基于事例推理的电力系统短期负荷预测

《基于事例推理的电力系统短期负荷预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第24卷第2期电力科学与工程V01．24．No．2Mar．．2008592008年3月ElectricPowerScienceandEngineering基于事例推理的电力系统短期负荷预测屈利，苑津莎，李丽(华北电力大学电气与电子工程学院，河北保定071003)摘要：短期负荷预测对于电力系统安全、稳定、经济地运行有重要意义。将粗糙集信息熵理论和统计学主成分分析方法用在负荷事例属性的约简上，分别针对负荷数据的重要性和相关性进行了有效处理。这样，不仅减少了事例重用过程的训练时间，还有效控制了次要负荷因素对重

2、要因素的干扰；在事例修正过程中，针对非正常日提出一些有效的修正方案。最后，用河北省保定供电公司2000~2004年的负荷数据对该方案验证，结果表明，提出的预测方案是有效，可行的。关键词：短期负荷预测，事例推理，信息熵，主成分分析，神经网络中图分类号TM715文献标识码：A表明本文所提方法是有效可行的。0引言1预测模型的构建短期负荷预测是指对一天中的几个时刻或一周中几天的系统负荷进行的预测，它对电力系统调度1．1混合事例推理过程安排和生产运营具有重要意义。精确预测是电力系从系统结构上看，混合事例推理是一个闭合的统安全、稳定、经济运行的基础。自更新的循环

3、过程，这个过程由以下几个步骤(见由于自然因素及人为因素的影响，短期负荷预图1)组成”：测具有明显的周期相似性，包括：不同日之间24小时整体变化规律的相似性；不同星期、同一星期类型日的相似性；工作日和休息日各自的相似性；不同年度的重大节假日负荷曲线的相似性。事例推理的主要思想，是运用已存在的对问题求解的成功事例去预测相似的问题口。所以考虑到电力负荷曲线的周期相似性，将事例推理应用到负荷预测用中是合理的。另外，由于影响负荷的因素较多且复杂，如果直接将所有因素都作为事例检索的对象，必然会导致检索过程复杂，检索时间增加。众多相关度低的图1混合事例推理流程影响

4、因素会掩蔽掉真正重要的影响因素，因此，在(1)事例表示：按照一定的数据结构将待测运用事例推理前，首先采用了信息熵理论选择出对新问题表示成便于检索的结构型事例。负荷影响较大的因素，并用主成分分析法降低或消(2)事例检索：依据待测事例属性的相关信除较重要影响因素间的相关性。最后，采用神经网息，从事例库中检索出与待测事例属性相似的事例络预测模型对保定地区的实际负荷进行测试，结果集；收稿日期：2007—08—10．作者简介：屈利(1981一)，男，华北电力大学电气与电子工程学院研究生维普资讯http://www.cqvip.com电力科学与工程2008笠(3

5、)事例精简：运用信息熵和主成分分析的方度条件作为事例的索引。具体是系统先根据当前预法处理负荷数据，得到精简事例集；测问题的实际情况，从事例库中选取具有相同星期(4)事例重用：将精简后的负荷数据输入到神类型；接着需定义合适的相似度指标以衡量目标事经网络中去训练；例与历史事例问的相似程度，进而依据相似程度的(5)修正事例：针对非正常日负荷进行修正，大小选出与目标事例条件最接近的最佳历史事例。进一步减小预测误差；目前，采用的检索方法主要有七一最近邻法]、(6)事例存储：将新生成的解事例按照一定的知识引导法和归纳索引法。其中七一最近邻法是CBR组织方式作为事

6、例库的更新资源保存到事例库中。系统中定义相似度指标常用的方法。本文采用七-最1．2事例表示近邻法对事例进行相似性匹配。事例表示是用一定的数据结构来描述事例特给定一个待测事例，一个七一最近邻分类器就搜征，并以此组建事例库作为事例推理的检索知识资索，z维向量空间，并从中找出k个与待测事例最为源。接近的事例，这k个事例就是待测事例的“，z个最在事例库中，事例可用对象表示，对象是属性近邻”。所谓“最近”是指，z维空间中两点之间的和方法的封装。在事例的对象表示中，属性表示问欧氏距离最小，而n维向量空间中两点()c，)c：，⋯题的特征，方法则表示事例推理过程H，

7、包括事例，Xn)和l-，Y：，⋯，Y)的欧式距离可定义为检索匹配、调整、重用和保存。一个负荷事例可定『三]号义为如下结构的对象：】，)=l(Xi-y)l(1)l1jClassCase{Case,lD；／／事例编号设e=，⋯)为新事例，(1，2，⋯，)为表WeekType；／／星期类型征新事例的属性值，Cb=(g。，g：，⋯，g)为历史事例，西SeasonType；／／季节类型q=l，2，⋯，)为表示历史事例的属性值，则用来评估Loadcondition；／／负荷条件待测事例和历史事例的相似度指标可以定义为TempCondition；／／温度条件∞f[

8、1-(f—gi)21R]Dayrype；／／预测日日期类型s(co，)=仁f_——————一(2)Resto