電力負荷預測方法探究

《電力負荷預測方法探究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在工程資料-天天文庫。

1、電力負荷預測方法探究摘要：文章對目前的幾種智能負荷預測方法：人工神經(jīng)網(wǎng)絡、模糊預測法、數(shù)據(jù)挖掘、專家系統(tǒng)、支持向量機的原理、特點及研究情況進行了闡述，從學習能力、運算速度、處理模糊信息能力等角度對這幾種方法進行了比較，并指出了其中各自的優(yōu)缺點。關鍵詞：電力系統(tǒng)；負荷預測方法；電力負荷中圖分類號：TM714文獻標識碼：A文章編號：1009-2374(2013)32-0114-021電力負荷預測綜述負荷預測的前提是充分考慮關鍵系統(tǒng)參數(shù)、自然環(huán)境、社會政策和增容決策等條件，探索出一套能夠科學處理過往數(shù)據(jù)、冇效預測未來數(shù)

2、據(jù)的數(shù)學算法，并保證預測結果只在小范圍內(nèi)波動，確定某些特殊時刻的負荷值。根據(jù)預測期限，負荷預測分為超短期預測、短期預測、中期預測和長期預測。2電力負荷預測方法綜述2.1人工神經(jīng)網(wǎng)絡人工神經(jīng)網(wǎng)絡屬于高度非線性系統(tǒng)，它模仿人腦神經(jīng)系統(tǒng)進行自主學習和問題處理。人工神經(jīng)網(wǎng)絡有很多神經(jīng)元節(jié)點，它們具有并行運算功能,互相之間由相應權值連接以構成網(wǎng)絡，借助激勵函數(shù)，實現(xiàn)輸入變量序列到輸出變量序列之間的非線性映射。人工神經(jīng)網(wǎng)絡対非線性、非結構性、模糊性規(guī)律的適應性很強，具有良好的記憶功能、魯棒性、映射精度以及完備的自學習能力，這

3、也使得該技術成為近年來負荷預測領域的研究重點。冇學者采用地柜人工神經(jīng)網(wǎng)絡系統(tǒng)預測某地區(qū)電力負荷短期情況，借助梯度下降算法，人犬提高收斂速度，仿真結果表明，該方法收斂速度和運算結果相比傳統(tǒng)方法有很大提升。但是，典型人工神經(jīng)網(wǎng)絡也存在學習參數(shù)設置不便、收斂緩慢、運算量大、網(wǎng)絡結構模糊等弊端。有研究在相關論文中針対BP算法陷入局部極小的問題進行了討論，并提出了相應的解決方案。另外，神經(jīng)網(wǎng)絡如能結合遺傳算法增強全局搜索能力，加強局部尋優(yōu)能力構成遺傳神經(jīng)網(wǎng)絡，則能進一步加快運算速度，提高結果準確性。釆用神經(jīng)網(wǎng)絡進行電力系統(tǒng)

4、負荷預測時，網(wǎng)絡輸入變量的選擇是一個關鍵點，為了優(yōu)化變量甄選，有人提出使用模糊粗糙集理論先對侍息進行預處理；以此算法結果作為BP網(wǎng)絡的預設變量開展訓練。該方法將歷史時間序列、外部氣象條件等各種因素都考慮在內(nèi)，為尋找神經(jīng)網(wǎng)絡輸入變量提供了一種新思路。同時，規(guī)避了因為輸入變量規(guī)模過于龐人而引起的網(wǎng)絡拓撲結構復雜、收斂速度慢等缺陷。相關的實驗表明，該方法行之有效。2.2模糊預測法該方法基于模糊理論，先行分析過往的工作經(jīng)驗、歷史數(shù)據(jù)，以一種規(guī)則的形式呈現(xiàn)出來，并抽象出可在計算機上運行的機讀代碼，進而展開各種計算工作。模糊

5、預測法能夠很明確地描述專家意圖，對電力系統(tǒng)中不規(guī)則現(xiàn)象進行描述，很適用于中長期電力負荷預測；但模糊預測法學習能力差，極易受到人工干擾。模糊理論應用于電力負荷預測時，有三種常見數(shù)學模型，BP：指數(shù)平滑過渡法、線性回歸法、聚類預測法，三種數(shù)學模型各有千秋，它們的預測精度都很高，相比傳統(tǒng)算法測量誤差也小得多。有研究表明,基于最佳聚類F選優(yōu)法的改進型模糊聚類電力負荷預測算法,在計算年度用電量時，預測結果很準確。有部門基于該算法對增城地區(qū)2005年和2010年的年度用電量進行預測，結果與實際測量相差不大。神經(jīng)網(wǎng)絡與模糊邏輯

6、算法組合使用，相比單一神經(jīng)網(wǎng)絡算法，充分利用了神經(jīng)網(wǎng)絡強大的學習功能，又洗去了模糊邏輯主觀經(jīng)驗方面的劣勢，考慮了溫度變化和節(jié)假期對系統(tǒng)負荷的影響，能夠提高負荷預測結果準確度，特別是対周末和節(jié)假期負荷預測很有效。也有學者通過RBF試圖尋找負荷變化的一般規(guī)律，結合模糊理論計算負荷尖峰值和低估值，一定程度上解決了負荷影響因索不明確的問題。該方法充分利用了神經(jīng)網(wǎng)絡和模糊推理理論在處理不確定參數(shù)方面的獨到之處，很好地改善了預測精度。2.3數(shù)據(jù)挖掘顧名思義，數(shù)據(jù)挖掘就是從浩如煙海的數(shù)據(jù)中挖掘出隱含信息，并盡力將其表述為直觀易

7、懂的形式。在處理大數(shù)據(jù)、剔除冗余信息方面優(yōu)勢很大。決策樹、神經(jīng)網(wǎng)絡、關聯(lián)規(guī)則、聚類分析、統(tǒng)計學模糊集、粗糙集在各領域的數(shù)據(jù)挖掘工作中得到了重要應用。有人根據(jù)數(shù)據(jù)挖掘過程中時間序列的相似性原理，研究電力負荷預測方法，獲得了很好的應用效果。基于最優(yōu)區(qū)間劃分和單調(diào)遞減閾值函數(shù)聚類法，結合KOHONEN網(wǎng)繪制負荷變化曲線，修正死區(qū)數(shù)據(jù)。也有學者利用數(shù)據(jù)挖掘技術的結果作為向量機訓練樣本，減少了數(shù)據(jù)處理規(guī)模，提高了預測速度和運算精度。2.4專家系統(tǒng)專家系統(tǒng)加入了人類探索自然過程中的知識經(jīng)驗，模擬人類思維決策過程，求解問題的過

8、程類似于人類專家的思維模式。專家系統(tǒng)比模糊預測法優(yōu)越的一點是，給出相當于專家水平的量化計算機語言，轉化了人類難以量化的經(jīng)驗數(shù)據(jù)，透明性和交互性極佳，并能給出結論的對應緣由，方便工程人員檢查推理過程是否存在錯誤，并及時更正。山于算法相對復雜,運行速度較慢，學習能力也一般，無法較好地處理模糊數(shù)據(jù)，對規(guī)則很依賴，普適性較差，不能推廣到所有系統(tǒng)。有文獻分析認為，專家系統(tǒng)可以準確預