基于事例推理的电力系统短期负荷预测.pdf

维普资讯 第 24卷第 2期 电 力 科 学 与 工 程 V01．24．No．2 Mar．．2008 59 2008年 3月 ElectricPowerScienceandEngineering 基于事例推理的电力系统短期负荷预测 屈 利，苑津莎，李 丽 (华北电力大学 电气与电子工程学院，河北保定071003) 摘要：短期负荷预测对于电力系统安全、稳定、经济地运行有重要意义。将粗糙集信息熵理论和统计学主 成分分析方法用在负荷事例属性的约简上，分别针对负荷数据的重要性和相关性进行了有效处理。这样， 不仅减少了事例重用过程的训练时间，还有效控制了次要负荷因素对重要因素的干扰；在事例修正过程中， 针对非正常日提出一些有效的修正方案。最后，用河北省保定供电公司2000~2004年的负荷数据对该方案 验证，结果表明，提出的预测方案是有效，可行的。 关键词：短期负荷预测，事例推理，信息熵，主成分分析，神经网络 中图分类号 TM715 文献标识码：A 表明本文所提方法是有效可行的。 0 引 言 1 预测模型的构建 短期负荷预测是指对一天中的几个时刻或一周 中几天的系统负荷进行的预测，它对 电力系统调度 1．1混合事例推理过程 安排和生产运营具有重要意义。精确预测是电力系 从系统结构上看，混合事例推理是一个闭合的 统安全、稳定、经济运行的基础。 自更新的循环过程，这个过程由以下几个步骤 (见 由于 自然因素及人为因素的影响，短期负荷预 图 1)组成 ”： 测具有明显的周期相似性 ，包括：不同日之间 24小时整体变化规律的相似性；不同星期、同一 星期类型 日的相似性；工作 日和休息 日各 自的相似 性；不同年度的重大节假 日负荷 曲线的相似性。事 例推理的主要思想，是运用已存在的对 问题求解的 成功事例去预测相似的问题 口。所以考虑到电力负 荷 曲线的周期相似性，将事例推理应用到负荷预测 用 中是合理的。 另外，由于影响负荷的因素较多且复杂，如果 直接将所有因素都作为事例检索的对象，必然会导 致检索过程复杂，检索时间增加。众多相关度低的 图1 混合事例推理流程 影响因素会掩蔽掉真正重要的影响因素，因此，在 (1)事例表示：按照一定的数据结构将待测 运用事例推理前，首先采用了信息熵理论选择出对 新问题表示成便于检索的结构型事例。 负荷影响较大的因素，并用主成分分析法降低或消 (2)事例检索：依据待测事例属性的相关信 除较重要影响因素间的相关性。最后，采用神经网 息，从事例库中检索出与待测事例属性相似的事例 络预测模型对保定地区的实际负荷进行测试，结果 集； 收稿 日期：2007—08—10． 作者简介：屈利 (1981一)，男，华北电力大学电气与电子工程学院研究生 维普资讯 电 力 科 学 与 工 程 2008笠 (3)事例精简：运用信息熵和主成分分析的方 度条件作为事例的索引。具体是系统先根据当前预 法处理负荷数据，得到精简事例集； 测问题的实际情况，从事例库中选取具有相同星期 (4)事例重用：将精简后的负荷数据输入到神 类型；接着需定义合适的相似度指标以衡量 目