电力系统论文《短期负荷预测的应用》

《电力系统论文《短期负荷预测的应用》》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、电力系统论文《短期负荷预测的应用》　　电力系统论文《短期负荷预测的应用》　　电力系统论文《短期负荷预测的应用》　　电力系统论文《短期负荷预测的应用》　　电力系统论文《短期负荷预测的应用》　　电力系统论文《短期负荷预测的应用》　　电力系统论文《短期负荷预测的应用》　　电力系统论文《短期负荷预测的应用》摘要:阐述了负荷预刚在电力市场中的重要作用及负荷预测的一般过程，介绍了无锡地区负荷预测系统的算法原理、特点及解决的技术难点。指出负荷预测系统的算法全面、界面友好、操作方便、实用性强，是调度工作的得力助手。关键词:负荷预测;算法理论;系统特点;调度管理电力生产要求电力系统随时保持供需平衡，同时

2、向用户提供优质合格的电能，满足各类用户的需求。为了实现这个目标，就必须保证电力系统安全、可靠、经济运行，应掌握负荷的变化及其未来的变化规律。短期负荷预测就是预测未来24h以及未来1周或1年内的负荷变化川。电力系统负荷预测是调度、用电、规划和电力系统经济运行的前提和基础。提高负荷预测水平有利于计划用电管理，合理安排电网的运行方式，以及提高电力系统的经济效益和社会效益。天23点的负荷;明天2点的负荷。点的负荷十c:X明天0点的负荷;负荷预测计算过程电力系统的总负荷是由千万个大小用户构成的，每个用户的用电时间、负荷大小等模式难以确知，对于某个时刻某个用户用电与否、用电多少，只能看成依某种未知

3、概率变化的随机变量，而总负荷就是由千万个随机变量叠加起来的宏观表现。因此总负荷是结构不确定的系统，只能将其看作黑盒子，通过它的外部表现，也就是历史数据，来将其近似看作某个结构确定的系统，然后加以预测。所以负荷预测算法的规则都由以下3步组成[2〕:假设总负荷的变化符合某个确定的系统;用历史数据求出该系统的相关参数;按照该系统的定义向前推演若干步作为预测结果。举例:假设总负荷L符合上式表明下一个时刻的负荷是本时刻负荷与前一个时刻负荷的组合，组合系数。1和由历史数据确定。然后，将多个时段的历史数据代人去求出。l和c2。当组合系数。;和c:解出后，模型就变成确定的公式。如预测明天的负荷:明天o

4、点的负荷。IX今天23点的负荷十:x今天22点的负荷;明天1点的负荷。汉明天0点的负荷+。ZX今明天22点的负荷=。IX明天21点的负荷十。明天20点的负荷;明天23点的负荷=。1只明天22点的负荷十。:沐明天21点的负荷。根据以上公式，计算得到明天24个点的负荷预测数据。由以上过程可以看出:(1)负荷预测的计算量较大，即使是简单的模型，手工计算也较为困难;(2)计算是在假设的前提下进行的，预测的准确与否，由模型是否反映实际所决定。2预测算法对无锡地区负荷变化的观察，总结出一定规律，然后将其归纳为模型或算法，但该模型或算法不可能永远有效。因为无锡地区负荷的构成是变化的，有许多不确定因素

5、〔3〕，故在考虑预测算法时，归纳总结了以往负荷预测的方法，并加以创新，共提供了12种基本算法，即最大可能性1一4、驻点模型、混合动力系统、线性动力系统、神经网络、模式识别等。同时这些基本算法可在每个时间段上任意组合形成另一种预测结果，这样就大大提高了系统的适应性。最大可能性1一4的主要思想是基于数学物理原理:在线性系统中，最容易发生的状态是使系统能量处M于最小时的状态，即如果系统形如x。二艺。，火戈一，，护二lM那么最可能的。是使得E最欲=l小的一组。X并不只能是一个点，可以是向量，可以是矩阵，也可以是方程组，只要满足系统可叠加的结构要求就可以。假设负荷曲线满足可叠加的结构要求，就可采

6、用这种方法。最大可能性1一4就是在这种假设下产生的。现以对周三负荷曲线的预测为例，各模型可表示4种，即最大可能性l(周三，本周二，上周三);最大可能性2(周三，本周二，上周三，上周四);最大可能性3(周三，本周二，本周一，上周三，上周四，上周五);最大可能性4(周三，本周二，本周一，上周四，上周五，上上周三)。以最大可能性1模型为例，(周三，本周二，上周三)的含义是，周三的负荷可用本周二与上周三的负荷拟合出来。混合动力系统模型和线性动力系统模型是属于时间序列类的模型。时间序列模型是指将负荷按时间先后j顷序排成一长串，如}21号9点，21号8点，21号7点，21号6点，21号5点，21号

7、4，点，21号3点，21号2点，21号l点，21号0点，20号23点，20号22点，20号21点，20号20点，}，未来的负荷就是这些数据的组合，求组合系数的过程是自回归过程。前面举例的方法，就是2阶的自回归模型。混合动力系统模型和线性动力系统模型的区别在于，线性动力系统模型采用的是标准移动自回归算法;混合动力系统模型采用的是标准移动自回归算法+非线性过滤+标准移动自回归算法，由3步组成，由于在标准移动自回归算法计算结束后，可发现有很多系数是很