电力负荷预测技术及其发展趋势

电力负荷预测技术及其发展趋势 三峡大学 周亦山 夏昌浩 王成江 摘 要 介绍了电力系统负荷预测方法的几种分类方法\神经网络负荷预测方法及其在短期负荷预测中的研究情况9 也指出了负荷预测技术的发展趋势O 关键词 电力系统 负荷预测 神经网络 小波 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 专家系统 引言 电力负荷预测是制定发电 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 和电力系统发展 规划 污水管网监理规划下载职业规划大学生职业规划个人职业规划职业规划论文 的基础9 精确的负荷预测对于电力系统经济\安全\可靠地运行具有重要 意义O随着现代科学技术的快速发展9各种各样的负荷预测方法 不断涌现O电力系统负荷具有是不可控性和具有按天\按周\以及 按年的周期性变化特性9负荷预测具有不准确性\条件性\时间性 和多方案性O负荷的组成是多种多样的且不断变化的9其影响因 素也是多种多样的9组成负荷需求的社会是一个大系统9负荷预 测是一个系统工程9想用某种单一的理论去研究负荷预测是困难 的9所以需要广泛研究各种负荷预测方法O ]负荷预测方法分类 负荷预测方法分为经典经验方法和近现代方法9其分类如下 图]所示O 科技信息 高校理科研究 负荷预测方法也可分为通用预测法和专用预测法 G 前者如回 归分析法 指数平滑法 时间序列法 灰色系统方法 卡尔曼滤波 法 谱分解法 专家系统法 小波分析法 混沌方法 神经网络法等 (见文献[1]) 9后者分为年度序列量特殊预测法 月度序列量特殊 预测法和日负荷曲线预测法 G 年度序列量特殊预测法是指规划领 域的传统方法9例如9对全社会需电量的预测9由于它与国民经济 的发展密切相关9可以利用弹性系数法 P 综合电耗法和人均 用电法进行预测 ;对于产业用电可以用产值单耗法进行预测 G 月 度序列量特殊预测法是指利用月度量的空间网状发展规律的特 点而建立的预测方法 G 日负荷曲线预测法是指基于负荷形状的预 测方法9包括典型工作日负荷曲线法 典型休息日负荷曲线法和 主要节假日负荷曲线法 G 电力系统负荷预测可分为系统负荷预测和母线负荷预测两 类9系统负荷预测按周期分为超短期 短期 中期和长期负荷预 测9母线负荷预测由系统负荷预测取得某一时刻系统负荷值9并 将其分配到每一母线上 G 母线负荷预测的模型有: ( 1)树状常数负荷模型: 将上一级负荷按比例分配到下一级 负荷 G ( Z )考虑负荷区域不一致性的模型: 最高层系统负荷到第二 层区域负荷之间采用随时间变化的分配系数9在第二层区域负荷 到第三层母线负荷之间仍可以采用常数型的分配系数 G ( 3)考虑负荷类型不一致的模型: 最高层系统负荷到第二层 类型负荷之间采用随时间变化的分配系数9在第二层类型负荷到 第三层母线负荷之间仍可以采用常数型的分配系数 G ( 4)混合负荷模型: 最高层系统负荷到第二层类型负荷之间 采用随时间变化的分配系数9在第二层类型负荷到第三层区域负 荷之间采用随时间变化的分配系数也可以采用常数型的分配系 数 G 在第三层区域负荷到第四层母线负荷之间一般采用常数型的 分配系数 G Z 神经网络方法及其在短期负荷预测中的研究情况 传统的负荷预测数学模型是显式的具有局限性 G 影响负荷变 化的因素非常多9隐含着某种非线性关系9很难用一个显式的数 学公式予以表示 G 神经网络是一个具有高度非线性的超大规模连 续时间动力系统9可以映射任意复杂的非线性关系9通过学习能 把样本隐含的特征和规律分布于神经网络的连接权上9因此9近 年来在电力负荷预测中得到了广泛应用 G 国外对于负荷预测的研究开展较早9美国华盛顿大学的 D. C. Park等人最早将神经网络应用于短期负荷的预测9将传统 模型中无法考虑的天气因素加入到模型中9得到了神经网络负荷 预测模型比传统预测模型预测精度更高的结论 G 但是 D. C. Park 的模型中没有考虑日类型9节日等其他因素9部分预测结果误差 较大 G EAMohamed 等人提出的针对埃及联合电网 ( EU )的小时 负 荷预测模型中使用了 3 层结构的神经网络9测试结果为: 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 差为 Z . 93% 9最大误差 11. 47%出现在 1 月 Z3 日 G 尽管在模型中 考虑了日类型9从预测结果来看9工作日的预测误差较小9但是休 息日的预测误差较大 G 另外9在模型中没有考虑气温等天气状况9 这将降低模型的精度 G 为弥补此不足9应该在模型中加入前一天 及前一周的负荷状况 G 国内在 9O 年代以前也有关于负荷预测的研究9但是大都侧 重电力需求的中长期预测9主要用于电力规划 G 随着我国社会主 义市场经济的不断完善9电力企业逐步走向市场9电力系统的经 营方式从垄断转变为市场竞争将成为必然 G 而且9短期负荷预测 是电力市场的基础工作9随着电力市场改革的深入开展9其作用 日 益重要9国内的学者也从 9O 年代中期开始纷纷展开了人工神 经网络在短期负荷预测领域的研究 G 于尔铿 汪峰等人从事 EMS/ DMS和电力市场的研究9在其关于能量管理系统的 EMS 讲座中9系统的阐述了电力系统负荷预测的方法 G 提出的小时负 荷预测模型中将负荷按各种分量进行拆分9分别用神经网络与 AR 方法建模9但是9模型中没有考虑天气因素9模型受到一定的 影响 G 当前国内电力短期负荷预测研究备受瞩目9很多学者提出了 自己的看法 G 单渊达等采用径向基函数( RBF)为神经网络预测系 统前向网络学习提供了一种新颖而有效的手段 G 牛东晓等则引入 了小波神经元网络电力负荷预测模型9它是以非线性小波基为神 经元函数9通过伸缩因子和平移因子计算小波基函数合成的小波 网络 G 负荷预测问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 不仅是非线性问题9而且许多因素对负荷的 影响是模糊的9如气象条件对负荷的影响很难建立准确无误的预 测模型9神经网络具有很强的学习能力9但其信息处理过程是难 以理解的9模糊系统是透明的9但学习能力较弱9两者可以互相补 偿 G 3 负荷预测技术的发展趋势 电力系统将是一个数字化 信息化 互联 交直流并存 电能 质量大大提高的强大系统 G 电力科技与其他学科发展将会更加交 融和促进9电力系统与许多领域发展的相关性变得越来越大9特 别是信息融合技术出现后9在解决同一个问题时9会有许多的不 同领域的办法9各学科也不再分得那样细9人工智能9专家系统9 统计学理论9小波理论 模糊理论9灰色理论等均已经与电力系统 的许多领域相结合并在实际中也解决了许多问题 G 使得负荷预测 技术具有如下发展趋势: 1)近现代方法取代经典 经验方法9综合考虑影响负荷的各 种因素 二十世纪 6O 年以来提出的回归法 时间序列法 指数平滑法 主要基于负荷形状及函数形式对负荷进行研究9主要把负荷预测 的不确定性归为随机性9运用概率论与数理统计的方法进行处 理9存在的缺点有:模型的定阶 求解 识别困难 ;模型的适应性不 强 ;模型与数据不分离9建模所需数据量大9运算速度慢 ;精度低 等 G 灰色预测法 专家系统法 卡尔曼滤波法 小波分析法和神经 网络法除了考虑负荷形状等因素外9还涉及影响负荷的许多外在 因素9如天气状况 日期特征等9因而精度进一步提高9具有较好 的发展前景 G Z )人工智能技术与现代数学理论结合应用 包括神经网络在内的人工智能技术可以广泛应用于短期甚 至中长期负荷预测 G 除了各种单一人工智能技术的应用负荷预测 外9还有神经网络和模糊系统的结合 神经网络与遗传算法的结 合 神经网络与混沌方法的结合 神经网络与专家系统及模糊系 统的结合 神经网络与小波分析方法的结合等正成为研究热点 G 3)应用组合预测技术 单一预测方法所用的信息是有限的9不同的预测方法所用信 息是不会完全相同的9将各种单一预测结果进行组合可以得到组 合预测结果 G 但也不能说组合预测结果就一定比单一方法预测结 果好 G 如果找到一个能够反映负荷变化规律的单一模型9则用这 个模型进行预测是合适的9如果这种模型找不到9或者把握不大9 也可以从不同预测角度建立多种模型进行组合预测 G 组合预测集 多种预测模型的信息9往往能够达到改善预测效果的目的9也是 一种新颖而可行的预测方法 G 参考文献 [ 1]夏昌浩9系统负荷通用方法概述 [J]9四川水力发电9 ZOOZ9Z1( 1) [Z ]吉培荣9胡翔勇9夏昌浩9电网负荷的非线性灰色预测 [J]9华北电力技术 199994 [3]夏昌浩等9神经网络短期负荷预测模糊化改进[J]9电力 学报9ZOO1916( 1) [4]邵莹9基于模糊集理论的短期电力负荷预测[J]9信息技 术9ZOO595 [5]张步函9一种基于小波神经元网络的短期负荷预测方法 [J]9电网技术9ZOO49Z8( 7) [6]Al-Kandari AM9Soliman SA9El-~awary ME9Fuzzy Short-term Electric Load Forecasting9Electrical Power Systerm Research9Z OO49( 7O) [ 7 ] Fausto Cavallaro9 Electric load analysis using an artif icial network9 International Journal of Energy Research9 Z OO59 ( Z9) 17 科技信息 高校理科研究 电力负荷预测技术及其发展趋势 作者： 周亦山， 夏昌浩， 王成江 作者单位： 三峡大学 刊名： 科技信息(学术版) 英文刊名： SCIENCE & TECHNOLOGY INFORMATION 年，卷(期)： 2006(9) 被引用次数： 1次 参考文献(7条) 1.Fausto Cavallaro Electric load analysis using an artificial network 2005(29) 2.Al-Kandari AM;Soliman SA;El-Hawary ME Fuzzy Short-term Electric Load Forecasting 2004(70) 3.张步函 一种基于小波神经元网络的短期负荷预测方法[期刊论文]-电网技术 2004(07) 4.邵莹 基于模糊集理论的短期电力负荷预测[期刊论文]-信息技术 2005(05) 5.夏昌浩 神经网络短期负荷预测模糊化改进[期刊论文]-电力学报 2001(01) 6.吉培荣;胡翔勇;夏昌浩 电网负荷的非线性灰色预测[期刊论文]-华北电力技术 1999(04) 7.夏昌浩 系统负荷通用方法概述[期刊论文]-四川水力发电 2002(01) 引证文献(1条) 1.陈跃芳.吴国忠 夏季短期电力负荷预测的MGM(1,n)建模及应用[期刊论文]-机电工程 2007(4) 本文链接：http://d.g.wanfangdata.com.cn/Periodical_kjxx-xsb200609035.aspx