基于相似日和智能算法的短期負(fù)荷組合預(yù)測(cè).pdf

1、電力系統(tǒng)短期負(fù)荷預(yù)測(cè)(short-term load forecasting，STLF)是電力部門(mén)合理安排發(fā)電和檢修計(jì)劃，優(yōu)化旋轉(zhuǎn)儲(chǔ)備容量、降低發(fā)電成本、提高經(jīng)濟(jì)效益、維護(hù)電網(wǎng)安全穩(wěn)定運(yùn)行的重要參考依據(jù)，對(duì)日漸開(kāi)放的電力市場(chǎng)，也是今后競(jìng)價(jià)發(fā)電的有力保障。隨著智能配電網(wǎng)的發(fā)展，短期負(fù)荷預(yù)測(cè)作為網(wǎng)損分析、網(wǎng)絡(luò)重構(gòu)、狀態(tài)評(píng)估等應(yīng)用的基礎(chǔ)，對(duì)提升配電部門(mén)服務(wù)水平至關(guān)重要。因此，研究合適的配電網(wǎng)短期負(fù)荷預(yù)測(cè)方法，提高預(yù)測(cè)精度，具有十分重要的理論和

2、應(yīng)用價(jià)值。
　　本文通過(guò)對(duì)配網(wǎng)日負(fù)荷特性的分析，指出應(yīng)對(duì)不同的日類(lèi)型、結(jié)合天氣因素對(duì)短期負(fù)荷預(yù)測(cè)分別建模。給出了數(shù)據(jù)預(yù)處理方法，以提高樣本準(zhǔn)確度，根據(jù)實(shí)際情況，提出了將氣象因素嵌入模型以及選取相似日的具體規(guī)則。針對(duì)目前負(fù)荷樣本數(shù)據(jù)來(lái)源單一、采集遺漏、樣本不足等問(wèn)題，且配網(wǎng)不同部門(mén)對(duì)短期負(fù)荷預(yù)測(cè)有不同需求的實(shí)際情況，提出了一種大數(shù)據(jù)背景下的基于拓?fù)潢P(guān)系的分層負(fù)荷預(yù)測(cè)方法，分別以臺(tái)區(qū)和10kV線路為單位進(jìn)行短期負(fù)荷預(yù)測(cè)?；趯?duì)臺(tái)區(qū)負(fù)荷

3、特性的分析，提出將臺(tái)區(qū)分為氣象敏感型和氣象不敏感型兩類(lèi)，并依此建立了具體的分類(lèi)預(yù)測(cè)模型。對(duì)氣象敏感型臺(tái)區(qū)，基于相似日優(yōu)化負(fù)荷樣本，利用最小二乘支持向量機(jī)(least squares support vector machine，LSSVM)進(jìn)行負(fù)荷預(yù)測(cè);對(duì)氣象不敏感型臺(tái)區(qū)，先通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition，EMD)自適應(yīng)地提取出負(fù)荷不同頻度的基本信號(hào)，然后分析每個(gè)頻度信號(hào)應(yīng)選擇的核函數(shù)，再基于

4、LSSVM建模預(yù)測(cè)，從而提高了模型的靈活性和適用性以及預(yù)測(cè)精度。分層組合預(yù)測(cè)時(shí)，將臺(tái)區(qū)列為第一層，10kV線路列為第二層，遵循拓?fù)溥B接關(guān)系，通過(guò)給臺(tái)區(qū)負(fù)荷樣本分配波形系數(shù)，采用粒子群優(yōu)化算法(particle swarmoptimization，PSO)，根據(jù)類(lèi)似于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與訓(xùn)練的思想，優(yōu)化該波形系數(shù)，再結(jié)合臺(tái)區(qū)的預(yù)測(cè)值組合得到最終的線路（或母線）短期負(fù)荷預(yù)測(cè)結(jié)果，且在此基礎(chǔ)上，建立了線路峰值負(fù)荷預(yù)測(cè)優(yōu)化模型。應(yīng)用實(shí)例表明，分層組合