短期負荷預測分析論文

導語：短期負荷預測分析論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：擴展短期負荷預測方法利用最新的歷史負荷數據，預測當日當前時刻以后若干小時的未知負荷，其預測精度明顯高于常規的短期負荷預測。為滿足電力市場實時交易對負荷預測的新要求，將這種方法應用于修改歷史負荷壞數據和補足當日未知負荷數據，以協助提高短期負荷預測的準確度。文中詳細介紹了這兩種應用的背景和實現原理，并以實際電力系統的應用結果數據證實了這兩種應用方案是有效的和實用的。

關鍵詞：電力市場負荷預測擴展短期不良數據處理

1引言

短期負荷預測是電力市場運營中不可少的計算。短期負荷預測結果準確與否，對系統運行的經濟性、安全性有很大影響[1]。

對于任何負荷預測系統，要提高預測的準確度，需要具備兩個條件：第一，良好的預測基礎；第二，充足的參考信息。在電力領域，對于常規的短期負荷預測系統，這兩個條件體現為：首先，給負荷預測系統提供充足的、完整而且準確的歷史數據樣本；其次，在預測過程中充分的引入最新的負荷相關信息（包括負荷信息，負荷敏感因素的變化信息等。下同）。基于當前實際情況，需要解決的問題是：

（1）修正歷史負荷數據中的壞數據；

（2）充分應用預測當日已知的最新負荷信息參與次日的負荷預測。

擴展短期負荷預測的原理是[2]：在已知當日部分負荷的條件下，引入最新獲得的負荷相關信息，預測當日未知的多點負荷。它主要應用于電力市場環境下調整當日負荷計劃。該方法為解決短期負荷預測的上述兩個問題提供了非常理想的實現方案，應用效果非常明顯。

2擴展短期負荷預測方法

擴展短期預測的基本思想是[3]：利用預測時刻（例如11:00）以前的歷史負荷數據，用幾種不同的方法做預預測，可以預測該時刻以前的系統負荷，根據各方法的預測精度確定這些方法在綜合模型中的權重[3,4]；利用這一權重，使用昨天及以前的歷史負荷數據，做今天預測時刻后的全日未知負荷的預測。由于利用了預測時刻以前的最新的負荷信息，因此，用這種方法大大提高了負荷預測的精度。

擴展短期負荷預測方法的關鍵是：以當日已經發生的負荷的變化模式作為全日未知負荷變化規律的參考，在此基礎上預測出未知的負荷值。其隱含的原理是：對于同一日，在一天內的天氣等負荷敏感因素不發生突變的情況下，其全日負荷的變化模式不會發生突變。

下面用這個方法解決限制短期負荷預測準確度提高的兩個問題。

3應用1：修正歷史負荷壞數據

3.1概述

歷史實況負荷數據是負荷預測系統（尤其短期負荷預測系統）建立算法模型的基礎，其數據質量的好壞直接影響負荷預測準確度。歷史負荷中的壞數據需要處理。

傳統的短期負荷預測方法一般憑靠人工經驗完成這些壞數據的修正，或采用簡單的辨識、平滑方式處理壞數據，這些方式均有很大的局限性，其效果也不理想。

采用擴展短期負荷預測方法對歷史壞數據點進行修正（補足），具有簡單有效、適應性好、準確度高的特點。

3.2應用背景

負荷預測應用中的歷史負荷壞數據有兩類。一是數據采集系統（SCADA）采集設備或傳輸設備質量不高，造成一些瞬時丟失的壞負荷數據點（稱為通道壞數據）；二是電力系統中，一些人為或非人為的突發事件（如重大事件、電網故障、停電檢修、大用戶不規律用電等）影響用電負荷，造成持續時間較長的畸變負荷數據點（稱為畸變壞數據），這是不可預見的負荷變化。圖1給出了這兩種壞數據的特征示例。

這些壞數據點（包括通道壞數據、畸變壞數據，）若不作處理，直接作為數據樣本參與預測，必然降低負荷預測的準確度。

對于圖1左下方所示的瞬時通道壞數據點，傳統的負荷預測系統處理的方法是：參考該點前后負荷點的數據，采用線性插值法或者3階或多階平滑法的方式完成該壞數據點的修正，其修正準確度通常可以接受。然而，對于圖中右上方持續時間較長的畸變壞數據，傳統的修正方式則難以達到理想的修正效果。相反，采用擴展短期負荷預測方法對壞數據點進行修正卻簡單、實用、高效。

3.3實現方案

采用擴展短期負荷預測方法對壞數據點進行修正的原理是：辨識出歷史日中的正常數據點和可疑數據點；以正常數據點為已知條件，采用擴展短期負荷預測方法完成對可疑數據點的預測，用預測結果修正這些可疑數據點。其修正步驟如下：

（1）辨識可疑數據點

壞數據點往往具有數值突變的特征。通過這個特征可以辨識出歷史負荷數據中的可疑壞數據點（簡稱可疑數據點）。實現辨識的方案并不唯一，筆者采用的方案為負荷數據突變辨識。

首先，對于某日負荷數據中的某點（第i點），計算它與其前面最近1個正常負荷數據點（第j點，參考點）的負荷變化率。

然后，統計歷史上各日的這兩時刻點間的負荷變化率（在概率意義上[5]）的正常范圍。對比待檢測日的這兩點的負荷變化率是否在該正常范圍，以認定該點是否為可疑數據點。

對于不同的電力系統，其負荷數據中存在的正常的隨機變化量幅度不同，通過提高或降低判斷標準，即可收緊或放寬對可疑數據點的認定。任何一種可疑數據判斷機制都可能造成一定的誤差（誤判或漏判），但是，在采用擴展短期負荷預測進行壞數據修正時，由于依據的是有規律的預測結果完成修正，所以所認定的可疑數據點多幾個點或少幾個點并不會對修正結果造成太大的影響。這正是這種修正方案獨特的優勢所在。

（2）修正可疑數據點

修正歷史數據中的可疑數據是短期負荷預測系統的要點和難點之一。準確的修正可疑數據點的數據要比辨識它難得多。因此，傳統的負荷預測系統無法很好地處理壞數據修正問題，只能依靠預測人員的人工經驗來解決。采用擴展短期負荷預測方案進行壞數據修正則可代替人工修正方式，減少預測人員的工作量，同時減少由于人工修正帶來的人的主觀因素影響。

負荷壞數據修正方案如下（以每日采樣96點為例）：

首先，對某日負荷數據點進行逐一的辨識，記其正常負荷數據點的矢量為Xr=(xr1,xr2,…，xrm)，不正常數據點（即：可疑數據點）的矢量為Xe=(xe1,xe2,…,xen)，m+n=96。這里的下標r1,r2,…,rm和e1,e2,…,en并不一定連續。

然后，依據前述的擴展短期負荷預測實現方案，在已知Xr條件下，可以獲得Xe的估計值，采用估計結果替代原值Xe，即完成該日壞數據修正。

為了確保歷史負荷數據曲線平滑，可以在修正后的可疑數據點與其前后2點數據間作平滑處理，這樣得到的修正效果更好。

統計表明，實際電力系統中每日壞數據點數一般不超過10點，即：n<10，正常數據點m≥86。則上述修正方案相當于，在以已知的（多于）86點數據為優化目標的情況下，對該日96點數據進行擴展短期負荷預測，統計表明，這樣條件下的預測準確度高達98.42%以上。可見，修正效果非常理想。

3.4應用實例

采用上述歷史壞數據修正方案對我國某電力系統2002年1月11日歷史數據進行模擬修正：在該日正常負荷數據（圖2中的虛線）基礎上，人為地模擬制造一些壞數據，包括通道壞數據及畸變壞數據，如圖2中的實線，以此模擬實際電力系統中的帶有壞數據的“實際負荷曲線”。然后，對這些壞數據進行修正，觀察其修正效果。

從圖2可見，該日的“實際負荷曲線”基本上失去了正常負荷數據具有的特征，即便一個有經驗的預測人員也不可能準確地修正出正常的負荷數據。然而，采用上述擴展短期負荷預測方案進行修正，其結果如圖2中的短劃線所示，它與正常負荷曲線非常貼近。

分別將修正后的預測結果和“實際負荷曲線”與正常負荷曲線相對比，所得結果列于表1。

從表1可知，采用上述壞數據修正方案對負荷數據進行修正，將日負荷誤差均方差從9.32%降低到0.77%。該結果表明，采用擴展短期負荷預測進行歷史負荷壞數據的修正相當有效。

該方案具備如下優點：

（1）算法簡單，準確度高，修正效果明顯；

（2）對畸變壞數據有很好的修正效果；

（3）對可疑數據點的辨識要求不嚴。

實際應用中，由于錯判或漏判幾個壞數據點對修正結果無太大影響，因此，該方案尤其適用于正常負荷曲線比較平滑，而系統突發事件又比較頻繁的電力系統。

4應用2：補足當日未知多點負荷值

4.1概述

短期負荷預測主要應用于提前一天完成用電計劃的制定。傳統的負荷預測系統往往只是依賴昨日以前的歷史數據樣本，及相關的負荷影響因素數據，完成明日用電計劃負荷的預測。這種預測方案沒有利用最新的、含信息量非常豐富的當日的已知負荷信息（及負荷相關信息），使得預測準確度難以進一步提高。

如何利用最新獲得的當日的負荷信息參與明日的用電預測，是提高短期負荷預測的預測精度的關鍵之一。采用擴展短期負荷預測對當日未知的負荷數據進行虛擬補足，并利用這些數據和當日已發生的負荷數據一起作為已知數據參與預測，可以提高第二日負荷的預測精度。其應用背景及實現方法如下所述。

4.2應用背景

目前，國內適用的短期負荷預測系統絕大多數采用的是綜合模型預測方案[4]。該方案的實現原理是：尋找出與預測日各種影響因素相似的歷史日期（即相似日）；采用不同的預測算法對其進行虛擬預測；比較該日實際歷史負荷與虛擬預測結果的擬合準確度以確定各種算法的權重分配；應用所得到的各算法的權重做第2日負荷預測。

在這樣的預測機制下，有一個矛盾需要解決，即在對尋找到的相似日（歷史日）進行虛擬預測時，該日前1日的負荷已經知道，而且參與了對相似日負荷結果的預測；然而，采用同樣的算法對預測日（明日）進行預測時，其前一日（當日）的負荷不全，例如。只有11時之前的負荷數據，缺少11時之后到24:00這段時間的負荷。因此，只能取昨天的負荷做預測，影響預測精度。為此，必須盡可能準確的補足這些缺失負荷，并用它們參與預測。采用擴展短期負荷預測實現對當日負荷數據的補足是一個有效、合理的方案。

4.3實現方案

該方案原理是：以當日及以前已知的實況信息（包括負荷信息、氣象信息）為已知條件，采用擴展短期負荷預測對當日未知負荷點的數據進行預測，并用預測結果作為這些點的數據的合理估計值，從而“彌補”上當日缺失的負荷值。

假設當日已知的前m點負荷值矢量為：Xr=(x1,x2,…,xm)T，未知的后96-m點負荷值矢量為：Xe=(xm+1,xm+2,…,x96)T。

參照前述擴展短期負荷預測實現方案，以Xr為已知條件，確定綜合模型參數，再用昨日負荷預測今日負荷，可以得到Xe的合理估計值。采用“補足”當日缺失的Xe的負荷數據，即可虛擬的得到當日全日的負荷數據。

統計數據表明，在已知當日1/3以上的負荷數據（比如已知該日0:00~11:00的負荷數據）的基礎上，對當日進行擴展短期負荷預測，統計14:00后平均預測準確度可達96.08%[2]；且全年半數以上的日期的擴展短期負荷預測準確度在98%以上，因此，用該結果作為虛擬實況負荷補足當日負荷，參與明日的短期負荷預測，可以提高預測精度。

4.4應用效果

對國內某電力系統利用近幾年的負荷數據進行預測，按上述方案補足當日負荷數據，并應用它參與次日的短期負荷預測，與傳統的短期負荷預測方法相比，其預測準確度可提高約2%。而且，由于擴展短期負荷預測充分應用了當日最新的負荷信息和氣象信息，對日負荷變化跟蹤迅速，因此，它尤其適用于負荷變化幅度大、日負荷影響因素多的電力系統。

5結論

要提高短期負荷預測的準確度，需要確保預測系統積累有足夠的、準確的歷史參考樣本信息，并盡可能的利用最新的負荷（相關）信息。擴展短期負荷預測方法為這兩種需求提供了理想的實現方案。實際應用表明，該方法對提高短期負荷預測準確度的作用是明顯的。

參考文獻

[1]莫維仁，孫宏斌，張伯明（MoWeiren,SunHongbin，ZhangBoming）．面向電力市場的短期負荷預測系統設計及實現（Designandrealizationofashort-termloadforecastingsystemunderelectricitymarket）[J]．電力系統自動化（AutomationofElectricPowerSystem），2001，25(23)：41-44．

[2]莫維仁，張伯明，孫宏斌，等（MoWeiren，ZhangBoming，SunHongbinetal）．擴展短期負荷預測的原理和方法（Extendedshort-termloadforecastingprincipleandmethod）[J]．中國電機工程學報（ProceedingsoftheCSEE），2003，23(3)：1-4．

[3]王民量，張伯明，夏清，等（WangMinliang，ZhangBoming，XiaQingetal）．能量管理系統TH-2000中的短期負荷預測(Short-termloadforecastingofTH-2100EMS)[J]．電力系統及其自動化學報（JournalofElectricPowerSystemandItsAutomation）．1999，(4)：15-20．

[4]康重慶，夏清，沈瑜，等（KangChongqing，XiaQing，ShenYuetal），電力系統負荷預測的綜合模型（Integratedmodelofpowersystemloadforecasting）[J]，清華大學學報（JournalofTsinghuaUniversity），1999，39(1)：8-11．

[5]盛驟，謝式千（ShengZhou，XieShiqian）．概率論與數理統計（Probabilitytheoryandsymbolicstatistics）[M]．高等教育出版社（HigherEducationPress），1996，8．