基于智能方法的電力系統(tǒng)負荷預測模型及其應用研究.pdf

1、電力系統(tǒng)負荷預測是能量管理系統(tǒng)和配電管理系統(tǒng)的重要部分，是實現(xiàn)自動發(fā)電控制和經(jīng)濟調(diào)度控制的前提，它涉及電力系統(tǒng)規(guī)劃與設計，電力系統(tǒng)運行的經(jīng)濟性、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、復雜化，電力系統(tǒng)負荷預測問題的研究引起人們廣泛的關注。準確的電力負荷預測可以合理地安排電網(wǎng)內(nèi)部發(fā)電機組的運行，保持電網(wǎng)運行的安全穩(wěn)定性;可以合理的安排機組檢修計劃，保證社會的正常生產(chǎn)和人民的正常生活;可以決定新裝機容量的大小

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)濟效益和社會效益。因此，電力系統(tǒng)負荷預測成為現(xiàn)代電力系統(tǒng)運行和管理中的一個重要研究課題和現(xiàn)代電力系統(tǒng)科學中的一個重要領域。
　　本文主要利用模糊數(shù)學、模糊時間序列、灰色系統(tǒng)理論、模糊多目標最優(yōu)規(guī)劃等智能方法，對電力系統(tǒng)負荷預測的模型與算法進行了應用研究。首先給出了基于模糊時間序列的基本預測模型與算法，并考慮到負荷自身變化的特點以及溫度等綜合因素對電力負荷的影響，對該預測模型進行了優(yōu)化修正

3、;其次基于穩(wěn)健統(tǒng)計理論和模糊回歸的思想，研究了穩(wěn)健回歸預測算法和穩(wěn)健模糊回歸預測算法;第三在離散灰色預測模型的基礎上結合模糊多目標規(guī)劃理論，研究了模糊離散灰色區(qū)間預測模型與算法;最后利用遺傳算法和Pareto最優(yōu)化理論來搜索和確定參數(shù)的最優(yōu)區(qū)間，給出了基于多目標優(yōu)化的模糊時間預測算法。針對不同的模型和算法，通過具體算例對不同預測模型與算法的預測結果進行了分析比較。論文的主要研究內(nèi)容和創(chuàng)新點如下:
　　(1)基于模糊時間序列的預測模

4、型與算法研究。在模糊時間序列基本理論框架下，將模糊時間序列預測模型應用到電力系統(tǒng)負荷預測中來。首先對歷史負荷數(shù)據(jù)進行必要的預處理，以檢測和平滑異常數(shù)據(jù)，其次考慮到電力負荷自身的特征以及影響負荷預測的重要因素，分別引入溫度影響因子、負荷變化影響因子及綜合影響因素作為權重因子，提出了時變-模糊時間序列預測算法和基于最高溫度修正的最大負荷預測算法。最后通過兩個數(shù)值算例，說明了我們提出的考慮因素分析的模糊時間序列預測算法具有較高的預測精度和較大

5、的有效性和普遍適應性。
　　(2)基于穩(wěn)健模糊回歸的預測模型與算法研究。利用穩(wěn)健統(tǒng)計和模糊回歸的基本理論，研究了基于穩(wěn)健估計的穩(wěn)健回歸預測算法和基于Tanaka's體系下的穩(wěn)健模糊回歸預測模型。該穩(wěn)健回歸預測算法通過函數(shù)的選擇以及反復迭代減弱異常數(shù)值對回歸方程的不利影響，增強回歸方程的穩(wěn)健性;而穩(wěn)健模糊回歸預測模型，借助于誤差評價指標以及Tanaka's的模糊回歸方法，研究并提出了一穩(wěn)健模糊回歸預測模型來預測模糊區(qū)間，通過一系列參

6、數(shù)的優(yōu)化和轉(zhuǎn)化得到非線性模型。最后的兩個算例，通過與傳統(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)對預測結果的影響，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)間預測模型研究。在離散灰色預測模型的基礎上，結合模糊多目標最優(yōu)化理論，研究并提出了基于離散灰色模型的模糊多目標區(qū)間預測模型。針對輸入變量是精確數(shù)和模糊數(shù)，分別給出了不同的區(qū)間預測算法。并將本文的預測結果和現(xiàn)有文獻中的

7、模糊線性回歸區(qū)間預測、灰色模糊區(qū)間預測結果進行比較，精確度更高;最后將該模型和算法應用于電力系統(tǒng)負荷區(qū)間預測，得到了更一般的預測結果，說明我們提出的模型和算法具有較廣泛的適應性。
　　(4)基于多目標優(yōu)化的模糊時間序列預測模型與算法研究。針對預測區(qū)間的劃分是影響模糊時間序列預測精度的主要因素之一，首先定義和劃分帶有參數(shù)的預測區(qū)間，利用遺傳算法搜索最優(yōu)預測區(qū)間的長度并進行最優(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