emd和高斯过程回归模式理念下短期电力负载预测方法分析

《emd和高斯过程回归模式理念下短期电力负载预测方法分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、EMD和高斯过程回归模式理念下短期电力负载预测方法分析第一章绪论电力负荷预测作为电力系统中的一个经典问题，长期以来倍受运行、研究人员关注。随着电力市场化运行机制的推进，提高负荷预测的准确度，对供电可靠性、经济性和供电质量都有着极其重要的作用。然而由于电力系统的复杂性，负荷受到众多相关因素的影响，这使得准确的负荷预测变得愈加困难。本章阐述了电力系统负荷预测的研究背景和意义，分析了电力负荷预测的特点，综述了国内外负荷预测的研究现状和研究动向，并对论文的内容安排作了详细介绍。1.1论文选题的背景和意义电力系统负

2、荷预测是根据电力负荷、社会、经济、气象等历史数据，探索历史负荷数据变化规律对未来负荷的影响，寻求电力负荷与各种相关因素之间的内部联系，从而实现对未来负荷的科学预测。准确的负荷预测对电力系统许多部都起着至关重要的作用，涉及电力系统规划和设计、电力系统运行的可靠性、经济性和安全性以及电力市场交易等诸多方面，己经成为当今电力系统运行和管理中的一个重要研究领域。为各类用户提供经济、可靠以及高质量的电能是电力系统的主要任务。在电力系统发展规划阶段，若负荷预测值偏低，则会导致系统的装机容量、输电规划等不足，不能满足社

3、会的实时用电需求，甚至还可能导致缺电;若负荷预测值偏高，将会导致一些发电、输电设备投入系统后运行效率不高，引起投资的浪费。电力进入市场化运行后，负荷预测实际上是对电力市场需求的预测。由于电力供应和需求要保持瞬时平衡，这就决定了电力行业的预测比其他预测更加紧迫，同时也使人们意识到，只有做好电力系统负荷预测工作，才能实现电网安全、经济运行。作为电力设计、运行和管理等部门的基本工作之一，负荷预测其重要性不言而喻，且随着电力市场的逐步推进，它更将成为电力营销等部门的工作重点。电力系统负荷预测按预测指标分类可分为电

4、能预测和功率预测两类;按预测时间长短不同可分为长期、中期、短期和超短期预测等。十年以上并以年为单位的预测为长期负荷预测，五年左右并以年为单位的预测多为中期负荷预测。中长期负荷预测用以确定新的电源投建与电网的扩建策略。以月、周、天、小时为单位的负荷预测通常称为短期负荷预测。超短期负荷预测是对未来一小时、半小时甚至15分钟的负荷进行预测。短期、超短期负荷预测的意义在于确定燃料的使用，便于机组起停;对运行中的电厂出力要求提出预告，估计发电机组的出力变化，降低热备用容量;在保证电力系统安全稳定运行的前提下，尽可能

5、经济合理地安排机组检修计划。国外由于经济增速平缓，负荷发展变化规律趋于稳定，关于中长期预测的研究比较少，主要集中在短期预测。国内由于经济增速快，中长期预测也是难点，因而在短期预测和中长期预测领域均开展了大量研究工作，并取得了许多卓有成效的成果。本文主要是对短期电力负荷预测方法进行探索。电力负荷预测对电力系统的安全稳定运行和经济性都有着重要作用，预测的准确度直接影响着发电、供电等多方的经济效益。国内外学者对此课题进行了深入的研究，提出了众多方法，取得了一定的效果。但是负荷预测结果不仅受历史负荷影响，还受到众

6、多非自身因素的影响，譬如负荷具有明显的地区性特点，且受气象因素影响大，因而研究自适应的负荷预测方法就显得尤为迫切。电力负荷的预测水平已经成为评估电力运行调度管理是否成熟的重要标志，特别是对于我国正处于经济高速发展时期，电力作为拉动工农业发展的火车头，负荷预测就更加成为当前面临的艰巨工作。1.2电力负荷预测的特点及研究现状1.2.1电力负荷预测的特点预测是指对目前尚未发生或不明确的事物进行预先的估计和推断。许多行业和领域都存在预测问题，比如人们熟悉的经济预测、股票预测、天气预测，还有人口预测、市场需求和销量

7、预测、电力负荷预测等等。任何定量预测问题从本质上来说都可视为一个时间序列预测，它指在未来的某一时间内对预测对象的数值进行预测，因而需要对预测对象的历史数据进行分析，得出一些相关变化规律，然后用于预测。从大的方面来说，时间序列预测方法可分为确定性时间序列预测和随机性时间序列预测。确定性时间序列预测法是指利用反映事物具有确定性的时间序列进行预测的方法，包括平均法、指数平滑法、趋势外推法和季节性指数预测法等。随机性时间序列预测法是指利用反映事物具有随机性的时间序列进行预测的方法，包括马尔柯夫链法、卡尔曼滤波法、

8、神经网络法等。时间序列预测结果的表现形式通常有点预测、区间预测、概率密度预测三种。点预测称为确定性数值预测，它是实际应用最多的一类预测方法，点预测的结果对于未来某个时期是一个确定的数值。区间预测也是预测未来某个时期的数值，但它的结果不是一个简单确定的数值，而是对应了一个区间，这个区间表明了一定水平的期望概率。概率密度预测的结果给出了未来值的一个完整概率分布。在实际中，应用最多的是点预测，因为区间预测和概率密度预测主要依赖于推导