1、目 錄一、負荷預(yù)測技術(shù)發(fā)展情況1二、算法實現(xiàn)3三、編程代碼6四、算例測試7五、心得體會9六、參考文獻10一、負荷預(yù)測技術(shù)發(fā)展情況為電力負荷預(yù)測制定一個精確的模型對一個公用事業(yè)公司的運作和規(guī)劃是必不可少的。負荷預(yù)測也可幫助電力事業(yè)來作出重大的決定，包括關(guān)于購買和發(fā)電，負荷開關(guān)，及基礎(chǔ)設(shè)施的發(fā)展。短期負荷預(yù)測是隨著電力系統(tǒng)EMS的逐步發(fā)展而發(fā)展起來的，現(xiàn)已經(jīng)成為EMS必不可少的一部分和為確保電力系統(tǒng)安全經(jīng)濟運行所必需的手段之一。隨著電力市場的建立和發(fā)展，對短期負荷預(yù)測提出了更高的要求，短期負荷預(yù)測不再僅僅是EMS的關(guān)鍵部分，同時也是制定電力市場交易計劃的基礎(chǔ)。電力系統(tǒng)負荷預(yù)測為這一地區(qū)電力規(guī)劃奠定

2、了一定的基礎(chǔ)，同時也為這一地區(qū)電力工業(yè)布局、能源資源平衡、電力余缺調(diào)劑，以及電網(wǎng)資金和人力資源的需求與平衡提供可靠的依據(jù)。因此，電力負荷預(yù)測是一項十分重要的工作，它對于保證電力工業(yè)的健康發(fā)展，乃至對于整個國民經(jīng)濟的發(fā)展均有著十分重要的意義。電力負荷預(yù)測分為經(jīng)典預(yù)測方法和現(xiàn)代預(yù)測方法。 （1）經(jīng)典預(yù)測方法 1）時間序列法時間序列法是一種最為常見的短期負荷預(yù)測方法，它是針對整個觀測序列呈現(xiàn)出的某種隨機過程的特性，去建立和估計產(chǎn)生實際序列的隨機過程的模型，然后用這些模型去進行預(yù)測。它利用了電力負荷變動的慣性特征和時間上的延續(xù)性，通過對歷史數(shù)據(jù)時間序列的分析處理，確定其基本特征和變化規(guī)律，預(yù)測未來負荷

3、。時間序列預(yù)測方法可分為確定型和隨機性兩類，確定型時間序列作為模型殘差用于估計預(yù)測區(qū)間的大小。隨機型時間序列預(yù)測模型可以看作一個線性濾波器。根據(jù)線性濾波器的特性，時間序列可劃為自回歸(AR)、動平均(MA)、自回歸-動平均(ARMA)、累計式自回歸-動平均(ARIMA)、傳遞函數(shù)(TF)幾類模型，其負荷預(yù)測過程一般分為模型識別、模型參數(shù)估計、模型檢驗、負荷預(yù)測、精度檢驗預(yù)測值修正5個階段。時間列模型的缺點在于不能充分利用對負荷性能有很大影響的氣候信息和其他因素，導(dǎo)致了預(yù)報的不準(zhǔn)確和數(shù)據(jù)的不穩(wěn)定。2）回歸分析法回歸分析法就是根據(jù)負荷過去的歷史資料，建立可以分析的數(shù)學(xué)模型，對未來的負荷進行預(yù)測。從

4、數(shù)學(xué)上看，就是利用數(shù)理統(tǒng)計中的回歸分析方法，通過對變量的觀測數(shù)據(jù)進行分析，確定變量之間的相互關(guān)系，從而實現(xiàn)預(yù)測目的?；貧w預(yù)測包括線性回歸和非線性回歸?；貧w模型雖然考慮了氣象信息等因素，但需要事先知道負荷與氣象變量之間的函數(shù)關(guān)系，這是比較困難的。而且為了獲得比較精確的預(yù)報結(jié)果，需要大量的計算，這一方法不能處理氣候變量和負荷之間的非平衡暫態(tài)關(guān)系。雖然經(jīng)典的數(shù)學(xué)統(tǒng)計方法具有速度快的優(yōu)點，但是其預(yù)測模型比較簡單，很難準(zhǔn)確描述負荷預(yù)測的實際模型，所以其精度較差。隨著人工智能技術(shù)逐步被引入到短期負荷預(yù)測中，人們已經(jīng)提出了多種基于人工智能的預(yù)測方法，其中最為典型的為基于各種人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測方法，其中以

5、神經(jīng)BP算法為代表。（2）現(xiàn)代負荷預(yù)測方法20世紀80年代后期，一些基于新興學(xué)科理論的現(xiàn)代預(yù)測方法逐漸得到了成功應(yīng)用。這其中主要有灰色數(shù)學(xué)理論、專家系統(tǒng)方法、神經(jīng)網(wǎng)絡(luò)理論、模糊預(yù)測理論等。1)灰色數(shù)學(xué)理論灰色數(shù)學(xué)理論是把負荷序列看作一真實的系統(tǒng)輸出，它是眾多影響因子的綜合作用結(jié)果。這些眾多因子的未知性和不確定性，成為系統(tǒng)的灰色特性?；疑到y(tǒng)理論把負荷序列通過生成變換，使其變化為有規(guī)律的生成數(shù)列再建模，用于負荷預(yù)測?；疑到y(tǒng)理論是中國學(xué)者鄧聚龍教授1982年3月在國際上首先提出來的，在國際期刊SYSTEMS AND CONTROL LETTER刊物上發(fā)表，題為“Control Problems

6、of Grey Systems”,引起了國際上的充分重視?；疑到y(tǒng)理論的形成是有過程的。早年鄧教授從事控制理論和模糊系統(tǒng)的研究，取得了許多成果。后來，他接受了全國糧食預(yù)測的課題，為了搞好預(yù)測工作，他研究了概率統(tǒng)計追求大樣本量，必須先知道分布規(guī)律、發(fā)展趨勢，而時間序列法只致力于數(shù)據(jù)的擬合，不注重規(guī)律的發(fā)展。鄧教授希望在可利用數(shù)據(jù)不多的情況下，找到了較長時期起作用的規(guī)律，于是進行了用少量數(shù)據(jù)做微分方程建模的研究。這一工作開始并不順利，一時建立不起可供應(yīng)的模型。后來，他將歷史數(shù)據(jù)作了各種處理，找到了累加生成，發(fā)現(xiàn)累加生成曲線是近似的指數(shù)增長曲線，而指數(shù)增長正符合微分方程解的形式。在此基礎(chǔ)上，進一步研

7、究了離散函數(shù)光滑性，微分方程背景值、平射性等一些基本問題，同時也考慮了有限和無限的相對性，定義了指標(biāo)集拓撲空間的灰導(dǎo)數(shù)，最后解決了微分方程的建模問題。2)專家系統(tǒng)方法專家系統(tǒng)方法是對于數(shù)據(jù)庫里存放的過去幾年的負荷數(shù)據(jù)和天氣數(shù)據(jù)等進行細致的分析,匯集有經(jīng)驗的負荷預(yù)測人員的知識,提取有關(guān)規(guī)則。借助專家系統(tǒng), 負荷預(yù)測人員能夠識別預(yù)測日所屬的類型,考慮天氣因素對負荷預(yù)測的影響, 按照一定的推理進行負荷預(yù)測。3)神經(jīng)網(wǎng)絡(luò)理論神經(jīng)網(wǎng)絡(luò)理論是利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能,讓計算機學(xué)習(xí)包含在歷史負荷數(shù)據(jù)中的映射關(guān)系,再利用這種映射關(guān)系預(yù)測未來負荷。由于該方法具有很強的魯棒性、記憶能力、非線性映射能力以及強大的自學(xué)

8、習(xí)能力,因此有很大的應(yīng)用市場, 但其缺點是學(xué)習(xí)收斂速度慢,可能收斂到局部最小點;并且知識表達困難, 難以充分利用調(diào)度人員經(jīng)驗中存在的模糊知識。4)模糊負荷預(yù)測模糊負荷預(yù)測是近幾年比較熱門的研究方向。模糊控制是在所采用的控制方法上應(yīng)用了模糊數(shù)學(xué)理論,使其進行確定性的工作,對一些無法構(gòu)造數(shù)學(xué)模型的被控過程進行有效控制。模糊系統(tǒng)不管其是如何進行計算的,從輸入輸出的角度講它是一個非線性函數(shù)。模糊系統(tǒng)對于任意一個非線性連續(xù)函數(shù),就是找出一類隸屬函數(shù),一種推理規(guī)則,一個解模糊方法,使得設(shè)計出的模糊系統(tǒng)能夠任意逼近這個非線性函數(shù)。選用灰色模型電力短期負荷預(yù)測，應(yīng)用了MATLAB程序進行預(yù)測。二、算法實現(xiàn) 1

9、. GM（1，1）模型 （1）灰色系統(tǒng)理論研究的是貧信息下建模,提供了貧信息下解決系統(tǒng)問題的新途徑.它把一切隨機過程看作是在一定范圍內(nèi)變化的,是與時間有關(guān)的灰色過程.對灰色量不是從統(tǒng)計規(guī)律的角度應(yīng)用大樣本進行研究,而是采用數(shù)據(jù)生成的方法,將雜亂無章的原始數(shù)據(jù)整理成規(guī)律性強的生成序列再作研究. GM模型即指灰色預(yù)測模型(gray model).一般建模是用數(shù)據(jù)列建立差分方程,而灰色模型是采用歷史數(shù)據(jù)列生成后,建立微分方程模型. GM(1,1)模型是最常用的一種灰色模型,它是由一個只包含單變量的一階微分方程構(gòu)成的模型,是作為電力負荷預(yù)測的一種有效的模型,是GM(1,n)模型的特例.建立GM(1,1

10、)模型只需要一個數(shù)列.對隨機序列，作一次累加（1AGO）生成序列。其中 （2-1） 由于序列x(1)(k) ，k=1，2，具有指數(shù)增長規(guī)律，而一階微分方程的解正好是數(shù)增長形式的解。因此，認為新生成的序列滿足下面一階線性微分方程模型： 根據(jù)導(dǎo)數(shù)的定義，可得： （2-2）表示成離散形式：其中，只是能取時刻k和k+1的平均值，即：因此，式可以改寫為：由上式可以推出 （2-3）可簡寫為： 其中：E 為誤差項。寫成離散形式 令: 得根據(jù)此預(yù)測結(jié)果再進行累減還原，就可以得到原始數(shù)據(jù)序列的灰色預(yù)測模型： （2-4）(k=0,1,2,，n)（2）誤差檢驗GM模型一般采用三種方法檢驗：即殘差的檢驗、后驗差檢驗和

11、關(guān)聯(lián)度檢驗。殘差檢驗是按點檢驗，后驗差檢驗是殘差分布統(tǒng)計特性的檢驗，關(guān)聯(lián)度檢驗是建立的模型與指定函數(shù)之間近似性的檢驗。GM(1，1)改進模型的建立方法對呈良好增長趨勢的變化過程，用GM(1，1)都能得到較好的精確度，但有時遇到的變化過程呈較差的增長趨勢，用一次GM(1，1)得不到滿意的精確度，此時為了得到更好的精確度，我們就需要對GM（1，1）進行改進，這就是所謂的GM(1，1)改進模型。目前GM(1,1)模型在應(yīng)用中的局限性主要表現(xiàn)在：沒有有效地考慮發(fā)展因子a的變化對系統(tǒng)增長速度的影響；模型所模擬的系統(tǒng)按等比遞增規(guī)律變化。此方法的改進主要通過兩種途徑，一種是對原始數(shù)列進行改造，另一種是對GM

12、(1,1)模型本身進行改造。在實際應(yīng)用中又有許多種具體的方法，其中有殘差處理、對原始數(shù)據(jù)滑動平均處理、等維新息處理等方法?？紤]到論文設(shè)計的時間問題，本文只介紹改造原始數(shù)據(jù)中的“20%修均法”。具體方法介紹如下：設(shè)為原始數(shù)列，若離散度較大，則可取 （2-5）比較每一個原始數(shù)據(jù)，若滿足則取。若滿足則取。這樣使得修均后的數(shù)列一定在平均值的20%范圍內(nèi)波動。三、編程代碼data=411.5 400.5 393.3 402.2 391.7 413.7 441.2 435 435.4 435.1 460.9 461.6 451.3 445 444.1 453.1 450.1 499.8 530.2 531

13、.4 481.8 452.2 450 454.4 418 406.6 412.5 382.1 406.8 402.9 433.7 443.2 435.1 448.7 462.4 450.5 453.2 457.9 465.9 440.8 461.2 492.5 529.5 504.7 481.8 472.7 466.6 408.8 391.6 386.8 369.5 371.2 367.4 385.8 427.1 441.3 456.2 461.4 477.5 470.5 458.6 468.7 475.5 457.5 476.1 509.5 524.3 515.5 487.7 465.5 4

14、61.9 440.3 422.2 408.7 400.5 397.9 392 412.9 455.7 431.3 463 422.3 469.1 478.1 436.8 446.7 441.4 428.1 449.7 494.6 526.3 507.2 343.8 337.6 319.6 425.7 311.6 335.4 367.9 394.5 375.8 367.2 397.6 385.3 386.3 389.9 401.3 399.9 412.7 472.6 477.2 354.4 423.8 405.6 378.6 375.4 337.9 332.3 324.6 317.7 323 3

15、40 364.1 406.2 430.7 402.1 420.8 414.9 383.8 413.6 398.5 404.6 420 460.8 460.6 445.3 417.1 382.9 369.1 366.8 ; % 原始序列y0=data; T=length(data);Y1(1)=y0(1);for i=2:TY1(i)=Y1(i-1)+y0(i);endfor i=1:T-1 M(i)=-(0.5*(Y1(i)+Y1(i+1); %計算待定參數(shù)endB=zeros(T-1,2); for i=1:T-1 for j=1:2 if j2 B(i,j)=M(i); else B(i,

16、j)=1; end endEnd for i=2:T Y(i-1)=y0(i);endH=(inv(B*B)*B*Y); %輸出預(yù)測的值A(chǔ)=H;for i=1:720 Z(i)=(y0(1)-A(2)/A(1)*exp(-1*A(1)*(i-1)+A(2)/A(1); %一次擬合累加值endfor i=1:719 L(i+1)=(Z(i+1)-Z(i)*(1-(Z(i+1)-Z(i)-y0(i+1)/y0(i+1); %二次擬合累加值end四、算例測試 表4-1 負荷預(yù)測值及誤差分析日期時段實際負荷預(yù)測值預(yù)測誤差相對誤差%精度%2003年11月26日01:00343.8347.8121-7.9

17、191-1.16798.8372003年11月26日02:00337.6327.5318-1011月26日03:00319.6301.4209-18.1791-8.93192.0692003年11月26日04:00425.7423.05923-2.10777.688292.311772003年11月26日05:00311.6288.9186-22.6814-13.2586.752003年11月26日06:00335.4324.5980-10.8020-5.18894.8122003年11月26日07:00367.9365.82742.0726-6.7457793.2

18、54232003年11月26日08:00394.5394.4978-0.00220.47320799.526792003年11月26日09:00375.8374.7820-1.0180-4.4568195.543192003年11月26日10:00367.2365.0525-2.1475-6.8802693.119742003年11月26日11:00397.6397.58560.01441.31290298.68712003年11月26日12:00385.3385.04940.2506-1.815698.18442003年11月26日13:00386.3386.1018-0.1982-1.53

19、01898.469822003年11月26日14:00389.9389.8340-0.0660-0.5711299.428882003年11月26日15:00401.3401.1978-0.10222.30690397.69312003年11月26日16:00399.9399.8354-0.06461.98597198.014032003年11月26日17:00412.7411.9184-0.78165.04632994.953672003年11月26日18:00472.6459.7473-12.85274.403495.59662003年11月26日19:00477.2462.897617.

20、49473.666196.33392003年11月26日20:00354.4349.8608-4.53920.784199.21592003年11月26日21:00423.8421.7648-2.03527.61283692.387162003年11月26日22:00405.6405.2882-0.31183.48801896.511982003年11月26日23:00378.6377.9509-0.6491-3.3725396.627472003年11月26日24:00375.4374.4585-0.9415-4.2312795.768732003年11月27日01:00337.9328.5

21、4521.20520.35667499.643332003年11月27日02:00332.3320.8269-10.5589-3.17896.8222003年11月27日03:00324.6309.7757-14.8243-7.68292.3182003年11月27日04:00317.7299.4277-18.2723-1.8200898.179922003年11月27日05:00323307.4748-15.52528.24791.7532003年11月27日06:00340331.5069-8.4931-3.75996.2412003年11月27日07:00364.1361.7001-2.

22、3999-7.3044592.695552003年11月27日08:00406.2405.8081-0.39193.83766696.162332003年11月27日09:00430.7427.4880-3.21209.32728190.672722003年11月27日10:00402.1401.9430-0.18702.89893197.101072003年11月27日11:00420.8419.0096-1.79047.23395992.766042003年11月27日12:00414.9413.7729-1.12715.93504594.064962003年11月27日13:00383.

23、8383.5699-0.2301-1.6653598.334652003年11月27日14:00413.6412.5960-1.01405.67998194.320022003年11月27日15:00398.5398.42530.07472.12705197.872952003年11月27日16:00404.6404.26550.33453.62338196.376622003年11月27日17:00420418.25011.74997.17714392.822862003年11月27日18:00460.8450.7692-10.03095.494294.50582003年11月27日19:00460.6450.6011-9.99896.668893.33122003年11月27日20:00445.3439.0772-6.22282.792797.20732003年11月27日21:00417.1415.6589-1.44116.61215593.387842003年11月27日22:00382.9382.65900.2410-1.7072198.292792003年11月27日23:00369.1367.62551.4745-5.4871694.5