多种因素的影响，这时根据历史资料研究研究负荷与相关因素的依赖关系就要用多元回归分析方法来解决。多元线性回归模型可表述为miiixaaXSfy10),(（2-22）式中~N（0，2）模型参数A=[maaa...,10]T=（X’X）-1X’Y;Y=[y1,y2…yn];X=[1x111x21⋮x311x1nx12x22x32x2n…………xm1xm2xm3xmm]2.4.3非线性回归模型非线性回归回归模型的自变量与因变量间存在的相关关系表现形式是非线性的，这类情形虽然在实际系统中最为多见，但是考虑到非线性回归模型的复杂性，因此常见的非线性模型主要指那些可以通过适当的变量代换，将非线性关系转化为线性关系来处理的模型，一般有：(1)双曲线模型：xbay1；9(2)幂函数曲线模型：baxy；(3)指数曲线模型：bxaey；(4)倒指数曲线模型：xbaey；(5)S形曲线模型：xbeay1。2.5时间序列预测法对某一个变量X（t）进行观察，对应一系列时刻t1,t2,…tn，得到一组数x1,x2…xn,称为离散时间序列，用来分析离散时间序列的方法称为时间序列法。时间序列法并不考虑负荷与其他因素之间的因果关系，仅仅把电力负荷看做一组随时间变化的数列。2.5.1一阶自回归该模型基于简单线性回归算法，即认为观测值y与x之间为线性关系，表达式为ttxy10+t。（2-23）2.5.2n阶自回归n阶自回归方法是一阶自回归的扩展，认为变量y与一组变量x1,x2,…xn有关,即tntntttxxxy...22110。（2-24）2.5.3自回归与移动平均自回归与移动平均算法考虑负荷值与前n个阶段的历史负荷值及前m个阶段的噪声关系：mtmttntntttXXXX......112211(2-25)式中为各时段噪声。103.不确定性负荷预测方法3.1电力系统负荷预测的灰色预测法灰色系统理论用于处理信息不完全的系统，为不确定因素的处理提供了一个新的有力工具。灰色系统理论中把已知的信息称为“白色”，完全未知的信息称为“黑色”信息，介于两者之间的称为“灰色”信息。灰色预测法以灰色生成来减弱原始学列的随机性，从而在利用各种模型对生成后的序列进行拟合处理的基础上通过还原操作得出原始序列的预测结果。该类模型具有要求符合数据少、不考虑分不规律、运算方便等优点，但在数据离散度较大时，预测精度将明显下降。灰色系统的理论核心是灰色动态建模，建模方法如下：(1)将电力负荷视为在一定范围变化的灰色量，其所具有的随机过程也看作是灰色变化过程。(2)生成灰色序列量。累加生成灰色模型，使灰色过程便“白”。(3)不同生成方式与数据取舍、调整和修改，以提高精度。(4)累减还原数据，得到预测值。3.2模糊预测法模糊预测法以模糊数学为工具，针对不确定或不完整、模糊性较大的数据进行分析、处理，其核心在于以隶属函数描述事物间的从属、相关关系，不再将事物间的关系简单地视为仅有“是”或“不是”的二值逻辑，从而能更客观地对电力负荷及相关因素做出计算和推断。这类模型通过引入模糊数学特有的计算分析操作得出负荷的发展规律，较常规的预测算法在精度、对原始数据的准确度要求及预测结果的提供形式上有很大的改进。它们还可以同时提供符合的可能分布区间及相应的分布概率，而非单一的负荷点。模糊预测法一般可分为两大类：对样本的分类或相似程度作模糊化的预测方法和直接处理负荷值的模糊行预测方法。3.