吳義純李淼李瑞君

（1.安徽省電力公司培訓中心,合肥 230032；2.安徽電氣工程職業(yè)技術(shù)學院,合肥 230032）

電力系統(tǒng)規(guī)劃是電力工業(yè)發(fā)展和建設(shè)的依據(jù)，科學合理的電力規(guī)劃方案是電力系統(tǒng)安全、可靠、經(jīng)濟運行的基礎(chǔ)，中長期負荷預測是電力規(guī)劃設(shè)計中一個重要環(huán)節(jié)[1]，直接到規(guī)劃方案的合理性。負荷預測是以電力負荷和國民經(jīng)濟的歷史數(shù)據(jù)、當?shù)亟?jīng)濟發(fā)展情況為基礎(chǔ)，建立有效的預測模型，尋求其變化趨勢和發(fā)展規(guī)律，預測未來負荷大小。

負荷預測方法多種多樣，根據(jù)用途分為中長期預測和短期預測[2-3]，在規(guī)劃中應(yīng)用的中長期預測方法常有電力彈性系數(shù)法、回歸分析法、趨勢外推法等[4-7]。由于負荷預測受社會經(jīng)濟發(fā)展趨勢、氣候變化等多種不確定因素影響，增加了預測的難度和模型的復雜性，對于具體電網(wǎng)負荷資料要選擇恰當?shù)念A測模型，必要時同時采用幾種數(shù)學模型建模，對比分析，以便選擇合適模型。灰色預測在很多行業(yè)得到廣泛的應(yīng)用，考慮到用電量未來的變化趨勢更多地取決于中近期的發(fā)展規(guī)律，遠期的歷史數(shù)據(jù)與未來發(fā)展趨勢的相關(guān)性較弱，本文選用等維新息遞補灰色模型，遞補動態(tài)更新預測信息，建模精度較高，基于Matlab平臺編程實現(xiàn)算法，對實際縣網(wǎng)電力電量進行中長期預測，它所需要的數(shù)據(jù)信息量少，較為適合基礎(chǔ)數(shù)據(jù)薄弱的電網(wǎng)，模型簡潔，基于Matlab平臺優(yōu)化編程，模型的參數(shù)易于估計，易于結(jié)合當?shù)仉娋W(wǎng)和經(jīng)濟的實際情況對預測結(jié)果的分析，實用性強，通過與其他方法分析和比較，說明文中方法取得良好效果，具有一定的實際意義。

1 等維新息遞補灰色預測模型

1.1 原始數(shù)據(jù)預處理

在預測中，對在原始數(shù)據(jù)的處理是負荷預測的重要環(huán)節(jié)。歷史數(shù)據(jù)變化相對平穩(wěn)，預測精度相對要高些，尤其針對數(shù)列波動較大或存在不良數(shù)據(jù)時，需要對原始數(shù)據(jù)處理，補充剔除的壞數(shù)據(jù)和緩沖擾動的干擾。

1）數(shù)據(jù)補充

在用電量歷史數(shù)據(jù)統(tǒng)計管理不嚴謹?shù)墓╇娖髽I(yè)，可能出現(xiàn)個別發(fā)生突變的異常數(shù)據(jù)或缺失個別數(shù)據(jù)，給后續(xù)的預測工作帶來困難，需要剔除的壞數(shù)據(jù)，根據(jù)待補充數(shù)據(jù)位置前后的數(shù)據(jù)生產(chǎn)新數(shù)據(jù) x(k)。

式中，x(k-1))和 x(k+1)分別為前后的數(shù)據(jù)； α是權(quán)重系數(shù)，0＜α＜1，往往取0.5。

對于首尾的同電量歷史數(shù)據(jù)補充時，采用級比生成[8-9]，級比σ(k) =，有首端，末尾 x(n) =x(n - 1)σ(k)。

2）擾動系統(tǒng)的緩沖處理

歷史用電量數(shù)據(jù)表象雜亂，隨機性強，但整體上存在一定變化規(guī)律和趨勢，通過對原始數(shù)據(jù)的挖掘、整理來尋求其蘊含某種內(nèi)在規(guī)律，灰色序列都能通過某種生成弱化其隨機性，凸現(xiàn)其規(guī)律性。

在有些地區(qū)，經(jīng)濟受外在因素影響出現(xiàn)嚴重滑坡，用電量甚至出現(xiàn)負增長；也有地方經(jīng)濟受到利好政策支持下高速增長，因其用電量原基數(shù)小，出現(xiàn)一段時間用電量高度增長，但后面會出現(xiàn)飽和，不可能一直高速發(fā)展。在類似這些情況下，由于系統(tǒng)行為數(shù)據(jù)因系統(tǒng)本身受到某種沖擊波的干擾而失真，系統(tǒng)行為數(shù)據(jù)已不能正確反映系統(tǒng)的真實變化規(guī)律，選擇理論模型也將失去其應(yīng)有的功效，往往會出現(xiàn)預測結(jié)果與人們直觀的定性分析結(jié)論大相徑庭的現(xiàn)象[8]。用現(xiàn)有數(shù)據(jù)直接建模預測，預測結(jié)果人們根本無法接受，需要要弱化序列增長趨勢，就需要將對用電量發(fā)展比較有利的現(xiàn)行政策因素附加到過去的年份中。

弱化干擾性的常見方法有多種[8-9]，下面加以介紹和分析。

（1）應(yīng)用緩沖算子強化或弱化原數(shù)據(jù)列，在數(shù)據(jù)起伏變化較大等特殊情況下效果會明顯。實用構(gòu)造緩沖算子方法很多，如平均歸化緩沖算子，設(shè)原始序列{x(k),k=1,…n}，有新序列

（2）取對數(shù)變換，強化了原數(shù)據(jù)列。

（3）開方變換，弱化了原數(shù)據(jù)列。

通過對數(shù)據(jù)變化的散點圖和實際預測經(jīng)驗來定性分析，選擇合理的處理方法，削弱了數(shù)據(jù)的偶然性的干擾，減緩擾動對數(shù)列變化規(guī)律的影響，以達到理想效果。

1.2 等維新息遞補GM(1,1)模型

設(shè)經(jīng)過預處理的原始用電量數(shù)據(jù)序列x(0)=[x(0)(1),x(0)(2),???,x(0)(n)]，為了增加該序列的規(guī)律性，進行一次累加或其他方法獲得的新數(shù)據(jù)序列，累加是灰色預測中常見得由灰變白的一種方法，一般用電量數(shù)據(jù)序列是非負準光滑序列[8]經(jīng)過累加生成后，尤其當用電量數(shù)據(jù)出現(xiàn)個別負增長時，累加后都會增加其光滑性，呈現(xiàn)單調(diào)增函數(shù)、近似的指數(shù)增長規(guī)律，易看出其發(fā)展態(tài)勢，易于函數(shù)去逼近擬合。

經(jīng)過一次累加生成的新用電量數(shù)據(jù)序列記為

新生成的序列滿足下面一階線性微分方程模型：

利用最小二乘法可以得到a、u的最小二乘近似解

根據(jù)此預測結(jié)果再進行累減還原得到原始數(shù)據(jù)序列的灰色預測模型。

但GM(1,1)模型預測數(shù)列一般反映了系統(tǒng)發(fā)展趨勢，有時預測精度難以達到要求，在實際的用電量預測中有一定的局限性，為此，將等維遞補動態(tài)引入灰色預測模型中。

物理量未來的變化趨勢更多地取決于歷史時段中近期的發(fā)展規(guī)律，遠期的歷史數(shù)據(jù)與未來發(fā)展趨勢的相關(guān)性較弱[10]。GM(1,1)模型灰平面成一喇叭型展開，未來時刻越遠預測的灰區(qū)間越大，系統(tǒng)受到這些最新信息的影響而發(fā)生新的變化趨勢，老數(shù)據(jù)的信息意義隨著時間推移將不斷降低[11]。GM(1,1)模型精度較高的僅僅是原點數(shù)據(jù)x(0)(n}以后幾數(shù)據(jù)，可見，預測精度的提高在于不斷補充新的信息，使灰度逐步白化。為了防止運算量也越來越大，對GM(1,1)模型進行等維新息處理，即在補充一個新的預測值，同時去除原來數(shù)據(jù)列中最老的用電量數(shù)據(jù)。若預測年數(shù)為n，則可以組成n個時間序列并且建立n個用電量預測模型，就構(gòu)成了動態(tài)灰色預測用電量模型群。

2 基于Matlab實現(xiàn)建模

Matlab與一般計算機語言相比，含有豐富的數(shù)值分析計算函數(shù)模型庫，為數(shù)學建模提供便捷平臺和有效工具，在數(shù)值分析、數(shù)字仿真、數(shù)學建模和算法實現(xiàn)等方面具有獨特的優(yōu)勢，基于Matlab建模能夠減少編程工作量[12]，其實現(xiàn)流程圖如圖1所示。

3 算例

為了驗證上述方法的預測效果，本文以某地區(qū)的用電量等歷史數(shù)據(jù)位基礎(chǔ)，預測用電量。為了便于比較，還應(yīng)用彈性系數(shù)法、回歸分析法、趨勢外推法進行用電量預測，預測值與實際值如圖2和表1所示。

評估預測數(shù)據(jù)與真實數(shù)據(jù)偏差的常用標準有后驗差比值和小誤差概率，4種方法的后驗差比值和小誤差概率如表2所示。

圖1 流程圖

表1 各種方法用電量預測結(jié)果比較

圖2 用電量真實值與各種方法預測值

表2 各種方法后驗差比值和小誤差概率

由表2可見，這幾種小誤差概率p全為100%，都能滿足基本要求。但后驗差比值方面等息遞補灰色模型的值最小，預期預測效果相對較好些；同時在由表1可見，等息遞補灰色模型的總體上相對誤差要小，預測精度高，預測效果總體上差相對要小，較其他方法要好一些。這說明等息遞補灰色模型對原始數(shù)據(jù)預處理和新有效消息的及時更新，能有效提高預測精度。

4 結(jié)論

1）對原始數(shù)據(jù)預處理，能削弱數(shù)據(jù)的偶然性的干擾，強化原始用電量序列的大致趨勢，有利尋求了發(fā)展規(guī)律，有效提高預測精度。

2）實際算例表明，基于Matlab等維遞補信息灰色預測方法方法能夠滿足電力系統(tǒng)的實際需要。

3）基于 Matlab等維遞補信息灰色預測方法數(shù)據(jù)不多，建模過程清晰，簡便實用，適用于實際電力系統(tǒng)工作人員開展負荷預測。

[1]劉進勝,趙俊光,夏勇.基于綜合邊界因素的城市配電網(wǎng)規(guī)劃[J].電力建設(shè), 2011, 32(10): 82-86.

[2]邰能靈,侯志儉.小波模糊神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)短期負荷預測中的應(yīng)用[J].中國電機工程學報,2004,24(1): 25-29.

[3]王鵬,邰能靈,王波翟,等.針對氣象因素的短期負荷預測修正方法[J].電力系統(tǒng)自動化,2008,32(13):92-96.

[4]吳安平.產(chǎn)業(yè)電力彈性系數(shù)的意義及其在負荷預測中的應(yīng)用[J].中國電力, 1998,31(12): 41-44.

[5]謝潔樹.電力負荷預測的方法研究[J].絕緣材料,2008,41(4):67-70.

[6]李栓,劉莉,劉陽.趨勢外推法在電力負荷預測中的應(yīng)用[J].沈陽工程學院學報,2005,1(2、3):64-65.

[7]張成,滕歡.基于嶺回歸與偏最小二乘回歸的中長期負荷預測[J].電力建設(shè), 2011, 32(12): 47-50.

[8]劉思峰,黨耀國,方志耕,等.灰色系統(tǒng)理論及其應(yīng)用[M].北京:科學出版社, 2010.

[9]王春萌,張繼忠,王榮.灰色系統(tǒng)分析及實用計算程序[M].武漢:華中科技大學出版社, 2001.

[10]康重慶,夏清,劉梅.電力系統(tǒng)負荷預測[M].北京:中國電力出版社,2007.

[11]牛東曉,曹樹華,盧建昌,等.電力負荷預測技術(shù)及其應(yīng)用[M].北京:中國電力出版社, 2009.

[12]張威. Matlab基礎(chǔ)與編程入門[M].西安電子科技大學出版社, 2004.