灰色理论在负荷预测中的应用的论文

《灰色理论在负荷预测中的应用的论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、灰色理论在负荷预测中的应用的论文[摘要]电力系统的负荷预测是电力规划、生产和运行等工作的重要基础，准确的负荷预测有利于提高电网运行的安全稳定性，增强供电可靠性，从而提高电力系统的经济效益和社会效益。首先分析预测模型的要求及对各种预测方法的简单介绍，以一个已开发的《基于灰色理论的电力负荷预测系统》为例简单探讨灰色理论在负荷预测中的实际应用。　　[关键词]负荷预测预测模型灰色理论　　一、概述　　　　电力系统负荷预测是实现电力系统安全、经济运行的基础，对一个电力系统而言，提高电网运行的安全性和经济性，改善电能质量

2、，都依赖于准确的负荷预测。因此，负荷预测的关键是提高准确度。此外，从发展来看，负荷预测也是我国实现电力市场的必备条件，具有重要的理论意义和实用价值。　　负荷预测是从已知的用电需求出发，考虑政治、经济、气候等相关因素，对未来的用电需求做出的预测。负荷预测包括两方面的含义：对未来需求量（功率）的预测和未来用电量（能量）的预测。电力需求量的预测决定发电、输电、配电系统新增容量的大小；电能预测决定发电设备的类型（如调峰机组、基荷机组等）。　　根据不同的预测目的，负荷预测可分为超短期、短期和中长期的预报。一般说来，一

3、小时以内的负荷预测为超短期负荷预测，用于安全监视、预防性控制和紧急状态处理；日负荷和周负荷预测为短期负荷预测，分别用于安排日调度计划和周调度计划；月至年的负荷预测为中期负荷预测，主要确定电网的运行方式和设备大修计划等。.　　　　二、负荷预测模型的基本要求　　　　电力负荷预测是依据负荷历史资料及相关影响因素建立一个模型，然后对该模型进行评价后用来预报，无论采用什么计算方法，都离不开建立在历史数据及相关因素上的预测模型，模型精度决定了预测的准确性。　　（一）负荷预测模型应能满足下述要求　　1．提供包含有长期预测

4、、中期预测、短期预测、超短期预测等各种方式的预报手段，而且预测的时间间隔可由用户自定义。　　2．预测模型应能反映负荷随季节、星期及一天内24小时等周期性波动的特点，又能反映负荷自然增长的内在规律，同时能反映负荷受气温、日照等气象条件的影响。　　3．对于包括节假日在内的广义特殊事件的负荷预测应建立专用预测模型，且能提前预测。　　4．提供各种类型的预测方法与模型，并且能对历史数据的合理性进行检查、修正，具备误差分析和自动不良数据检测、辨识功能。　　5．预测系统应当既可进行整个区域或电网系统的负荷预测，又能进行分

5、地区电网系统的负荷预测；既可以进行离线负荷预测，也可以进行实时在线负荷预测；　　（二）提高负荷预测准确性的难度　　1．气象因素一直是影响负荷的主要因素，特别是对短期负荷预测的影响尤为重要，不同的气象因素影响程度又随用户类别而异，作为可估计的随机事件，气象预报的不准确会造成预测结果的双重误差。　　2．特殊事件的不确定性将造成负荷预测的较大误差，当今特殊事件的出现趋于频繁，给预测带来了难度。　　3．反映负荷周期性、趋势性及与影响因素之间关系的样本数目难以确定。　　4．随机负荷部分并非平稳的随机序列。　　5．网省

6、级大电网负荷变化有较强的统计规律性，预测结果较准确。而地区级电网的统计规律不甚明显，不能稳定地指导负荷预测。　　任何一种算法都不能保证在所有情况下精度很高，要想提高负荷预测的精度，我们还需要做大量的工作。　　　　三、提高负荷预测精度的措施　　　　（一）原始数据的预处理　　我们都知道，任何负荷预测都是基于原始数据的，因此，原始数据的正确与否决定预测结果的精度。而原始数据往往都是从ems系统实时采集的，由于动态的数据采集有时会出现通道故障、拥堵等现象，相应的数据采集程序就会中断，造成了原始数据的错误与不真实。所

7、以，在程序设计中，首先应针对原始的各种不真实现象进行预处理，力求将设备造成的随机的影响据之于预测过程之外。　　（二）随机因素（冲击负荷）捕捉　　大家都知道，在负荷的构成中有许多类似于电炉、轧钢等冲击性的负荷，这种负荷的特点是起停快、持续时间短、随机性强、数值较大，而负荷预测的精度要求在2％以内。因此处理好冲击负荷的影响对于提高精度有很大的影响。所以在原始数据的处理中必须考虑到冲击负荷。我们使用的方法是有效值法，通过对冲击负荷的分析和处理，得到其有效值，然后叠加到平滑后的负荷曲线上，这样的处理结果便可以应用于

8、负荷预测中了。　　（三）提高影响因素的预测精度以及影响因素的量化处理　　负荷预测不仅仅要使用历史数据，还要考虑各种对负荷有较大影响的因素，如气象因素、政治因素、重大活动等。这些因素都会与历史数据一样作为预测程序的输入值。因此，这些因素的准确度直接会对负荷预测结果造成影响。因此，必须对这一类数据必须进行适当的量化处理：一是依靠经验值，并且调试后不断改进，力求准确，二是由程序识别，通过回归等方法动态赋值。前一种方法比