论对于短期负荷预测的方法及其应用

《论对于短期负荷预测的方法及其应用 》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、论对于短期负荷预测的方法及其应用论文关键词：电力系统负荷预测数据　论文摘要：目前短期负荷预测方法通过利用最新的历史负荷数据，可以预测当日当前时刻以后若干小时的未知负荷，其预测精度明显高于常规的短期负荷预测。为满足电力市场实时交易对负荷预测的新要求，将这种方法应用于修改历史负荷坏数据和补足当日未知负荷数据，以协助提高短期负荷预测的准确度。　　　　　　短期负荷预测是电力市场运营中不可少的计算。短期负荷预测结果准确与否，对系统运行的经济性、安全性有很大影响。　　对于任何负荷预测系统，要提高预测的准确度，需要具备两

2、个条件：第一，良好的预测基础；第二，充足的参考信息。在电力领域，对于常规的短期负荷预测系统，这两个条件体现为：首先，给负荷预测系统提供充足的、完整而且准确的历史数据样本；其次，在预测过程中充分的引入最新的负荷相关信息。　　　　一短期负荷预测的方法　　短期预测的基本思想是：利用预测时刻以前的历史负荷数据，用几种不同的方法做预预测，可以预测该时刻以前的系统负荷，根据各方法的预测精度确定这些方法在综合模型中的权重；利用这一权重，使用昨天及以前的历史负荷数据，做今天预测时刻后的全日未知负荷的预测。由于利用了预测时刻

3、以前的最新的负荷信息，因此，用这种方法大大提高了负荷预测的精度。　　短期负荷预测方法的关键是：以当日已经发生的负荷的变化模式作为全日未知负荷变化规律的参考，在此基础上预测出未知的负荷值。其隐含的原理是：对于同一日，在一天内的天气等负荷敏感因素不发生突变的情况下，其全日负荷的变化模式不会发生突变。　　下面用这个方法解决限制短期负荷预测准确度提高的两个问题。　　　　二修正历史负荷坏数据　　历史实况负荷数据是负荷预测系统建立算法模型的基础，其数据质量的好坏直接影响负荷预测准确度。历史负荷中的坏数据需要处理。　　传

4、统的短期负荷预测方法一般凭靠人工经验完成这些坏数据的修正，或采用简单的辨识、平滑方式处理坏数据，这些方式均有很大的局限性，其效果也不理想。　　采用短期负荷预测方法对历史坏数据点进行修正，具有简单有效、适应性好、准确度高的特点。　　负荷预测应用中的历史负荷坏数据有两类。一是数据采集系统（SCADA）采集设备或传输设备质量不高，造成一些瞬时丢失的坏负荷数据点（称为通道坏数据）；二是电力系统中，一些人为或非人为的突发事件影响用电负荷，造成持续时间较长的畸变负荷数据点，这是不可预见的负荷变化。　　这些坏数据点（包括

5、通道坏数据、畸变坏数据，）若不作处理，直接作为数据样本参与预测，必然降低负荷预测的准确度。　　采用短期负荷预测方法对坏数据点进行修正的原理是：辨识出历史日中的正常数据点和可疑数据点；以正常数据点为已知条件，采用短期负荷预测方法完成对可疑数据点的预测，用预测结果修正这些可疑数据点。其修正步骤如下：　　（1）辨识可疑数据点　　坏数据点往往具有数值突变的特征。通过这个特征可以辨识出历史负荷数据中的可疑坏数据点。实现辨识的方案并不唯一，笔者采用的方案为负荷数据突变辨识。　　对于不同的电力系统，其负荷数据中存在的正常

6、的随机变化量幅度不同，通过提高或降低判断标准，即可收紧或放宽对可疑数据点的认定。任何一种可疑数据判断机制都可能造成一定的误差（误判或漏判），但是，在采用短期负荷预测进行坏数据修正时，由于依据的是有规律的预测结果完成修正，所以所认定的可疑数据点多几个点或少几个点并不会对修正结果造成太大的影响。这正是这种修正方案独特的优势所在。　　（2）修正可疑数据点　　修正历史数据中的可疑数据是短期负荷预测系统的要点和难点之一。准确的修正可疑数据点的数据要比辨识它难得多。因此，传统的负荷预测系统无法很好地处理坏数据修正问题，

7、只能依靠预测人员的人工经验来解决。采用短期负荷预测方案进行坏数据修正则可代替人工修正方式，减少预测人员的工作量，同时减少由于人工修正带来的人的主观因素影响。　　统计表明，实际电力系统中每日坏数据点数一般不超过10点，即：n<10，正常数据点m≥86。则上述修正方案相当于，在以已知的（多于）86点数据为优化目标的情况下，对该日96点数据进行短期负荷预测，统计表明，这样条件下的预测准确度高达98.42%以上。可见，修正效果非常理想。　　实际应用中，由于错判或漏判几个坏数据点对修正结果无太大影响，因此，该方

8、案尤其适用于正常负荷曲线比较平滑，而系统突发事件又比较频繁的电力系统。　　三补足当日未知多点负荷值　　短期负荷预测主要应用于提前一天完成用电计划的制定。传统的负荷预测系统往往只是依赖昨日以前的历史数据样本，及相关的负荷影响因素数据，完成明日用电计划负荷的预测。这种预测方案没有利用最新的、含信息量非常丰富的当日的已知负荷信息，使得预测准确度难以进一步提高。　　如何利用最新获得的当日的负荷信息参与明日的用电预测，是提