蘇麗 吳艦 吳楠 喬玉鵬

摘 ?要：電力系統(tǒng)在國民經(jīng)濟發(fā)展中具有重要地位，保持電網(wǎng)的供需平衡是電力系統(tǒng)穩(wěn)定運行的基礎(chǔ)。為了更好的解決供電系統(tǒng)的日前調(diào)度問題，文章針對Lyapounov最大指數(shù)法嵌入維數(shù)提出了一個自回歸誤差算法，它克服了以往人為對嵌入維數(shù)取值造成的不準確問題。同時，通過提出的回歸算法模型還可以解決由于人為因素造成的預(yù)測誤差較大及誤差具有隨機性問題，能夠使得電網(wǎng)發(fā)電機組備用計劃制定更加合理，減少了發(fā)電機組由于備用不合理帶來的經(jīng)濟損失。

關(guān)鍵詞：自回歸誤差;Lyapounov最大指數(shù)法;相空間重構(gòu);嵌入維數(shù);短期負荷預(yù)測

中圖分類號：TM715 ? ? ? ?文獻標志碼：A ? ? ? ? 文章編號：2095-2945（2019）18-0183-04

Abstract： Power system plays an important role in the development of national economy. Maintaining the balance of supply and demand of power grid is the basis of stable operation of power system. In order to better solve the day-ahead scheduling problem of power supply system， an autoregression error algorithm for embedding dimension of Lyapounov maximum index method is proposed in this paper， which overcomes the inaccurate problem caused by man-made embedding dimension in the past. At the same time， the proposed regression algorithm model can also solve the problem of large prediction error and random error caused by human factors， which can make the reserve plan of power grid generator set more reasonable. The economic loss caused by unreasonable reserve of generator set is reduced.

Keywords： autoregression error; Lyapounov maximum index method; phase space reconstruction; embedding dimension; short-term load forecasting

引言

電力系統(tǒng)作為國民經(jīng)濟發(fā)展的基礎(chǔ)，在社會建設(shè)發(fā)展中占據(jù)了重要的地位，由于目前存儲技術(shù)不能夠滿足大容量電能存儲需求，這使得電網(wǎng)運行必須滿足供需平衡。對電力系統(tǒng)[1-2]而言實現(xiàn)供需平衡的一個重要手段就是日前調(diào)度。而日前調(diào)度的依據(jù)是電網(wǎng)負荷量，因此對電網(wǎng)進行短期負荷預(yù)測就顯得及其重要。隨著智能電網(wǎng)逐步的建立與發(fā)展，負荷預(yù)測技術(shù)已經(jīng)成為了智能化背景下的研究熱點，傳統(tǒng)的預(yù)測技術(shù)是利用時間序列之間的相關(guān)性來建立線性預(yù)測模型，如自回歸模型等，然而在實際的應(yīng)用中采集到的時間序列一般都是非線性的例如電力負荷序列，若繼續(xù)使用傳統(tǒng)的線性預(yù)測模型將會導(dǎo)致預(yù)測精度下降。針對這一問題，通常采用非線性時間序列分析方法，采用相空間重構(gòu)對非線性時間序列的電力負荷進行短期的預(yù)測，但其求取出來的短期電力負荷預(yù)測的誤差較大，其中部分誤差超過了規(guī)定的3%的允許值[3-4]，而誤差范圍的增大則代表了負荷預(yù)測的不可靠性，這會對電網(wǎng)公司進行日前調(diào)度發(fā)電機備用計劃產(chǎn)生一定的影響并造成一定的經(jīng)濟損失。

為了提高短期負荷預(yù)測[4-6]效果且有效降低誤差范

圍，通過多次的仿真及數(shù)據(jù)分析，最后發(fā)現(xiàn)預(yù)測的結(jié)果和嵌入維數(shù)的選取有較大的關(guān)聯(lián)，在傳統(tǒng)Lyapounov指數(shù)法預(yù)測中，嵌入維數(shù)的選取是根據(jù)人的主觀意識來進行判斷選取的，缺乏客觀的模型對嵌入維數(shù)進行精確的定位，為了有效的解決這一問題，本文提出一種基于自回歸誤差算法的改進Lyapounov最大指數(shù)預(yù)測方法，來實現(xiàn)對嵌入維數(shù)的判定，以此來提高短期負荷預(yù)測的可靠性和準確性，通過對改進前后預(yù)測值的對比分析，發(fā)現(xiàn)采用本方法得到的短期負荷預(yù)測值最大誤差有了明顯的降低，所得預(yù)測數(shù)據(jù)也更加準確，同時也證明了該方法的可行性和有效性。

1 改進的Lyapounov最大指數(shù)法

在相空間重構(gòu)中，嵌入維數(shù)m的選取很大程度上影響著負荷預(yù)測的誤差范圍。

1.1 嵌入維數(shù)的求取

1.2 基于自回歸誤差算法的改進

采用傳統(tǒng)的Lyapounov指數(shù)法下進行的短期負荷預(yù)測仿真結(jié)果的誤差范圍較大，很多預(yù)測結(jié)果都超出了允許的誤差范圍，這不僅會影響電力系統(tǒng)日前調(diào)度計劃的準確性，而且還會造成相應(yīng)的經(jīng)濟損失。傳統(tǒng)的嵌入維數(shù)的選取是根據(jù)式（4）中E1（d）的波動變化由人為觀察判斷來確定，并沒有根據(jù)模型對E1（d）參數(shù)變化值進行準確的計算，在由Cao算法得出的數(shù)組{e1，e2，e3，...，em，...，en}中，采用傳統(tǒng)的主觀判斷法觀察出來的嵌入維數(shù)為em，而從em+1到en的波動變化很小，在觀測中往往被忽視掉而導(dǎo)致了結(jié)果的大誤差出現(xiàn)，且在對嵌入維數(shù)進行取值時會由于觀測者的主觀判斷不同導(dǎo)致有不同的誤差存在，造成采用的最小嵌入維數(shù)預(yù)測的負荷誤差具有隨機性，這會使得預(yù)測的短期負荷值脫離實際值，造成日前電力調(diào)度計劃制定的不準確，而采用誤差均值可能會因為前面的波動過大影響精準度，為了解決上述問題，本文提出了基于自回歸誤差算法的改進Lyapounov最大指數(shù)算法，在原有的最大Lyapounov最大指數(shù)法的基礎(chǔ)上對原Cao方法求嵌入維數(shù)進行了改進，從主觀判斷改進為采用偏離平方和作為指標對所得數(shù)據(jù)的離散程度進行判斷比較，利用反向回歸算法來保障嵌入維數(shù)求取的準確性，從而有效的降低預(yù)測最大誤差程度，實現(xiàn)負荷預(yù)測的小誤差高精度，其具體構(gòu)造如下：

表1為部分截取的改進前后Lyapounov指數(shù)法的短期負荷預(yù)測值與實際負荷值的誤差進行了對比分析。采用的分析數(shù)據(jù)為主觀選取維數(shù)獲得的預(yù)測值和本文提出的算法得出維數(shù)獲取的預(yù)測值。

從表1中可以看出采用本文提出的基于自回歸誤差算法改進后的短期負荷預(yù)測數(shù)值誤差范圍從主觀預(yù)測誤差的0%-5.41%降到了0%-2.6%。此外，不僅最大誤差有明顯的降低而且誤差范圍也更加收斂，這大大的增加了預(yù)測值的可靠性和準確性，并且改進后的誤差都在3%的允許誤差范圍內(nèi)，滿足了規(guī)定的短期負荷預(yù)測的誤差要求。采用本文算法提出的誤差范圍明顯縮小，這對電網(wǎng)的日前電量調(diào)度有著重要的意義，因為電量具有不可存儲的特殊性，故預(yù)測誤差范圍的降低能夠有效的解決因誤差率導(dǎo)致的經(jīng)濟損失問題。該仿真結(jié)果不但證明了本文提出的觀點，即嵌入維數(shù)的選取在一定程度上影響了負荷預(yù)測，同時也證明了所提出的改進Lyaponuov最大指數(shù)預(yù)測方法對短期負荷預(yù)測的精準性，它可以有效的提高電力系統(tǒng)日前調(diào)度計劃的可靠性和精準性，有助于電力系統(tǒng)的穩(wěn)定運行。

3 結(jié)論

本文提出了一種基于自回歸平均誤差算法的維數(shù)求取方法，該方法可以有效的解決由于傳統(tǒng)采取人為主觀對嵌入維數(shù)選取具有隨機性問題。而且，通過對改進的Lyapounov最大指數(shù)算法，可以獲得更加準確的嵌入維數(shù)，由此可以最大程度的解決因由于采用主觀選擇嵌入維數(shù)而導(dǎo)致的預(yù)測誤差范圍較大，預(yù)測數(shù)據(jù)可靠性不足的缺點。通過仿真對比顯示，改進后的Lyapounov最大指數(shù)方法得到的預(yù)測誤差范圍更小，預(yù)測值可靠性更高，對電網(wǎng)負荷的預(yù)測值更加準確，為電網(wǎng)公司日前調(diào)度提供了更加可靠的數(shù)據(jù)支撐，有利于電網(wǎng)的安全穩(wěn)定運行。

參考文獻：

[1]王軒，程沛沛，田野，等.電力系統(tǒng)規(guī)劃設(shè)計在電力工程設(shè)計中的應(yīng)用[J].機電產(chǎn)品開發(fā)與創(chuàng)新，2014（6）：13.

[2]吳松.淺析電力系統(tǒng)規(guī)劃設(shè)計在電力工程設(shè)計中的應(yīng)用[J].大科技，2014（3）：57-58.

[3]龐亞亞，王書源，韓璐.電力系統(tǒng)負荷電量預(yù)測的研究[J].電氣時代，2015.

[4]XiaobinXu.Short-term load forecasting of power system[A].AIP Conference Precessdings，2017，1839（1）：1-6.

[5]Knezevic，Goran;Baus，Zoran;Nikolovski，Srete.Short-time planning of hybrid power system[J].Journal of Electrical Engineering，2016，67（4）：234-245.

[6]Kim，Cheol-Hong;Koo，Bon-Gil;June-Hp.Short-term Electric Load Forecasting Using Data Mining Technique[J].The Korean Institute of Electrical Engineers，2012，7（6）：807-813.