摘要：通過分析適用于負荷預測的數學方法,構成能在線實時運行的負荷預測系統。為提高精度,采用自修改機制和加權組合方法。考慮了天氣因素對電力負荷的影響,并給出實際電網的計算結果。
　　關鍵詞：回歸分析,時間序列,短期負荷預測
　　1前言
　　隨著電力系統的結構日趨擴大和復雜，為保證電力系統運行的安全性和經濟性，要求調度運行人員能夠迅速、準確、全面地掌握電力系統的實際運行狀態，預測和分析電力系統的運行趨勢，對電力系統運行中發生的各種問題作出正確的處理。EMS高級應用軟件(PAS-PowerAdvanceSoftware)正是輔助調度員完成上述任務的有力工具，也是EMS系統的重要組成部分。該應用軟件包括實時網絡建模和網絡拓撲、負荷預測(LF)、自動發電控制(AGC)和發電計劃、實時經濟調度、狀態估計(SE)、調度員潮流、安全分析(TransientStabilityAnalysis)、電壓無功優化、短路電流計算、安全約束調度、最優潮流(OptimalPowerFlow)、調度員培訓仿真系統(DTS)等。
　　短期負荷預測在電力系統運行中起著重要作用,在制定機組組合方案、地區間的功率輸送方案和負荷調度方案時都需要進行負荷預測。它不僅能為電力系統的運行提供實時信息,使調度人員隨時掌握電網運行狀況,同時也可為電力系統安全分析和發電計劃提供基本信息。
　　2數學模型
　　隨著計算機技術的發展,計算速度和精度逐漸提高。目前能用于負荷預測的方法很多,但由于電力負荷有其獨有特點,很難找到一種通用的負荷預測模型。因此在進行負荷預測時,不能僅用某一種固定的方法,而要把多種方法進行比較,利用一種較優的方法或者幾種方法的加權組合來得到最后結果。下面介紹兩種對負荷預測比較適用的數學算法。
　　2.1線性回歸分析法
　　線性回歸分析法是研究不同變量之間的相互關系。我們在研究實際問題時,常常會碰到許多相互聯系、相互制約的變量,有些變量之間具有完全確定的函數關系,而有些變量之間雖有一定關系,但并不能用確定的函數關系式來表達。這就要采用線性回歸分析法來分析這些變量之間的相關關系,利用得到的經驗回歸方程式來表示變量之間的定量關系。負荷預測的任務是根據歷史數據分析電力負荷同影響因素之間的關系,得到回歸方程式,，預測系統將來負荷值。系線性回歸方程式表示如下,
　　（1）
　　電力負荷值，因變量；
　　影響負荷的因素,自變量；
　　回歸系數。
　　對于元線性方程式涉及個自變量,用表示表示個自變量,表示因變量,共有組側量值，即：
　　
　　當時,是二維平面上的點,分布在一條直線附近。
　　當時,是三維空間上的點,分布在一個平面附近。
　　當m＞2時,沒有幾何直觀性,是一個回歸超平面。
　　要確定線性回歸經驗方程式，也就是根據組觀測資料來確定的問題。
　　利用最小二乘法,令：
　　
　　式中是因變量的觀測值
　　
　　把式（3）代入式（2）,再使來確定a和即:
　　
　　
　　式（4）中及是已知的觀測值數據,是未知數，把式（4）對取偏導數并令其為零,就得到以的值，然后就可得到線性回歸方程式
　　
　　根據這個方程式就可利用自變量的預報值（通常可以預先知道）來推算出因變量的未來值。在進行電力負荷預測珍擔據界史負荷數據及影響負荷的氣象因素列出兩者關系式,推算將來一段時間內的系統負荷值。
　　2.2時間序列法
　　電力負荷是一串隨時間變化相互關聯的數據序列，即負荷數據之間存在著依賴關系,這種關系一旦被定量表示出來,就可以用系統的過去負荷值預測將來負荷值。
　　上面所述的線性回歸模型表達式：
　　（6）
　　表示不同變量之間同一時刻的相關性,是一種靜態模型。
　　還有一種表達式：
　　（7）
　　表示不同時刻變量自身之間的相關性,即變量回歸到自身,是一種動態模型。
　　因此（6）式和（7）式形式上非常相似,但它們有本質區別。更一般的線性動態模型：
　　（8）
　　也稱為ARMA模型。
　　式中,稱為自回歸系數，為自回歸階數。
　　稱為滑動和系數,為滑動和階數。
　　當時,模型為自回歸模型,記為；
　　當時,模型為滑動和模型,記為。
　　式（8）中的是連續一段時間的用電負荷值；是一零均值白噪聲序列。
　　一般情況下,電力負荷是非平穩時間序列,可以采用差分方法來獲得平穩序列,然后就可按平穩序列的預報方法進行模型識別和參數估計。
　　上面講述的兩種方法中,線性回歸分析法反映出電力負荷同影響因素（主要是天氣因素）之間的相關關系。時間序列法能夠體現電力負荷變化的連續性規律。因此這兩種方法對電力負荷預測很有效。
　　3數據庫管理
　　數據庫的建立是負荷預測的關鍵部分,一個數據庫的好壞直接影響到負荷預測系統的可用性,一個合理的數據庫可改善預測精度和速度,提高系統效率。負荷預測用的數據庫有兩類：離線數據庫和在線數據庫。
　　離線數據庫主要是記錄歷史（一年或數年）負荷數據和歷史氣象數據,用來離線分析負荷與影響因素及負荷本身之間的相關關系,它是建立負荷預測數學模型的依據。對于已經有SCADA系統的地區,歷史負荷數據可直接從SCADA系統中獲得。對于仍用抄表方法的地區,可從調度報表中摘錄下來,輸入計算機存盤保存。而氣象信息可以從當地氣象部門的氣象數據庫中獲取。
　　在線數據庫主要記錄最近數周的負荷及氣象數據。規模遠小于離線庫,為加快運行速度,要求在線庫規模盡可能小并保證庫內數據是最新的。
　　4預測內容
　　（1）系統的日負荷峰值
　　預測將來（一周內）某天的系統負荷峰值。
　　（2）一天中某一時刻負荷值。
　　預測將來（一周內）每小時（或半小時）的系統負荷值。
　　（3）系統每小時或半小時電量
　　預測將來（一周內）每小時或半小時的系統用電量。
　　
　　圖1自修改機制流程圖圖2加權組合框圖
　　（4）系統一天或一周電量
　　（5）對于節假日,如元旦、春節、五一、國慶,提前一段時間預測節日期間系統負荷值。
　　另外,也可作為SCADA/EMS的一個子功能,為電力系統應用軟件提供基本信息。
　　5提高預測精度
　　5.1自修改機制
　　通過離線分析、計算得到的數學模型,隨著時間推移,要給出一個不變的規則或常數是困難的。這種情況在環境變化較大的季節或氣候不正常的日子里是十分明顯的。為此，需要開發一個自修改機制，當所作預報的精度超出事先規定的范圍時用以采取一些修改措施。
　　首先計算最近3天內的平均誤差,若小于5%則返回,不進人修改機制。若大于5%,則啟動自修改機制,利用最近一段時間內數據來修正模型參數,然后再用最近3天數據進行驗證,如果預測結果較好,則退出修改機制。否則繼續進行修改,直至達到要求的精度為止。如圖1。
　　圖中B為預測模型中的系數矢量。
　　為離線計算得到模型的系數戈量。
　　為上一次計算的系數矢量。
　　為本次計算得到的系數矢量。
　　5.2多種方法加權組合
　　由于電力系統內的負荷復雜,用某種固定預測方法得到的結果,往往達不到要求的精度。用某種方法預測可能有時精度很高,當條件改變時精度就差了,即很難找到一種方法在任何條件下都能保證得到良好的預測結果。因此利用多種方法之間的互補效應來提高預測精度。圖2給出了多種方法加權組合的框圖。比較每種預測方法近3天的預測誤差平均值,誤差小則權重大,誤差大則權重小,然后把幾種預測結果加權組合。
　　6計算結果
　　下面是本系統在電網運行一個星期的結果,運行中用到的負荷實時數據是通過網絡從SCADA系統中傳送過來的,氣象信息是從氣象臺獲取后輸入的。
　　
　　表中的數據是實際系統運行一周后的統計結果，其結果滿足實際應用要求。
　　7結論
　　本文主要論述了短期負荷預測的幾種有效方法,負荷預測是電網能量管理系統（EMS）的一個重要組成部分。
　　參考文獻：
　　1馮英;基于智能控制的短期電力負荷預測方法研究與應用[D];華北電力大學（北京）;2006年
　　2嚴華,吳捷,馬志強,吳列鑫;模糊集理論在電力系統短期負荷預測中的應用[J];電力系統自動化;2000年11期