地區(qū)電網(wǎng)短期負(fù)荷預(yù)測(cè)系統(tǒng)設(shè)計(jì)

付學(xué)謙，陳皓勇，牛銘，金小明

(1.華南理工大學(xué)電力學(xué)院，廣州市510640;2.廣州供電局有限公司，廣州市510620;3.南方電網(wǎng)科學(xué)研究院，廣州市510080)

0 引言

短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)規(guī)劃、經(jīng)濟(jì)安全運(yùn)行及調(diào)度自動(dòng)化的重要依據(jù)，是現(xiàn)代電力系統(tǒng)能量管理系統(tǒng)的重要內(nèi)容。短期負(fù)荷預(yù)測(cè)的結(jié)果直接用于火電分配、水火電協(xié)調(diào)、機(jī)組經(jīng)濟(jì)組合和交換功率計(jì)劃、運(yùn)行方式的調(diào)整計(jì)劃等，因此短期負(fù)荷預(yù)測(cè)的精度直接決定了上述各種調(diào)度計(jì)劃的準(zhǔn)確性。各種調(diào)度計(jì)劃的準(zhǔn)確性提高，不僅將提高電網(wǎng)的安全性、可靠性，還可以減少機(jī)組的備用，提高電網(wǎng)運(yùn)行的經(jīng)濟(jì)性。

根據(jù)所采用的數(shù)學(xué)理論和預(yù)測(cè)工具，可以將預(yù)測(cè)方法分為經(jīng)典方法和智能方法兩大類，經(jīng)典方法通常以統(tǒng)計(jì)理論為基礎(chǔ)，最典型的是時(shí)間序列法［1］、趨勢(shì)外推法［2］、回歸分析法［3］。短期負(fù)荷預(yù)測(cè)方法還有人工智能的事例推理、神經(jīng)網(wǎng)絡(luò)法［4］、卡爾曼濾波、小波分析［5］、模糊集理論、混沌理論［6］、數(shù)據(jù)挖掘［7-8］、聚類分析等。

負(fù)荷本身具有復(fù)雜性和不確定性，很難用一種數(shù)學(xué)模型將各影響因素及其規(guī)律進(jìn)行有效歸納，各種負(fù)荷預(yù)測(cè)算法均有一定的適用條件［9］。選擇若干預(yù)測(cè)算法進(jìn)行組合預(yù)測(cè)可以提高預(yù)測(cè)的精度。合理地考慮氣象因素對(duì)負(fù)荷的影響是提高負(fù)荷預(yù)測(cè)精度的重要因素之一［10］，可以設(shè)置氣象因素為負(fù)荷預(yù)測(cè)相關(guān)因素類型的內(nèi)容。電力負(fù)荷預(yù)測(cè)系統(tǒng)采用B/S結(jié)構(gòu)可以從技術(shù)上保證系統(tǒng)靈活的擴(kuò)展能力、良好的可再升級(jí)性能和快速移植能力［11］?；贐/S模式的負(fù)荷預(yù)測(cè)管理系統(tǒng)可以實(shí)現(xiàn)負(fù)荷預(yù)測(cè)信息共享與統(tǒng)一管理，極大地提高負(fù)荷預(yù)測(cè)效率［12］。

本文設(shè)計(jì)符合廣州電網(wǎng)電力負(fù)荷特性的短期負(fù)荷預(yù)測(cè)管理系統(tǒng)，包括功能設(shè)計(jì)、外部接口設(shè)計(jì)、系統(tǒng)體系結(jié)構(gòu)和配置，并對(duì)自適應(yīng)能力進(jìn)行研究。

1 功能設(shè)計(jì)

1.1 短期負(fù)荷預(yù)測(cè)

短期負(fù)荷預(yù)測(cè)利用歷史樣本數(shù)據(jù)，預(yù)報(bào)出未來1周內(nèi)指定日期96點(diǎn)(每日00:15～24:00，每15 min 1點(diǎn))或指定時(shí)段的系統(tǒng)有功負(fù)荷。文獻(xiàn)［13］對(duì)平時(shí)和重大節(jié)日期間的負(fù)荷預(yù)測(cè)分別研究，建立了平時(shí)日和節(jié)日期間的負(fù)荷預(yù)測(cè)數(shù)學(xué)模型。預(yù)測(cè)日可以劃分為普通工作日、雙休日、普通節(jié)假日和重點(diǎn)節(jié)假日。本設(shè)計(jì)中提供多種先進(jìn)的算法分別進(jìn)行普通工作日、雙休日和節(jié)假日的負(fù)荷預(yù)測(cè)。對(duì)于重要節(jié)假日，如春節(jié)，能參照陽(yáng)歷(陰歷)的歷史負(fù)荷數(shù)據(jù)，自動(dòng)進(jìn)行預(yù)測(cè)。

為了克服普通人工神經(jīng)元網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型的缺陷，文獻(xiàn)［14］提出了小波神經(jīng)元網(wǎng)絡(luò)電力負(fù)荷預(yù)測(cè)模型，結(jié)合了小波變換與人工神經(jīng)元網(wǎng)絡(luò)思想。為避免單一算法的缺陷，本文在設(shè)計(jì)中采用組合預(yù)測(cè)法預(yù)測(cè)短期負(fù)荷。組合預(yù)測(cè)采用線性回歸法、時(shí)間序列法、指數(shù)平滑法、基于溫度準(zhǔn)則的回歸法和人工神經(jīng)網(wǎng)絡(luò)算法，如圖1所示。選擇若干預(yù)測(cè)算法并設(shè)置相應(yīng)算法的權(quán)重系數(shù)，即可確定一種組合算法。權(quán)重系數(shù)自動(dòng)計(jì)算的過程如下:短期負(fù)荷預(yù)測(cè)系統(tǒng)采用當(dāng)前選擇的算法對(duì)當(dāng)前預(yù)測(cè)日的前一個(gè)同類型日進(jìn)行預(yù)測(cè)，假設(shè)該同類型日可以取得實(shí)際數(shù)據(jù)，進(jìn)行誤差分析，最后根據(jù)各算法的誤差確定其權(quán)重系數(shù)。

圖1 組合預(yù)測(cè)設(shè)置Fig.1 Combined forecast setting

負(fù)荷預(yù)測(cè)相關(guān)因素只列出有代表性的點(diǎn)，其他點(diǎn)采用線性映射，或分段線性映射的方法來獲得映射后數(shù)值。如圖2所示，最高溫度的映射圖縱坐標(biāo)為映射后數(shù)值，橫坐標(biāo)為映射前數(shù)值。例如，32℃映射后數(shù)值為0.32℃。

圖2 最高溫度的映射Fig.2 Mapping at highest temperature

相似日樣本類型在確定樣本空間時(shí)能夠考慮氣象因素，是比較理想的情況。氣象因素是負(fù)荷預(yù)測(cè)相關(guān)因素的重要內(nèi)容。文獻(xiàn)［15］中對(duì)受氣象因素影響的部分采用回歸方法建立氣象因素影響模型，對(duì)不受氣象因素影響的部分，幅值大的分量建立回歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，對(duì)幅值小的分量建立線形ARMA模型。本設(shè)計(jì)中的負(fù)荷預(yù)測(cè)相關(guān)因素包含了受氣象因素影響的部分與不受氣象因素影響的部分，如圖3所示。

圖3 相關(guān)因素設(shè)置Fig.3 Relative factors setting

相關(guān)因素的取值范圍相差很大。為了反映其影響程度把各影響因素映射到［0，1］區(qū)間上比較，這樣才有可比性。如圖2，最高溫度映射后數(shù)值的取值在0和1之間。影響相似度的是映射后數(shù)值和系數(shù)的乘積，映射前數(shù)值的作用相當(dāng)于一個(gè)索引，即與某一因素的實(shí)際數(shù)值直接對(duì)應(yīng)的是映射前數(shù)值，系統(tǒng)可以根據(jù)與實(shí)際數(shù)值最匹配的映射前數(shù)值來獲得映射后數(shù)值和系數(shù)。

特殊事件是反常行為，會(huì)導(dǎo)致歷史數(shù)據(jù)不正常，特殊事件設(shè)置如圖4所示。特殊事件一經(jīng)設(shè)置保存，對(duì)預(yù)測(cè)數(shù)據(jù)和樣本數(shù)據(jù)都有影響，這一點(diǎn)是與分時(shí)段修正不同的。如果不是真正的特殊事件，僅僅是要對(duì)預(yù)測(cè)結(jié)果進(jìn)行分時(shí)段修正，可采用分時(shí)段修正設(shè)置。因事件導(dǎo)致負(fù)荷變化量，與實(shí)際負(fù)荷數(shù)據(jù)的單位一致，可為正數(shù)，也可為負(fù)數(shù)，正負(fù)號(hào)應(yīng)與實(shí)際事件導(dǎo)致的負(fù)荷變化方向一致。

圖4 特殊事件設(shè)置Fig.4 Special event setting

圖5 給出了當(dāng)預(yù)測(cè)11月20日以后的某一天，11月20日作為其中一個(gè)樣本日時(shí)的情況，由上一條曲線可見11月20日的原始數(shù)據(jù)曲線因受事件的影響而顯得不正常，這會(huì)影響負(fù)荷預(yù)測(cè)的結(jié)果，因此必須進(jìn)行處理，下一條曲線即為考慮事件影響并自動(dòng)進(jìn)行處理后的樣本數(shù)據(jù)，顯然系統(tǒng)自動(dòng)消除了事件對(duì)11月20日樣本數(shù)據(jù)的不良影響。

圖5 11月20日作為樣本的情況Fig.5 November 20th as a sample

1.2 人工干預(yù)

用戶干預(yù)是提高負(fù)荷預(yù)測(cè)軟件預(yù)測(cè)準(zhǔn)確度的重要手段。主要的人工干預(yù)手段包括:特殊事件的設(shè)置;各種負(fù)荷相關(guān)影響因素的人工置入;調(diào)整負(fù)荷預(yù)測(cè)參數(shù);樣本數(shù)據(jù)的修改;直接修正負(fù)荷預(yù)測(cè)結(jié)果。其中，負(fù)荷預(yù)測(cè)相關(guān)因素的映射前數(shù)值和映射后數(shù)值由用戶結(jié)合本地區(qū)實(shí)際情況自行設(shè)置，設(shè)置好以后，一般不需要經(jīng)常改變，但是每一種相關(guān)因素類型的系數(shù)必須根據(jù)實(shí)際情況經(jīng)常進(jìn)行修改。

1.3 考核管理

實(shí)現(xiàn)相關(guān)的預(yù)測(cè)考核指標(biāo)計(jì)算和考核功能?？梢杂?jì)算出預(yù)測(cè)合格率、各個(gè)預(yù)測(cè)點(diǎn)的預(yù)測(cè)誤差、峰谷負(fù)荷準(zhǔn)確率等各種指標(biāo)，并通過與設(shè)置的考核指標(biāo)的對(duì)比給出考核結(jié)果信息。

圖6為廣州電網(wǎng)日考核標(biāo)準(zhǔn)設(shè)置。例如某一點(diǎn)的預(yù)測(cè)值為1 200MW，則允許相對(duì)誤差標(biāo)準(zhǔn)為5%，滿足此標(biāo)準(zhǔn)的即為合格點(diǎn)。

圖7為廣州電網(wǎng)的月考核標(biāo)準(zhǔn)設(shè)置，按月判斷負(fù)荷預(yù)測(cè)結(jié)果是否符合要求。

圖6 日考核標(biāo)準(zhǔn)設(shè)置Fig.6 Setting of daily assessment standard

圖7 月考核標(biāo)準(zhǔn)設(shè)置Fig.7 Setting of monthly assessment standard

1.4 負(fù)荷特性分析

提供全面的、多角度的統(tǒng)計(jì)分析工具，實(shí)現(xiàn)對(duì)負(fù)荷特性的分析統(tǒng)計(jì)功能，并把分析結(jié)果予以發(fā)布。負(fù)荷特性主要指標(biāo)包括日負(fù)荷特性、月負(fù)荷特性和年(季)負(fù)荷特性3個(gè)方面。

(1)日負(fù)荷特性:日最大(小)負(fù)荷、平均負(fù)荷、日負(fù)荷率、日最小負(fù)荷率、日峰谷差、日峰谷差率等。

(2)月負(fù)荷特性:月最大(小)負(fù)荷、月平均日負(fù)荷、月平均日負(fù)荷率、月負(fù)荷率、月峰谷差、月最大(小)峰谷差率、月平均日峰谷差、月平均日峰谷差率、月不均衡負(fù)荷率等。

(3)年(季)負(fù)荷特性:年(季)最大(小)負(fù)荷、年(季)平均日負(fù)荷、年(季)平均日負(fù)荷率、年(季)平均月負(fù)荷率、年(季)最大(小)日負(fù)荷率、季不均衡系數(shù)、年(季)負(fù)荷率、年(季)最小負(fù)荷率、年(季)最大(小)峰谷差、年(季)最大(小)峰谷差率、年(季)平均日峰谷差、年(季)平均日峰谷差率、年最大負(fù)荷利用小時(shí)數(shù)、年負(fù)荷曲線、年(季)生產(chǎn)均衡率等。

1.5 用戶管理

提供一套完整的機(jī)制來保證系統(tǒng)的安全運(yùn)行，其中對(duì)用戶的身份認(rèn)證與權(quán)限管理是其中最重要的內(nèi)容。對(duì)系統(tǒng)的訪問權(quán)限被限制在最細(xì)的級(jí)別，即用戶所做的每一種操作都需得到管理員的認(rèn)可。同時(shí)對(duì)若干種權(quán)限組成集合，以方便系統(tǒng)管理員對(duì)權(quán)限的管理。每一可訪問本系統(tǒng)的用戶都必須被分配一個(gè)唯一的用戶號(hào)，在進(jìn)入本系統(tǒng)前，用戶必須以此用戶號(hào)進(jìn)行登錄。用戶權(quán)限劃分為下面的3個(gè)等級(jí)。

(1)系統(tǒng)管理員:擁有系統(tǒng)最高權(quán)限，管理所有用戶的權(quán)限、登錄身份和口令;擁有其他兩級(jí)用戶的所有權(quán)限。

(2)負(fù)荷預(yù)測(cè)執(zhí)行用戶:可以執(zhí)行負(fù)荷預(yù)測(cè)的計(jì)算、查詢、修改等功能;可以查看、修改負(fù)荷預(yù)測(cè)的所有參數(shù);可以查看、修改負(fù)荷預(yù)測(cè)的實(shí)際數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù);可以查看所有預(yù)測(cè)項(xiàng)目的預(yù)測(cè)準(zhǔn)確率和負(fù)荷分析結(jié)果等。

(3)瀏覽用戶:只有查看功能。

2 接口設(shè)計(jì)

廣州電網(wǎng)短期負(fù)荷預(yù)測(cè)系統(tǒng)與廣州電網(wǎng)EMS系統(tǒng)、廣東省氣象臺(tái)和廣東省調(diào)度系統(tǒng)通過接口實(shí)現(xiàn)數(shù)據(jù)傳輸。

2.1 與EMS系統(tǒng)的接口

短期負(fù)荷預(yù)測(cè)系統(tǒng)所需要的運(yùn)行數(shù)據(jù)取自廣州電網(wǎng)能量管理系統(tǒng)(energy management system，EMS)的Web服務(wù)器上的數(shù)據(jù)庫(kù)。

2.2 與氣象數(shù)據(jù)接口

廣東省氣象臺(tái)以文本文件方式提供昨日天氣實(shí)況和次日天氣預(yù)報(bào)數(shù)據(jù)，通過ftp傳送文本文件方式實(shí)現(xiàn)。天氣預(yù)報(bào)數(shù)據(jù)內(nèi)容有:時(shí)間、地區(qū)、天氣狀況、氣溫、降雨量、濕度、氣壓、能見度、風(fēng)力、風(fēng)向。天氣狀況應(yīng)該是固定的描述，用代碼表示。溫度缺省單位是℃;降雨量缺省單位是mm;濕度缺省單位是%;氣壓缺省單位是100 Pa;風(fēng)力缺省單位是級(jí);風(fēng)向用字母表示:西北風(fēng)為WN(東、南、西、北分別用E、S、W、N 表示)。

2.3 與廣東省調(diào)度系統(tǒng)的接口

短期負(fù)荷預(yù)測(cè)系統(tǒng)可以定時(shí)輸出負(fù)荷預(yù)測(cè)結(jié)果的文本文件，并自動(dòng)以ftp方式傳送給廣東省調(diào)度系統(tǒng)。

3 體系結(jié)構(gòu)

3.1 網(wǎng)絡(luò)接入方式

本系統(tǒng)安裝在安全I(xiàn)II區(qū)，所需要的實(shí)際數(shù)據(jù)取自廣州電網(wǎng)EMS系統(tǒng)的Web服務(wù)器，與處于I區(qū)的EMS系統(tǒng)通過物理隔離裝置相隔離，從而有效地保證了各級(jí)應(yīng)用系統(tǒng)的安全性。用戶均通過調(diào)度數(shù)據(jù)專用網(wǎng)訪問本系統(tǒng)Web服務(wù)器。短期負(fù)荷預(yù)測(cè)系統(tǒng)結(jié)構(gòu)如圖8所示。

圖8 短期負(fù)荷預(yù)測(cè)系統(tǒng)結(jié)構(gòu)圖Fig.8 Short-term load forecasting system structure

3.2 系統(tǒng)結(jié)構(gòu)

負(fù)荷預(yù)測(cè)系統(tǒng)由服務(wù)器端與客戶端2個(gè)部分組成［16］，并采用由表示層、業(yè)務(wù)邏輯層和數(shù)據(jù)層組成的3層體系結(jié)構(gòu)，如圖9所示。

圖9 體系結(jié)構(gòu)Fig.9 System architecture

(1)表示層面向客戶，用戶通過瀏覽器輸入Web服務(wù)器地址訪問Web服務(wù)器。

(2)應(yīng)用服務(wù)器作為業(yè)務(wù)邏輯層，實(shí)現(xiàn)對(duì)用戶的接入，接受用戶請(qǐng)求，執(zhí)行復(fù)雜運(yùn)算，并將結(jié)果返回給用戶。

(3)數(shù)據(jù)庫(kù)服務(wù)器作為數(shù)據(jù)層存儲(chǔ)數(shù)據(jù)。

4 系統(tǒng)配置

為實(shí)現(xiàn)短期負(fù)荷預(yù)報(bào)系統(tǒng)的功能，需要配置一臺(tái)高性能PC服務(wù)器，運(yùn)行W Application Server，所有的應(yīng)用功能全部部署在該臺(tái)PC服務(wù)器上。數(shù)據(jù)庫(kù)使用現(xiàn)有的廣州電網(wǎng)EMS系統(tǒng)的服務(wù)器，防火墻設(shè)備、網(wǎng)絡(luò)設(shè)備(包括局域網(wǎng)和廣域網(wǎng)設(shè)備)，均采用現(xiàn)有配置的設(shè)備。

4.1 硬件配置

PC工作站1臺(tái)，CPU在1.8 GHz以上，內(nèi)存1 G以上、硬盤80 G以上，主要用于負(fù)荷預(yù)測(cè)應(yīng)用服務(wù)器。

4.2 軟件配置

系統(tǒng)采用最先進(jìn)的B/S結(jié)構(gòu)。應(yīng)用服務(wù)器的操作系統(tǒng)采用Microsoft Windows 2003 Server;數(shù)據(jù)庫(kù)服務(wù)器利用現(xiàn)有EMS系統(tǒng)Web服務(wù)器;客戶端、管理員工作站操作系統(tǒng)為Microsoft windows 95，瀏覽器為版本4.0以上的Microsoft Ineternet Explorer，支持中文環(huán)境網(wǎng)絡(luò)接入方式;應(yīng)用軟件類別包括短期負(fù)荷預(yù)測(cè)、負(fù)荷分析、系統(tǒng)管理、界面設(shè)計(jì)和系統(tǒng)接口。

5 自適應(yīng)研究

自學(xué)習(xí)和自動(dòng)調(diào)節(jié)參數(shù)算法，使系統(tǒng)能夠自動(dòng)適應(yīng)廣州負(fù)荷的特征，進(jìn)一步提高預(yù)測(cè)精度。對(duì)較大的預(yù)測(cè)誤差，系統(tǒng)會(huì)自行糾偏，并且將預(yù)測(cè)誤差原因反饋。自學(xué)習(xí)、自適應(yīng)功能與反饋機(jī)制在短期負(fù)荷預(yù)測(cè)中可對(duì)模型和參數(shù)進(jìn)行修正，如圖10所示。

圖10 自學(xué)習(xí)、自適應(yīng)功能與反饋機(jī)制Fig.10 Self-learning，self-adaption and feedback mechanisms

(1)自學(xué)習(xí)功能:系統(tǒng)自動(dòng)將操作人員的預(yù)測(cè)控制策略存儲(chǔ)到專家系統(tǒng)作為學(xué)習(xí)樣本，在以后的預(yù)測(cè)過程中，根據(jù)結(jié)果自動(dòng)調(diào)用專家系統(tǒng)中的方案，從而提高預(yù)測(cè)精度。

(2)自適應(yīng)功能:實(shí)際預(yù)測(cè)中不可能所有的算法都能有效完成預(yù)測(cè)，對(duì)此，系統(tǒng)可以自主選擇最合適模型，自動(dòng)調(diào)節(jié)參數(shù)，使系統(tǒng)能夠自動(dòng)適應(yīng)廣州負(fù)荷的特征，進(jìn)一步提高預(yù)測(cè)精度。

(3)反饋機(jī)制:如果預(yù)測(cè)出現(xiàn)較大誤差，系統(tǒng)會(huì)自行與歷史誤差相比較，并且將預(yù)測(cè)誤差原因以建議的形式反饋給操作人員，以便于今后對(duì)預(yù)測(cè)精度的改進(jìn)。

6 結(jié)語(yǔ)

本文設(shè)計(jì)除了實(shí)現(xiàn)負(fù)荷的短期預(yù)測(cè)功能外，同時(shí)還可以實(shí)現(xiàn)相關(guān)的預(yù)測(cè)考核指標(biāo)考核功能。規(guī)范化的短期負(fù)荷預(yù)測(cè)數(shù)據(jù)庫(kù)可以提高數(shù)據(jù)共享的程度，最大限度地減小數(shù)據(jù)的冗余，為各級(jí)、各層面工作人員的具體應(yīng)用提供可靠性高、一致性好的信息來源?；诰W(wǎng)絡(luò)數(shù)據(jù)庫(kù)，最先進(jìn)的B/S結(jié)構(gòu)可以實(shí)現(xiàn)數(shù)據(jù)的集中化存儲(chǔ)，提高數(shù)據(jù)的利用率和系統(tǒng)的執(zhí)行效率，保證了系統(tǒng)的兼容性，并使系統(tǒng)功能易于拓展。

［1］谷子，唐巍.電力短期負(fù)荷時(shí)間序列混沌相空間重構(gòu)參數(shù)優(yōu)選法［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2006，26(14):18-23.

［2］李栓，劉莉，劉陽(yáng).趨勢(shì)外推法在電力負(fù)荷預(yù)測(cè)中的應(yīng)用［J］.沈陽(yáng)工程學(xué)院學(xué)報(bào):自然科學(xué)版，2005，1(Z1):64-65.

［3］張伏生，汪鴻，韓悌，等.基于偏最小二乘回歸分析的短期負(fù)荷預(yù)測(cè)［J］.電網(wǎng)技術(shù)，2003，27(3):36-40.

［4］雷紹蘭，孫才新，周湶，等.基于徑向基神經(jīng)網(wǎng)絡(luò)和自適應(yīng)神經(jīng)模糊系統(tǒng)的電力短期負(fù)荷預(yù)測(cè)方法［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2005，25(22):81-85.

［5］宋超，黃民翔，葉劍斌.小波分析方法在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用［J］.電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2002，14(3):8-12.

［6］楊韜，劉崇新，許喆，等.基于神經(jīng)網(wǎng)絡(luò)與混沌理論的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)［J］.陜西電力，2008(6):6-9.

［7］牛東曉，谷志紅，邢棉，等.基于數(shù)據(jù)挖掘的SVM短期負(fù)荷預(yù)測(cè)方法研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2006，26(18):6-12.

［8］朱六璋，短期負(fù)荷預(yù)測(cè)的組合數(shù)據(jù)挖掘算法［J］.電力系統(tǒng)自動(dòng)化，2006，30(14):82-86.

［9］鐘惠鋒.提高電網(wǎng)短期負(fù)荷預(yù)測(cè)精度的研究［J］.廣東電力，2011，24(6):97-100.

［10］廖峰，周勇，賀輝，等.集中式省地一體化母線負(fù)荷預(yù)測(cè)系統(tǒng)［J］.電力需求側(cè)管理，2011(3):54-58.

［11］端木彬，謝芳，王健，等.負(fù)荷預(yù)測(cè)中氣象因素的影響［J］.山東電力技術(shù)，2013(2):20-24，28.

［12］譚海龍，梁建武，孫正軍.基于.NET的電力負(fù)荷預(yù)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［J］.微計(jì)算機(jī)信息，2009，25(6):16-17，9.

［13］陳志業(yè)，牛東曉，張英懷，等.電網(wǎng)短期電力負(fù)荷預(yù)測(cè)系統(tǒng)的研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，1995，15(1):30-35.

［14］牛東曉，邢棉，謝宏，等.短期電力負(fù)荷預(yù)測(cè)的小波神經(jīng)元網(wǎng)絡(luò)模型的研究［J］.電網(wǎng)技術(shù)，1999，23(4):21-24.

［15］謝宏，陳志業(yè)，牛東曉，等.基于小波分解與氣象因素影響的電力系統(tǒng)日負(fù)荷預(yù)測(cè)模型研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2001，21(5):6-11.

［16］牛慶松，程如同，李彬，等.基于SD-SVM 的負(fù)荷預(yù)測(cè)研究與應(yīng)用［J］.華北電力技術(shù)，2012(11):21-26.