电网短期母线负荷数据预处理及预测模型研究
|
摘要
短期母线负荷预测是电网安全预警和经济分析的基础,其预测模型的通用性、预测精度和预测速度是研究的重点。论文从负荷特性分类、样本数据预处理和预测算法这三个方面进行了研究。首先提出了一种基于灰色关联度矩阵的母线负荷特性分类方法,为选择预测模型和提高预测速度及精度奠定基础；然后针对母线负荷序列中三类典型异常数据,提出了一种基于改进的数据横向比较法和小波阀值去噪法的样本数据综合预处理方法,实例证明了此方法的有效性；最后提出了一种基于最小二乘支持向量机(LSSVM)和马尔可夫链的短期母线负荷预测方法,并提出一种广义网格搜索算法对LSSVM模型参数进行优化,实例证明所提预测方法能够达到
The short-term bus load forecasting provides a basis for the grid security early-warning and economic analysis.The forecasting model's popularity, forecast accuracy and forecast speed are the key study points of short-term bus load forecasting. The paper studied the short-term bus load forecasting from three aspects:load characteristic classification, data preprocessing and forecast method. Firstly, a characteristic classification method based on gray incidence matrix was proposed, which set the stage for its adaptive prediction. Secondly, a new data preprocessing method was proposed to process the three typical abnormal data, which was based on the modified data across comparision and wavelet threshloding denoising method. At last, it put forward a hybrid method based on least squares support vector machines(LSSVM) and markov chain to forecast the bus load, in which a generalized grid-search algorithm was used to optimize the selection of model parameter. The case study proved that the proposed data preprocessing method and hybrid forecast method are available to satisfactory forecast accuracy.
The short-term bus load forecasting provides a basis for the grid security early-warning and economic analysis.The forecasting model's popularity, forecast accuracy and forecast speed are the key study points of short-term bus load forecasting. The paper studied the short-term bus load forecasting from three aspects:load characteristic classification, data preprocessing and forecast method. Firstly, a characteristic classification method based on gray incidence matrix was proposed, which set the stage for its adaptive prediction. Secondly, a new data preprocessing method was proposed to process the three typical abnormal data, which was based on the modified data across comparision and wavelet threshloding denoising method. At last, it put forward a hybrid method based on least squares support vector machines(LSSVM) and markov chain to forecast the bus load, in which a generalized grid-search algorithm was used to optimize the selection of model parameter. The case study proved that the proposed data preprocessing method and hybrid forecast method are available to satisfactory forecast accuracy.
引文
[1]汪峰,于尔铿,周京阳.能量管理系统(EMS)第四讲电力系统负荷预报[J].电力系统自动化,1997,21(04)：66～69
[2]朱永祥,丁晓群.母线负荷预测的一种实用算法及其应用.中国科技论文在线.http://www. paper. edu.cn/paper. php?serial_number=200903-255.
[3]辛丽虹.电力系统母线负荷预测研究：[硕士学位论文].成都：四川大学,2000
[4]Pyne R. A. "Short-term bus load forecasting and its intended use in scheduled outage analysis". IEEE Conference on Decision and Control including the 13th Symposium on Adaptive Processes, vol.13, Nov.1974.593-597
[5]Kehani A, Miri S. M. "On-Line Weather-Sensitive And Industrial Group Bus Load Forecasting For Microprocessor-Based Applications". IEEE Transcations on Power Apparatus and Systems, vol.102, Dec.1983.3868～3876
[6]苟旭丹.电力系统母线负荷预测研究：[硕士学位论文].成都：四川大学,2004
[7]Kassaei H. R, Keyhani A,Wong T,Rahman M. "A Hybrid Fuzzy, Neural Network Bus Load Modeling and Predication".IEEE Transactions on Power Systems, vol.14, no.2, May.1999.718～724
[8]Amjady N. " Short-Term Bus Load Forecasting of Power Systems by a New Hybrid Method".IEEE Transcations on Power Systems, vol.22, Feb.2007.333～341
[9]Salgado R. M, Ballini R; Ohishi T. "An aggregate model applied to the short-term bus load forecasting problem". Power Systems Conference and Exposition,2009. PES'09. IEEE/PES,15-18 March 2009.1-8
[10]段欣阳.基于有色噪声的Kalman滤波算法在母线负荷预测中的应用：[硕士学位论文].北京：华北电力大学,2008
[11]张雪波等.电力负荷预测的基本程序及其应用[J].中国电力教育,2008,(S1)：198～199
[12]于尔铿等.电力市场[M].中国电力出版社,1998
[13]牛东晓等.电力负荷预测技术及其应用[M].北京：中国电力出版社,1998
[14]余贻鑫,吴建中.基于事例推理模糊神经网络的中压配电网短期节点负荷预测[J].中国电机工程学报,2005,(12)：18～23
[15]畅广辉等.基于多分辨率SVM回归估计的短期负荷预测[J].电力系统自动 化,2007,(09)：37～41
[16]罗军等.基于负荷点相似的地区短期负荷预测新方法[J].电网技术,2007,(06)：67～71
[17]吴建中,余贻鑫.配电网自适应负荷估计方法[J].电力系统及其自动化,2007,(04)：18～22
[18]鞠平等.96点短期负荷预测方法及其应用[J].电力系统自动化,2001,25(22)：32～36
[19]金海峰等.基于相似性原理的短期负荷预测方法[J].电力系统自动化,2001,25(23)：45～48
[20]莫维仁等.短期负荷预测中选择相似日的探讨[J].清华大学学报：自然科学版,2004,44(1)：106～109
[21]Senjyu T, Takara H,Uezato K,Funabashi T. " One-hour-ahead load forecasting using neural network".IEEE Transcations on Power Systems, vol.17, no.1, Feb.2002.113～118
[22]Hippert H.S,Pedreira C.E,Souza R.C. "Neural networks for short-term load forecasting:a review and evaluation".IEEE Transcations on Power Systems, vol.16, no.1, Feb.2001.44～55
[23]黎灿兵等.电力短期负荷预测相似日选取算法[J].电力系统自动化,2008,(09)：69～73
[24]黎灿兵等.基于解耦机制的小地区短期负荷预测方法[J].电网技术,2008,(05)：87～92
[25]徐剑等.基于粗糙集的遗传神经网络短期负荷预测方法[J].继电器,2008(06)：37～41
[26]郑永康等.小波支持向量机与相空间重构结合的短期负荷预测研究[J].继电器,2008,(07)：29～33
[27]唐杰明等.基于最优FCM聚类和最小二乘支持向量回归的短期电力负荷预测[J].现代电力,2008,(02)：76-81
[28]王武等.基于遗传优化神经网络的电力系统短期负荷预测[J].继电器,2008,(09)：39～42
[29]梁志武等.基于遗传和模拟退火算法优化的短期负荷预测[J].现代电力,2008,(02)：13～17
[30]王学平.基于小波变换和神经网络的短期负荷预测研究：[硕士学位论文].南京：南京理工大学,2007
[31]王德意等.基于负荷混沌特性和最小二乘支持向量机的短期负荷预测[J].电网技术,2008,(07)：66～71
[32]Mishra S,Patra S. K. " Short Term Load Forecasting Using Neural Network Trained with Genetic Algorithm&Particle Swarm Optimization". First International Conference on Emerging Trends in Engineering and Technology,2008. ICETET'08,July 2008.606-611
[33]Jiang, Huilan;Yu,Xiaoming;Yu, Yaozhou. " Application of Support Vector Regression in Power System Short Term Load Forecasting".Fourth International Conference on Natural Computation,2008. ICNC 08, vol.2, Oct.2008.26～30
[34]Barghinia S,etc. " A combination method for short term load forecasting used in Iran electricity market by NeuroFuzzy, Bayesian and finding similar days methods".5th International Conference in EuropeanElectricity Market,2008. EEM2008, May 2008.1-6
[35]Wenjin Dai;Ping Wang." Application of Pattern Recognition and Artificial Neural Network to Load Forecasting in Electric Power System". Third International Conference on Natural Computation,2007. ICNC2007, vol.1, Aug.2007.381～385
[36]Hossein Vahabie A, etc. " Combination of Singular Spectrum Analysis and Autoregression Model for Short Term Load Forecasting".2007 IEEE Lausanne Power Tech,July 2007.1090～1093
[37]唐杰明等.电力系统短期负荷预测新方法[J].四川电力技术,2008,(01)：61～65
[38]康重庆等.电力系统多级负荷预测及其协调问题(一)研究框架[J].电力系统自动化,2008,(07)：34～38
[39]牟涛等.电力系统多级负荷预测及其协调问题(二)基本协调模型[J].电力系统自动化,2008,(08)：14～18
[40]牟涛等.电力系统多级负荷预测及其协调问题(三)关联协调模型[J].电力系统自动化,2008,(09)：20～24
[41]国家电网.电网母线负荷预测工作考核管理办法.2007年调度计划专业会议资料
[42]廖向旗等.基于灰色关联聚类的负荷特性分类[J].电力科学与技术学报,2007,6：28～33
[43]李培强等.基于模糊聚类的电力负荷特性的分类与综合[J].中国电机工程学报,2005,12：73～78
[44]钱卫华等.基于负荷特性分析的短期负荷预测相似日选择方法[J].华中电力,2007(01)：17～21
[45]陶莉.峰谷电价政策对负荷特性的影响[J].南京：东南大学硕士学位论文,2004,3
[46]鞠平等.综合负荷特性的分类综合方法及其应用[J].电力系统自动化,2004,10：64～68
[47]鞠平等.基于日负荷曲线的负荷分类和综合建模[J]电力系统自动化2006,8：6-9
[48]洪志鹏等.基于统计学分类的综合负荷模型实测建模[J].现代电力,2008,8：6-12
[49]张宏斌等.基于KOHONEN神经网络的电力系统负荷动特性聚类与综合[J].中国电机工程学报,2003,5：1-5
[50]林舜江等.电力负荷动特性分类方法研究[J].电力系统自动化,2005,11：33～38
[51]李欣然等.基于实测响应空间的负荷动态特性分类原理与方法[J].中国电机工程学报,2006,4：39～44
[52]黄梅等.东北电网负荷模型的分类与应用[J].电力系统及其自动化,2005,2：85～87
[53]张忠华.电力系统负荷分类研究：[硕士学位论文].天津：天津大学,2007
[54]龙立波等.短期电力负荷预测中的数据处理技术[J].电力需求侧管理,2007,1：11～14
[55]高山,单渊达.小波奇异性检测在负荷数据纠错和平滑处理中的应用[J].中国电机工程学报,2001,11：105～108
[56]康重庆等.灰色系统参数估计与不良数据辨识[J].清华大学学报(自然科学版),1997(37)：72～75
[57]张国江等.基于人工神经网络的电力负荷坏数据辨识与调整[J].中国电机工程学报,2001,08：104～107
[58]莫维仁等.扩展短期负荷预测方法的应用[J].电网技术,2003,5：6-9
[59]张雪莹等.采用谱分析建模和人工神经网络的短期负荷预测方案[J].电网技术,2004,6：49～52
[60]张晓星等.基于数据挖掘的电力负荷脏数据动态智能清洗[J].电力系统自动化,2005,4：60～64
[61]叶峰等.EMS中负荷预测不良数据的辨识与修正[J].电力系统自动化,2006,8：85～88
[62]陈跃芳.短期电力负荷预测方法研究和系统设计：[硕士学位论文].浙江：浙江大学,2006,5
[63]郑刚等.数据挖掘在电力负荷预测中的应用[J].水利电力机械,2006,1.： 44～47
[64]汪学义等.负荷预测中基于小波分析的伪负荷数据的处理[J].现代电子技术,2008(07)：176～178
[65]甘雯.小负荷大波动地区短期负荷预测模型研究：[硕士学位论文].浙江：浙江大学,2007,5
[66]李云飞等.基于PCA-SVM的电力系统短期负荷预测[J].电力系统及其自动化学报,2007,10：66～70
[67]张春娟等.基于web的超短期负荷预测研究与实现：[硕士学位论文].太原：太原理工大学,2007,5
[68]王新楼.小波去噪方法分析与Matlab仿真[J].工业控制计算机,2008(21)：55～56
[69]王振朝等.基于多分辨率分析的小波系数压扩去噪算法[J].中国电机工程学报,2008,4：76～81
[70]邓禹等.基于小波变换的混合阀值去噪的方法研究[J].光通信研究,2008(03)：67～69
[71]朱艳芹等.几种基于小波阀值去噪的改进方法[J].电子测试,2008,2：18～22
[72]曾守桢,朱建华.一种改进的小波阀值去噪方法[J].海洋技术,2008,3：37～39
[73]李弼程.小波分析及其应用[M].北京：电子工业出版社,2003：130～134
[74]Mallat. Theory for Multriresolution Signal Deconmposition:The Wavelet Representation. IEEE Transactions on Pattern Analysis and Machine Intelligence,1989,11(7).674～693
[75]Donoho D L. " De-noising by soft-thresholding[J].Transactions on information theory",1995,41(3).613～627
[76]刘耀年等.基于LSSVM与SMO稀疏化算法的短期负荷预测[J].继电器,2008,36(04)：63～66
[77]杨立成.基于最小二乘支持向量机的短期电力负荷预测方法研究：[硕士学位论文].南宁：广西大学,2008
[78]王德意,杨卓,杨国清.基于负荷混沌特性和最小二乘支持向量机的短期负荷预测[J].电网技术,2008,32(7)：66～71
[79]唐杰明等.基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测[J].电网技术,2009,33(3)：63～68
[80]王会青,王婷,谷志红.灰色马尔可夫链在高峰负荷预测中的应用[J].电力需求侧管理,2004,(06)：13～15
[2]朱永祥,丁晓群.母线负荷预测的一种实用算法及其应用.中国科技论文在线.http://www. paper. edu.cn/paper. php?serial_number=200903-255.
[3]辛丽虹.电力系统母线负荷预测研究：[硕士学位论文].成都：四川大学,2000
[4]Pyne R. A. "Short-term bus load forecasting and its intended use in scheduled outage analysis". IEEE Conference on Decision and Control including the 13th Symposium on Adaptive Processes, vol.13, Nov.1974.593-597
[5]Kehani A, Miri S. M. "On-Line Weather-Sensitive And Industrial Group Bus Load Forecasting For Microprocessor-Based Applications". IEEE Transcations on Power Apparatus and Systems, vol.102, Dec.1983.3868～3876
[6]苟旭丹.电力系统母线负荷预测研究：[硕士学位论文].成都：四川大学,2004
[7]Kassaei H. R, Keyhani A,Wong T,Rahman M. "A Hybrid Fuzzy, Neural Network Bus Load Modeling and Predication".IEEE Transactions on Power Systems, vol.14, no.2, May.1999.718～724
[8]Amjady N. " Short-Term Bus Load Forecasting of Power Systems by a New Hybrid Method".IEEE Transcations on Power Systems, vol.22, Feb.2007.333～341
[9]Salgado R. M, Ballini R; Ohishi T. "An aggregate model applied to the short-term bus load forecasting problem". Power Systems Conference and Exposition,2009. PES'09. IEEE/PES,15-18 March 2009.1-8
[10]段欣阳.基于有色噪声的Kalman滤波算法在母线负荷预测中的应用：[硕士学位论文].北京：华北电力大学,2008
[11]张雪波等.电力负荷预测的基本程序及其应用[J].中国电力教育,2008,(S1)：198～199
[12]于尔铿等.电力市场[M].中国电力出版社,1998
[13]牛东晓等.电力负荷预测技术及其应用[M].北京：中国电力出版社,1998
[14]余贻鑫,吴建中.基于事例推理模糊神经网络的中压配电网短期节点负荷预测[J].中国电机工程学报,2005,(12)：18～23
[15]畅广辉等.基于多分辨率SVM回归估计的短期负荷预测[J].电力系统自动 化,2007,(09)：37～41
[16]罗军等.基于负荷点相似的地区短期负荷预测新方法[J].电网技术,2007,(06)：67～71
[17]吴建中,余贻鑫.配电网自适应负荷估计方法[J].电力系统及其自动化,2007,(04)：18～22
[18]鞠平等.96点短期负荷预测方法及其应用[J].电力系统自动化,2001,25(22)：32～36
[19]金海峰等.基于相似性原理的短期负荷预测方法[J].电力系统自动化,2001,25(23)：45～48
[20]莫维仁等.短期负荷预测中选择相似日的探讨[J].清华大学学报：自然科学版,2004,44(1)：106～109
[21]Senjyu T, Takara H,Uezato K,Funabashi T. " One-hour-ahead load forecasting using neural network".IEEE Transcations on Power Systems, vol.17, no.1, Feb.2002.113～118
[22]Hippert H.S,Pedreira C.E,Souza R.C. "Neural networks for short-term load forecasting:a review and evaluation".IEEE Transcations on Power Systems, vol.16, no.1, Feb.2001.44～55
[23]黎灿兵等.电力短期负荷预测相似日选取算法[J].电力系统自动化,2008,(09)：69～73
[24]黎灿兵等.基于解耦机制的小地区短期负荷预测方法[J].电网技术,2008,(05)：87～92
[25]徐剑等.基于粗糙集的遗传神经网络短期负荷预测方法[J].继电器,2008(06)：37～41
[26]郑永康等.小波支持向量机与相空间重构结合的短期负荷预测研究[J].继电器,2008,(07)：29～33
[27]唐杰明等.基于最优FCM聚类和最小二乘支持向量回归的短期电力负荷预测[J].现代电力,2008,(02)：76-81
[28]王武等.基于遗传优化神经网络的电力系统短期负荷预测[J].继电器,2008,(09)：39～42
[29]梁志武等.基于遗传和模拟退火算法优化的短期负荷预测[J].现代电力,2008,(02)：13～17
[30]王学平.基于小波变换和神经网络的短期负荷预测研究：[硕士学位论文].南京：南京理工大学,2007
[31]王德意等.基于负荷混沌特性和最小二乘支持向量机的短期负荷预测[J].电网技术,2008,(07)：66～71
[32]Mishra S,Patra S. K. " Short Term Load Forecasting Using Neural Network Trained with Genetic Algorithm&Particle Swarm Optimization". First International Conference on Emerging Trends in Engineering and Technology,2008. ICETET'08,July 2008.606-611
[33]Jiang, Huilan;Yu,Xiaoming;Yu, Yaozhou. " Application of Support Vector Regression in Power System Short Term Load Forecasting".Fourth International Conference on Natural Computation,2008. ICNC 08, vol.2, Oct.2008.26～30
[34]Barghinia S,etc. " A combination method for short term load forecasting used in Iran electricity market by NeuroFuzzy, Bayesian and finding similar days methods".5th International Conference in EuropeanElectricity Market,2008. EEM2008, May 2008.1-6
[35]Wenjin Dai;Ping Wang." Application of Pattern Recognition and Artificial Neural Network to Load Forecasting in Electric Power System". Third International Conference on Natural Computation,2007. ICNC2007, vol.1, Aug.2007.381～385
[36]Hossein Vahabie A, etc. " Combination of Singular Spectrum Analysis and Autoregression Model for Short Term Load Forecasting".2007 IEEE Lausanne Power Tech,July 2007.1090～1093
[37]唐杰明等.电力系统短期负荷预测新方法[J].四川电力技术,2008,(01)：61～65
[38]康重庆等.电力系统多级负荷预测及其协调问题(一)研究框架[J].电力系统自动化,2008,(07)：34～38
[39]牟涛等.电力系统多级负荷预测及其协调问题(二)基本协调模型[J].电力系统自动化,2008,(08)：14～18
[40]牟涛等.电力系统多级负荷预测及其协调问题(三)关联协调模型[J].电力系统自动化,2008,(09)：20～24
[41]国家电网.电网母线负荷预测工作考核管理办法.2007年调度计划专业会议资料
[42]廖向旗等.基于灰色关联聚类的负荷特性分类[J].电力科学与技术学报,2007,6：28～33
[43]李培强等.基于模糊聚类的电力负荷特性的分类与综合[J].中国电机工程学报,2005,12：73～78
[44]钱卫华等.基于负荷特性分析的短期负荷预测相似日选择方法[J].华中电力,2007(01)：17～21
[45]陶莉.峰谷电价政策对负荷特性的影响[J].南京：东南大学硕士学位论文,2004,3
[46]鞠平等.综合负荷特性的分类综合方法及其应用[J].电力系统自动化,2004,10：64～68
[47]鞠平等.基于日负荷曲线的负荷分类和综合建模[J]电力系统自动化2006,8：6-9
[48]洪志鹏等.基于统计学分类的综合负荷模型实测建模[J].现代电力,2008,8：6-12
[49]张宏斌等.基于KOHONEN神经网络的电力系统负荷动特性聚类与综合[J].中国电机工程学报,2003,5：1-5
[50]林舜江等.电力负荷动特性分类方法研究[J].电力系统自动化,2005,11：33～38
[51]李欣然等.基于实测响应空间的负荷动态特性分类原理与方法[J].中国电机工程学报,2006,4：39～44
[52]黄梅等.东北电网负荷模型的分类与应用[J].电力系统及其自动化,2005,2：85～87
[53]张忠华.电力系统负荷分类研究：[硕士学位论文].天津：天津大学,2007
[54]龙立波等.短期电力负荷预测中的数据处理技术[J].电力需求侧管理,2007,1：11～14
[55]高山,单渊达.小波奇异性检测在负荷数据纠错和平滑处理中的应用[J].中国电机工程学报,2001,11：105～108
[56]康重庆等.灰色系统参数估计与不良数据辨识[J].清华大学学报(自然科学版),1997(37)：72～75
[57]张国江等.基于人工神经网络的电力负荷坏数据辨识与调整[J].中国电机工程学报,2001,08：104～107
[58]莫维仁等.扩展短期负荷预测方法的应用[J].电网技术,2003,5：6-9
[59]张雪莹等.采用谱分析建模和人工神经网络的短期负荷预测方案[J].电网技术,2004,6：49～52
[60]张晓星等.基于数据挖掘的电力负荷脏数据动态智能清洗[J].电力系统自动化,2005,4：60～64
[61]叶峰等.EMS中负荷预测不良数据的辨识与修正[J].电力系统自动化,2006,8：85～88
[62]陈跃芳.短期电力负荷预测方法研究和系统设计：[硕士学位论文].浙江：浙江大学,2006,5
[63]郑刚等.数据挖掘在电力负荷预测中的应用[J].水利电力机械,2006,1.： 44～47
[64]汪学义等.负荷预测中基于小波分析的伪负荷数据的处理[J].现代电子技术,2008(07)：176～178
[65]甘雯.小负荷大波动地区短期负荷预测模型研究：[硕士学位论文].浙江：浙江大学,2007,5
[66]李云飞等.基于PCA-SVM的电力系统短期负荷预测[J].电力系统及其自动化学报,2007,10：66～70
[67]张春娟等.基于web的超短期负荷预测研究与实现：[硕士学位论文].太原：太原理工大学,2007,5
[68]王新楼.小波去噪方法分析与Matlab仿真[J].工业控制计算机,2008(21)：55～56
[69]王振朝等.基于多分辨率分析的小波系数压扩去噪算法[J].中国电机工程学报,2008,4：76～81
[70]邓禹等.基于小波变换的混合阀值去噪的方法研究[J].光通信研究,2008(03)：67～69
[71]朱艳芹等.几种基于小波阀值去噪的改进方法[J].电子测试,2008,2：18～22
[72]曾守桢,朱建华.一种改进的小波阀值去噪方法[J].海洋技术,2008,3：37～39
[73]李弼程.小波分析及其应用[M].北京：电子工业出版社,2003：130～134
[74]Mallat. Theory for Multriresolution Signal Deconmposition:The Wavelet Representation. IEEE Transactions on Pattern Analysis and Machine Intelligence,1989,11(7).674～693
[75]Donoho D L. " De-noising by soft-thresholding[J].Transactions on information theory",1995,41(3).613～627
[76]刘耀年等.基于LSSVM与SMO稀疏化算法的短期负荷预测[J].继电器,2008,36(04)：63～66
[77]杨立成.基于最小二乘支持向量机的短期电力负荷预测方法研究：[硕士学位论文].南宁：广西大学,2008
[78]王德意,杨卓,杨国清.基于负荷混沌特性和最小二乘支持向量机的短期负荷预测[J].电网技术,2008,32(7)：66～71
[79]唐杰明等.基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测[J].电网技术,2009,33(3)：63～68
[80]王会青,王婷,谷志红.灰色马尔可夫链在高峰负荷预测中的应用[J].电力需求侧管理,2004,(06)：13～15