陳 文

（廣東電網(wǎng)有限責(zé)任公司茂名供電局，廣東 茂名525000）

0 引言

負(fù)荷預(yù)測(cè)是電力系統(tǒng)規(guī)劃的重要組成部分，其準(zhǔn)確與否直接關(guān)系到電力系統(tǒng)的安全運(yùn)行和經(jīng)濟(jì)調(diào)度，準(zhǔn)確的負(fù)荷預(yù)測(cè)便于更合理地安排電網(wǎng)設(shè)備調(diào)度及檢修計(jì)劃，短期電力負(fù)荷預(yù)測(cè)更是在電力市場(chǎng)運(yùn)營(yíng)中占據(jù)著十分重要的地位［1－2］。

目前，國(guó)內(nèi)外專家學(xué)者對(duì)負(fù)荷預(yù)測(cè)問題已經(jīng)進(jìn)行了廣泛而深入的研究，開發(fā)了各種各樣的負(fù)荷預(yù)測(cè)技術(shù)，但沒有任何一種方法能保證在任何情況下都獲得滿意的預(yù)測(cè)結(jié)果［3］。

當(dāng)前使用組合預(yù)測(cè)難點(diǎn)主要在于單項(xiàng)預(yù)測(cè)模型的選擇和各單項(xiàng)模型之間權(quán)值的確定。在以往的組合預(yù)測(cè)研究及應(yīng)用中，參與組合預(yù)測(cè)的單項(xiàng)預(yù)測(cè)模型往往沒有經(jīng)過篩選，而是人為主觀決定后直接進(jìn)行組合，文獻(xiàn)［3］結(jié)論表明最優(yōu)模型組包含的單項(xiàng)預(yù)測(cè)模型并非越多越好。

綜上所述，針對(duì)負(fù)荷變化的特點(diǎn)和已有方法的不足，本文提出了一種基于有效度遴選和虛擬預(yù)測(cè)的負(fù)荷組合預(yù)測(cè)方法。

1 單項(xiàng)預(yù)測(cè)模型遴選

當(dāng)參加組合的預(yù)測(cè)方法由n種增加到n＋1時(shí)，并不能保證一定會(huì)降低非負(fù)權(quán)重最優(yōu)組合預(yù)測(cè)誤差平方和。文獻(xiàn)［4］采用排除冗余數(shù)據(jù)的方法，從預(yù)測(cè)有效度的角度考慮，確定最優(yōu)模型組包含的單項(xiàng)預(yù)測(cè)模型。

假設(shè)εij＝（xj－xxj）／xj為第i種預(yù)測(cè)方法在第j個(gè)時(shí)刻的相對(duì)誤差，令則稱a為第i種預(yù)測(cè)方法ij在第j個(gè)時(shí)刻的預(yù)測(cè)精度，i＝1，2，…m，j＝1，2，…，t；稱M（zi）＝E（Ai）［1－σ（Ai）］為第i種預(yù)測(cè)方法的預(yù)測(cè)有效度，其中

根據(jù)有效度選擇單項(xiàng)預(yù)測(cè)模型的過程如下：

步驟1：按照有效度公式對(duì)各單項(xiàng)預(yù)測(cè)模型進(jìn)行評(píng)價(jià)，并按有效度大小進(jìn)行排序，例如，假設(shè) M（z1）≥M（z2）≥…≥M（zm）。

步驟2：挑選有效度最高的兩個(gè)預(yù)測(cè)模型z1和z2，以誤差平方和最小準(zhǔn)則建立組合預(yù)測(cè)模型z12并計(jì)算其有效度M（z12）。如果 M（z12）≤M（z1），表明單項(xiàng)模型z2的加入并沒有使預(yù)測(cè)有效度提高，說明z2為有效度冗余模型，把它從單項(xiàng)模型中剔除；如果M（z12）≥M（z1），表明z2的加入使得預(yù)測(cè)有效度提高，保留該組合預(yù)測(cè)模型。

步驟3：將步驟2中得到的組合預(yù)測(cè)模型作為最好的預(yù)測(cè)模型，繼續(xù)加入余下的單項(xiàng)模型，并進(jìn)行有效度判斷，直到所有的單項(xiàng)模型判定完為止。最后所得組合預(yù)測(cè)模型即最終預(yù)測(cè)模型。

本文根據(jù)上述步驟，在模糊預(yù)測(cè)法、灰色模型法、誤差反饋加權(quán)時(shí)間序列法、回歸分析法、BP神經(jīng)網(wǎng)絡(luò)法和最小二乘支持向量機(jī)中，最終選取BP神經(jīng)網(wǎng)絡(luò)、灰色模型法和誤差反饋加權(quán)時(shí)間序列法組成組合預(yù)測(cè)模型。

2 基于虛擬預(yù)測(cè)的負(fù)荷組合預(yù)測(cè)方法

虛擬預(yù)測(cè)是指對(duì)歷史時(shí)間點(diǎn)的數(shù)據(jù)進(jìn)行假定的預(yù)測(cè)，預(yù)測(cè)結(jié)果被認(rèn)為是歷史時(shí)間點(diǎn)的擬合結(jié)果，從而可以按擬合的效果做出各個(gè)單一方法的權(quán)重的判斷。將預(yù)測(cè)日之前的歷史數(shù)據(jù)進(jìn)行整理分析，其可分為歷史時(shí)段和虛擬預(yù)測(cè)時(shí)段。本文構(gòu)建的組合預(yù)測(cè)模型借助了虛擬預(yù)測(cè)應(yīng)用在電力系統(tǒng)負(fù)荷預(yù)測(cè)上的基本思想。

組合預(yù)測(cè)模型通過利用各單項(xiàng)模型進(jìn)行虛擬預(yù)測(cè)得到各單項(xiàng)模型的預(yù)測(cè)結(jié)果，利用評(píng)價(jià)指標(biāo)形成組合預(yù)測(cè)模型中單項(xiàng)模型的權(quán)系數(shù)。方差倒數(shù)法是一種常用的權(quán)系數(shù)生成方法，使用預(yù)測(cè)誤差平方和反映預(yù)測(cè)模型預(yù)測(cè)精度。對(duì)預(yù)測(cè)時(shí)段前的歷史若干次等時(shí)長(zhǎng)進(jìn)行虛擬預(yù)測(cè)，在同一時(shí)刻t預(yù)測(cè)誤差平方和較小，則認(rèn)為單項(xiàng)模型在t時(shí)刻預(yù)測(cè)效果較好，此單項(xiàng)預(yù)測(cè)模型在t時(shí)刻被賦以較高權(quán)重，如下式所示：；

式中 ＝1Ei，t為第i個(gè)單項(xiàng)預(yù)測(cè)模型進(jìn)行的歷史預(yù)測(cè)在t時(shí)刻的誤差平方和；m為單項(xiàng)預(yù)測(cè)模型個(gè)數(shù)；n為預(yù)測(cè)時(shí)間長(zhǎng)度。

根據(jù)前述有效度遴選，本文選取BP神經(jīng)網(wǎng)絡(luò)、灰色模型法和誤差反饋加權(quán)時(shí)間序列法組成組合預(yù)測(cè)模型，可以得到虛擬預(yù)測(cè)模型的完整框架。

3 仿真分析

3.1 負(fù)荷準(zhǔn)確率評(píng)價(jià)指標(biāo)

經(jīng)過有效度遴選，確定由BP神經(jīng)網(wǎng)絡(luò)、灰色模型法和誤差反饋加權(quán)時(shí)間序列法組成組合預(yù)測(cè)模型。其中，BP神經(jīng)網(wǎng)絡(luò)的輸入除負(fù)荷樣本外還考慮了最高溫度、最低溫度、降雨量和日期類型，補(bǔ)充了時(shí)間序列模型和灰色理論模型的不足。

根據(jù)南方電網(wǎng)調(diào)度負(fù)荷預(yù)測(cè)管理與考核辦法，并結(jié)合地區(qū)電網(wǎng)的實(shí)際需求，分別取日最大負(fù)荷準(zhǔn)確率、日最小負(fù)荷準(zhǔn)確率、日24：00準(zhǔn)確率作為不同預(yù)測(cè)模型的評(píng)價(jià)指標(biāo)。

3.2 實(shí)例分析

本文所使用的歷史負(fù)荷數(shù)據(jù)（2010—2012年）由廣東某地區(qū)電網(wǎng)提供，是由數(shù)據(jù)采集與監(jiān)控（SCADA）系統(tǒng)獲取的實(shí)測(cè)負(fù)荷量，所有數(shù)據(jù)的時(shí)間分辨率均為5min，即一天擁有288個(gè)數(shù)據(jù)樣本。該地區(qū)用電基數(shù)比較小，處于300～1 000MW的規(guī)模，同時(shí)存在著較多的鋼鐵用戶，其主要用電設(shè)備屬于沖擊性負(fù)荷，與其他負(fù)荷的隨機(jī)波動(dòng)疊加在一起，會(huì)造成電網(wǎng)負(fù)荷發(fā)生較大波動(dòng)。

該地區(qū)負(fù)荷曲線呈現(xiàn)“三峰兩谷”的變化趨勢(shì)，由于電網(wǎng)對(duì)工業(yè)用電實(shí)行峰谷電價(jià)，鼓勵(lì)多用低谷電，因此煉鋼廠、軋鋼廠生產(chǎn)主要集中在凌晨0：00—8：00，負(fù)荷曲線的每個(gè)拐點(diǎn)均為高頻分量幅值較大的時(shí)刻。由實(shí)驗(yàn)結(jié)果可見，本文所述的組合預(yù)測(cè)方法能準(zhǔn)確地捕捉?jīng)_擊毛刺的變化規(guī)律，預(yù)測(cè)曲線比各單項(xiàng)預(yù)測(cè)更接近實(shí)際值（圖1）。

圖1 預(yù)測(cè)效果圖

4 結(jié)語

電力系統(tǒng)短期負(fù)荷預(yù)測(cè)是電網(wǎng)正常運(yùn)行的基礎(chǔ)，對(duì)電力部門提高經(jīng)濟(jì)效益有著重要意義。針對(duì)該地區(qū)大量沖擊負(fù)荷接入系統(tǒng)，傳統(tǒng)預(yù)測(cè)方法的預(yù)測(cè)精度已很難滿足實(shí)際要求，本文提出一種基于有效度遴選和虛擬預(yù)測(cè)的負(fù)荷組合預(yù)測(cè)方法。實(shí)驗(yàn)結(jié)果表明，與單項(xiàng)預(yù)測(cè)模型相比，本文所述組合方法能有效克服單一模型的缺點(diǎn)，解決選擇單項(xiàng)模型的隨機(jī)性和權(quán)重難以確定的問題，新方法具有更高的預(yù)測(cè)精度和更好的穩(wěn)定性，在相同負(fù)荷類型地區(qū)的負(fù)荷預(yù)測(cè)中值得推廣借鑒。

［1］廖旎煥，胡智宏，馬瑩瑩，等.電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法綜述［J］.電力系統(tǒng)保護(hù)與控制，2011，39（1）：147－152.

［2］金鑫，羅滇生，孫廣強(qiáng)，等.中長(zhǎng)期電力負(fù)荷預(yù)測(cè)模型篩選與組合方法［J］.電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2012，24（4）：150－156.

［3］高丙坤，李陽(yáng)，許明子.優(yōu)化粒子群算法在組合供熱負(fù)荷預(yù)測(cè)中的應(yīng)用［J］.信息與電子工程，2011，9（5）：655－659.

［4］王豐效.基于有效度的組合預(yù)測(cè)單項(xiàng)模型的逐步遴選方法［J］.統(tǒng)計(jì)與決策，2014（12）：69－71.