刍议电力负荷智能预测.docVIP

刍议电力负荷智能预测 　　摘要:电力系统调度运营和用电服务部门的重要日常工作就是电力系统负荷预测。因为电力系统负荷预测不仅影响到电力系统运行的经济性、安全性以及供电质量，而且关系到电力系统的生产计划和调度运行。本文主要分针对电力负荷预测中存在的问题进行了有效地分析，探讨了电力负荷智能预测方法的应用和实现，提出了电力负荷智能化预测的意义。 　　关键词:电力负荷智能预测 存在的问题 应用和实现 　　目前，随着电力市场的建立，负荷预测已逐渐发展成为电力系统现代化管理的重要内容。而且，人们对负荷预测的重视度越来越高，因此，对负荷预测精度的要求也在逐渐提高。 　　1、电力负荷预测中存在的问题及其分析 　　从上世纪八十年代，电力负荷预测的工作开始展开，早期的电力负荷预测是以工作人员的经验来完成这项工作的，因此，其预测的结果误差偏大。随着现代科学技术的发展和电力行业的发展，电力负荷的预测系统也逐渐复杂，传统的人工进行电力负荷预测的工作已经不能满足电力企业的发展需求，也远远不能满足当前对预测精度的要求。因此，电力负荷预测存在一定的问题，具体来讲，有以下几个方面： 　　1.1 信息不完整 　　当前的电力负荷预测主要基于支持向量机的预测而进行的一种方法。若是频局部化的波段小，那么其将无法有效地提取和分离信号中的非线性和隐周期，导致了小波变换可以对负荷序列的周期性表现不明显，再加上，其对日负荷数据的处理，受到气象因素影响，使得建模效率和预测精度的效率降低。但是随着社会的发展，经济的发展，人们对经济、能源、环境等的使用要求也在提高，相应地对现代电力系统的运行和规划也提出更高的要求．而对于现行的电力系统及其负荷预测系统是无法满足这此要求的，它对大量用户的用电行为以及相关的影响因素没有相应的历史数据记载，造成了数据的丢失和不完整，这都是当前的电力系统中存在的主要问题。 　　因此，对于上述问题的解决，相关人员可以利用现代化的智能系统，从远动的系统工程进行原始数据的实时采集，具体办法可以从以下两个方面进行考虑：一是利用智能预测系统，搜集相关的历史数据中，并从这些历史数据中选择与此日相近的数据值，同时复制，这样形成采集的数据虽然有些不真实，可是却不会造成太大的误差，而且在一定的条件下还可以作为真实的数据加以参考应用。这比较适合于数据预处理阶段的工作。二是相关人员可以利用其他数据源来获取数据信息，并且将数据库补齐，因为这需要人为的情况的进行完成，而人为修正数据的工作量和困难相对较大，所以其具有一定的复杂性，由于数据实时性要求比较强，数据点过多，所以一般不宜采用这种方法。 　　1.2 数据的不确定性 　　由于各种原因，系统以及外界因素的影响可能会造成数据无法修复的现象以及数据损坏的情况的发生，而这些将会严重影响到各个用户的用电程度的不确定性。在当前的具体数据库中，一般会表现为数值陡小、陡大，数据的几个点的不存在，或者是无法识别和修复的损坏的数据程序，在预测过程中，这些应用数据的减少，就会造成严重的负面影响，也会影响到预测的结果。 　　因此，要实现智能化的预测系统，建立一个由知识程序设计的网络智能化系统，对相邻一个星期的数据进行分析处理，得到一个完整平均日负荷序列值，最后再进行一下误差的判别，??于超过5％误差的数据进行修改更正。因为，基于智能化的预测系统，通过相关领域专家的知识和经验，并加以应用，从而做出有效地智能推理决策，同时这也当前最为有效地解决不完全、不确定信息问题的一种方法。 　　1.3 预测模型的质量问题 　　现行的负荷预测模型的建模与预测主要是以历史数据资料所包含的信息作为依据的，这就在很大程度上决定了预测模型所反映的历史数据信息的程度和有效性，也就决定了预测水平的高低，造成了负荷顺预测的误差。而造成这种情况的主要原因是网络的学习速度和网络的结构设计。当前的学习算法速度慢、效率低，理论缺乏，从而影响到预测模型质量。 　　1.4 气候因素的影响 　　夏、冬季气候因素是影响电力负荷的主要因素。近年来，四川绵阳在进行当地的电力负荷预测时，选取夏季的历史负荷数据，发现其受天气的影响较大，其主要表现为：一、在进行数据处理以及曲线拟和过程中，没有考虑到随机误差，当负荷出现变动时，就会发生很大的误差；二、数据离散程度变大时，预测的精度也逐渐变差等等。 　　为此，要使预测模型的质量能够有效地提升，就要在基于模式匹配的思想的条件下，利用模糊逻辑进行电力负荷预测，这样，一方面可以通过对历史数据的模糊化处理进行有效地分析，另一方面还可以提炼出与负荷变化及负荷相关环境的更加有效的典型模式，从而有效处理负荷预测中不确定因素，实现负荷预测。 　　2、电力负荷智能预测方法的应用和实现 　　随着当前电力体制的改革和深化，电力市场也发生了较大的变化和发展，而且，相关的电力工作都对此