電力負(fù)荷預(yù)測中數(shù)據(jù)挖掘過程研究

摘要:數(shù)據(jù)挖掘是數(shù)據(jù)庫與數(shù)據(jù)倉庫研究領(lǐng)域新興的富有前途的領(lǐng)域，是世紀(jì)末新興起的數(shù)據(jù)智能分析技術(shù)，它的特點就是具有強大的數(shù)據(jù)處理能力，能從大量的數(shù)據(jù)中發(fā)現(xiàn)有用的規(guī)律和聯(lián)系。作為新興的技術(shù)學(xué)科，數(shù)據(jù)挖掘在電力系統(tǒng)負(fù)荷預(yù)測應(yīng)用方面具有廣泛的應(yīng)用前景。本文力求將數(shù)據(jù)挖掘知識與電力系統(tǒng)實際情況結(jié)合起來，探討基于數(shù)據(jù)挖掘的短期負(fù)荷預(yù)測方法。

關(guān)鍵字:電力負(fù)荷，數(shù)據(jù)挖掘，預(yù)測

引言

電力系統(tǒng)負(fù)荷預(yù)測中的負(fù)荷概念，是指國民經(jīng)濟(jì)整體、或部門或地區(qū)對電力和電量消費的歷史情況及未來的變化發(fā)展趨勢。電力系統(tǒng)負(fù)荷預(yù)測是指從已知的經(jīng)濟(jì)、社會發(fā)展和電力系統(tǒng)需求出發(fā)，考慮經(jīng)濟(jì)、氣候、特殊事件等諸多相關(guān)因素，通過對歷史數(shù)據(jù)的分析和研究，探索電力系統(tǒng)各參數(shù)間的內(nèi)在聯(lián)系和發(fā)展規(guī)律，以未來經(jīng)濟(jì)和氣候的預(yù)測結(jié)果為依據(jù)，對未來的電力需求做出估計和預(yù)測。本文對電力負(fù)荷預(yù)測中數(shù)據(jù)挖掘過程做相關(guān)研究。

一、數(shù)據(jù)預(yù)處理

由于我們獲取的原始負(fù)荷數(shù)據(jù)來自于電力系統(tǒng)數(shù)據(jù)庫，在數(shù)據(jù)采集、轉(zhuǎn)換、傳輸?shù)母鱾€環(huán)節(jié)都有可能受到干擾或發(fā)生故障，導(dǎo)致數(shù)據(jù)異常。另外，當(dāng)系統(tǒng)出現(xiàn)故障、系統(tǒng)失去負(fù)荷、短時的系統(tǒng)沖擊負(fù)荷、瞬時故障跳閘、重合閘以及出現(xiàn)拉閘、限電等現(xiàn)象時，這些突發(fā)的負(fù)荷變動顯然會對負(fù)荷的規(guī)律性造成破壞。我們把由于隨機干擾和沖擊負(fù)荷導(dǎo)致電力系統(tǒng)歷史負(fù)荷反常態(tài)勢的數(shù)據(jù)統(tǒng)稱為異常數(shù)據(jù)，它們將以偽信息、偽變化規(guī)律的方式提供給負(fù)荷預(yù)測作為參考，必然影響負(fù)荷預(yù)測的精度和可靠性。因此，在建立負(fù)荷預(yù)測模型之前，對原始負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理是必要的。從整個負(fù)荷預(yù)測的流程來說，對負(fù)荷歷史數(shù)據(jù)的預(yù)處理是第一個環(huán)節(jié)，預(yù)處理得當(dāng)與否和負(fù)荷預(yù)測是否準(zhǔn)確密切相關(guān)。

二、短期負(fù)荷的模式分析

1、周期性分析

短期負(fù)荷的負(fù)荷特性一般周期性的非平穩(wěn)隨機過程的特點，其特點是大周期內(nèi)嵌套小周期。周期性具體而言，在一定的時間內(nèi)，負(fù)荷的變化具有重復(fù)性。該周期性可進(jìn)一步細(xì)分為負(fù)荷變化的年周期性、周周期性和日周期性。負(fù)荷變化的周周期性是分析、掌握典型日負(fù)荷預(yù)測和日負(fù)荷預(yù)測的關(guān)鍵，也是進(jìn)行典型日負(fù)荷預(yù)測和日負(fù)荷預(yù)測的基礎(chǔ)。

在實際系統(tǒng)中，通常根據(jù)負(fù)荷變化規(guī)律的不同將每日內(nèi)的負(fù)荷又分為峰荷、谷荷、腰荷三個時段的負(fù)荷。從本質(zhì)上說，在這三個時段負(fù)荷的組成是不同的，因此，它們的變化規(guī)律不同。在低谷期間，對應(yīng)的時間是在夜間，在這個時間段中，大多數(shù)人都處于休息的狀態(tài)，負(fù)荷組成主要是那些必須運行的不間斷的負(fù)荷，它們長期運行，組成了負(fù)荷的基礎(chǔ)部分，是一天負(fù)荷的較低部分在峰荷期間，對應(yīng)的時間是在白天，人們的活動較多，負(fù)荷的種類也體現(xiàn)出多樣性，作為總體負(fù)荷其幅值也明顯高于其它時段的負(fù)荷而在腰荷期間，負(fù)荷變化處于過渡過程中，負(fù)荷的組成正發(fā)生變化，因此這個階段的負(fù)荷處于一種上升狀態(tài)或處于一種下降狀態(tài)。負(fù)荷變化的日周期性是分析掌握日負(fù)荷預(yù)測、超短期負(fù)荷預(yù)測的關(guān)鍵，也是進(jìn)行日

2、節(jié)假日特性分析

在節(jié)假日期間，工業(yè)負(fù)荷所占比重大幅下降，而占據(jù)電力系統(tǒng)負(fù)荷的主要是居民用電、餐飲業(yè)等服務(wù)性的民用、商用負(fù)荷，因而電力系統(tǒng)負(fù)荷整體會有所下降。一般來說，節(jié)假日的負(fù)荷比周末日負(fù)荷還要低。春節(jié)、五一和十一對負(fù)荷的影響最大，負(fù)荷的峰、谷值和日總電量都有明顯的下降。可以看出，春節(jié)期間負(fù)荷的峰、谷值和日總電量都有明顯的下降。

3、負(fù)荷組成分量分析

基本正常負(fù)荷分量

基本正常負(fù)荷分量簡稱為基荷，它與氣象無關(guān)，主要受經(jīng)濟(jì)因素影響。具有線性變化和周期變化的特點?；傻牟煌饕怯捎诟鞯刎?fù)荷組成方式的不同所引起，負(fù)荷組成的差異性主要體現(xiàn)在兩個方面一是負(fù)荷種類二是各種負(fù)荷成分所占比重。不同組成的負(fù)荷在這兩方面的差異決定了它們的負(fù)荷特性及對影響因素的響應(yīng)特性互不相同。究其原因，不同的組成成份對各種影響因素的靈敏度不同表現(xiàn)出不同的響應(yīng)特性。可見，負(fù)荷的具體組成對負(fù)荷特性具有根本性和決定性的影響。

4、天氣及日期敏感負(fù)荷分量

天氣敏感負(fù)荷分量與一系列天氣因素有關(guān)如溫度、濕度、風(fēng)力、陰晴等。不同天氣因素影響負(fù)荷的方式不同，一年中不同時期天氣因素影響負(fù)荷的方式也不同，這就形成負(fù)荷季節(jié)性周期變化的規(guī)律。日期敏感負(fù)荷分量與當(dāng)日的日期類型有關(guān)，變化周期一般為幾天到一周。

5、特別事件負(fù)荷分量

特別事件負(fù)荷分量使負(fù)荷明顯偏離典型負(fù)荷特性如政治事件、系統(tǒng)故障、限電、特別電視節(jié)目等。由于這類事件的隨機性，需要由調(diào)度人員參與判斷。在各種負(fù)荷預(yù)測模型中這部分分量往往通過人工修正得以改進(jìn)。

6、隨機負(fù)荷分量

隨機負(fù)荷分量是負(fù)荷中的不可解釋成分，可通過負(fù)荷預(yù)測的模型和算法來考慮這些隨機負(fù)荷分量。例如，在時間序列法中，將剩余的殘差，即為各時刻的隨機負(fù)荷變量，看成是隨機時間序列而在數(shù)據(jù)挖掘中利用模型良好的能力，可以很好的考慮到隨機負(fù)荷因素。各負(fù)荷分量具有不同的頻率特性，長期增長負(fù)荷及基荷可以看成非周期分量受氣象因素及工作日雙休日等因素影響的負(fù)荷分量變化，周期為幾個小時到一周;變化頻率從幾分鐘到幾個小時的負(fù)荷分量可以看作隨機負(fù)荷分量特別事件無固定規(guī)律性，須具體問題具體分析。短期負(fù)荷預(yù)測中一般不用考慮天氣敏感負(fù)荷分量的季節(jié)周期性。

7、負(fù)荷分量分解

電力系統(tǒng)負(fù)荷序列具有特殊的周期性，負(fù)荷較明顯地展現(xiàn)出以天和周為單位進(jìn)行變化的周期性。通過進(jìn)一步分析可知，負(fù)荷中的這種周期性具有相當(dāng)?shù)膹?fù)雜性，以天、周、月和年為周期進(jìn)行變化，而且往往是大周期中嵌套小周期。這種周期性從頻域的角度來看，就是電力負(fù)荷序列的能量相對集中于一些頻段。因此負(fù)荷序列可以看作是多個具有不同頻率分量的疊加，而這些頻率分量內(nèi)部則具有相似的頻率特性和一致的變化規(guī)律。所以可以通過對負(fù)荷序列進(jìn)行頻域分析將這些頻率分量分離出來，對每個分量單獨進(jìn)行分析并根據(jù)其特性建模并預(yù)測。負(fù)荷中某些分量在時域上的表現(xiàn)是瞬時的、隨機的，為了能捕獲這一類分量的頻率規(guī)律，用傳統(tǒng)的時頻分析方法就顯得力不從心。而小波變換能將各種交織在一起的不同頻率組成的混合負(fù)荷信號分解成不同頻帶上的塊信號。對負(fù)荷序列進(jìn)行小波變換可以將負(fù)荷序列分別投影到不同的尺度上，而各尺度可近似地看作各個不同的“頻帶”，這樣各個尺度上的子序列分別代表了原序列中不同頻域的分量，它們更加清楚地表現(xiàn)了負(fù)荷序列的周期性。所以在小波分解的基礎(chǔ)上對不同的子序列進(jìn)行預(yù)測，同時考慮外界條件對不同尺度負(fù)荷的影響，建立負(fù)荷預(yù)測模型，最后通過序列重組，得到完整的負(fù)荷預(yù)測結(jié)果，可以提高預(yù)測精度和建模效率。

三、結(jié)束語

進(jìn)行壞數(shù)據(jù)辨識應(yīng)當(dāng)根據(jù)具體問題分析數(shù)據(jù)的本質(zhì)特征和內(nèi)在規(guī)律，從而找到有針對性的有效方法。基于聚類分析的特征曲線提取，能夠?qū)⒔o定數(shù)據(jù)集劃分成多個組或簇群，使得每組內(nèi)部的數(shù)據(jù)矢量較為相似，組間的數(shù)據(jù)矢量則差別較大。這一思想，具有純數(shù)值方法不具有的長處，為壞數(shù)據(jù)辨識提供了可能的解決方案。電力日負(fù)荷曲線具有相似性和平滑性2個重要特征，本文提出一系列數(shù)據(jù)挖掘的方法體系，經(jīng)過實例分析取得了良好的效果。