无迹卡尔曼滤波算法在短期负荷预测中的应用.pdf

《无迹卡尔曼滤波算法在短期负荷预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《电气开关》(2015．No．2)81文章编号：1004—289X(2015)02—0081—05无迹卡尔曼滤波算法在短期负荷预测中的应用何平，吉培荣，陈军(三峡大学电气与新能源学院，湖北宜昌443002)摘要：电力系统短期负荷一般随着时间的变化呈现一定的范围性、非线性的波动。对于非线性短期电力负荷，传统的卡尔曼滤波预测方法难以取得令人满意的结果。为了快速准确高效地预测非线性电力负荷，研究了基于Unscented卡尔曼滤波的，以历史负荷数据、随机干扰因素作为输入的短期电力负荷预测方法。利用该算法对某地夏季9天电力负荷

2、数据进行建模，采用基于脉冲响应序列的Hankel矩阵法辨识模型的阶。并将Unscented算法预测负荷数据与实测负荷数据及传统卡尔曼滤波预测数据进行对比分析，仿真结果证明基于Unscented卡尔曼滤波方法预测非线性负荷是实用而有效的，不仅预测精度较高，而且模型收敛速度快，滤波器稳定性高。为复杂的非线性负荷电力系统模型化提供了一条新途径。关键词：短期电力负荷；预测；Unscented卡尔曼滤波；Hankel矩阵法；非线性中图分类号：TM71文献标识码：BKalmanFilterAlgorithmBasedOnUnsc

3、entedTransformofShort-termLoadForecastingHEP讥g，3lPei—rong，CHENJun(SchoolofElectricalandNewEnergy，ThreeGorgesUniversity，Yichang443002，China)Abstract：Powersystemshort—termloaddataalongwithtimechangepresentscertainrange，nonlinearwave．Inthenon—linearshorttermloadfo

4、recastingmethod，Kalmanfilterdifficulttoachievesatisfactoryresults．Toaccuratelyandefficient-lypredictthenonlinearload，putforwardUnscentedKalmanfilterbasedonshorttermloadforecastingmethod，inputtothehistoricalloaddata、therandomdisturbancefactoras．Modelingofasummer

5、9daysofpowerloaddatabyusingthisalgorithm，theimpulseresponseofHankelmatrixmethodtoidentifythemodelsequencebasedonorder．TheUnscentedfilterpredictloaddataandtherealloaddataandtraditionalKalmanfilterforecastdataanalysis，simulationresultsshowthatUnscentedKalmanfilte

6、rmethodbasedonnonlinearpredictionloaddataisadaptiveandeffective，notonlyhashighpredictionaccuracy，andthemodelconvergencespeed，highstabilityoffilter．Themethodprovidesanewapproachformodelingofhighnonlinearpowersystem．Keywords：short—termload；forecasting；unscentedka

7、lmanfilter；hankelmatrixmethod；nonlinear卡尔曼滤波算法是R．E．Kalman于1960年提出1引言的适合数字计算机的递推滤波方法，主要优点是能充长期以来，研究人员对电力系统负荷预测做了广分利用待测数据过程的相关信息。其用于负荷预泛而深入的研究，不仅提出了许多行之有效的预测算测算法的指导思想是：将负荷分为确定分量和随机分法，如支持向量机⋯、人工神经网络J、灰色预量，确定分量一般采用线性回归模型预测，随机分量采测j、组合预测J、卡尔曼滤波法J、以及人体舒适用卡尔曼滤波算法预测_l，但

8、是在随机变量为强非线度指数的预测方法等，而且针对短期负荷具有的不性随机变量时，滤波难以取得较高的精度。20世纪90确定性和随机性，提出了具有创新性的数据处理策略，年代出现了较新的非线性滤波方法，这类方法采用样如频域分解法、特性矩阵分层分析法等。本加权求和直接逼近随机函数，且其测量更新部分采82《电气开关》(2015．No．2)用卡尔曼滤波的更新