北极星

搜索历史清空

  • 水处理
您的位置:电力输配电电力市场电改市场正文

电力负荷预测方法概述

2018-08-28 08:52来源:交能网作者:克寒关键词:电力负荷电网负荷电力体制改革收藏点赞

投稿

我要投稿

神经网络法在负荷预测上的应用主要分为人工神经网络(Artificial Neural Networks, 以下简称ANN)和递归神经网络(Recurrent Neural Networks,也称循环神经网络,以下简称RNN)。其中,RNN是相对ANN来说效果更好的算法。

神经网络法选取过去一段时间的负荷作为训练样本,构建适宜的网络结构,用某种训练算法对网络进行训练,使其满足精度要求之后,此神经网络作为负荷预测模型,实践证明人工神经网络短期预测有较好的精度。人工神经网络的优点能够对大量非结构性、非精确性规律具有自适应能力,具有信息记忆、自主学习、知识推理和优化计算的特点,还有很强的计算能力、复杂映射能力、容错能力及各种智能处理能力,特别是其学习和自适应功能是其他算法所不具备的。

神经网络法的不足在于模型结构的搭建,学习速度的优化,局部最小点等难题。

交能网的负荷预测算法模型便是基于RNN开发的,如有需要,欢迎加文章最后工作人员微信洽谈。

2.2 时间序列法

电力负荷的历史数据是按一定时间间隔进行采样和记录下来的有序集合,因此是一个时间序列,时间序列方法是目前电力系统短期负荷预测中发展较为成熟的算法,根据负荷的历史数据,建立描述电力负荷随时间变化的数学模型,在该模型的基础上确立负荷预测的表达式,并对未来负荷进行预测。

时间序列方法优点是所需数据少,工作量小;计算速度较快;反映了负荷近期变化的连续性。

时间序列方法存在的不足是建模过程比较复杂,需要较高的理论知识;该模型对原始时间序列的平稳性要求较高,只适用于负荷变化比较均匀的短期预测;没有考虑影响负荷变化的因素,对不确定性因素(如天气、节假日等)考虑不足,当天气变化较大或遇到节假日时,该模型预测误差较大。

2.3 回归分析法

回归分析预测方法是根据历史数据的变化规律和影响负荷变化的因素,寻找自变量与因变量之间的相关关系及其回归方程式,确定模型参数,据此推断将来时刻的负荷值。

回归分析法的优点是计算原理和结构形式简单,预测速度快,外推性能好,对于历史上没有出现的情况有较好的预测。

存在的不足是对历史数据要求较高,采用线性方法描述比较复杂的问题,结构形式过于简单,精度较低;该模型无法详细描述各种影响负荷的因素,模型初始化难度较大,需要丰富的经验和较高的技巧。

2.4 支持向量机法

支持向量机(SVM)是一种基于统计学习理论提出的能实现在有限样本条件下满足VC维理论和结构风险最小原理的机器学习方法,具有泛化能力强,全局最优和计算速度快等突出优点。但其自选参数和核函数的选择,通常情况下主要靠经验确定,有较大的人为因素。同时,其缺乏对模糊现象的处理能力,模型误差会造成回归值和实际值的差距。

2.5 模糊预测法

模糊预测法是建立在模糊数学理论上的一种负荷预测新技术,模糊数学的概念可以描述电力系统中的一些模糊现象,例如负荷预测中的关键因素:天气状况的评判、负荷的日期类型的划分等,将模糊方法应用于负荷预测可以更好地处理负荷变化的不确定性。目前,模糊理论应用于负荷预测主要有以下几种方法:模糊聚类法、模糊相似优先比法和模糊最大贴近度法等。

从实际应用来看,单纯的模糊方法对于短期负荷预测,精度难以满足要求;同时要求提供较多的历史数据,在实际应用中存在困难;其优点是预测结果可以预测区间及概率的形式描述。

2.6 其他传统方法

电力负荷预测还有很多上文未提及的传统方法,例如负荷求导法、相似日法、卡尔曼滤波法、指数平滑法、灰色预测法等等。由于欧美最新的负荷预测算法都不再使用这些方法,这些方法的效果与新的算法如神经网络法相比,也没有优势,故不再赘述。

投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

电力负荷查看更多>电网负荷查看更多>电力体制改革查看更多>