电力系统短期需求预测理论及方法.ppt

技术路线 短期负荷预测的重要性 为电力系统安全调度、经济运行提供负荷数据 准确预测负荷的大小及其出现的时间，对电力系统运行成本的影响很大 预测数据用于： 机组组合 决策正常运行机组 决策开停机计划，以最小化运行成本 水电计划，决策水库调度 水电-火电协调 互联电网交换计划 电网潮流/负载率预计 电力系统安全评估 实时调度 发电侧市场中预测工作的重要性 短期预测的特点 每日循环 滚动预测 预测细化到每个时段 可以单独预测日峰值负荷 可以单独预测日电量 负荷预测的影响因素 时间因素 季节性：负荷规律明显区别 周的周期性 工作日的规律 周末规律 节假日的规律 短期预测问题 周期性 周末负荷明显低 工作日相似性 日曲线形状相似性 负荷分析 负荷分析是负荷预测的基础工作，只有对本地区负荷做出全面的分析，才能找到历史负荷的发生规律，才能辅助电力调度及营销工作人员准确把握电力市场的脉搏，正确估计未来市场的走势 系统提供多层次、多角度的图表分析功能，包括： 按功能范围划分：电量分析、负荷分析、综合指标分析、大用户分析 按时间范围划分：日、月、季、年负荷特性分析、按预测种类分正常日与节假日特性分析，其它指标特性分析 负荷分析--负荷特性分析 日、月、年最大最小负荷、平均负荷变化规律。 日、月、年最大最小负荷率、峰谷差特性分析。 日、月、年典型负荷曲线。 春节日负荷曲线 元旦日负荷曲线 五一日负荷曲线 十一日负荷曲线 元宵节日负荷曲线 中秋节日负荷曲线 负荷分析--负荷指标分析 日、月、季、年负荷概率分布 多日负荷曲线比较 多日最高最低负荷曲线 年最高最低负荷比率 多日时段范围的负荷变化比率 多日负荷趋势分析 电力负荷预测的预处理技术 异常值处理技术 （1）设负荷历史数据为 x1, x2, … , xn, 取平均值 p=1/n (x1+ x2+ … + xn) 若xi p (1+20%), 取xi ＝p (1+20%)； 若xi p (1- 20%), 取xi ＝p (1- 20%)； 从而使历史数据序列趋于平稳。 （2）剔除异常值、削减异常值。 （3）非平稳序列平稳化、灰色累加生成技术等。 电力负荷预测的预处理技术 曲线检测技术 （1）临近日/历史同类型日检测 （2）检测坏数据，替换为可能的数据 （3）填补数据的缺失 电力负荷变化规律性的数值化检测与识别 目前对于短期预测的研究，主要集中于预测方法本身 比较忽视对电力负荷自身的规律性的深层次分析 不同地区、不同时段负荷规律性的差异都会对负荷预测结果产生支配性的影响 ！ 缺少对负荷规律性及其对预测误差影响的研究，使得预测工作对负荷的分析不够全面 如此的负荷分析： 负荷自身变化规律的检测与识别 历史负荷的负荷成分分析技术 负荷中的随机分量将直接关系到负荷预测的准确度 对一个地区的负荷预测所能够达到的准确率进行预评估具有指导性意义 频域分析法：是对一个地区较长一段时期内的历史负荷进行频域分析，通过区分其中的低频分量和高频分量，得到随机分量占负荷总量的比重，以评估负荷预测能够达到的准确率 负荷预测的方法库 一元线性回归法 分段趋势法 点对点倍比法 倍比平滑法 重叠曲线法 变化系数法 新息点对点倍比法 新息倍比平滑法 新息重叠曲线法 新息变化系数法 模式识别法 相似度外推法 实时因素ANN预测法 频域分析预测法 通用ANN预测法 。。。。。 正常日预测的特点 点对点倍比法 倍比平滑法 重迭曲线法 其他？ 不同思路，构造不同预测方法 一元线性外推 多点外推 。。。。。。 节假日预测 节假日的负荷特性与正常日有很大区别 预测精度往往比不上正常日，因为历史数据缺乏 节假日预测的特点 节假日预测方法 点对点 倍比平滑 逐点增长率 。。。。。。 信号预测 利用连续负荷构成的信号进行预测，或者称为时序预测 神经网络技术 神经网络预测技术 运用神经网络技术进行电力负荷预测，其 优点是: 可以模仿人脑的智能化处理， 对大量非结构性、非精确性规律具有自适应功能， 具有信息记忆、自主学习、知识推理和优化计算的特点 其自学习和自适应功能是常规算法所不具备的。 ANN预测的示例 人工神经网络法 负荷预测的影响因素 气象因素 天气类型（晴、阴、多云。。。） 温度：最高/最低/平均 湿度 降雨/降雪 风速 气象校正方法 出发点： 气象因素具有强相关性，必须强化其影响。 气象因素的影响是在基本负荷上的波动。 气象因素具有隐含性，在历史数据的周期性参量中包含有相应的气象信息 思路： 异常日的确定 相似日的确定 气象因素的校正补偿 规范化的