極短期負(fù)載預(yù)測模型建置研究

摘要：在短期負(fù)載預(yù)測的應(yīng)用上，常使用溫度、濕度、風(fēng)速、寒冷指數(shù)等與氣候相關(guān)的因素為輸入?yún)?shù)，然而在極短期負(fù)載預(yù)測的領(lǐng)域中，氣候因素的變遷幅度相較于預(yù)測區(qū)間的負(fù)載變動程度而言，相對為小，并且在既有的預(yù)測模型輸入?yún)?shù)中，已經(jīng)納入氣候因素信息，因此，極短期負(fù)載預(yù)測模型將僅使用負(fù)載量信息為輸入?yún)?shù)。極短期電力負(fù)載預(yù)測器，其特色為輸入變量的選用系取決于供電系統(tǒng)的型態(tài)及架構(gòu)，與許多文獻(xiàn)中提供的輸入?yún)?shù)選取方法相較下，更顯簡易與實(shí)用。

關(guān)鍵詞：極短期 負(fù)載 預(yù)測 模型

中圖分類號：TP3 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-098X（2015）05（A）-00

1 傳統(tǒng)輸入變量的選取步驟如下

1） 使用統(tǒng)計(jì)測試方法，選擇與輸出變量相互關(guān)聯(lián)性較顯著的輸入變量，要自動選擇適當(dāng)?shù)妮斎胱兞浚仨毷褂梅菂?shù)型關(guān)聯(lián)性方式，計(jì)算每一變量與負(fù)載量間關(guān)聯(lián)性的顯著程度，其后，將顯著性系數(shù)高于設(shè)定門坎值的變量排除。

2） 挑選出多余的變量，亦即有相互關(guān)系的變量。

3） 輸入變量選取優(yōu)化的方式，系透過直角三角形因子分解演算驗(yàn)證后，移除多余的變數(shù)。

2 電力機(jī)組測試供電等三種模式

本文提出簡易輸入變量選取法則，系透過系統(tǒng)供電架構(gòu)回路關(guān)聯(lián)性，尋找適當(dāng)?shù)妮斎胱兞浚╇娤到y(tǒng)架構(gòu)中，其供電模式可分為一般供電、停電、與備用電力機(jī)組測試供電等三種模式，分述如下：

1） 一 般 供 電 模 式 ： 電 源 經(jīng) 由 主 變 電 站 ， 分 送 至 氮 氣 廠 與SUB1、SUB2、SUB3、LB1、CUP、Office 等次變電站，并提供動態(tài)式不斷電系統(tǒng)的感應(yīng)耦合器儲能，再由其供給 SUB1、SUB2、SUB3 次變電站內(nèi)，有不斷電需求的負(fù)載回路使用。

2） 全黑供電模式：當(dāng)供給電力中斷，則由緊急發(fā)電機(jī)組起機(jī)后，傳送至主變電站，依所設(shè)計(jì)的復(fù)電程序，按照順序自動配送至各次變電站，此時，SUB1、SUB2、SUB3 次變電站不斷電需求的負(fù)載回路系由動態(tài)式不斷電系統(tǒng)引擎發(fā)電供給。

3） 備用電力機(jī)組測試供電模式：因緊急發(fā)電機(jī)組并聯(lián)扛載失 敗時，造成生產(chǎn)損失的影響極大，故緊急發(fā)電機(jī)組的測試通常僅以空載運(yùn)轉(zhuǎn)測試；而在固定執(zhí)行的動態(tài)式不斷電系統(tǒng)機(jī)組扛載測試時，全廠用電量數(shù)據(jù)需扣除由動態(tài)式不斷電系統(tǒng)所供應(yīng)的負(fù)載量。

負(fù)載用電量的預(yù)測應(yīng)以一般供電模式為主，全黑供電模式不易發(fā)生，而備用電力機(jī)組的測試周期為每月一次，并持續(xù)運(yùn)轉(zhuǎn)半小時，因此后兩項(xiàng)的供電模式應(yīng)視為特例，并于選取系統(tǒng)訓(xùn)練數(shù)據(jù)時，將此區(qū)間的負(fù)載用電數(shù)據(jù)排除。全廠用電量負(fù)載預(yù)測模型建構(gòu)如式（1.2）所示

由于精確函數(shù) f i未知，因此利用適當(dāng)?shù)牡箓鬟f神經(jīng)網(wǎng)絡(luò)及歷史負(fù)載數(shù)據(jù)訓(xùn)練，來近似函數(shù) f i ；假設(shè) Pmain ， Pmain1，...， Pmain N1 是有界的。為神經(jīng)網(wǎng)絡(luò)中的參數(shù)

3 訓(xùn)練樣本選取范圍

不同時間特性所造成負(fù)載變動的差異，神經(jīng)網(wǎng)絡(luò)被設(shè)計(jì)為可擷取特定時間點(diǎn)的負(fù)載樣本，因而將季節(jié)、工作日、周末的時間點(diǎn)予以切割，并依照地區(qū)特征來個別處理，假日的信息則必須特別處置，因?yàn)樵跇O短期負(fù)載預(yù)測中，連續(xù)假期之前或之后的負(fù)載數(shù)據(jù)，亦將受連假的影響；然而本文所使用的用電數(shù)據(jù)來自于半導(dǎo)體制造廠，其用電特性為全年度 24 小時滿載生產(chǎn)，因此工作日、假日或連續(xù)假期的用電差異并不明顯，負(fù)載數(shù)據(jù)樣本選別無需特別突顯工作日與假日的分別，再者，每一制程世代演進(jìn)時程越發(fā)縮短，現(xiàn)今已達(dá)每半年演進(jìn)一個制程，而每一個制程整體的用電量皆有差異，因而在半導(dǎo)體廠的用電資料亦無法采用去年同期的用電數(shù)據(jù)為訓(xùn)練樣本，另外，季節(jié)性變動將會則影響無塵室空氣調(diào)節(jié)用電量的變化，此類型負(fù)載的用電量體極大，致使無法忽視其用電量的變異，因此訓(xùn)練數(shù)據(jù)樣本必須區(qū)隔季節(jié)性變動因素。

4 數(shù)據(jù)前期處理

原始數(shù)據(jù)前期處理的手法如下

4.1 不規(guī)則原始數(shù)據(jù)的定義：

1）不符現(xiàn)況的過大、過小負(fù)載值、分離物。

2）數(shù)據(jù)釘。

3）冗余樣本。

4） 遺失樣本。

4.2 數(shù)據(jù)修補(bǔ)的方式：

1）分離物由原始數(shù)據(jù)中移除，再將正確的原始數(shù)據(jù)匯整，產(chǎn)生新的負(fù)載數(shù)據(jù)，匯整計(jì)算使用簡易的平均法。

2） 數(shù)據(jù)釘以人工方式修改為 0 取代，將此數(shù)據(jù)樣本實(shí)施標(biāo)示，并需再實(shí)施一次數(shù)據(jù)處理。

3）冗余樣本直接移除。

4）遺失樣本直接以 0 取代。

5）使用 splining 算法來修補(bǔ)上述 0 值，但若缺口長度若過大，此算法的效益將受限。

4.3 執(zhí)行訓(xùn)練前，訓(xùn)練樣本數(shù)據(jù)仍須經(jīng)過兩個階段的處置，首先，使用對數(shù)差的方式修飾負(fù)載數(shù)據(jù)。

5 總結(jié)

除前述項(xiàng)目外，半導(dǎo)體廠用電數(shù)據(jù)前期處理還須特別注意，在全黑及備用電力機(jī)組測試供電模式下，全廠用電量將失真，此時需將此區(qū)間的數(shù)據(jù)實(shí)施移除。

參考文獻(xiàn)

[1] 李冬梅，施海虎.負(fù)載平衡調(diào)度問題的一般模型研究[J]. 計(jì)算機(jī)工程與應(yīng)用. 2007（08）

[2] 朱連章，楊杰. 基于GA和ANN的隨機(jī)規(guī)劃模型對儲層參數(shù)的預(yù)測[J]. 微計(jì)算機(jī)應(yīng)用. 2005（02）

[3] 馬丹，張薇，李肯立. 并行任務(wù)調(diào)度算法研究[J]. 計(jì)算機(jī)應(yīng)用研究. 2004（11）