劉金智

摘 要：電力負(fù)荷預(yù)測是電力調(diào)度、用電以及電力計(jì)劃規(guī)劃的重要內(nèi)容，提高電力負(fù)荷預(yù)測技術(shù)水平有利于合理安排電網(wǎng)運(yùn)行計(jì)劃，提高電網(wǎng)經(jīng)濟(jì)效益和和社會效益。該文結(jié)合電力負(fù)荷預(yù)測技術(shù)發(fā)展研究實(shí)際，對該技術(shù)發(fā)展趨勢做了簡要分析。

關(guān)鍵詞：負(fù)荷預(yù)測 趨勢 研究

中圖分類號：TM715 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-098X（2014）01（c）-0043-01

電力負(fù)荷預(yù)測是供電部門重要的經(jīng)常性工作，負(fù)荷預(yù)測的結(jié)果對于新的發(fā)電機(jī)組未來擴(kuò)展及安裝，對未來機(jī)組裝機(jī)容量大小的決定，時(shí)間地點(diǎn)的選擇，以及對未來電網(wǎng)容量的改擴(kuò)建都有重要的意義，電力負(fù)荷預(yù)測的工作水平已成為電力企業(yè)管理現(xiàn)代化的重要標(biāo)志之一。

負(fù)荷預(yù)測的核心問題是預(yù)測的技術(shù)方法，隨著電力企業(yè)管理水平的不斷推進(jìn)和科技水平的迅速發(fā)展，預(yù)測理論和預(yù)測方法也不斷得到發(fā)展，先后出現(xiàn)了負(fù)荷預(yù)測經(jīng)驗(yàn)技術(shù)和經(jīng)典技術(shù)、趨勢外推技術(shù)、回歸模型預(yù)測技術(shù)、灰色預(yù)測技術(shù)等方法的實(shí)施運(yùn)用，可以說負(fù)荷預(yù)測技術(shù)的發(fā)展在不斷完善，實(shí)現(xiàn)并成熟運(yùn)用智能化、精細(xì)化的負(fù)荷預(yù)測技術(shù)是當(dāng)前和今后電力負(fù)荷預(yù)測技術(shù)發(fā)展的趨勢和方向。

1 基于專家系統(tǒng)的負(fù)荷預(yù)測技術(shù)

專家系統(tǒng)技術(shù)在人工智能領(lǐng)域中占有重要地位，一個(gè)完整的專家系統(tǒng)包括知識庫、推理機(jī)、知識獲取和解釋界面四部分，并基于知識程序建立起主要表現(xiàn)為軟件的計(jì)算機(jī)系統(tǒng)，擁有某特殊領(lǐng)域?qū)＜业慕?jīng)驗(yàn)和知識，通過知識進(jìn)行推理最終作出智能決策。

在長期負(fù)荷預(yù)測知識的前提下，專家系統(tǒng)可通過編輯“如果…，那么…（IF…，THEN…）”語句結(jié)構(gòu)塊組成知識庫?？梢越㈦娏Πl(fā)展規(guī)劃參照知識庫、彈性系數(shù)知識庫、慣性知識庫、綜合指標(biāo)知識庫、行業(yè)用電比重知識庫、用電水平判別知識庫以及基于數(shù)學(xué)模型預(yù)測精度等級知識庫等。

在專家系統(tǒng)技術(shù)方法實(shí)現(xiàn)過程中，通常將數(shù)據(jù)庫系統(tǒng)和專家系統(tǒng)結(jié)合起來，也就是把數(shù)值計(jì)算與知識的描述結(jié)合在一起。比如，選取Foxpro數(shù)據(jù)庫，首先進(jìn)行在VB環(huán)境下的處理各種預(yù)測模型的數(shù)值運(yùn)算，其次實(shí)現(xiàn)Foxpro與VB的數(shù)據(jù)交換，并把VB軟件的數(shù)值運(yùn)算結(jié)果Foxpro建立數(shù)據(jù)庫，最后利用專家系統(tǒng)工具與Foxpro的數(shù)據(jù)交換與用戶進(jìn)行交流，對預(yù)測模型進(jìn)行評估輸出最優(yōu)結(jié)果。[1]

基于專家系統(tǒng)的負(fù)荷預(yù)測技術(shù)具有快速決斷的優(yōu)點(diǎn)，并克服了單一算法的片面性是的該方法具有較廣泛的應(yīng)用前景。

2 基于神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測技術(shù)

在電力負(fù)荷預(yù)測中應(yīng)用神經(jīng)網(wǎng)絡(luò)，就是模仿人腦的智能化處理特點(diǎn)，對大量非結(jié)構(gòu)和非精確性規(guī)律具有自學(xué)習(xí)、自適應(yīng)、記憶、知識推理、優(yōu)化計(jì)算等，因此應(yīng)用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行電力負(fù)荷預(yù)測是具有潛力和先進(jìn)的研究方法。一般來說，一個(gè)多層的神經(jīng)網(wǎng)絡(luò)分為三層：輸入層、輸出層和中間層。以BP神經(jīng)網(wǎng)絡(luò)為例，它就是利用訓(xùn)練樣本實(shí)現(xiàn)從輸入到輸出的映射，在所選的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)下，通過學(xué)習(xí)算法調(diào)整各神經(jīng)元的閾值和連接權(quán)值，使誤差最小。

在電力負(fù)荷預(yù)測中，短期負(fù)荷變化可近似認(rèn)為是一個(gè)平穩(wěn)的隨機(jī)過程，而神經(jīng)網(wǎng)絡(luò)是較為適合解決平穩(wěn)隨機(jī)過程的，因此神經(jīng)網(wǎng)絡(luò)主要應(yīng)用于電力負(fù)荷預(yù)測的短期負(fù)荷預(yù)測。研究表明，運(yùn)用人工神經(jīng)網(wǎng)絡(luò)方法的預(yù)測結(jié)果比其他方法具有更準(zhǔn)確的優(yōu)勢，因而具有更加實(shí)用的前景。

3 基于小波分析的負(fù)荷預(yù)測技術(shù)

小波分析被稱為“數(shù)學(xué)顯微鏡”，是一種時(shí)域—頻域的分析方法，在圖像處理、模式識別、故障診斷、狀態(tài)監(jiān)視、雷達(dá)探測等領(lǐng)域中得到應(yīng)用，它可以聚焦到信號的任意細(xì)節(jié)，尤其是擅長對奇異信號、微弱信號和突變信號的處理，其目標(biāo)是將一個(gè)信號轉(zhuǎn)化為小波系數(shù)，從而方便地處理、分析、傳遞和存儲或者用于重建原始信號，這些可以提現(xiàn)小波分析可作為電力負(fù)荷預(yù)測的有效途徑。[2]

電力系統(tǒng)中負(fù)荷曲線具有特殊的周期性，將符合序列通過小波變換可分別投影到不同的尺度上，尺度上的序列分別代表了一定的“頻域”分量，較為清晰地表現(xiàn)了負(fù)荷序列的周期性。在此基礎(chǔ)上對不同的子負(fù)荷序列進(jìn)行預(yù)測。雖然電力系統(tǒng)中負(fù)荷以日、周、月、年為周期發(fā)生波動，但通過小波變換后的序列重組得到較完整地小時(shí)負(fù)荷預(yù)測結(jié)果，實(shí)現(xiàn)對短期負(fù)荷的良好預(yù)測。

4 模型群優(yōu)選組合的負(fù)荷預(yù)測技術(shù)

一般來講，優(yōu)選組合有兩種基本涵義，一是把用不同預(yù)測方法得到的結(jié)果進(jìn)行加權(quán)平均來預(yù)測；二是將幾種不同的預(yù)測方法進(jìn)行選擇，選取擬合度最佳和偏差最小的作為最優(yōu)模型來預(yù)測。優(yōu)選組合預(yù)測方法有許多，其中模型群方法在應(yīng)用時(shí)可避免漏掉最優(yōu)預(yù)測模型，同時(shí)具有良好的自適應(yīng)性，提高了預(yù)測的準(zhǔn)確性和效果，這種方法就是選擇n個(gè)預(yù)測模型和相對應(yīng)的n個(gè)預(yù)測結(jié)果，通過判別標(biāo)準(zhǔn)偏差、擬合程度、關(guān)聯(lián)度和誤差等指標(biāo)來比較n個(gè)模型的好壞，最后從中選擇一個(gè)最優(yōu)的模型進(jìn)行負(fù)荷預(yù)測。這種方法體現(xiàn)了集多種預(yù)測模型的信息于一體，可達(dá)到改善預(yù)測效果的目的。

5 結(jié)語

綜上所述，隨著電力系統(tǒng)智能化程度的不斷提高，電力負(fù)荷預(yù)測技術(shù)的研究也在不斷深化，新的預(yù)測方法不斷出現(xiàn)，從以前的經(jīng)典方法到現(xiàn)在的智能化、最優(yōu)化方法，為電力負(fù)荷預(yù)測提供了有力的工具，本文所提到的負(fù)荷預(yù)測方法是當(dāng)前乃至今后的負(fù)荷預(yù)測發(fā)展和應(yīng)用趨勢，在研究和實(shí)踐中取得了較好的效果。

參考文獻(xiàn)

[1] 牛東曉.電力負(fù)荷預(yù)測技術(shù)及其應(yīng)用[M].中國電力出版社，2009.

[2] 王士政.電網(wǎng)調(diào)度自動化與配網(wǎng)自動化技術(shù)[M].中國水利電力出版社，2008.endprint