韓一鳴， 馬艷霞， 張坤， 胡志冰

(國網(wǎng)寧夏電力有限公司 經(jīng)濟技術研究院， 寧夏 銀川 750002)

0 引言

為更好地應對當前復雜變化的經(jīng)濟發(fā)展狀況，各電力企業(yè)應積極研究國家政策方向與整體電力市場環(huán)境的特點，從而對電力負荷的變化趨勢實現(xiàn)精確預測的過程[1-3]。目前已有多種方法可以用于負荷預測，但在使用這些預測方法的時候還有許多缺陷需要解決[4-7]。例如，選擇網(wǎng)格法進行負荷預測時需包含大量數(shù)據(jù)，可以利用歸一化的參數(shù)預測來獲得初始加速值，不過該方法所能達到的預測精度較低，需采取優(yōu)化措施。針對以上問題，本文選擇貪婪法預測得到配電網(wǎng)的網(wǎng)格負荷加速情況，之后開發(fā)得到了經(jīng)過優(yōu)化的軟件，實現(xiàn)了預測速度的準確性的全面提升，同時也能夠彌補之前由于初加速而引起的預測誤差[8-11]。

采用貪婪算法對問題進行分析的方式是選擇現(xiàn)有條件下的最優(yōu)決策[12]。因此，即使貪婪法并未對所有的情況都考慮在內，其目標并是追尋整體最優(yōu)解[13-15]，而實際上有很多問題都可以通過貪婪法進行求解獲得整體最優(yōu)解。貪婪法作為一種數(shù)據(jù)分析方法，已經(jīng)被廣泛應用于分析許多實際問題?？紤]到現(xiàn)階段國內外的經(jīng)濟形勢呈現(xiàn)明顯的波動性，由此引起電網(wǎng)負荷的大幅改變，同時越來越多的分布式電源也會引起電網(wǎng)負荷的較大變化，對于這種情況將難以通過網(wǎng)格法求解得到全局最優(yōu)解，同時還會占用大量時間與資源，無法達到實時預測負荷與動態(tài)調整的效果[16]。根據(jù)以上分析，本文利用貪婪法的局部最優(yōu)分析方式優(yōu)化了網(wǎng)格的負荷預測過程。

1 模型建立

1.1 流程設計

貪婪算法的一個關鍵特征是采用無后效性的選擇策略，表現(xiàn)為之前狀態(tài)只取決于現(xiàn)有狀態(tài)，而不會影響到后續(xù)過程[17-18]。因此對實際負荷進行預測的過程中，關于水平年負荷的預測先把輸入的各個數(shù)據(jù)通過最優(yōu)量度標準完成排序，之后根據(jù)實際排列的順序輸入相應的參數(shù)并完成檢測過程。

貪婪算法的具體流程，如圖1所示。

圖1 貪婪算法流程

包括以下各步驟。

第一，選擇最優(yōu)化貪婪度標準。

第二，驗證在上述標準下此問題可以滿足貪婪選擇性與最優(yōu)子結構的條件。

第三，按照貪婪度量標準實施數(shù)據(jù)排序，確定貪婪選擇算法，求解得到可行解的子集。

第四，根據(jù)貪婪序列以及目標函數(shù)計算得到最優(yōu)解。

采用貪婪算法進行計算的流程如下。

Greedy(N) /*N為候選集合*/

{

S={}; /*初始解集是空集 */

while(notsolution(S)) /*集合S不屬于問題的解*/

{

x=select(N); /*對候選集合N進行貪婪選擇*/

iffeasible(S,x) /*判斷含有x的集合S是否擁有可行解*/S=S+{x};

N=N-{x}

}

returnS;

}

1) 建立候選集合N。以該集合作為可行解，并從中選出最優(yōu)解。

2) 創(chuàng)建解集合S。每次進行貪婪選擇后都會引起解集合S的擴展，由此獲得一個符合度量標準的完整解。

3) 建立解決函數(shù)。

4) 建立選擇函數(shù)。確定貪婪度量的評價標準，分析得到構成問題解的最佳候選對象。

5) 建立可行函數(shù)。程序包含以下運行步驟：最初解集合S保持空的狀態(tài)，根據(jù)貪婪度量標準確定選擇函數(shù)select。

1.2 負荷預測實現(xiàn)

貪婪算法的處理方式是先尋找各階段最優(yōu)結果，通過短期處理獲得全局最優(yōu)解?？紤]到各階段只涉及部分信息，單獨通過計算機進行處理的貪婪算法有可能會產(chǎn)生最差結果。由此得到經(jīng)過修改的最優(yōu)解。

按照以下流程編寫貪婪選擇程序。

(1) 將原始數(shù)據(jù)P導入系統(tǒng)中，之后將其分配給任務表[M，N]。

(2) 根據(jù)貪婪度量標準select進行任務序列排序，并構建任務候選集合C。

(3) 確定目標函數(shù)R，對候選集合N實施貪婪選擇，其中，i=1。

(4) 從候選集N內選出具有最高優(yōu)先級的任務Tk，同時移除k列，構建解集合S,j=i+1。如果j<=N,則跳轉至第4步；反之，跳轉至第5步。

(5) 當集合S不屬于問題的解時，TR=Tmax，再判斷將TR加入集合S內是否符合可行性條件。

(6) 將解集合S輸出。

2 結果分析

選擇某市3片區(qū)中的5個街區(qū)作為分析對象，先將原始數(shù)據(jù)導入系統(tǒng)中，再按照下述步驟進行處理。

進行貪婪選擇的具體過程，如表1所示。

表1 貪婪選擇過程

1) 先找到具有相同數(shù)值的負荷密度數(shù)據(jù)。再將這些數(shù)據(jù)都標記成綠色，使其成為常數(shù)，確保其被排除在未來決策之外，以此作為最優(yōu)負荷密度。

2) 對剩余數(shù)據(jù)按照顯著性高低順序進行排列，具有一致顯著性的數(shù)據(jù)可選擇任意方式進行排列。

3) 從隊列第一個數(shù)據(jù)開始，直至最后完成全部數(shù)值的檢查或直到最后一個無紅色標記的數(shù)值。以最后一個或多個未標記紅色的結果作為最優(yōu)選擇。

本文對改進算法優(yōu)越性進行了驗證，依次選擇單一網(wǎng)格法與利用貪婪算法進行改進后的網(wǎng)格法來預測各片區(qū)的負荷情況，同時計算得到二個算法的誤差比例。對1片區(qū)與2片區(qū)進行分析可以得到，如圖2所示。

其中，黑色實線是以單一網(wǎng)格法對負荷進行預測得到的誤差比例，藍色虛線代表通過貪婪算法改進后得到的網(wǎng)格法負荷預測差異性，最后將上述預測結果通過不同的圖形進行表示。

對4個片區(qū)采用兩種不同算法進行分析得到的誤差比例可以發(fā)現(xiàn)，對7類負荷密度利用貪婪算法改進后實現(xiàn)了誤差的明顯下降。誤差校正的結果顯示，住宅具備為99%，政府為34%，工商業(yè)為98%，教育醫(yī)療為78%，公共設施為100%。之后對上述各片區(qū)用地誤差實施橫向對比后發(fā)現(xiàn)誤差發(fā)生降低。

圖2 片區(qū)誤差比例

為更加深入采用分析貪婪算法改善網(wǎng)格法誤差的效果，依次從住宅、教育醫(yī)療、政府、工商業(yè)不同用地種類方面對比了各片區(qū)誤差。對典型區(qū)各類用地負荷進行預測的誤差情況，如圖3所示。

圖3 住宅負荷預測誤差結果

當擬合曲線與百分比等于0的水平線接近時，說明預測誤差很低。經(jīng)測試發(fā)現(xiàn)采用貪婪法進行擬合可以得到更接近0的斜率。

以貪婪法改進得到的負荷預測結果除了具備更低的誤差以外，并可以有效壓縮數(shù)據(jù)的處理量。并且隨著負荷預測范圍的增大，還可以獲得更優(yōu)的效果。通過綜合運用網(wǎng)格法與貪婪算法，可同時實現(xiàn)提升負荷預測速率與減少數(shù)據(jù)處理量的效果。

3 總結

對7類負荷密度利用貪婪算法改進后實現(xiàn)了誤差的明顯下降。誤差校正的結果顯示，住宅具備為99%，政府為34%，工商業(yè)為98%，教育醫(yī)療為78%，公共設施為100%。各片區(qū)用地誤差實施橫向對比后發(fā)現(xiàn)誤差發(fā)生降低。

當擬合曲線與百分比等于0的水平線接近時，說明預測誤差很低。經(jīng)測試發(fā)現(xiàn)采用貪婪法進行擬合可以得到更接近0的斜率。并且隨著負荷預測范圍的增大，還可以獲得更優(yōu)的效果。通過綜合運用網(wǎng)格法與貪婪算法，可同時實現(xiàn)提升負荷預測速率與減少數(shù)據(jù)處理量的效果。