電力負(fù)荷預(yù)測研究綜述及預(yù)測分析

張可

摘要：構(gòu)建了一個電力數(shù)據(jù)管理分析系統(tǒng)，并設(shè)計了電力負(fù)荷預(yù)測算法和異常數(shù)據(jù)檢測算法問題。首先，針對BP神經(jīng)網(wǎng)絡(luò)在預(yù)測電力負(fù)荷存在的因初始權(quán)值與閾值設(shè)置影響估計精度的問題，提出利用粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)參數(shù)，提高了預(yù)測算法的收斂速度與預(yù)測精度;然后，針對電力數(shù)據(jù)異常檢測算法效率較低的問題，提出了基于改進(jìn)譜聚類的異常數(shù)據(jù)檢測算法，提升了電力異常數(shù)據(jù)檢測效率;最后，通過實際電力數(shù)據(jù)對算法進(jìn)行了測試，驗證了所提算法的有效性。

關(guān)鍵詞：電力負(fù)荷;預(yù)測方法;回歸分析;電力彈性系數(shù);空間負(fù)荷預(yù)測法

分類號：TM715

引言

眾所周知，電力負(fù)荷預(yù)測一直是電力系統(tǒng)運行的關(guān)鍵工具。許多運營決策都基于負(fù)荷預(yù)測，例如發(fā)電機(jī)的調(diào)度調(diào)度、可靠性分析和發(fā)電機(jī)的維護(hù)計劃，特別是隨著全球電力行業(yè)放松管制和自由競爭的加劇，負(fù)荷預(yù)測變得比以往任何時候都更加重要。同時，負(fù)荷預(yù)測對于競爭性電力市場中的能源交易至關(guān)重要。此外，準(zhǔn)確地估計負(fù)荷是電價預(yù)測的關(guān)鍵步驟。預(yù)測錯誤對利潤、市場份額以及最終的股東價值具有重要指導(dǎo)意義 。然而，由于市場參與者的動態(tài)競價策略和依賴于價格的負(fù)荷多變性和非平穩(wěn)性，電力負(fù)荷越來越難以預(yù)測。因此現(xiàn)代電力系統(tǒng)需要更高精度和更復(fù)雜的預(yù)測工具。

1電網(wǎng)負(fù)荷預(yù)測技術(shù)研究背景

全球經(jīng)濟(jì)飛速發(fā)展的同時，帶來了能源供給不足，引起全球氣候變暖、環(huán)境惡化等現(xiàn)象，建立環(huán)保、安全、高效、可靠的電力系統(tǒng)成為電力行業(yè)研究的熱點。據(jù)國家能源統(tǒng)計局?jǐn)?shù)據(jù)顯示，我國每年都會有幾十億度電能浪費。因此，尋求一種準(zhǔn)確的電能負(fù)荷預(yù)測方法，可以準(zhǔn)確預(yù)測電能的供需峰值，降低電能對環(huán)境造成的不良影響，同時節(jié)約電能。電網(wǎng)負(fù)荷預(yù)測是以歷史時間序列數(shù)據(jù)為數(shù)據(jù)源，利用數(shù)據(jù)挖掘、深度學(xué)習(xí)等技術(shù)建立電網(wǎng)負(fù)荷預(yù)測數(shù)學(xué)模型，預(yù)測未來時間段的電力負(fù)荷，方便電力部門科學(xué)有效地管理電能供需量，減少電能浪費。

2負(fù)荷預(yù)測方法分析

2.1臺區(qū)負(fù)荷行為分析

臺區(qū)負(fù)荷在不同天的相同時間段內(nèi)的負(fù)荷行為習(xí)慣具有一定相似度，因此可以根據(jù)歷史負(fù)荷變化規(guī)律來預(yù)測未來負(fù)荷數(shù)據(jù)，但在同1天的不同時間段內(nèi)臺區(qū)負(fù)荷的負(fù)荷運行規(guī)律不同，而且呈現(xiàn)出強(qiáng)關(guān)聯(lián)性和較弱的關(guān)聯(lián)性之分，可根據(jù)此特征輔助完成負(fù)荷預(yù)測。將某臺區(qū)2周負(fù)荷的功率負(fù)載率數(shù)據(jù)映射到同1天內(nèi)?？梢郧逦闯鲈撆_區(qū)負(fù)荷的功率負(fù)載率在1天內(nèi)的變化分布情況。在不同天內(nèi)，該臺區(qū)負(fù)荷的趨勢和周期大致相同，峰谷出現(xiàn)的位置也比較相近，存在一定的相關(guān)性，遵循某種基準(zhǔn)負(fù)荷規(guī)律并呈不同程度的上下波動。其中在0：00—5：00時段，功率負(fù)載率呈下降趨勢，且曲線較為密集，關(guān)聯(lián)度很高，即在不同天較為嚴(yán)格的執(zhí)行同一行為習(xí)慣規(guī)律，預(yù)測時會更為準(zhǔn)確一些。但在12：00—16：00時段曲線比較分散，預(yù)測時精確度受到較大的影響。因此，各天在此時段會執(zhí)行較為松散的行為習(xí)慣規(guī)律。若不區(qū)分時段，則各個不同時間段的行為規(guī)律會相互影響，且看作相同的關(guān)聯(lián)密集程度，對最后整體預(yù)測的效果產(chǎn)生一定的影響，所以本文接下來分析臺區(qū)負(fù)荷不同運行規(guī)律時間段的行為相似度，并考慮歷史數(shù)據(jù)的變化趨勢來輔助完成負(fù)荷預(yù)測。本文首先通過計算每2天之間目標(biāo)時間段的皮爾遜相關(guān)系數(shù)，生成行為矩陣，再進(jìn)一步計算目標(biāo)時間段的行為相似度，行為相似度不同則對相同時間段歷史數(shù)據(jù)的參考程度不同。在考慮天氣維度和時間維度的基礎(chǔ)上，將行為相似度作為新特征考慮加入LSTM預(yù)測模型，利用訓(xùn)練集數(shù)據(jù)對模型進(jìn)行訓(xùn)練，再根據(jù)測試集數(shù)據(jù)對模型效果進(jìn)行驗證。

2.2BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)包括輸入層、輸出層和隱含層，一般輸入層與輸出層為單層，而隱含層為多層，且隱含層的個數(shù)直接影響了神經(jīng)網(wǎng)絡(luò)解決復(fù)雜問題的能力和訓(xùn)練效率。通常情況下，單隱含層的BP神經(jīng)網(wǎng)絡(luò)即可實現(xiàn)對復(fù)雜非線性問題的擬合，且具備實現(xiàn)簡單、訓(xùn)練效率高的優(yōu)點;而多隱含層BP神經(jīng)網(wǎng)絡(luò)雖然能夠顯著提升網(wǎng)絡(luò)的泛化能力與擬合精度，但訓(xùn)練效率過低直接影響了其在工程中的可用性。針對電力負(fù)荷預(yù)測問題，模型中包含輸入層、輸出層和隱含層各1個。輸入層為前三天同一時刻的電力負(fù)荷以及溫度、濕度等特征參數(shù)，隱含層節(jié)點數(shù)根據(jù)實驗試探選擇為12個，輸出層輸出為用電負(fù)荷預(yù)測結(jié)果。該網(wǎng)絡(luò)的隱含層激活函數(shù)為logsigmoid函數(shù)，輸出層激活函數(shù)為具有線性特點的purelin函數(shù)，訓(xùn)練算法采用自適應(yīng)梯度下降算法。采用電力數(shù)據(jù)管理系統(tǒng)中的相關(guān)數(shù)據(jù)進(jìn)行電力負(fù)荷預(yù)測實驗結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值對負(fù)荷預(yù)測精度的影響很大，但目前缺乏相關(guān)的初始值選擇依據(jù)，為此，文中借助粒子群算法對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進(jìn)行優(yōu)化。

2.4數(shù)據(jù)收集和預(yù)處理

本文考慮了貴陽市的日常用電量和天氣數(shù)據(jù)。選擇了兩個典型月份來預(yù)測和驗證所提出模型的性能。第一個對應(yīng)于2018年1月，這是一個需求旺盛的冬季。第二個對應(yīng)于2018年7月，這也是一個需求量很大的夏季月份。用于預(yù)測第一個月的每小時數(shù)據(jù)是從2017年1月1日到2017年12月31日，一共365天。用于預(yù)測第二個月的每小時數(shù)據(jù)是從 2017年 7月 1日到 2018年 6月 30日，也是366天。由于貴陽市在2017年8月14日經(jīng)歷了電力停電，因此從訓(xùn)練樣本中消除了一周的數(shù)據(jù)，包括停電日和隨后的六天。通過鄰值間插值的方法，填補了一些載荷和溫度數(shù)據(jù)的缺失。基本上大數(shù)據(jù)集是對抗過度擬合的有效方法。但是過去通過聚合數(shù)據(jù)來增加數(shù)據(jù)集的大小可能是不可行的，因為負(fù)荷序列顯示出非常明顯的上升趨勢，并且負(fù)荷模式在年復(fù)一年略有變化?？紤]到本文的工作是用于學(xué)術(shù)研究，本文選擇一年的訓(xùn)練數(shù)據(jù)以簡化。但是本文認(rèn)為應(yīng)該在實際應(yīng)用中使用更多的訓(xùn)練樣本，例如兩年。測試集與訓(xùn)練集完全分開，并且測試集在學(xué)習(xí)過程中不被使用。因為較大的預(yù)測提前期并不一定意味著更大的預(yù)測誤差，這取決于不同時期的數(shù)據(jù)可變性。

結(jié)語

短期負(fù)荷預(yù)測影響著發(fā)電計劃、交易計劃、調(diào)度計劃等，而負(fù)荷預(yù)測結(jié)果的精確度又影響著電力系統(tǒng)的運行。本文根據(jù)負(fù)荷預(yù)測的流程，把負(fù)荷預(yù)測方法做了一個綜合的分析和比較，簡述了預(yù)測方法的優(yōu)點和不足之處，最后對短期負(fù)荷預(yù)測未來研究的方向提出展望，可為今后短期負(fù)荷預(yù)測提供借鑒。在實際的負(fù)荷預(yù)測中，應(yīng)當(dāng)根據(jù)當(dāng)?shù)氐臍v史負(fù)荷數(shù)據(jù)特征和相關(guān)影響因素選擇適宜的預(yù)測模型。

參考文獻(xiàn)

[1]張彥宇，肖茜.國內(nèi)外關(guān)于電力系統(tǒng)負(fù)荷預(yù)測的研究現(xiàn)狀分析[J].山東工業(yè)技術(shù)，2016（11）：215-216.

[2]劉建軍.電力系統(tǒng)負(fù)荷預(yù)測綜述[J].中國科技信息，2016（16）：52-53.

河北大唐國際新能源有限公司 河北? 承德? 067000