基于相似时间序列检索的超短期负荷预测

《基于相似时间序列检索的超短期负荷预测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第32卷第12期电网技术Vol.32No.122008年6月PowerSystemTechnologyJun.2008文章编号：1000-3673（2008）12-0056-04中图分类号：TM715文献标识码：A学科代码：470·4054基于相似时间序列检索的超短期负荷预测11122张思远，何光宇，梅生伟，王伟，张王俊（1．电力系统及发电设备控制和仿真国家重点实验室(清华大学电机系)，北京市海淀区100084；2．上海市电力公司，上海市浦东新区200122）Ultra-ShortTermLoadForecastingBasedonSi

2、milaritySearchinTime-Series11122ZHANGSi-yuan，HEGuang-yu，MEISheng-wei，WANGWei，ZHANGWang-jun（1．StateKeyLabofControlandSimulationofPowerSystemsandGenerationEquipments(DepartmentofElectricalEngineering，TsinghuaUniversity)，HaidianDistrict，Beijing100084，China；2．ShanghaiMunicip

3、alElectricPowerCompany，PudongNewDistrict，Shanghai200122，China）ABSTRACT:Incurrentultra-shorttermloadforecasting度高、稳定性强，能较好地满足电力系统各方面的需求。algorithms,suchdisadvantagesasunstableforecastingaccuracy,关键词：电力系统；超短期负荷预测；时间序列；相似性weakreal-timeperformanceandsoon,aretobeavoided.0引言Bas

4、edontheimportantmethodoftime-seriesdatamining,i.e.,thesimilaritysearchintime-seriesandcombiningwith[1]超短期负荷预测是指1h内的电网负荷预测，periodicalvariationlawofpowerloaditself,anewultra-short预测结果主要用于电力系统在线经济调度、安全稳termloadforecastingmethodisproposed.Theproposed定监视、自动发电控制(automaticgener

5、ationcontrol，methodpossessessimpleandpracticalbaddataprocessingAGC)以及电力市场的实时交易。针对在线实时预mechanism;thenumberofforecastsamplesiseffectivelyincreasedbyuseoftheconceptofthesimilarityofloadseries测的要求，传统的超短期负荷预测的算法一般都较[2]expanded;theriskbroughtaboutbysinglesampleforecasting为简单快速

6、，主要包括时间序列法、线性外推isreducedbyweightedprocessingofforecastedresultsand法[3]、替代法、负荷求导法[4]等。这些算法主要是maketheforecastingaccuracystableinahigherlevel.利用最近数日的负荷数据作为预测样本，未能考虑Applyingtheproposedmethodtoanactualpowersystem,itis预测日的具体特点，预测精度不够稳定。近年来，shownthattheproposedmethodpossessesth

7、efeaturesofhigh出现了基于大量历史数据挖掘的预测算法，如文forecastingaccuracyandstrongstability,soitcansatisfytherequirementsofpowersysteminvariousaspectswell.献[5]通过对连续两年历史数据的分析研究，利用相似日算法对负荷趋势进行预测，取得了良好的预测KEYWORDS：powersystem；ultra-shorttermload效果；文献[6]利用聚类分析挑选合适的预测样本，forecasting；time-series；

8、similarity使节假日的预测准确率显著提高。但上述方法需要摘要：针对目前超短期负荷预测算法存在的预测精度不稳做大量的事先准备工作，导致算法的实时性能不定、实时性能不强等问题，从时序数据挖掘的重要方法—