基于CBR的电力负荷预测系统研究和实现.pdfVIP

2005年“数字安徽”博士科技论坛论文集 基于CBR的电力负荷预测系统的研究与实现 章曙光 (安徽建筑工业学院计算机与信息工程系，合肥230022) 摘要t随着电力系统的发展，负荷预测越来越受到广泛重视．本论文在分析相关技术的基础上，建立了一个基于CBR 的电力负荷预测系统，并通过实验验证其高效性． 关键词：基于范例的推理，负荷预测，电力系统 1概述 电力负荷预测是我国电力系统的一个重要研究课题。随着电力系统的发展，电力负荷预测越来越受到广 泛的重视，一个好的负荷预测可以辅助电力系统作出合理的生产规划和运行调度，减少由于供电不足和供电 过剩所带来巨大的经济损失。但由于电力负荷变化受天气状况和人们的社会活动等因素的影响较大，且一般 为非线性关系，常规的方法对负荷预测难以取得较高的精度。目前虽然国内外负荷预测的方法较多，但由于 效果不太理想，电力局的电力负荷预测仍离不开人工预测。人工预测虽然充分利用了专家的主观经验，但由 于负荷变化受多方面因素影响，即使是老专家也由于考虑不周而影响预测的准确性。 本论文把CBR理论应用到电力负荷预测中去，建立一个基于CBR的电力负荷预测系统，该系统不仅减 轻人工预测的工作最，也大大提高电力负荷预测的精度。 2 CBR的基本原理 基于范例的推理(Case．Based 重要技术，是类比推理方法的一种，其工作原理是从众多已知的范例中挑选出一个和当前新问题最相似的范 例，对它的解决方案进行修改，并应用于新的问题中。CBR求解问题不是简单的从头推导，而是借鉴原有的 经验和成功范例，不断修改直至满足新的问题要求，这非常符合人的思维习惯，也有助于人们利用自己和众 多设计者的经验智慧，因而CBR现已应用于许多领域如医学诊断，工业制造，法律诉讼等，并取得较好的效 果【1】。 CBR解决问题的关键可分为4步(如下图l所示)： (1)范例的提取(retrieve)：根据输入待解决的问题的有关信息，从范例库中检索相似的范例集。 方案，否则需要修改它。 (3)范例的修改(revise)：从相似范例库中修改求解方案，使之适合于求解当前问题。 (4)范例的保存(retain)。将新范例及其解根据一定的策略存入范例库中，以便将来使用。 382 2005年“数字安徽”博士科技论坛论文集 图l范例的推理过程 CBR工作流程是：先从范例库中检索出与当前问题类似的以往问题的解决方案，再以此为出发点，综合 运用领域知识，推理技术帮助设计师不断交互修改该范例直至产生能够解决当前问题的新方案，最后将评价 合格的新方案作为范例存入范例库中。 3 电力负荷预测系统重点解决的几个问题 3．1负荷变化规律及其特性 虽然负荷的变化较为复杂，在不同的年度、一年里不同的季节、是否双休日以及一天里不同的时段里， 人们对电力的需求有所不同的，但通过统计大量历史资料，可以找出一个地区负荷变化的规律，从而指导负 荷预测。下面以合肥地区电力负荷变化为例分析其规律特性【2】： 1)各季节性变化显著，夏冬季节比春秋季节负荷高。 2)日周期变化较规律，星期周期变化明显，一般工作日负荷大，休息日负荷相对较小。 3)负荷对天气因素的变化非常敏感。 4)负荷长假期间下降明显，尤以春节最为明显。 3．2范例库的建立 范例库的建立是CBR中首要问题，如何把和电力负荷相关联的因素(如天气情况、年度、季节、节假日 等)和知识表达出来，是CBR系统首先要解决的问题。当前范例库中的范例可通过人工智能的各种表示方法 来表达，如属性一值对、文本、面向对象表示、图、多媒体表示等。综合考虑各种因素，本系统采用属性一 值表示法。 3．3范例的检索 范例检索是从范例库中找到最相关、最相似的范例。一个检索算法的优劣直接影响到CBR系统的效率和 可用性。常用的范例有哪些信誉好的足球投注网站方法可归纳为Nearest Guided Neighbor、Induction、Knowledge 间的相似度，找出一个或多个最大相似度的范例为其检索结果。但该方法中范例权重向量的选取过多依