电力系统负荷预报的matlab实现

上海工程技术大学毕业设计（论文）电力系统负荷预报的Matlab实现1摘要电力系统负荷预测是电力生产部门的重要工作之一。通过准确的负荷预测，可以合理安排机组启停，减少备用容量，合理安排检修计划及降低发电成本等。准确的预测，特别是短期预测对提高电力经营主体的运行效益有直接的作用，对电力系统控制、运行和计划都有重要意义。神经网络具有以下优点：（1)可以任意逼近复杂的非线性函数；（2）所有定量或定性的信息都等势分布贮存于网络内的各神经元，故有很强的鲁棒性和容错性；(3)采用并行分布处理方法，使得快速进行大量运算成为可能；(4)可学习和自适应不知道或不确定的系统；(5)能够同时处理定量、定性知识。负荷曲线是与很多因素相关的一个非线性函数，神经网络对于抽取和逼近这种非线性函数是一种很好的方法，用神经网络技术进行电力系统短期负荷预报可获得较好的精度。本文介绍了电力负荷预测的主要方法和神经网络的原理、结构，分析了反向传播算法和广义神经网络算法，采用改进的三层人工神经网络来建立负荷预测模型，以前七天的负荷数据和当天影响负荷的天气因素作为数据样本，进行神经网络的自我训练和学习。用Matlab软件中分别实现了基于BP和GRNN的两种神经网络的短期电力负荷预测，取得了良好的预测效果，并对两种神经网络的仿真结果进行对比，结果表明GRNN的相对误差率比BP的相对误差率要小，这说明GRNN的仿真效果胜于BP。关键字:短期负荷预测,人工神经网络,BP算法,广义回归神经网络上海工程技术大学毕业设计（论文）电力系统负荷预报的Matlab实现2PowerSystemLoadForecastMatlabAbstractPowersystemloadforecastingpowerproductiondepartmentisoneofthemostimportantwork.Throughthepreciseloadforecast,canarrangeunitstart-stop,reducethesparecapacity,reasonablearrangementofthemaintenanceplanandreducepowercost,etc.Accurateprojections,especiallytheshort-termforecasttoimprovetherunningefficiencypoweroperatorshavedirecteffect,onpowersystemcontrol,operationandplanstohavetheimportantmeaning.Neuralnetworkadvantages(1)canbearbitraryapproximationcomplexnonlinearfunctions;(2)allquantitativeorqualitativeinformationstoredinthepotentialdistributionastheneuronsinthenetwork,ithasstrongrobustnessandfaulttolerance;(3)usingtheparalleldistributedprocessingmethods,makingquicklotsofcomputingbecomepossible;(4)canlearnandadaptivedon'tknoworuncertainsystem;(5)cansimultaneouslyprocessingquantitativeandqualitativeknowledge.Thispaperbasedonmatlabsoftwaretoshort-termneuralfunctionpowerloadforecasting,inthepredictionprocessofneuralnetworkachievedgoodpredictioneffect,mainlyusingBPandGRNNoftwokindsofneuralnetworktopredictmajorelectricityload.Thentheforecastresultsareanalyzed,inMatlabsimulationmodeltoestablishtwoneuralnetwork,thesimulation上海工程技术大学毕业设计（论文）电力系统负荷预报的Matlab实现3resultsareanalyzed,getgoodresults.Withthetwoneuralnetworkcomparedthesimulationresults,theresultsshowthattherelativeerrorratethanBPGRNNtherelativeerrorrateissmall,itshowsthesimulationresultisbetterthanBPGRNN.Keyword：Short-termloadforecasting,Artificialneuralnetwork,BPalgorithm,Generalizedregressionnervenetwork上海工程技术大学毕业设计（论文）电力系统负荷预报的Matlab实现4电力系统负荷预报的matlab实现0引言近几年来，中国电力工业正在进行前所未有的电力体制改革，电力市场运营机制将逐步在我国建立。随着国内电力市场的逐步开放并投入运营，对电力系统负荷预测的研究也越来越引起人们的关注。由于影响电力负荷的因素有很多，包括天气，地理位置，月份，节假日等等。这些都会直接影响到用电量的大小，所以单靠经验并不能解决所有的预测问题。如果负荷预测的结果比实际值低，那么会导致电网的供电能力不足，电能质量降低，无法满足用户正常供电的要求，甚至严重的会造成系统瓦解崩溃；反之负荷预测的结果比实际值偏高，则会导致超前投资，安装好的设备不能充分利用，被闲置一边，降低了企业的投资效益。另外我国经济正处于发展阶段，并具有很大的潜力，从长远的来看，我国电力供需形势不容乐观，依然面临很大的挑战。所以做好负荷预测工作具有十分重要的意义。人工神经网络具有自学习，自组织，自适应和容错率高的一系列优点。在国外很多国家都用神经网络对电力负荷进行预测，并取得了良好的预测效果。人工神经网络在无需建立数学模型的情况下可实现预测值和每天实际数据的实际值之间的非线性映射关系。本文重点研究了BP神经网络和GRNN神经网络在电力负荷预测中的应用，并对BP和GRNN两种神经网络的结构与原理进行简要的概述。利用BP和GRNN算法建立的神经网络对短期电力负荷进行预测，对两者的优缺点以上海工程技术大学毕业设计（论文）电力系统负荷预报的Matlab实现5及算法上进行比较。1概述1.1电力负荷预测背景电力系统负荷预测的实质是对电力市场的需求进行预测，是保证电网安全稳定运行，合理编制电网运行方式，做好电网供需平衡的关键性工作，也是“三公”调度和电力市场+运营的重要基础工作。众所周知，电力工业与一般其他的产业不同，其产品是无法储存的，电力的生产和消费必须在一瞬间进行，电站建设投资大，建设周期长,电能在国民经济的各个行业和人民群众的日常工作中占有举足轻重的地位，尤其现在面临一个相当长的时期内电力系统调度，生产部门和计划部门等管理部门的重要日常工作中来，成为电力市场运营机制中考核供电企业的一项重要指标。标准的负荷预测，将为电源的合理分布，适时的电网规划设计，最佳的投资时间以及获得最大的经济利益和社会效益提供科学的决策依据，以及电网的安全经济可靠地运行提供最基本的保证。他决定了发电，输电和配电等方面的合理安排，负荷预测的准确与否直接关系到电力系统的安全经济运行，国民经济发展等诸多方面。所以在这种背景下发展电力负荷预测项目有较好的前景，这符合我国国家的发展。1.2电力负荷预测的目的及意义电力系统负荷预测可以分为长期，中期，短期以及超短期负荷预测，分类的不同对应不同的用途：长期负荷预测所覆盖时间从未来数年到数十年不等，主要用于各类发电厂机组检修安排和电网的发展安排；中期负荷预测一般指未来一年之内的负荷预测，用于安排电气设备大修计划及水库的经济运行；短期负荷预测一般是指24小时的日负荷预测和168小时的周负荷预测，目的主要用于各个点成安排日/周发电计划等；超短期负荷上海工程技术大学毕业设计（论文）电力系统负荷预报的Matlab实现6预算是指未来一小时以内的负荷预测，目的主要用于AGC(自动增益控制)和电气设备的安全监视。其影响主要表现在以下几点：(1)短期负荷预测对制定电力市场实时电价的影响。实时电价即动态电价，是电力市场的重要表现，也是电力市场的杠杆和核心内容。它会直接决定供电企业和发电厂的经济效益，只有在参考短期负荷预测的基础上，才能制定出适宜的实时电价，取得市场竞争的主动权，而不是消极地、被动地接受，这样才能保证企业、电力市场健康地发展。(2)短期负荷预测对结算电量的影响。在电力市场中，结算电量是按不同的时段(低谷、平段和高峰)进行的，所以要将结算电量按负荷预测后的曲线分配到各个时段上，然后按实时电价和合同电量进行结算。如果短期负荷预测与实际值偏差太大，将会造成不同时段的结算电量不正确，导致发电厂和供电企业之间收入不合理，产生不必要的矛盾。(3)短期负荷预测对电力市场分析与评估系统(AnalysisandAssessmentofElectricityMarket，简称AAEM)的影响。电力市场分析与评估系统是对电力系统未来供需状况进行信息采集及分析的综合系统。通过采集、分析相关信息，模拟未来时段内的市场行为，分析预测系统在短期、中期供求平衡和安全情况，及时向市场公布。目的是使市场成员尤其是发电公司能够提前了解市场一周乃至一年的负荷预测、发电计划、用电计划、检修计划及电网安全约束条件等，在此基础上，进行投资和发电报价的决策，从而减少发电公司生产的盲目性。可见，精确的负荷预测对电力市场的发展具有重大的作用。(4)短期负荷预测对广大用户的影响。由上述(1)所言，实时电价是建立在负荷预测的基础上，每日不同的时段对应不同的电价。所以用户基于从用电价格考虑，特别是大、中用户，总是希望尽可能地了解不同时段的出现时间，来安排低电价时段用电，减少电费支出，达到降低生产成本、上海工程技术大学毕业设计（论文）电力系统负荷预报的Matlab实现7提高经济效益的目的。这样也可以使得整个电力系统的负荷曲线变得平稳、光滑，从而达到电力部门所希望的削峰添谷的良好用电局面。从目前研究短期负荷预测的众多方法上看，已经积累了丰富的理论和实际经验。然而，需要重点明确：电力系统的负荷是受很多因素的影响，这些因素包含负荷的组成，负荷随时间的变化，外界气象(气温、能见度、风力等)的变化，节假日等等。所以，不同的电力系统对应有不同的负荷规律性，还需人们具体地开发和研究。1.3短期电力负荷预测的主要方法1）时间序列法(又称趋势外推法)负荷预测的时间序列法是在Box—Jenkins所提出的用于解决随机时间序列问题的时间序列法的基础上发展而来的。它的模型主要有：白回归模型(AR)，动平均模型(MA)，自回归动平均模型(ARMA)，累积式自回归动平均模型(ARIMA)等。它们的区别在于：自回归模型表示函数值可以用它本身的过去值的有限项的加权和以及一个干扰量来表示；动平均模型表示函数值可以用现在值和过去值的干扰量的有限项的加权和来表示；自回归动平均模型则表示函数值可以用其过去值的有限项的加权和以及现在和过去的干扰量有限项加权和进行叠加；累积式自回归动平均模型则适用于方程中含有趋势分量的非平稳随机过程。当预测对象复杂，影响因素较多而且之间又相互制约时，使用该方法较好。时间序列法就是对历史负荷资料进行整理归类，设法建立一个数学模型来描述负荷的变化规律，并通过对有关数据的分析研究确定模型的方程和参数，形成预测模型以后即可利用已知的负荷数据对未来的负荷进行预测。由于该方法的前提是假设事