基于小波分析的電力系統短期負荷預測方法

王昕

【摘 ?要】基于自組織灰色神經網絡中的電力系統異常短期負荷數據辨識與修正方法應用，然后分別進行前向自組織灰色插值法和后向自組織灰色插值法對缺失點短期負荷進行預測，來優化兩種預測的最優組合來確定最終的填補值;在填補短期負荷缺失點的同時，也對短期負荷序列中的異常值使用自組織灰色插值方法進行了辨識及修正。

【關鍵詞】電力系統;短期負荷預測;預測方法;實際應用

隨著計算機應用技術與電力系統短期負荷預測快速發展，在自組織灰色神經網絡的非線性動力學性質，主要采用動力學系統理論來分析電力系統短期負荷預測自組織灰色神經網絡的演化過程和吸引子的性質，促進自組織灰色神經網絡的協同行為和集體計算功能和電力系統短期負荷預測以及電力系統發電計劃的重要組成部分，也是電力系統經濟運行的基礎管理。促進國家電網運行的安全性、穩定性及經濟性，優化電能質量控制及準確的優化電力系統短期負荷預測效果。因此，在電力系統短期負荷預測的關鍵是提高定位精確度。在當前電力發展迅速和供應緊張的情況下，合理優化電力系統短期負荷預測也是我國實現電力市場的必備條件，具有重要的自組織灰色神經網絡中的實用價值。

1 大規模電力系統短期負荷預測原理研究

短期負荷預測包括兩方面的含義對未來需求量的預測和未來用電量的預測。電力需求量的預測決定發電、輸電、配電系統新增容量的大小;電能預測決定發電設備的類型。短期負荷預測的目的就是提供短期負荷發展狀況及水平，同時確定各供電區、各規劃年供用電量、供用電最大短期負荷和規劃地區總的短期負荷發展水平，確定各規劃年用電短期負荷構成不同的預測目的，短期負荷預測可分為超短期、短期和中長期的預測。一般說來，一小時以內的短期負荷預測為超短期負荷預測，用于安全監視、預防性控制和緊急狀態處理;日短期負荷和周短期負荷預測為短期負荷預測，分別用于安排日調度計劃和周調度計劃和月至年的短期負荷預測為中期短期負荷預測，主要確定電網的運行方式和設備大修計劃。

1.1 大規模電力系統短期負荷預測中的基于電力系統調度中的研究

短期負荷預測是電力系統調度、實時控制、運行計劃和發展規劃的前提，是一個電網調度部門和規劃部門所必須具有的基本信息。提高短期負荷預測技術水平，有利于計劃用電管理，有利于合理安排電網運行方式和機組檢修計劃，有利于節煤、節油和降低發電成本，有利于制定合理的電源建設規劃，有利于提高電力系統的經濟效益和社會效益。因此，短期負荷預測已成為實現電力系統管理現代化的重要內容。隨著首都經濟社會的快速發展和人民生活水平的不提高，電力需求持續快速增長，在度冬、度夏及特殊天氣日，極易出現極端短期負荷。

2大規模自組織灰色神經網絡中的基于自組織灰色系統方法研究

自組織灰色神經網絡中的電力系統短期負荷預測是既含有已知的確切的信息又含有未知的非確切的信息的系統。如果將影響短期負荷的各種復雜因素聯合起來看成一個集成大系統，那么它兼有確定性和不確定性，本征性和非本征性自組織灰色系統特征。實際的短期負荷歷史資料能夠清晰的顯示出其自組織灰色系統特征，年月日的短期負荷既有逐年增長趨勢確定的一面，同時又有每年每月每日短期負荷隨機變化的不確定性的一面。自組織灰色系統理論可以用少量的數據做微分方程建立起預測的模型，從理論上可以使用于任何非線性的短期負荷預測。將一定范圍內變化的歷史短期負荷數據列進行累加，使其變成具有指數增長規律的新數列，然后就生成的新數列建立自組織灰色模型，最后通過累減生成得到短期負荷預測值。對于具有波動性變化的電力短期負荷，可以建立等維新息自組織灰色預測模型，有效提高預測精度。

2.1大規模自組織灰色神經網絡中的基于自組織灰色短期負荷預測模型研究

隨著自組織灰色神經網絡模型是指利用神經網絡良好的非線性映射能力來求解GM（1，1）模型的自組織灰色微分方程，優化自組織灰色電力系統短期預測負荷模型研究（如圖一）。

3 結束語

綜合上述自組織灰色神經網絡搭建的電力系統短期負荷預測模型學習方法和數據樣本，使自組織灰色神經網絡就可以據此生成相應的權系數矩陣控制系統，進而實現期望目標輸出。因此，一旦給定了經過訓練的權系數矩陣和短期負荷預測自組織灰色神經網絡的拓撲結構，就可以對被測點進行短期負荷預測[1]。但BP網絡學習、記憶的不穩定性以及較慢的學習速度卻影響著它的進一步普及，實踐證明，自組織灰色神經網絡有能力優化電力系統短期負荷預測應用研究。

參考文獻：

[1]于繁華，劉仁云.計算智能技術及其工程應用[M].北京：科學出版社，2010.6

[2]施彥等.神經網絡設計方法與實例分析[M].北京：北京郵電大學出版社，2009.12

[3]牛東曉.電力短期負荷預測技術及其應用[M].北京：中國電力出版社，2009，6.

[4]羅云霞、李燕.電力系統基礎[M].鄭州：黃河水利出版社，2009，1.

[5]周顯玉.短期電力短期負荷預測的基本模型[J].科技創新導報，2008，9：41.

（作者單位：國網山西省電力公司汾陽市供電公司）