電力時間序列的混沌識別與短期預測.pdf

1、電力行業(yè)是關(guān)系到國家發(fā)展和人民生活的基礎(chǔ)性行業(yè),電力時間序列的預測對電力系統(tǒng)安全穩(wěn)定運行,實現(xiàn)效益最大化有重要的意義。如精確的負荷預測是調(diào)度部門制訂發(fā)電計劃的基礎(chǔ),可以保障電網(wǎng)在合理、安全、穩(wěn)定的條件下運行;而售電均價的預測可以幫助電力企業(yè)準確估計未來收益,并調(diào)整針對各細分市場的營銷策略,實現(xiàn)社會效益和經(jīng)濟效益的雙豐收。根據(jù)近年來的研究,電力時間序列常表現(xiàn)出一定的混沌特性,因此混沌預測算法成為了電力時間序列預測的新選擇和研究熱點。

2、>　　 時間序列混沌識別是混沌預測的前提。本文首先介紹了混沌識別的常用方法,包括直接法和間接法。直接法通過計算某個特征參數(shù),并將計算值作為判斷時間序列混沌特性的依據(jù)。關(guān)聯(lián)維、Kolmogorov熵和Lyapunov指數(shù)是主要的混沌特征參數(shù),但是對于含有噪聲且長度有限的電力時間序列,直接法的應用受到限制;間接法即替代數(shù)據(jù)法,該方法基于某個零假設(shè),對時間序列進行假設(shè)檢驗,通過排除法來進行混沌識別,但當前的替代數(shù)據(jù)法不適合具有周期性電力負荷

3、的混沌識別。針對以上情況,本文引入了PPS算法,并對PPS算法進行了改進,提出了新的替代數(shù)據(jù)生成算法,并采用魯棒性較強Lempel-Ziv復雜度取代關(guān)聯(lián)維作為檢驗統(tǒng)計量。通過比較電力負荷、典型的混沌時間序列和典型周期時間序列的Lempel-Ziv復雜度演化規(guī)律,成功地在電力負荷序列中確認了混沌的存在。
　　 Packard和Takens提出了相空間重構(gòu)理論,證明可以通過計算嵌入維和時間延遲,構(gòu)建一個低維相空間,并可在該空間中將混

4、沌吸引子恢復出來,從而為混沌時間序列的預測奠定了堅實的理論基礎(chǔ)。本文介紹了嵌入維和時間延遲的常用計算方法?；煦鐣r間序列預測方法可分為全局法和局域法兩類,其中局域法因其較高的預測精度和較小的計算量而得到了廣泛的應用。局域法的核心是要找到與基準相點相似的參考臨域,并根據(jù)參考臨域相點的演化規(guī)律進行預測。傳統(tǒng)局域法中,使用歐氏距離來確定參考臨域,但是歐氏距離僅能反映相點間的空間遠近,對于高維相空間,歐氏距離難以準確描述相點間的相似性。因此對于高

5、維相空間,局域法預測精度迅速下降。針對以上問題,本文提出了一種基于夾角余弦的混沌局域加權(quán)線性預測算法,該方法使用夾角余弦取代歐氏距離來確定參考臨域,并將相點視為向量,在線性擬和參數(shù)辨識過程中,以向量的模和夾角取代歐氏距離作為優(yōu)化目標,從而克服了基于歐氏距離的混沌局域預測算法存在的缺點。
　　 售電均價是電力銷售的綜合統(tǒng)計量,由于涉及面廣,包含內(nèi)容多,售電均價的預測一直是難點。傳統(tǒng)的預測思路有兩種,一是直接預測時間序列,但是由于電

6、價的調(diào)整,會改變售電均價序列的演化規(guī)律,因此歷史時間序列不能作為預測的依據(jù);二是根據(jù)售電均價計算公式,首先預測各類電價所對應售電量,再合成均價預測值,但我國電價體系非常復雜,某些電價類別所對應的售電量太小,不具有統(tǒng)計規(guī)律,難以準確預測,且該方法的計算量極大。本文提出了一種基于電力市場細分的售電均價預測算法,證明可以將整個電力市場的售電均價預測轉(zhuǎn)化為各細分市場的均價貢獻率預測和售電均價估測。對于均價貢獻率預測,使用本文提出的基于夾角余弦的