基于rbf神经网络的短期负荷预测研究毕业论文(编辑修改稿)

基于rbf神经网络的短期负荷预测研究毕业论文(编辑修改稿)内容摘要：

系统峰值的影响越来越大，使之成为在负荷预测中必须考虑的重要因素。 商业负荷也同样具有季节性变化和日变化的特点，这种变化 也是由于商业部门越来越广泛地采用空调、电风扇等敏感于气候的电器，以及商业营业性质所致。 相对来说，工业负荷占负荷比例较大，且一般可视作是受气候影响较小的基础负荷，但也不能说一点也不受气候的影响。 比如高温季节，工业负荷也含有降温和防暑耗电。 一方面由于工业负荷本身负荷很大，另一方面尤其是由于三班连续生产，因此一般来说这类负荷变动较小，但是随着电力需求侧管理的加强、峰谷电量费用的差别拉大，有些工业用户的日负荷也出现了较大的变化。 另外某些工业用户可能具有一些特殊要求，如要求很高的功率 (冲击负荷、峰值负荷较大等 )但不 一定要求很大的用电量，某些工业用户可能具有明显的季节性特点，负荷预测中这些都需要采用相应的措施加以对待。 农业用电一般对地区负荷影响不大，需要注意的是农忙期间，特别是夏季生产排灌用电，其时间不长，但负荷特别集中，容易造成局部用电紧张。 其它各类负荷一般所占比例比较小，虽也都有各自的不同特点，但对整个系四川理工学院本科毕业论文 9 统负荷的影响不是很大。 总之，负荷的变化是非常复杂的，进行预测时应考虑到各方面的影响因素，其中尤其应加以重视的是负荷中天气因素的影响。 按特性分类。 根据负荷预测表示的不同特性，又可以分为最高负荷、最低负荷、 平均负荷、负荷峰谷差、高峰负荷平均、低谷负荷平均、平峰负荷平均、全网负荷、母线负荷、负荷率等类型的负荷预测，以满足供、用电部门的管理工作的需要。 负荷预测的基本步骤 负荷预测的基本要求 要做好负荷预测，需要满足以下几个方面的要求： 基础资料的合理性。 负荷预测的目的是得到合理、可信的预测结果，负荷预测的核心是根据预测对象的历史资料，建立数学模型来表述其发展变化规律。 因此，要做好负荷预测，需要搜集和掌握大量全面、准确的资料，并且进行必要的分析和整理，这是进行电力负荷预测的基础。 历史数据 的可用性。 如果各种渠道所取得的数据互相矛盾，就要对历史数据进行合理性分析与取舍，去“伪 存“真”。 “伪”产生的原因主要有：认为因素造成的错误 (如录入错误 )，统计口径不同带来的误差，“异常数据 的存在给正常隶属序列带来较大的随机干扰，影响预测体系的预测精度，如果“异常数据”过大甚至会误导预测体系的预测结果，因此必须排除由于“异常数据”的存在带来的不良影响。 统计分析的全面性。 对于大量的历史资料，要进行客观而全面的统计分析。 预测工作者应该从客观情况出发，本着实事求是的原则，反复研究和分析历史发展的内在规律性 ，为预测工作打好基础。 预测手段的先进性。 包含两层意思，一是预测工具的先进性，由于数据量很大，可采用计算机进行各种统计分析及预测工作，预测人员可以从繁杂的大量计算中解脱出来，二是预测理论的先进性，可以不断发展和应用新的预测理论与方法，借鉴其他领域预测工作中的成功经验，使电力负荷预测达到一个较高的水平。 预测方法的适应性。 预测量发展变化的自然规律复杂多样，因此要求预测周路尧：基于 RBF 神经网络的短期负荷预测研究 10 方法所具有的适应性包括： （ 1）由于电力系统负荷预测是在一定的假设条件下进行，其中包含了许多不确定因素，采用单一的方法进行预测，很难取得 令人满意的结果。 预测方法能适应预测量发展变化规律的多样性，即要求预测系统建立完备的预测模型库，这是建立负荷预测软件系统的基础。 （ 2）各个预测模型需要进行参数的合理估计，并根据预测效果不断进行自适应调整，以期达到更好的预测效果。 （ 3）在多种预测模型得到的不同规律的基础上，进行合理的综合分析、优化组合，得到最接近与该预测项的历史规律、可靠性好、预测精度高的综合模型。 负荷预测的基本步骤 在电力系统短期负荷预测中，为了更好的达到预测效果，常常按照以下步骤进行预测 [6]： 确定负荷预测的目的，制定 预测计划 负荷预测目的要明确具体，紧密联系电力工业实际需要，并据以拟定一个负荷预测工作计划。 在预测计划中要考虑的问题主要有：准备预测的时期，所需要的历史资料，需要多少项资料，资料的来源和搜集资料的方法，预测的方法，预测工作完成时间，所需经费来源等等。 调查资料和选择资料 要多方面调查搜集资料，包括电力企业内部资料和外部资料，国民经济有关部门的资料，以及公开发表和未公开发表的资料，然后从总舵的资料中挑选有用的一小部分，即把资料浓缩到最小量。 挑选资料的标准，一要直接有关性，二要可靠性，三要最新性。 资料 整理 对搜集的与负荷有关的统计资料进行审核和必要的加工整理，是保证预测质量所必须的。 可以说，预测的质量不会超过所用资料的质量，整理资料的目的是为了保证资料的质量从而保证预测质量打下基础。 (1) 衡量统计资料质量的标准 衡量一个统计资料质量高低的标准，主要有以下几个方面： 1) 资料完整无缺，各期指标齐全； 四川理工学院本科毕业论文 11 2) 数字准确无误，反映的都是正常状态下的水平，资料中没有异常的“分离项” (outlier)； 3) 时间数列各值间有可比性。 (2) 资料的整理 资料整理的主要内容有以下几项： 1) 资料的补缺推算。 如果中间某一项的资料空缺 ，则可利用相邻两边资料取平均值近似代替，如果开头一项空缺，则可利用趋势比例计算代替。 2) 对不可靠的资料加以核实调整。 对能查明原因的异常值，用适当方法加以订正；对原因不明而又没有可靠修改根据的资料，最好删去，有多少删多少。 3) 对时间数列中不可比资料加以整理。 时间数列资料的可比性主要包括：各期统计指标的范围是否完全一致；各期价值指标所用价格有无变动；各期时间单位长度是否可比；周期性的季节变动资料的各期资料是否可比，是否能如实反映周期性变动规律。 对资料的初步分析 在经过整理之后，还要对所用资料进行初步分析，包括 一下几个方面： (1) 画出动态折线图或散点图，从图形中观察资料变动的轨迹，特别是注意异常值和转折点，研究它是由偶然的，还是其他什么必然的原因所致。 (2) 查明异常值的原因后，加以处理，对于异常值，常用的处理方法是，设负荷历史数据为 nxx ,1  ，令 ni ixnx 11 ，若 %)201(  xxi ，取 %)201(  xxi ；若 %)201(  xxi ，取 %)201(  xxi。 从而使历史数据序列趋于平稳。 (3) 计算一些统计量后，以进一步辨明资料轨迹的性质，为建立模型做准备。 建立预测模型 负荷预测模型是统计资料轨迹的概括，它反映的是经验资料内部结果的一般特征，与该资料的具体结构并不完全吻合。 应根据所确定的预测内容，对预测对象进行客观、详细的分析，根据历史数据的发展情况，并考虑本地区实际情况和资料的可利用程度，选择建立合理的数学模型。 在预测中常用的预测方法有多种，各种预测方法均有其不同的特点和适用范围。 模型的选择对预测精度有很大的影响。 实践证明，没有一 种方法在任何预测周路尧：基于 RBF 神经网络的短期负荷预测研究 12 场合下均可以保证获得满意的预测结果。 因此，首先应根据预测者的经验并吸收他人的预测经验，根据对预测对象的观察，建立初级模型。 然后收集预测对象本身的内因资料 (与预测对象的历史和现在的发展状况有关 )和预测背景的外因资料(与影响预测对象发展过程的各种因素有关 )。 最后在初级模型的基础上，经对比、检验、修正和深化后，才能选择合理的预测模型。 综合分析，确定预测结果 通过选择适当的预测技术，建立负荷预测数学模型，进行预测运算得到的预测值，或利用其他方法得到的初步预测值，还要参照当前已经出现的各种可能性 ，以及心的趋势与发展，进行综合分析、对比、判断推理和评价，最终对初步预测结果进行调整和修正。 负荷预测管理 将符合预测报告提交后，只是本次预测告一段落，并不等于全部预测工作的结束，随后仍需根据主客观条件的变化及预测应用的反馈信息进行检验，必要时进行修正和调整。 电力负荷的特性分析 负荷的周期性 短期负荷预测的一个突出特点是：为对系统负荷进行预测，必须对过去的负荷历史资料进行分析。 因为电力系统的负荷本质上是不可控的，了解未来短期内的负荷的可能变化的一个最有效的办法，就是观察负荷的历史纪录。 电力系统负荷的变化是有规律的，其规律主要体现在负荷变化的周期性，这种周期性是负荷的一种内在规律 [4,6]。 究其原因，是人类的生产、生活具有规律性，因此负荷变化也具有规律性。 负荷的变化的具体的周期性体现在它具有按天、按周及按年的周期性变化特点。 负荷变化的周期性是分析负荷预测的基础，也是预测的关键。 负荷变化的年周期性。 负荷的年周期性与季节的关系密切，也主要体现了负荷与人民生活规律的紧密关系，不同的季节，人民的生活方式和部分生产情况改变，则相应地影响着负荷的变化。 一般夏季比较炎热，较直接的体现为制冷的用 电负荷明显增加，同时可以看到在夏季的负荷波动较其他季节明显；冬季负荷较低，同时负荷的变化很四川理工学院本科毕业论文 13 规律，波动较小；春秋季负荷的特性一般介于冬夏之间，负荷的变化特性不是很明显。 负荷变化的周周期性。 负荷变化的周周期性主要体现为从周一到周日的每个星期的周期性特征，可以解释为工作日期间主要为工业生产负荷持续运行，人们的生活方式也符合于工作期间的规律，所以表现出负荷的工作同相似特性。 休息日时间 (周六周日两日 )，部分工业负荷下降，人们的生活方式变化，如餐饮业、娱乐业等负荷加大，从而影响了负荷的变化，一般而言是负荷相对于 工作日降低。 负荷变化的日周期性。 负荷变化的日周期性体现为以 24小时为周期的负荷值的变化，一般不分季节每日都有早晚两个高峰，早高峰一般出现在上午 10： 00 点左右，晚高峰出现在晚上 19： 00 到 22： 00 左右。 一天的低谷负荷出现在午夜至早晨的后夜间，一般在这个时段人们处于休息状态，运行的负荷主要为那些不间断的负荷，这些负荷组成了负荷的基本负荷，但随着电力市场的发展，在一些发达地区，峰谷电价的实行可能会将一些私营小企业的负荷拉到夜间运行，这是将来电力市场成熟发展后负荷预测需要考虑的问题。 峰值负荷的预测是负荷 预测的重要内容，因为这部分负荷直接影响着系统运行容量的确定，对系统的运行起重要作用。 负荷的随机性 从上述分析我们看到了负荷的总体的周期性特点，但负荷还存在着一定的波动性。 负荷的波动性是随机的，影响负荷的波动性的因素是多方面的，而这些因素的影响又是随机的，所以构成了负荷的波动性。 一般影响负荷的随机性的因素有：政治因素影响、传统节日影响、随机工业负荷 (如新厂的投产 )的影响、天气的影响等。 这些因素都是不确定的，是不能预料的，都会对电力系统负荷造成冲击，产生随机负荷。 负荷的发展伴随着增长趋势，通常负荷 随着社会整体经济的增长是呈现增长趋势的，这种趋势是由整体的政治经济因素来决定的。 负荷的影响因素分析 电力系统负荷是一个很复杂的非线性系统，有许多直接或间接的因素都会对电力系统的日负荷产生直接的影响。 但是在实际的负荷预测中，又不能考虑太多周路尧：基于 RBF 神经网络的短期负荷预测研究 14 的影响因素。 一方面由于收集资料的困难，另一方面因素太多会造成建模困难，并且会带来大量的计算。 因此在考虑神经网络的输入变量的问题上，应抓住其中几个最具特征的影响因素。 根据对历史负荷的分析，一般可把负荷分为两类：周期性负荷和变动性负荷。 周期性负荷，或者说标准负荷，反 映的是负荷自身变化的基本规律，呈较强的周期性，尤其受到时间周期的影响。 针对短期负荷，时间周期因素包括：周周期、日周期等。 他们对于日负荷的曲线模式有着极为重要的影响。 日负荷曲线基本以周为大周期变化，以 24 小时为小周期变化，这些负荷的变化就构成了周期性负荷的变化状况。 变动性负荷是随机因素影响负荷变化的结果，一般在总负荷中所占的比重不大，约为 10％～ 20％ 左右，它是由于电网内偶然因素的影响造成的负荷震荡。 这种负荷，从一个长时间周期看，具有零平均值，但是对于短周期而言，负荷的振荡会使得负荷平均值有所改变。 因此对于短 期负荷预测，这种振荡的负荷是必须加以考虑的。 造成这种负荷振荡的因素主要为节假日和气象条件的影响。 节假日 (主要指法定假日五一、国庆、元旦、春节等 )以及重大的社会政治事件日，都将对日常的生产、生活用电产生不同程度的影响。 由于节假日负荷数据量少，受社会、经济和气候等多方面团素的影响，负荷的增长和变化关系不确定，预测时间跨度长，因此节假目负荷预测的难度较大。 由于无法形成充足、有效的样本集，使得神经网络法等方法在节假日预测时，预测精度难以满足要求。 气象条件包括温度、湿度、风速、日照、雾障等等，它们对负荷变化的影响一般 很快，而且无确定性的规律。 因此这就要求我们必须加以考虑对变化性负荷有较大影响的气象条件。 在气象条件中，起主要作用的是温度因素和天气状况。 因此为了在负荷预测中考虑这两方面的影响，本文采用了每天的最高温度、最低温度作为神经网络的两个输入变量，将天气状况模糊离散化后作为神经网络的另一个输入量一气候敏感因素 (借鉴电力系统调度人员的经验利用 [0,1]之间的数值来定量表示气候因素对预测负荷的影响 )，这样更加能够体现实际负荷的变化情况。 电价也是影响负荷的一个因素，但以前我国的。