基于單位門函數小波包的電力負荷預測的研究

陳侃黎

【摘 要】本文針對負荷曲線的時段性提出一種門函數，方便描述分段負荷曲線;針對負荷受經濟、氣候等環境因素的影響，而呈現出局部隨機波動性，提出了環境因素，并用具有良好局部性的門函數小波包來描述環境因素系數，從而建立了兼顧負荷曲線規律性和隨機性的基于門函數小波包的電力負荷預測方法，并分別建立了短期電力負荷預測模型和長期電力負荷預測模型。經實例分析，驗證了方法的實用性和有效性。

【關鍵詞】負荷預測;門函數小波包;小波包分析

前言

近年來，各行業以及居民的用電量飛速增長，導致整個電力行業成長迅速。如何向用戶提供安全、可靠、經濟、優質的電能是電力行業主要解決的問題，其中對電力負荷進行準確預測，了解用戶用電需求量是保證電力系統可靠、經濟運行的前提。電力負荷預測準確度提高，有利于電力行業健康發展，能保持電網安全穩定運行。但是電力負荷預測還受到很多因素的影響，這些因素讓電力負荷曲線具有時段性和波動性。本文針對時段性提出了單位門函數，針對波動性提出了小波包分析，利用單位門函數小波包分析法來預測長期電力負荷和短期電力負荷。

一、小波包分析與門函數小波包

1、從傅里葉分析到小波包分析

傅里葉分析思路是將周期信號的傅里葉分析方法推廣到非周期信號中。

然而，傅里葉分析不能做到頻率和時間同時定位，因此提出了短時傅里葉分析。短時傅里葉分析是在傅里葉分析的基礎上增加了時間窗。但其不能同時滿足頻率上的精度和時間上的精度，所以提出了小波分析。

小波包分析是對小波分析的延伸。在小波變換中，信號高頻部分頻率分辨率較低，信號低頻部分時間分辨率較低。對于一些精度要求較高的實際問題，單純利用小波分析是不夠的，還需要對某些窗口進行更加精細的分析，小波包分析就能解決這個問題。

2、門函數小波包

由于電力負荷受時間因素的影響，因此負荷曲線具有時段性。為了表達和運算更加方便，以單位階躍函數為基礎，提出了自定義自變量域的門函數[3]。但門函數不滿足小波基的條件，因此門函數小波包是先由門函數生成門函數小波基，再由門函數小波基生成門函數小波包，最終通過門函數小波包來擬合電力負荷曲線。

構成小波函數的基函數通常是由遞歸函數定義的正交小波基構成，稱為小波包。門函數不是小波函數，不能直接作為小波基，因此，先由門函數生成一個小波基。

對這個基波可以進行兩種操作。第一種是將 在橫軸上壓縮為原來的二分之一，再將此波形重復一個周期。第二種在第一種基礎上，將重復的一個周期取反。生成的新波形與原來的波形是正交的，可以選擇任何一種操作方法對基波進行操作，從而形成一組正交小波基。門函數與所生成的小波包一起構成了一組完備正交系，稱為門函數小波包。

二、短期電力負荷預測模型

短期電力負荷具有規律性和波動性。規律性是指電力負荷受發展趨勢、季節變化等因素影響，形成不同周期的規律性變化。波動性是指電力負荷受隨機因素影響形成的隨機波動。

三、長期電力負荷預測模型

長期電力負荷具有非線性飽和增長特性。另外，長期電力負荷還具有慣性。除此之外，長期電力負荷與短期電力負荷一樣，具有隨機波動性。根據上面分析的長期電力負荷特性發現，單一的函數模型不能完整地描述長期電力負荷曲線的變化特性，對此，提出了加權型非線性數學模型。

四、實例分析

1、短期電力負荷預測的實例分析

本文利用星期一至星期四的負荷數據預測星期五的負荷數據，并將預測值與實際值進行比較。如果預測結果相對誤差在5%以內，模型可靠。

前四天數據的圖像，如下圖。

首先對前四天數據進行小波包分解，提取每一天的小波包系數，預測得到第五天的小波包系數，再還原重構出第五天數據的預測值。

誤差分析：

（1）隨機函數沒有起到作用。

（2）原始數據取樣間隔大。

2、長期電力負荷預測的實例分析

本文利用06年至13年的數據來預測14年的數據，并將預測值與實際值進行比較。如果預測結果相對誤差在5%以內，模型可靠。

首先建立兩個擬合函數，分別為一次函數和對數函數，年用電量數據為兩個函數加權平均值，根據已知數據得到8個權值。然后，通過小波變換預測得到后1年的權值，代回模型中計算兩個函數的加權平均值作為預測值。

五、總結與展望

1、總結

文中短期電力負荷預測采用門函數小波包分解、預測與重構，長期電力負荷預測采用直線擬合和對數擬合加權模型，利用某供電公司數據，對所提出的短期電力負荷預測方法和長期電力負荷預測方法進行實例分析，檢測所建立模型的可行性。實例分析中相對誤差都在5%以內，得到了較好的預測精確度，負荷預測模型可靠。

和傳統的電力負荷預測方法相比，小波包分析確實是一個強大靈活的工具，將負荷數據分解成不同頻率的分量，使得通過分析每個分量的特性來提高預測的準確性成為可能。

2、研究展望

雖然文中提到的方法已經將電力負荷預測的誤差控制在5%以內，達到了預期要求，但是為了達到更高精度的預測，還是有一些問題值得思考：

（1）影響電力負荷預測的因素有許多，他們會對電力負荷預測造成一定影響。由于這些數據的缺乏，本文的預測算法中并不能把隨機因素考慮進去，如果能系統地將這些因素也進行預測，把這些因素都考慮在內的話，預測的結果肯定會更加精確。

（2）對短期電力負荷預測中沒有分時建模，對短期電力負荷來說，峰、谷、平時段用電規律會有所不同，如果能針對不同時間段建立相應的預測模型，會減小預測值和實際值之間的差異。

（3）短期電力負荷預測還有一個取樣問題。文中只對整點用電量進行取樣，數據偏少，如果能減小取樣間隔，半小時取樣一次，或十五分鐘取樣一次，就可以獲得更多數據，在小波包分解時，層次也能分解更多，使得預測更準確。

參考文獻：

[1] 唐忠.基于門限小波包的負荷預測方法的研究（一）門限小波包理論[J].電力系統及其自動化學報，2001，13（4）：19-23.

[2] 唐忠.基于門限小波包的負荷預測方法的研究（二）短期負荷預測[J].電力系統及其自動化學報，2001，13（5）：46-49.

[3] Yanqiu Bi，Jianguo Zhao and Dahai Zhang.Power Load Forecasting Algorithm Based on Wavelet Packet Analysis[C].IEEE，2004，doi：10.1109/ICPST.2004.1460137.

（作者單位：國網上海市區供電公司）