電力負(fù)荷預(yù)測(cè)方法研究綜述_第1頁(yè)
電力負(fù)荷預(yù)測(cè)方法研究綜述_第2頁(yè)
電力負(fù)荷預(yù)測(cè)方法研究綜述_第3頁(yè)
電力負(fù)荷預(yù)測(cè)方法研究綜述_第4頁(yè)
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

電力負(fù)荷預(yù)測(cè)方法研究綜述摘要:負(fù)荷預(yù)測(cè)是電力系統(tǒng)經(jīng)濟(jì)運(yùn)行的基礎(chǔ),根據(jù)負(fù)荷預(yù)測(cè)原理的不同,將負(fù)荷預(yù)測(cè)方法分為傳統(tǒng)預(yù)測(cè)法和現(xiàn)代預(yù)測(cè)法兩種。本文對(duì)負(fù)荷預(yù)測(cè)方法進(jìn)行了全面的綜述研究,分析各種預(yù)測(cè)方法的基本原理及優(yōu)缺點(diǎn),合理的選擇負(fù)荷預(yù)測(cè)方法,可以有效的提高負(fù)荷預(yù)測(cè)準(zhǔn)確率。

關(guān)鍵詞:負(fù)荷預(yù)測(cè)電力負(fù)荷預(yù)測(cè)模型

0引言

負(fù)荷預(yù)測(cè)是基于電力系統(tǒng)所處的社會(huì)、經(jīng)濟(jì)、氣候等外部環(huán)境下,對(duì)電力負(fù)荷歷史數(shù)據(jù)進(jìn)行研究,結(jié)合社會(huì)經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)以及工程技術(shù)等學(xué)科知識(shí)進(jìn)行定性定量分析,探索同類事物之間存在的內(nèi)部聯(lián)系和發(fā)展規(guī)律,對(duì)未來(lái)某特定時(shí)刻的負(fù)荷情況做出預(yù)先估計(jì)和預(yù)測(cè)。

電力負(fù)荷的變化受到政治、經(jīng)濟(jì)、氣象等多種不斷變化的因素影響,為滿足不同場(chǎng)合的負(fù)荷預(yù)測(cè)精度要求,通常會(huì)采用不同的負(fù)荷預(yù)測(cè)方法。近年來(lái),隨著人們對(duì)負(fù)荷預(yù)測(cè)技術(shù)研究的不斷深入,負(fù)荷預(yù)測(cè)的準(zhǔn)確度也在不斷地提高。

1負(fù)荷預(yù)測(cè)分類

按時(shí)間分類;長(zhǎng)期負(fù)荷預(yù)測(cè)(未來(lái)3~5年甚至更長(zhǎng)時(shí)間)、中期負(fù)荷預(yù)測(cè)(未來(lái)幾個(gè)月至一年時(shí)間)、短期負(fù)荷預(yù)測(cè)(日負(fù)荷預(yù)測(cè)和周負(fù)荷預(yù)測(cè))以及超短期負(fù)荷預(yù)測(cè)(未來(lái)幾天內(nèi))。

按行業(yè)分類;城市民用負(fù)荷預(yù)測(cè)、商業(yè)負(fù)荷預(yù)測(cè)、工業(yè)負(fù)荷預(yù)測(cè)、農(nóng)村負(fù)荷預(yù)測(cè)和其他負(fù)荷預(yù)測(cè)。

按特性分類;高負(fù)荷及最低負(fù)荷預(yù)測(cè)、平均負(fù)荷預(yù)測(cè)、全網(wǎng)負(fù)荷預(yù)測(cè)、負(fù)荷峰谷差預(yù)測(cè)、母線負(fù)荷預(yù)測(cè)。

2負(fù)荷預(yù)測(cè)方法

2.1傳統(tǒng)負(fù)荷預(yù)測(cè)法

(1)趨勢(shì)外推法

趨勢(shì)外推法又稱曲線擬合法、曲線回歸法。分析負(fù)荷的歷史數(shù)據(jù),擬合出一條曲線(包括直線、指數(shù)曲線、冪函數(shù)曲線、S型曲線等)來(lái)反應(yīng)負(fù)荷變化趨勢(shì),從而實(shí)現(xiàn)負(fù)荷預(yù)測(cè)。

優(yōu)點(diǎn):原理簡(jiǎn)單,數(shù)據(jù)需求量小,使用方便。

缺點(diǎn):由于負(fù)荷的多樣性和隨機(jī)性,很難找到合適的曲線來(lái)準(zhǔn)確表達(dá)負(fù)荷變化規(guī)律。適用于負(fù)荷變化較平穩(wěn)的時(shí)間段和區(qū)域內(nèi),常作為短期城市電網(wǎng)的規(guī)劃預(yù)測(cè)。

(2)時(shí)間序列法

時(shí)間序列法是對(duì)負(fù)荷的歷史數(shù)據(jù)時(shí)間序列進(jìn)行分析,確定其變化規(guī)律和基本特征,并建立模型,以此來(lái)實(shí)現(xiàn)對(duì)未來(lái)負(fù)荷的預(yù)測(cè)。

優(yōu)點(diǎn):數(shù)據(jù)需求量小,程序簡(jiǎn)便,計(jì)算速度快,工作量小。技術(shù)較成熟,實(shí)際生產(chǎn)中已得到廣泛應(yīng)用。

缺點(diǎn):分析建模過(guò)程復(fù)雜,模型對(duì)原始時(shí)間序列平穩(wěn)性要求較高,對(duì)負(fù)荷波動(dòng)較大的地區(qū),預(yù)測(cè)難度較大。適用于負(fù)荷變化較均勻地區(qū)的短期負(fù)荷預(yù)測(cè)。

(3)回歸分析法

回歸分析法又稱統(tǒng)計(jì)分析法,根據(jù)負(fù)荷的歷史記錄以及其它對(duì)負(fù)荷有影響的相關(guān)因素,建立因變量和自變量之間的數(shù)學(xué)模型,進(jìn)行數(shù)學(xué)分析,從而實(shí)現(xiàn)預(yù)測(cè)未來(lái)負(fù)荷的目的。

優(yōu)點(diǎn):原理簡(jiǎn)單易懂,數(shù)據(jù)需求量小,計(jì)算速度快,預(yù)測(cè)精度相對(duì)時(shí)間序列法要高一些。

缺點(diǎn):對(duì)于較為復(fù)雜的情況時(shí),無(wú)法詳細(xì)考慮各種影響負(fù)荷的因素,難以建立精確的模型,對(duì)于具有沖擊性負(fù)荷的地區(qū)誤差較大,一般適用于長(zhǎng)期負(fù)荷預(yù)測(cè)。

(4)灰色預(yù)測(cè)法

灰色預(yù)測(cè)法一般用于數(shù)據(jù)中存在未知項(xiàng)的系統(tǒng),是以灰色理論為基礎(chǔ)的一種預(yù)測(cè)方法。灰色理論是將一切隨機(jī)變量看作變化的灰色量,通過(guò)數(shù)學(xué)運(yùn)算,將毫無(wú)規(guī)律可循的原始數(shù)據(jù)整理成整齊的數(shù)據(jù),列寫微分方程并解出響應(yīng)函數(shù),作為灰色預(yù)測(cè)模型,從而實(shí)現(xiàn)負(fù)荷預(yù)測(cè)。

優(yōu)點(diǎn):負(fù)荷呈現(xiàn)指數(shù)變化時(shí),預(yù)測(cè)精度高,數(shù)據(jù)需求量較小,不需要考慮數(shù)據(jù)本身變化趨勢(shì),操作方便,易于檢查,能夠有效避免相關(guān)因素的干擾。

缺點(diǎn):具有一定的局限性,對(duì)于非指數(shù)變化的負(fù)荷,預(yù)測(cè)精度低,不適合長(zhǎng)期負(fù)荷預(yù)測(cè),在生產(chǎn)中實(shí)際應(yīng)用較少。

(5)空間負(fù)荷預(yù)測(cè)法

空間負(fù)荷預(yù)測(cè)法是根據(jù)電網(wǎng)電壓等級(jí)的不同,將預(yù)測(cè)規(guī)劃區(qū)按照一定原則劃分為相應(yīng)大小的網(wǎng)格或不規(guī)則大小的小區(qū),然后分別預(yù)測(cè)每個(gè)小區(qū)中電力用戶負(fù)荷的數(shù)量和產(chǎn)生時(shí)間[1]。

優(yōu)點(diǎn):方法簡(jiǎn)便,數(shù)據(jù)采集容易,預(yù)測(cè)精度高,適用于長(zhǎng)期負(fù)荷預(yù)測(cè)。

缺點(diǎn):小區(qū)不能太小,數(shù)據(jù)采樣區(qū)域大小不同,會(huì)存在誤差,對(duì)歷史負(fù)荷為零的空地負(fù)荷預(yù)測(cè)難度大。

(6)相似日法

相似日法是通過(guò)對(duì)與待預(yù)測(cè)日相似的某些日(即相似日)的負(fù)荷進(jìn)行修正,從而實(shí)現(xiàn)負(fù)荷預(yù)測(cè)的一種方法。該法采用某一特定差異評(píng)價(jià)函數(shù),來(lái)尋找相似日,根據(jù)待預(yù)測(cè)日相關(guān)參數(shù)進(jìn)行修正。

優(yōu)點(diǎn):原理簡(jiǎn)單,應(yīng)用方便。

缺點(diǎn):特定差異評(píng)價(jià)函數(shù)較難建立,相似日修正工作較困難,預(yù)測(cè)精度不高。

(7)單耗法

單耗法是根據(jù)不同產(chǎn)業(yè)的產(chǎn)量或產(chǎn)值所需耗用的電量和預(yù)測(cè)期所生產(chǎn)的產(chǎn)品產(chǎn)量或產(chǎn)值來(lái)預(yù)測(cè)電力負(fù)荷的方法。

優(yōu)點(diǎn):方法簡(jiǎn)單,效果明顯,短期負(fù)荷預(yù)測(cè)準(zhǔn)確度高。

缺點(diǎn):需做大量的統(tǒng)計(jì)分析工作,工作量大,易受政治經(jīng)濟(jì)、環(huán)境氣候等外界因素影響。

(8)相關(guān)分析法

相關(guān)分析法是通過(guò)測(cè)定電力負(fù)荷與相關(guān)因素之間對(duì)應(yīng)關(guān)系,建立相關(guān)分析模型對(duì)電力負(fù)荷進(jìn)行預(yù)測(cè)和控制的一種方法。

優(yōu)點(diǎn):原理簡(jiǎn)單,預(yù)測(cè)精度高。

缺點(diǎn):需要對(duì)各相關(guān)因素進(jìn)行詳盡分析,所需數(shù)據(jù)量較大。

(9)指數(shù)平滑法

指數(shù)平滑法是一種特殊的加權(quán)移動(dòng)平均法,其加權(quán)法的特點(diǎn)是對(duì)離預(yù)測(cè)期近的歷史數(shù)據(jù)給予較大的權(quán)數(shù),對(duì)離預(yù)測(cè)期遠(yuǎn)的數(shù)據(jù)給予較小的權(quán)數(shù),權(quán)數(shù)由近到遠(yuǎn)按指數(shù)規(guī)律遞減[2]。

優(yōu)點(diǎn):根據(jù)波動(dòng)的曲線進(jìn)行負(fù)荷預(yù)測(cè),預(yù)測(cè)精度較高

缺點(diǎn):計(jì)算量大,需進(jìn)行比對(duì),對(duì)負(fù)荷曲線轉(zhuǎn)折點(diǎn)的分辨能力低,加權(quán)存在局限性。

(10)卡爾曼濾波法

卡爾曼濾波法又稱狀態(tài)空間法,它將電力負(fù)荷分解為確定分量和隨機(jī)分量,確定分量利用一階線性模型進(jìn)行描述來(lái)進(jìn)行預(yù)測(cè)[3],隨機(jī)分量則利用狀態(tài)變量來(lái)表示,建立狀態(tài)空間模型來(lái)進(jìn)行負(fù)荷預(yù)測(cè),常用于短期負(fù)荷預(yù)測(cè)中。

優(yōu)點(diǎn):它們組合可以提高預(yù)測(cè)值的準(zhǔn)確度

缺點(diǎn):?jiǎn)为?dú)進(jìn)行預(yù)測(cè)準(zhǔn)確度較低,實(shí)際應(yīng)用中難以估計(jì)出噪音的統(tǒng)計(jì)特性。

2.2現(xiàn)代負(fù)荷預(yù)測(cè)法

(1)專家系統(tǒng)法

專家系統(tǒng)是利用電網(wǎng)負(fù)荷歷史數(shù)據(jù),并獲取相關(guān)領(lǐng)域?qū)<业闹R(shí)和經(jīng)驗(yàn)建立起來(lái)的一個(gè)智能化系統(tǒng)。專家系統(tǒng)法對(duì)負(fù)荷歷史數(shù)據(jù)進(jìn)行分析、推理和判斷,實(shí)現(xiàn)負(fù)荷預(yù)測(cè)的目的。

優(yōu)點(diǎn):建模簡(jiǎn)單,響應(yīng)速度快,可靠性高,計(jì)算機(jī)為載體,能匯集多個(gè)專家的知識(shí),經(jīng)驗(yàn)、資料豐富,能綜合考慮多個(gè)影響因素。

缺點(diǎn):專家知識(shí)庫(kù)構(gòu)建困難,容易受人為因素影響,針對(duì)性強(qiáng),適用于某一固定系統(tǒng),不具廣泛性,缺乏自適應(yīng)能力,需要不斷更新。

(2)小波分析法

小波分析法是一種時(shí)頻域分析方法,將時(shí)域信號(hào)分解為分布在不同頻段的頻率信號(hào),每個(gè)頻率信號(hào)都對(duì)應(yīng)不同序列的負(fù)荷信號(hào)。對(duì)不同頻率子信號(hào)的分步預(yù)測(cè),進(jìn)行信號(hào)重組就可得到準(zhǔn)確的負(fù)荷預(yù)測(cè)結(jié)果。

優(yōu)點(diǎn):精確度高,適用于短期負(fù)荷預(yù)測(cè)。

缺點(diǎn):耗時(shí)長(zhǎng),不能考慮外界因素影響,并且小波基的選擇直接影響預(yù)測(cè)結(jié)果。

(3)人工神經(jīng)網(wǎng)絡(luò)法

人工神經(jīng)網(wǎng)絡(luò)法是搭建一個(gè)合適的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),選取歷史數(shù)據(jù)作為訓(xùn)練樣本,對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練直到其精度滿足要求,此神經(jīng)網(wǎng)絡(luò)就可以作負(fù)荷預(yù)測(cè)模型。

優(yōu)點(diǎn):考慮負(fù)荷的各種影響因素,預(yù)測(cè)精度非常高。

缺點(diǎn):神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定人為因素占主要,學(xué)習(xí)速度慢、存在局部極小點(diǎn)。

(4)模糊預(yù)測(cè)法

模糊預(yù)測(cè)法是建立在模糊數(shù)學(xué)理論基礎(chǔ)上的一種新的負(fù)荷預(yù)測(cè)方法,利用有限規(guī)則推理出一個(gè)隸屬函數(shù),反映負(fù)荷歷史數(shù)據(jù)和外界環(huán)境的一個(gè)非線性函數(shù)關(guān)系。對(duì)比歷史負(fù)荷和待測(cè)負(fù)荷的環(huán)境差異,實(shí)現(xiàn)負(fù)荷預(yù)測(cè)。

優(yōu)點(diǎn):將模糊對(duì)象具體化分析,適用中長(zhǎng)期負(fù)荷預(yù)測(cè)。

缺點(diǎn):精確度受外界條件限制、歷史數(shù)據(jù)要求多,實(shí)際應(yīng)用困難。

(5)支持向量機(jī)法

支持向量機(jī)法是基于統(tǒng)計(jì)學(xué)原理上的一種負(fù)荷預(yù)測(cè)方法,它是建立在VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的基礎(chǔ)上,專門研究有限樣本預(yù)測(cè)的一種學(xué)習(xí)方法[4]。對(duì)小樣本、非線性負(fù)荷預(yù)測(cè)效果較理想。

優(yōu)點(diǎn):擬合精度高、計(jì)算速度快,充分考慮外界因素影響,精確度較高。

缺點(diǎn):需要依賴經(jīng)驗(yàn)確定初值及核心函數(shù),人為因素影響大,編程困難,實(shí)際應(yīng)用較少。

(6)混沌理論法

混沌理論法是近年來(lái)才被廣泛應(yīng)用到負(fù)荷預(yù)測(cè)中的,它將負(fù)荷整體視為一個(gè)非線性系統(tǒng)模型,找出它與混沌系統(tǒng)的共同點(diǎn),并從一維歷史數(shù)據(jù)中構(gòu)造系統(tǒng)的重構(gòu)相空間來(lái)描述負(fù)荷,實(shí)現(xiàn)負(fù)荷預(yù)測(cè)。

優(yōu)點(diǎn):預(yù)測(cè)精度和速度上有很大提高,應(yīng)用前景較好。

缺點(diǎn):需要保留數(shù)據(jù)時(shí)間較長(zhǎng),及時(shí)修改。

(7)數(shù)據(jù)挖掘法

數(shù)據(jù)挖掘法是通過(guò)從大量的歷史負(fù)荷數(shù)據(jù)中挖掘出隱藏的、對(duì)負(fù)荷預(yù)測(cè)有價(jià)值的重要信息,找出負(fù)荷變化規(guī)律,實(shí)現(xiàn)負(fù)荷預(yù)測(cè)。

優(yōu)點(diǎn):在復(fù)雜環(huán)境下,能準(zhǔn)確提取有效負(fù)荷數(shù)據(jù),預(yù)測(cè)精度高,適用于短期負(fù)荷預(yù)測(cè)。

缺點(diǎn):方法繁瑣,數(shù)據(jù)需求量大。

(8)綜合模型預(yù)測(cè)法

面對(duì)復(fù)雜的負(fù)荷歷史數(shù)據(jù),單一的模型預(yù)測(cè)通常難以滿足預(yù)測(cè)精度的要求,綜合模型預(yù)測(cè)法就是利用歷史數(shù)據(jù)建立多個(gè)模型來(lái)實(shí)現(xiàn)負(fù)荷預(yù)測(cè)的一種方法。

優(yōu)點(diǎn):克服了單一模型的不足,精度較高。

缺點(diǎn):計(jì)算速度降低,增加建模難度,實(shí)際應(yīng)用困難。

3結(jié)語(yǔ)

本文對(duì)負(fù)荷預(yù)測(cè)方法進(jìn)行了詳細(xì)分析,傳統(tǒng)預(yù)測(cè)方法比較成熟,但受外界環(huán)境影響較大,預(yù)測(cè)精度相對(duì)不高;現(xiàn)代預(yù)測(cè)法相對(duì)于傳統(tǒng)預(yù)測(cè)法來(lái)說(shuō),預(yù)測(cè)精度有了很大提高,方法更加智能,受外界環(huán)境影響小,但是技術(shù)方面還存在一些不足,需要不斷的更新和改進(jìn)。如何將幾種不同的智能算法有機(jī)結(jié)合起來(lái),不斷完善和提高現(xiàn)代預(yù)測(cè)方法的精度,將是今后的一個(gè)研究方向。

參考文獻(xiàn)

[1]王宗耀,許惠君.空間負(fù)荷預(yù)測(cè)方法相關(guān)問(wèn)題的探討[J].科技廣場(chǎng),2014(01).

[

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論