基于智能方法的電力系統(tǒng)負(fù)荷預(yù)測(cè)模型及其應(yīng)用研究.pdf

1、電力系統(tǒng)負(fù)荷預(yù)測(cè)是能量管理系統(tǒng)和配電管理系統(tǒng)的重要部分，是實(shí)現(xiàn)自動(dòng)發(fā)電控制和經(jīng)濟(jì)調(diào)度控制的前提，它涉及電力系統(tǒng)規(guī)劃與設(shè)計(jì)，電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性、安全性、可靠性和穩(wěn)定性等。隨著電力系統(tǒng)的不斷發(fā)展和電網(wǎng)管理的日趨現(xiàn)代化、復(fù)雜化，電力系統(tǒng)負(fù)荷預(yù)測(cè)問(wèn)題的研究引起人們廣泛的關(guān)注。準(zhǔn)確的電力負(fù)荷預(yù)測(cè)可以合理地安排電網(wǎng)內(nèi)部發(fā)電機(jī)組的運(yùn)行，保持電網(wǎng)運(yùn)行的安全穩(wěn)定性;可以合理的安排機(jī)組檢修計(jì)劃，保證社會(huì)的正常生產(chǎn)和人民的正常生活;可以決定新裝機(jī)容量的大小

2、與電網(wǎng)的調(diào)度控制，有效的降低發(fā)電成本，提高經(jīng)濟(jì)效益和社會(huì)效益。因此，電力系統(tǒng)負(fù)荷預(yù)測(cè)成為現(xiàn)代電力系統(tǒng)運(yùn)行和管理中的一個(gè)重要研究課題和現(xiàn)代電力系統(tǒng)科學(xué)中的一個(gè)重要領(lǐng)域。
　　本文主要利用模糊數(shù)學(xué)、模糊時(shí)間序列、灰色系統(tǒng)理論、模糊多目標(biāo)最優(yōu)規(guī)劃等智能方法，對(duì)電力系統(tǒng)負(fù)荷預(yù)測(cè)的模型與算法進(jìn)行了應(yīng)用研究。首先給出了基于模糊時(shí)間序列的基本預(yù)測(cè)模型與算法，并考慮到負(fù)荷自身變化的特點(diǎn)以及溫度等綜合因素對(duì)電力負(fù)荷的影響，對(duì)該預(yù)測(cè)模型進(jìn)行了優(yōu)化修正

3、;其次基于穩(wěn)健統(tǒng)計(jì)理論和模糊回歸的思想，研究了穩(wěn)健回歸預(yù)測(cè)算法和穩(wěn)健模糊回歸預(yù)測(cè)算法;第三在離散灰色預(yù)測(cè)模型的基礎(chǔ)上結(jié)合模糊多目標(biāo)規(guī)劃理論，研究了模糊離散灰色區(qū)間預(yù)測(cè)模型與算法;最后利用遺傳算法和Pareto最優(yōu)化理論來(lái)搜索和確定參數(shù)的最優(yōu)區(qū)間，給出了基于多目標(biāo)優(yōu)化的模糊時(shí)間預(yù)測(cè)算法。針對(duì)不同的模型和算法，通過(guò)具體算例對(duì)不同預(yù)測(cè)模型與算法的預(yù)測(cè)結(jié)果進(jìn)行了分析比較。論文的主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:
　　(1)基于模糊時(shí)間序列的預(yù)測(cè)模

4、型與算法研究。在模糊時(shí)間序列基本理論框架下，將模糊時(shí)間序列預(yù)測(cè)模型應(yīng)用到電力系統(tǒng)負(fù)荷預(yù)測(cè)中來(lái)。首先對(duì)歷史負(fù)荷數(shù)據(jù)進(jìn)行必要的預(yù)處理，以檢測(cè)和平滑異常數(shù)據(jù)，其次考慮到電力負(fù)荷自身的特征以及影響負(fù)荷預(yù)測(cè)的重要因素，分別引入溫度影響因子、負(fù)荷變化影響因子及綜合影響因素作為權(quán)重因子，提出了時(shí)變-模糊時(shí)間序列預(yù)測(cè)算法和基于最高溫度修正的最大負(fù)荷預(yù)測(cè)算法。最后通過(guò)兩個(gè)數(shù)值算例，說(shuō)明了我們提出的考慮因素分析的模糊時(shí)間序列預(yù)測(cè)算法具有較高的預(yù)測(cè)精度和較大

5、的有效性和普遍適應(yīng)性。
　　(2)基于穩(wěn)健模糊回歸的預(yù)測(cè)模型與算法研究。利用穩(wěn)健統(tǒng)計(jì)和模糊回歸的基本理論，研究了基于穩(wěn)健估計(jì)的穩(wěn)健回歸預(yù)測(cè)算法和基于Tanaka's體系下的穩(wěn)健模糊回歸預(yù)測(cè)模型。該穩(wěn)健回歸預(yù)測(cè)算法通過(guò)函數(shù)的選擇以及反復(fù)迭代減弱異常數(shù)值對(duì)回歸方程的不利影響，增強(qiáng)回歸方程的穩(wěn)健性;而穩(wěn)健模糊回歸預(yù)測(cè)模型，借助于誤差評(píng)價(jià)指標(biāo)以及Tanaka's的模糊回歸方法，研究并提出了一穩(wěn)健模糊回歸預(yù)測(cè)模型來(lái)預(yù)測(cè)模糊區(qū)間，通過(guò)一系列參

6、數(shù)的優(yōu)化和轉(zhuǎn)化得到非線性模型。最后的兩個(gè)算例，通過(guò)與傳統(tǒng)算法和模型的比較，可以明顯看出，我們提出的穩(wěn)健算法和穩(wěn)健模糊模型都能夠有效降低異常數(shù)據(jù)對(duì)預(yù)測(cè)結(jié)果的影響，并且具有較好的穩(wěn)定性。
　　(3)基于模糊離散灰色理論的區(qū)間預(yù)測(cè)模型研究。在離散灰色預(yù)測(cè)模型的基礎(chǔ)上，結(jié)合模糊多目標(biāo)最優(yōu)化理論，研究并提出了基于離散灰色模型的模糊多目標(biāo)區(qū)間預(yù)測(cè)模型。針對(duì)輸入變量是精確數(shù)和模糊數(shù)，分別給出了不同的區(qū)間預(yù)測(cè)算法。并將本文的預(yù)測(cè)結(jié)果和現(xiàn)有文獻(xiàn)中的

7、模糊線性回歸區(qū)間預(yù)測(cè)、灰色模糊區(qū)間預(yù)測(cè)結(jié)果進(jìn)行比較，精確度更高;最后將該模型和算法應(yīng)用于電力系統(tǒng)負(fù)荷區(qū)間預(yù)測(cè)，得到了更一般的預(yù)測(cè)結(jié)果，說(shuō)明我們提出的模型和算法具有較廣泛的適應(yīng)性。
　　(4)基于多目標(biāo)優(yōu)化的模糊時(shí)間序列預(yù)測(cè)模型與算法研究。針對(duì)預(yù)測(cè)區(qū)間的劃分是影響模糊時(shí)間序列預(yù)測(cè)精度的主要因素之一，首先定義和劃分帶有參數(shù)的預(yù)測(cè)區(qū)間，利用遺傳算法搜索最優(yōu)預(yù)測(cè)區(qū)間的長(zhǎng)度并進(jìn)行最優(yōu)化參數(shù)的篩選和初始參數(shù)的選擇，并借助于Pareto最優(yōu)化理