基于统计理论的负荷特性分析及其预测

《基于统计理论的负荷特性分析及其预测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据第31卷第2期2011年4月东北电力大学学报JournalOfNortheastDianliUniversityV01．31，No．2Apr．，2011文章编号：1005-2992(2011)02-0055—07基于统计理论的负荷特性分析及其预测陈墨1，聂宗铭2，夏旭3(1．满洲里达赉潮热电有限公司，内蒙满洲里021406；2．贵州电网公司水城供电局，贵州水城55300t；3．龙嘉机场。吉林长春130524)摘要：电力负荷受气象因素影响越来越大，如何准确确定气象因素是负荷预测研究的重要课题。首先

2、采用统计学方法对影响负荷的气象因素进行分析，找到影响负荷的核心气象因索。再利用GRNN回归神经网络进行预测。经实际系统检验，证明该方法克服了传统气象负荷预测中的主观性，将气象影响因素过程量化，提高了预测结果的精度，是一种适用性很强的方法。关键词：电力系统；负荷预测；气象因素；神经网络中图分类号：TM734文献标识码：A近年来随着经济的发展，用电需求快速增长。负荷波动受到多种因索的影响，既有节假日的影响、天气因素的影响，也有各种偶然因素的影响。在排除偶然因素和节假日因素的影响后，通过分析多种气象因素与电网

3、负荷的相关性，可以找到气象因素与负荷的对应关系，可通过对气象要素来达到对电网负荷进行预测的目的。气象对负荷的影响包括很多因素，比如日最高气温、日最低气温、日平均气温、日降水量、日平均风速、日平均相对湿度、日平均总云量等，如果预测时将这些因素全部考虑，势必增加算法的复杂性，也会使计算量剧增。实际上，各种气象因素对负荷的影响是不一样的，比如气温对负荷的影响最大，而气压的影响就较小。本文应用SPSS．10(StatisticalProductandServiceSolutions)统计分析软件⋯对影响负荷变化

4、的气象因素进行处理，通过统计分析，可以给出负荷与气象影响因素内在联系和规律，得到影响负荷的决定性气象因素，克服了以往对于气象因素根据经验判断，具有主观局限性的缺陷。根据主要的气象影响因素和历史负荷数据组织训练样本，应用GRNN回归神经网络进行预测。经实际系统检验，证明该方法克服了传统气象负荷预测中的主观性，将气象影响因素过程量化，提高了预测结果的精度。1基于SPSS的负荷特性分析1．1主成分分析为了能用少量的气象因素来表征天气状况，本文将气象因子作为一个分析集合，进行气象因子的主成分分析。主成分分析是在

5、基本保持原变量信息不变的前提下，通过原变量的少数几个线性组合来代收稿日期：2011-01—0Is作者筒介：陈默(1971一)，男，满洲里达赉湖热电有限公司副总经理，主要从事发电管理工作．万方数据．．56东北电力大学学报第31卷替原变量并揭示原变量之间关系的一种分析方法‘21。以某地区2007年春季的5个(日最高气温、日最低气温、日平均气温、日降水量、日平均风速)相关气象因素数据作为训练数据，利用SPSS．10的因子分析对相关因素做主成分分析，分析结果如表1所示。表1主成分统计信息表1的主成分1的特征根为

6、2．189，表明其影响了负荷变化的43．788％；主成分2的特征根为1．713，表明其影响了负荷变化的34．250％；主成分3的特征根为1．102，影响了负荷变化的14．031％。前3主成分累计贡献率达到了92．069％，表明这3个主成分提供了原始数据的足够信息，因此提取前3个作为气象因素的主成分。2．2多元线性回归分析‘利用SPSS．10的多元线性回归方法，分析多个变量之间依存变化关系及线性相关特性，确定负荷与气象因素的依存关系[3．4】。软件应用需要事先确定选人自变量的标准，开始时，方程中只含常数项

7、，按自变量对因变量的贡献率大小由大到小依次选人回归方程。每引入一个自变量，都会对已在方程中的变量进行F似然比检验，对符合剔除标准的变量逐_剔除。为了反映气象因素与最大负荷的影响作用[3】，仍采用上述地区2007年春季的电力负荷进行日最大负荷与气象因素的逐步线性回归，结果见表2和表3。裹2回归系数值非标准化系数标准化系数，’检验显著性双向方差标准差JIB值双向方差标准差常数项1066．324—16．764157．6550．000日最高气温，‘一6．8380。469’、一0．83814．5900．000日最

8、低气温’1．4690．2170．7639．3300．000表2给出了拟合未标准化和标准化之后的回归系数值；表3反映的是多元线性回归拟合模型中没有进入模型变量的检验情况，最终得到方程为¨J：L一=1066．324—6．838Zo+1．469F2，其中，L一代表日最大负荷；‰代表日最高气温；B表示日最低气温。通过回归方程可以发现日最大负荷与最高气温最为有关，说明该地区该季节温度积累效应不强。以下对线性回归方程拟合优度进行检定：通过观察图l所示的