杜文凱

（福建水利電力職業(yè)技術(shù)學(xué)院 電力工程系，福建 永安 366000）

通過模糊聚類方法，可以有效減少樣本數(shù)量，有利于提高選取速度；且模型具有全面性，能夠兼顧氣象或其他因素對(duì)電力負(fù)荷預(yù)測(cè)的具體影響，從而規(guī)避以往負(fù)荷過于隨機(jī)化的問題。由仿真結(jié)果可知，模擬聚類方法可以獲得更高的預(yù)測(cè)精度，發(fā)揮模型的信息參考價(jià)值，綜合應(yīng)用效果較佳。

1 短期電力負(fù)荷預(yù)測(cè)

短期電力負(fù)荷伴有較顯著的周期性變化，受擾因素包括經(jīng)濟(jì)、天氣等。在針對(duì)短期電力負(fù)荷進(jìn)行預(yù)測(cè)時(shí)，需要充分考慮具體的影響因素，在確定周期性后進(jìn)一步探尋波動(dòng)規(guī)律，采集并完整記錄期間的各項(xiàng)數(shù)據(jù)，建模并分析，從而大體估計(jì)出短期的負(fù)荷數(shù)據(jù)［1］。整個(gè)流程所涵蓋的主要內(nèi)容如下：

（1）提前制訂計(jì)劃，給后續(xù)短期負(fù)荷預(yù)測(cè)工作提供引導(dǎo)，包含作業(yè)內(nèi)容、預(yù)測(cè)目的；確定具體預(yù)測(cè)時(shí)間，應(yīng)具有動(dòng)態(tài)化的特點(diǎn)，提高預(yù)測(cè)的靈活性。

（2）經(jīng)前期初步規(guī)劃后，可高效收集負(fù)荷數(shù)據(jù)，具體應(yīng)以預(yù)測(cè)影響因素為依據(jù)進(jìn)行數(shù)據(jù)收集，包括負(fù)荷、歷史氣象等方面的數(shù)據(jù)。在數(shù)據(jù)收集過程中，應(yīng)充分考慮準(zhǔn)確性和連貫性的雙重要求，盡可能減小數(shù)據(jù)誤差，否則易對(duì)后續(xù)負(fù)荷預(yù)測(cè)結(jié)果的準(zhǔn)確性帶來不良影響。

（3）歷史數(shù)據(jù)不具備直接使用的條件，因此應(yīng)對(duì)其進(jìn)行預(yù)處理，剔除缺乏使用價(jià)值的數(shù)據(jù)。此操作會(huì)引起數(shù)據(jù)缺失的問題（因剔除不良數(shù)據(jù)而引起），因此需要再次收集與補(bǔ)充相關(guān)數(shù)據(jù)，以形成完整的數(shù)據(jù)群。

（4）以數(shù)據(jù)全面且可行為前提，選擇合適的預(yù)測(cè)方法，再次進(jìn)行建模操作。預(yù)測(cè)方法的選擇需要緊密結(jié)合工作目標(biāo)以及現(xiàn)有數(shù)據(jù)的狀況，以合理的方式創(chuàng)建模型，在確保模型無誤后，則需要明確模型的具體參數(shù)，切實(shí)提高預(yù)測(cè)結(jié)果的精確度，由此得到待預(yù)測(cè)的負(fù)荷數(shù)據(jù)。

（5）正式預(yù)測(cè)，生成預(yù)測(cè)結(jié)果，并對(duì)其進(jìn)行分析，根據(jù)實(shí)際情況動(dòng)態(tài)優(yōu)化模型，以提高各項(xiàng)參數(shù)的合理性，經(jīng)多次操作后確定合適的方案，保證具有較高的預(yù)測(cè)精度。

2 模糊聚類分析

在電力負(fù)荷預(yù)測(cè)工作中，模糊聚類理論占較大的比重。從電負(fù)荷受擾的角度來看，多方面的因素均會(huì)對(duì)其帶來影響，通過負(fù)荷預(yù)測(cè)，系統(tǒng)地考慮各項(xiàng)影響因素，建立負(fù)荷與具體影響因素的關(guān)聯(lián)模型，將其視為整體，由此進(jìn)行數(shù)據(jù)的加工與處理工作。

聚類分析方法充分考慮研究對(duì)象的特性，在確定其親疏關(guān)系后做出分析，可較為清晰地描繪內(nèi)在組合關(guān)系。但就實(shí)踐層面而言，分類問題的難度較大，具體體現(xiàn)在各類別的界定層面，彼此間存在千絲萬縷的聯(lián)系，依靠常規(guī)方法難以有效滿足界限準(zhǔn)確性的要求，不利于預(yù)測(cè)工作的順利開展［2］。在此背景下，模糊數(shù)據(jù)技術(shù)得以應(yīng)用，通過該技術(shù)的支撐作用，可提高聚類分析結(jié)果的可靠性，由此形成集多重技術(shù)于一體的模糊聚類分析方法。

3 相似日

在有關(guān)短期負(fù)荷預(yù)測(cè)的大量研究中，研究人員逐步拓寬了影響因素的范圍，認(rèn)為天氣狀況、日期類型等因素均不容忽視，可確定與預(yù)測(cè)日在上述因素上均具有高度相似性的歷史日，而對(duì)用電負(fù)荷而言，兩者也具有較強(qiáng)的相似性，在具備此關(guān)系后則將其稱為相似日。根據(jù)現(xiàn)階段電力公司的工作狀況可知，相似日方法已經(jīng)得到廣泛應(yīng)用。經(jīng)驗(yàn)在該方法中具有主導(dǎo)作用，即相似日的選取需要借助經(jīng)驗(yàn)來實(shí)現(xiàn)，相關(guān)技術(shù)人員經(jīng)過長(zhǎng)期工作積累，可以較為精準(zhǔn)地摸索出相似日的規(guī)律，有利于保證預(yù)測(cè)結(jié)果的精度［3］。但部分從業(yè)者因自身技術(shù)水平、工作經(jīng)驗(yàn)等方面的限制，易出現(xiàn)相似日結(jié)果準(zhǔn)確性不高的問題。由此表明，在電力負(fù)荷預(yù)測(cè)中，相似日的精確選擇為重難點(diǎn)內(nèi)容。

相似日方法的主要工作思路如下：首先，在各類因素中做出篩選，并非任何因素均具有可用性，因此需要從中剔除無用部分，將可用的因素用于表征預(yù)測(cè)日的特征；其次，制定尋找相似日的標(biāo)準(zhǔn)，并在其引導(dǎo)下確定基于預(yù)測(cè)日的相似日；再次，匯總相似日的有用數(shù)據(jù)，做進(jìn)一步的訓(xùn)練處理。在短期負(fù)荷預(yù)測(cè)過程中，若采用相似日方法，則應(yīng)著重做好如下兩方面的工作：

（1）查找相似日。以預(yù)測(cè)日為準(zhǔn)，在歷史階段內(nèi)篩選出各項(xiàng)因素均與之具有高度接近特性的相似日，應(yīng)明確預(yù)測(cè)日的具體特征向量，并確定具有可行性的評(píng)估標(biāo)準(zhǔn)。圍繞預(yù)測(cè)日展開全面分析，在大量影響因素中進(jìn)行篩選，梳理各類因素的重要程度，從中確定影響比重較大的因子，在此基礎(chǔ)上可確定預(yù)測(cè)日的特征向量。遵循適度性原則，建立評(píng)估標(biāo)準(zhǔn)，在嚴(yán)格與寬松間尋找均衡點(diǎn)，在得到評(píng)估標(biāo)準(zhǔn)后，則能夠掌握歷史日期與預(yù)測(cè)日所具有的相似度，經(jīng)過對(duì)比分析后可得到最為合適的相似日。

（2）負(fù)荷預(yù)測(cè)。在明確相似日后，可以借助該部分?jǐn)?shù)據(jù)開展預(yù)測(cè)模型的訓(xùn)練操作，目的在于提高預(yù)測(cè)精度，豐富數(shù)據(jù)的可利用價(jià)值。在負(fù)荷預(yù)測(cè)過程中，相似日的準(zhǔn)確性為重點(diǎn)控制內(nèi)容，對(duì)最終的預(yù)測(cè)精度具有決定性影響。

3.1 不同日的差異度與相似度

假定 Xi=［xi1，xi2，....，xim］指的是第i日的各特征向量因素（特征向量總數(shù)為m個(gè)），Di=［di1，di2，...，diT］指的是第i日的負(fù)荷（數(shù)據(jù)點(diǎn)總量為T）。根據(jù)該規(guī)律，可以確定第i日的量化特征因素，即Ki=（Xi，Di）。為便于分析，提出不同日的“差異度”概念，具體而言，任意兩天由于特征向量因素的差別而表現(xiàn)出的差異程度即由其描述［4］。

3.2 計(jì)算的相關(guān)處理

在差異度Kij減小的條件下，i、j兩天的因素具有更高的相似性，具體體現(xiàn)在日期類型、星期類型、天氣類型等方面，為保證相似度具有足夠的準(zhǔn)確性，在分析階段應(yīng)密切關(guān)注如下內(nèi)容：

（1）對(duì)于各xik，xjk，均要將其映射至［0，1］區(qū)間內(nèi)，其目的在于方便后續(xù)分析工作的順利開展，提高因素間的可比性。但需注意，各類因素的影響程度不盡相同，部分因素的影響具有決定性作用，此時(shí)應(yīng)重點(diǎn)對(duì)待，將其在［0，α］上映射（滿足α＞1的要求），以滿足因素的主次關(guān)系。

（2）對(duì)于日最高或最低氣溫、氣壓等具備量化的因素，較適宜采取線性映射的方法；日期差（i-j）呈現(xiàn)出近大遠(yuǎn)小的變化特點(diǎn)，因此也可以應(yīng)用線性映射的方法；若為星期類型的因素，則應(yīng)當(dāng)引入分組映射的方法，具體可劃分為周一至周五、周六至周日，由此達(dá)到有效區(qū)分工作日和休息日的效果［5］。

3.3 基于模糊聚類選取相似日的短期電力負(fù)荷預(yù)測(cè)模型

按特定流程有序開展預(yù)測(cè)工作，具體如圖1所示。

圖1 預(yù)測(cè)流程圖

3.4 仿真分析

結(jié)合某電力公司在某地區(qū)2019年6月1日至2019年8月5日的數(shù)據(jù)，經(jīng)整合后作為樣本數(shù)據(jù)集，由此預(yù)測(cè)同年7月20日和22日兩天的負(fù)荷值。從最高及最低氣溫、天氣類型的角度切入，選取相似日，對(duì)應(yīng)預(yù)測(cè)日均取10個(gè)訓(xùn)練數(shù)據(jù)（要求在天氣數(shù)據(jù)、日期類型方面均具有相似性，在此條件下確定該相似日的數(shù)據(jù)），經(jīng)過db3小波變換后，完成負(fù)荷數(shù)據(jù)的4層小波分解操作［6］。此后，引入PSO優(yōu)化的SVM，在其支持下高效完成低頻負(fù)荷預(yù)測(cè)工作；引入加權(quán)平均法，以便完成高頻部分的預(yù)測(cè)。通過兩種方法的綜合應(yīng)用，取得預(yù)測(cè)負(fù)荷曲線。兩個(gè)預(yù)測(cè)日的具體預(yù)測(cè)負(fù)荷曲線分別如圖2、圖3所示。

圖2 2019年7月20日負(fù)荷預(yù)測(cè)曲線

圖3 2019年7月22日負(fù)荷預(yù)測(cè)曲線

結(jié)合上述分析可知，從預(yù)測(cè)精度的角度來看，相比于PSO-SVM網(wǎng)絡(luò)而言，相似日方法所得結(jié)果的精度更高，表明其在短期電力負(fù)荷預(yù)測(cè)中具有更好的應(yīng)用效果。

4 短期電力負(fù)荷預(yù)測(cè)系統(tǒng)

4.1 系統(tǒng)總體結(jié)構(gòu)組成

采集所得的數(shù)據(jù)不具備直接使用的條件，需將其導(dǎo)入系統(tǒng)內(nèi)，由此形成以歷史電力負(fù)荷為基礎(chǔ)的核心數(shù)據(jù)庫(kù)；根據(jù)所掌握的數(shù)據(jù)，創(chuàng)建模型，利用所得的模型開展電力負(fù)荷的預(yù)測(cè)工作，在電網(wǎng)的調(diào)度端可產(chǎn)生預(yù)測(cè)結(jié)果；經(jīng)前述工作后，電網(wǎng)工作人員可靈活調(diào)整調(diào)度計(jì)劃，實(shí)現(xiàn)對(duì)發(fā)電計(jì)劃的優(yōu)化。短期電力負(fù)荷預(yù)測(cè)系統(tǒng)所具備的主要功能如下：

（1）軟件用戶信息。由于各計(jì)算機(jī)的MAC地址存在差異，則在系統(tǒng)的設(shè)計(jì)工作中以計(jì)算機(jī)MAC地址為依據(jù)，創(chuàng)建相應(yīng)的用戶名及密碼，各計(jì)算機(jī)分別對(duì)應(yīng)特定的密碼，形成配套關(guān)系，可有效保證軟件的保密性能。

（2）針對(duì)負(fù)荷數(shù)據(jù)的操作，可結(jié)合需求及時(shí)獲取歷史負(fù)荷數(shù)據(jù)，以縮短所需時(shí)間，提高數(shù)據(jù)的可靠性。

（3）通過相似日方法的應(yīng)用，可以高效完成對(duì)短期電力負(fù)荷的預(yù)測(cè)工作，加之曲線圖形的應(yīng)用，可直觀地呈現(xiàn)歷史數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)，以便用戶可根據(jù)需求快速獲取預(yù)測(cè)信息。

（4）歷史的預(yù)測(cè)數(shù)據(jù)均得到有效存儲(chǔ)，其完整性也得到了保障，后續(xù)可根據(jù)需求快速查閱，省時(shí)省力。在設(shè)計(jì)軟件時(shí)，需從整體上看問題。先確定細(xì)分的功能模塊，再根據(jù)各自的功能特點(diǎn)編寫代碼，要求各模塊獨(dú)立運(yùn)行，再通過模塊聯(lián)通，形成完整的系統(tǒng)［7］。各模塊均具有獨(dú)立的功能：數(shù)據(jù)導(dǎo)入模塊能夠完整匯總數(shù)據(jù)，將其整合至預(yù)測(cè)系統(tǒng)；相似日選取模塊從多項(xiàng)因素切入，開展對(duì)比分析，從而選擇影響因素相近的歷史日，給后續(xù)預(yù)測(cè)工作提供依據(jù)；功率預(yù)測(cè)模塊在完成數(shù)據(jù)的預(yù)處理操作后，對(duì)未來24 h的電力負(fù)荷進(jìn)行預(yù)測(cè)；誤差分析模塊能夠綜合對(duì)比預(yù)測(cè)結(jié)果和實(shí)際數(shù)據(jù)，明確兩者間所產(chǎn)生的誤差，對(duì)預(yù)測(cè)的準(zhǔn)確性做出判斷；數(shù)據(jù)保存模塊能夠全面記錄前期產(chǎn)生的數(shù)據(jù)和圖像，供后續(xù)分析使用［8］。

4.2 系統(tǒng)開發(fā)工具

MATLAB為典型的仿真軟件，通過其中GUI模塊的應(yīng)用，可以高效完成軟件系統(tǒng)的設(shè)計(jì)工作，避免常規(guī)方式下對(duì)算法進(jìn)行移植的繁瑣作業(yè)環(huán)節(jié)，是開發(fā)短期電力負(fù)荷預(yù)測(cè)系統(tǒng)的關(guān)鍵工具。

4.3 系統(tǒng)界面和測(cè)試

4.3.1 用戶登錄模塊

用戶登錄模塊可對(duì)用戶的信息做出甄別，通過后則允許用戶進(jìn)入系統(tǒng)進(jìn)行相應(yīng)操作。系統(tǒng)未提供用戶注冊(cè)功能，在該機(jī)制下，各用戶名和密碼的產(chǎn)生均建立在計(jì)算機(jī)MAC的基礎(chǔ)上，意味著各計(jì)算機(jī)分別對(duì)應(yīng)一套獨(dú)立的用戶名和密碼，更有利于開發(fā)者權(quán)益保護(hù)。

4.3.2 數(shù)據(jù)導(dǎo)入模塊

數(shù)據(jù)導(dǎo)入模塊的主要作用在于匯總數(shù)據(jù)并導(dǎo)入，創(chuàng)建Excel文件，包括歷史負(fù)荷數(shù)據(jù)、氣象因素?cái)?shù)據(jù)等，可根據(jù)數(shù)據(jù)的類別精準(zhǔn)呈現(xiàn)。

4.3.3 相似日查找模塊

通過模糊聚類方法，可以實(shí)現(xiàn)氣象因素?cái)?shù)據(jù)的有效處理，再?gòu)闹泻Y選因素相近的相似日；融入報(bào)錯(cuò)機(jī)制，保證輸入日期的格式具有可靠性和秩序性，以免因特殊情況而導(dǎo)致程序崩潰。報(bào)錯(cuò)界面如圖4所示。

圖4 報(bào)錯(cuò)界面

4.3.4 負(fù)荷預(yù)測(cè)模塊

電網(wǎng)調(diào)度部門需通過預(yù)測(cè)，對(duì)未來24 h的電力負(fù)荷變化情況形成準(zhǔn)確的認(rèn)識(shí)，根據(jù)此結(jié)果靈活優(yōu)化電力調(diào)度計(jì)劃，給電網(wǎng)的運(yùn)行提供良好的條件，使其具有安全、穩(wěn)定、高效的特點(diǎn)。以負(fù)荷預(yù)測(cè)模塊為重要支撐，可高效發(fā)布24 h的負(fù)荷預(yù)測(cè)數(shù)據(jù)，也可根據(jù)需求及時(shí)查詢歷史功率數(shù)據(jù)，所產(chǎn)生的預(yù)測(cè)結(jié)果將通過折線圖的形式完整呈現(xiàn)，管理者也可根據(jù)需要借助Excel導(dǎo)出，期間產(chǎn)生的各項(xiàng)數(shù)據(jù)均能得到完整的記錄［9］。

4.3.5 誤差評(píng)價(jià)模塊

在制定電網(wǎng)調(diào)度計(jì)劃時(shí)，需要充分考慮誤差評(píng)價(jià)工作，即獲得具體的誤差數(shù)據(jù)，以此為依據(jù)制定更為周全的計(jì)劃，同時(shí)也有利于提高負(fù)荷預(yù)測(cè)的精度。應(yīng)用誤差評(píng)價(jià)模塊可以將真實(shí)值與軟件預(yù)測(cè)值進(jìn)行對(duì)比分析，從而對(duì)軟件所得預(yù)測(cè)數(shù)據(jù)的準(zhǔn)確性做出判斷，即該部分?jǐn)?shù)據(jù)是否具有可行性［10］。由于數(shù)據(jù)的體量較大，為了更加精準(zhǔn)地分析，導(dǎo)入平均誤差、相對(duì)誤差及最大誤差，通過此類具有代表性意義的數(shù)據(jù)，切實(shí)提高分析的精準(zhǔn)度。

4.3.6 數(shù)據(jù)保存模塊

數(shù)據(jù)保存模塊的功能均圍繞負(fù)荷數(shù)據(jù)進(jìn)行，如對(duì)歷史負(fù)荷數(shù)據(jù)的存儲(chǔ)操作（包含數(shù)據(jù)、圖像等多種形式的資料），可深度整合各部分?jǐn)?shù)據(jù)，在軟件中以更為直觀化的方式呈現(xiàn)，用戶可根據(jù)需要直接查詢，避免了數(shù)據(jù)查詢繁瑣、流程復(fù)雜、精準(zhǔn)度不足等問題。同時(shí)可以對(duì)各類歷史數(shù)據(jù)打印報(bào)表，以便用戶在后續(xù)工作中根據(jù)需要快速查閱。由此可見，在數(shù)據(jù)保存模塊的支持下，提高了數(shù)據(jù)的可用性與可靠性。

5 結(jié)語

以模糊聚類方法為基本支撐，通過模糊規(guī)則的應(yīng)用，創(chuàng)建短期電力負(fù)荷預(yù)測(cè)模型，所覆蓋的氣象因素較為全面，考慮到該類因素對(duì)電力負(fù)荷預(yù)測(cè)所帶來的具體影響，再結(jié)合映射表，從中選擇與預(yù)測(cè)日具有高度相似性的歷史日，將其視為相似日對(duì)待，由此來訓(xùn)練PSO-SVM。經(jīng)一系列的操作后，提高了預(yù)測(cè)結(jié)果的精度，信息的可利用價(jià)值較高。