论文部分内容阅读
【摘 要】 目前短期负荷预测方法通过利用最新的历史负荷数据，可以预测当日当前时刻以后若干小时的未知负荷，其预测精度明显高于常规的短期负荷预测。为满足电力市场实时交易对负荷预测的新要求，将这种方法应用于修改历史负荷坏数据和补足当日未知负荷数据，以协助提高短期负荷预测的准确度。
【关键词】 电力系统；负荷预测；数据
1.短期负荷预测的方法
短期预测的基本思想是：利用预测时刻以前的历史负荷数据，用几种不同的方法做預预测，可以预测该时刻以前的系统负荷，根据各方法的预测精度确定这些方法在综合模型中的权重；利用这一权重，使用昨天及以前的历史负荷数据，做今天预测时刻后的全日未知负荷的预测。由于利用了预测时刻以前的最新的负荷信息，因此，用这种方法大大提高了负荷预测的精度。
短期负荷预测方法的关键是：以当日已经发生的负荷的变化模式作为全日未知负荷变化规律的参考，在此基础上预测出未知的负荷值。其隐含的原理是：对于同一日，在一天内的天气等负荷敏感因素不发生突变的情况下，其全日负荷的变化模式不会发生突变。
下面用这个方法解决限制短期负荷预测准确度提高的两个问题。
2.修正历史负荷坏数据
历史实况负荷数据是负荷预测系统建立算法模型的基础，其数据质量的好坏直接影响负荷预测准确度。历史负荷中的坏数据需要处理。
传统的短期负荷预测方法一般凭靠人工经验完成这些坏数据的修正，或采用简单的辨识、平滑方式处理坏数据，这些方式均有很大的局限性，其效果也不理想。
采用短期负荷预测方法对历史坏数据点进行修正，具有简单有效、适应性好、准确度高的特点。
负荷预测应用中的历史负荷坏数据有两类。一是数据采集系统（SCADA）采集设备或传输设备质量不高，造成一些瞬时丢失的坏负荷数据点（称为通道坏数据）；二是电力系统中，一些人为或非人为的突发事件影响用电负荷，造成持续时间较长的畸变负荷数据点，这是不可预见的负荷变化。
2.1辨识可疑数据点
坏数据点往往具有数值突变的特征。通过这个特征可以辨识出历史负荷数据中的可疑坏数据点。实现辨识的方案并不唯一，笔者采用的方案为负荷数据突变辨识。
对于不同的电力系统，其负荷数据中存在的正常的随机变化量幅度不同，通过提高或降低判断标准，即可收紧或放宽对可疑数据点的认定。任何一种可疑数据判断机制都可能造成一定的误差（误判或漏判），但是，在采用短期负荷预测进行坏数据修正时，由于依据的是有规律的预测结果完成修正，所以所认定的可疑数据点多几个点或少几个点并不会对修正结果造成太大的影响。这正是这种修正方案独特的优势所在。
2.2修正可疑数据点
修正历史数据中的可疑数据是短期负荷预测系统的要点和难点之一。准确的修正可疑数据点的数据要比辨识它难得多。因此，传统的负荷预测系统无法很好地处理坏数据修正问题，只能依靠预测人员的人工经验来解决。采用短期负荷预测方案进行坏数据修正则可代替人工修正方式，减少预测人员的工作量，同时减少由于人工修正带来的人的主观因素影响。
统计表明，实际电力系统中每日坏数据点数一般不超过10点，即：n<10，正常数据点m≥86。则上述修正方案相当于，在以已知的（多于）86点数据为优化目标的情况下，对该日96点数据进行短期负荷预测，统计表明，这样条件下的预测准确度高达98.42%以上。可见，修正效果非常理想。
实际应用中，由于错判或漏判几个坏数据点对修正结果无太大影响，因此，该方案尤其适用于正常负荷曲线比较平滑，而系统突发事件又比较频繁的电力系统。
2.3短期电力负荷存在的问题
虽然已经有很多关于短期电力负荷预测的研究论文发表，也不乏创造性的举措，但很多理论仍然不是很完善，对于短期电力负荷预测的问题有待解决。困扰电力负荷预测研究者们的主要问题有对负荷因素的筛选，确定性和不确定性负荷影响因素的分析，以及少数据负荷的处理。这些主要问题归结为一点就是短期预测的精度问题。目前影响短期预测精度的因素有很多，主要有历史数据的不充分、经济环境和发展状况、气象环境的不稳定、时间的周期和季节的变动、预测模型的不完善以及其他一些因素。历史数据的丰富程度很大程度上决定了预测的水平，历史数据充分时，以往所展现出来的电力负荷分布图就比较好掌握，更容易预测。经济发展良好时，用电量相对比较稳定，呈现出一个稳定水平或是稳定的变化趋势，更容易掌握电力负荷的趋势。近几年的研究表明天气因素对电力负荷的影响比较高，但是具体有哪些天气因素会影响，有什么影响还不是很明确。时间和季节的变动对电力负荷的影响也是十分明显的，当晚上七点九点时，家庭用户增加，而城市、工厂的用电量却没有减少，用电负荷会大幅度增加。同时采用不同的预测模型，即使使用相同的数据计算出来的结果也会大相径庭、自相矛盾。这些问题有关电力研究中都还没有得到很好地解决，关于电力负荷预测影响因素的解决需要进一步深入的研究。
3.补足当日未知多点负荷值
短期负荷预测主要应用于提前一天完成用电计划的制定。传统的负荷预测系统往往只是依赖昨日以前的历史数据样本，及相关的负荷影响因素数据，完成明日用电计划负荷的预测。这种预测方案没有利用最新的、含信息量非常丰富的当日的已知负荷信息，使得预测准确度难以进一步提高。
如何利用最新获得的当日的负荷信息参与明日的用电预测，是提高短期负荷预测的预测精度的关键之一。采用短期负荷预测对当日未知的负荷数据进行虚拟补足，并利用这些数据和当日已发生的负荷数据一起作为已知数据参与预测，可以提高第二日负荷的预测精度。其应用背景及实现方法如下所述。
目前，国内适用的短期负荷预测系统绝大多数采用的是综合模型预测方案。该方案的实现原理是：寻找出与预测日各种影响因素相似的历史日期；采用不同的预测算法对其进行虚拟预测；比较该日实际历史负荷与虚拟预测结果的拟合准确度以确定各种算法的权重分配；应用所得到的各算法的权重做第2日负荷预测。
在这样的预测机制下，有一个矛盾需要解决，即在对寻找到的相似日（历史日）进行虚拟预测时，该日前1日的负荷已经知道，而且参与了对相似日负荷结果的预测；然而，采用同样的算法对预测日（明日）进行预测时，其前一日（当日）的负荷不全，例如。只有11时之前的负荷数据，缺少11时之后到24：00这段时间的负荷。因此，只能取昨天的负荷做预测，影响预测精度。为此，必须尽可能准确的补足这些缺失负荷，并用它们参与预测。采用短期负荷预测实现对当日负荷数据的补足是一个有效、合理的方案。
该方案原理是：以当日及以前已知的实况信息为已知条件，采用短期负荷预测对当日未知负荷点的数据进行预测，并用预测结果作为这些点的数据的合理估计值，从而“弥补”上当日缺失的负荷值。
对国内某电力系统利用近几年的负荷数据进行预测，按上述方案补足当日负荷数据，并应用它参与次日的短期负荷预测，与传统的短期负荷预测方法相比，其预测准确度可提高约2%。而且，由于短期负荷预测充分应用了当日最新的负荷信息和气象信息，对日负荷变化跟踪迅速，因此，它尤其适用于负荷变化幅度大、日负荷影响因素多的电力系统。
4.结论
要想提高短期负荷预测的准确度，就要确保预测系统积累有足够的、准确的历史参考样本信息，并尽可能的利用最新的负荷（相关）信息。短期负荷预测方法为这两种需求提供了理想的实现方案。实际应用表明，该方法对提高短期负荷预测准确度的作用是明显的。
参考文献：
[1]莫维仁，孙宏斌，张伯明.面向电力市场的短期负荷预测系统设计及实现[J].电力系统自动化，2001，25（23）：41-44.
[2]王民量，张伯明，夏清，等.能量管理系统TH-2000中的短期负荷预测[J].电力系统及其自动化学报，1999，（4）：15-20.
[3]康重庆，夏清，沈瑜，等.电力系统负荷预测的综合模型[J].清华大学学报，1999，39（1）：8-11.
【关键词】 电力系统；负荷预测；数据
1.短期负荷预测的方法
短期预测的基本思想是：利用预测时刻以前的历史负荷数据，用几种不同的方法做預预测，可以预测该时刻以前的系统负荷，根据各方法的预测精度确定这些方法在综合模型中的权重；利用这一权重，使用昨天及以前的历史负荷数据，做今天预测时刻后的全日未知负荷的预测。由于利用了预测时刻以前的最新的负荷信息，因此，用这种方法大大提高了负荷预测的精度。
短期负荷预测方法的关键是：以当日已经发生的负荷的变化模式作为全日未知负荷变化规律的参考，在此基础上预测出未知的负荷值。其隐含的原理是：对于同一日，在一天内的天气等负荷敏感因素不发生突变的情况下，其全日负荷的变化模式不会发生突变。
下面用这个方法解决限制短期负荷预测准确度提高的两个问题。
2.修正历史负荷坏数据
历史实况负荷数据是负荷预测系统建立算法模型的基础，其数据质量的好坏直接影响负荷预测准确度。历史负荷中的坏数据需要处理。
传统的短期负荷预测方法一般凭靠人工经验完成这些坏数据的修正，或采用简单的辨识、平滑方式处理坏数据，这些方式均有很大的局限性，其效果也不理想。
采用短期负荷预测方法对历史坏数据点进行修正，具有简单有效、适应性好、准确度高的特点。
负荷预测应用中的历史负荷坏数据有两类。一是数据采集系统（SCADA）采集设备或传输设备质量不高，造成一些瞬时丢失的坏负荷数据点（称为通道坏数据）；二是电力系统中，一些人为或非人为的突发事件影响用电负荷，造成持续时间较长的畸变负荷数据点，这是不可预见的负荷变化。
2.1辨识可疑数据点
坏数据点往往具有数值突变的特征。通过这个特征可以辨识出历史负荷数据中的可疑坏数据点。实现辨识的方案并不唯一，笔者采用的方案为负荷数据突变辨识。
对于不同的电力系统，其负荷数据中存在的正常的随机变化量幅度不同，通过提高或降低判断标准，即可收紧或放宽对可疑数据点的认定。任何一种可疑数据判断机制都可能造成一定的误差（误判或漏判），但是，在采用短期负荷预测进行坏数据修正时，由于依据的是有规律的预测结果完成修正，所以所认定的可疑数据点多几个点或少几个点并不会对修正结果造成太大的影响。这正是这种修正方案独特的优势所在。
2.2修正可疑数据点
修正历史数据中的可疑数据是短期负荷预测系统的要点和难点之一。准确的修正可疑数据点的数据要比辨识它难得多。因此，传统的负荷预测系统无法很好地处理坏数据修正问题，只能依靠预测人员的人工经验来解决。采用短期负荷预测方案进行坏数据修正则可代替人工修正方式，减少预测人员的工作量，同时减少由于人工修正带来的人的主观因素影响。
统计表明，实际电力系统中每日坏数据点数一般不超过10点，即：n<10，正常数据点m≥86。则上述修正方案相当于，在以已知的（多于）86点数据为优化目标的情况下，对该日96点数据进行短期负荷预测，统计表明，这样条件下的预测准确度高达98.42%以上。可见，修正效果非常理想。
实际应用中，由于错判或漏判几个坏数据点对修正结果无太大影响，因此，该方案尤其适用于正常负荷曲线比较平滑，而系统突发事件又比较频繁的电力系统。
2.3短期电力负荷存在的问题
虽然已经有很多关于短期电力负荷预测的研究论文发表，也不乏创造性的举措，但很多理论仍然不是很完善，对于短期电力负荷预测的问题有待解决。困扰电力负荷预测研究者们的主要问题有对负荷因素的筛选，确定性和不确定性负荷影响因素的分析，以及少数据负荷的处理。这些主要问题归结为一点就是短期预测的精度问题。目前影响短期预测精度的因素有很多，主要有历史数据的不充分、经济环境和发展状况、气象环境的不稳定、时间的周期和季节的变动、预测模型的不完善以及其他一些因素。历史数据的丰富程度很大程度上决定了预测的水平，历史数据充分时，以往所展现出来的电力负荷分布图就比较好掌握，更容易预测。经济发展良好时，用电量相对比较稳定，呈现出一个稳定水平或是稳定的变化趋势，更容易掌握电力负荷的趋势。近几年的研究表明天气因素对电力负荷的影响比较高，但是具体有哪些天气因素会影响，有什么影响还不是很明确。时间和季节的变动对电力负荷的影响也是十分明显的，当晚上七点九点时，家庭用户增加，而城市、工厂的用电量却没有减少，用电负荷会大幅度增加。同时采用不同的预测模型，即使使用相同的数据计算出来的结果也会大相径庭、自相矛盾。这些问题有关电力研究中都还没有得到很好地解决，关于电力负荷预测影响因素的解决需要进一步深入的研究。
3.补足当日未知多点负荷值
短期负荷预测主要应用于提前一天完成用电计划的制定。传统的负荷预测系统往往只是依赖昨日以前的历史数据样本，及相关的负荷影响因素数据，完成明日用电计划负荷的预测。这种预测方案没有利用最新的、含信息量非常丰富的当日的已知负荷信息，使得预测准确度难以进一步提高。
如何利用最新获得的当日的负荷信息参与明日的用电预测，是提高短期负荷预测的预测精度的关键之一。采用短期负荷预测对当日未知的负荷数据进行虚拟补足，并利用这些数据和当日已发生的负荷数据一起作为已知数据参与预测，可以提高第二日负荷的预测精度。其应用背景及实现方法如下所述。
目前，国内适用的短期负荷预测系统绝大多数采用的是综合模型预测方案。该方案的实现原理是：寻找出与预测日各种影响因素相似的历史日期；采用不同的预测算法对其进行虚拟预测；比较该日实际历史负荷与虚拟预测结果的拟合准确度以确定各种算法的权重分配；应用所得到的各算法的权重做第2日负荷预测。
在这样的预测机制下，有一个矛盾需要解决，即在对寻找到的相似日（历史日）进行虚拟预测时，该日前1日的负荷已经知道，而且参与了对相似日负荷结果的预测；然而，采用同样的算法对预测日（明日）进行预测时，其前一日（当日）的负荷不全，例如。只有11时之前的负荷数据，缺少11时之后到24：00这段时间的负荷。因此，只能取昨天的负荷做预测，影响预测精度。为此，必须尽可能准确的补足这些缺失负荷，并用它们参与预测。采用短期负荷预测实现对当日负荷数据的补足是一个有效、合理的方案。
该方案原理是：以当日及以前已知的实况信息为已知条件，采用短期负荷预测对当日未知负荷点的数据进行预测，并用预测结果作为这些点的数据的合理估计值，从而“弥补”上当日缺失的负荷值。
对国内某电力系统利用近几年的负荷数据进行预测，按上述方案补足当日负荷数据，并应用它参与次日的短期负荷预测，与传统的短期负荷预测方法相比，其预测准确度可提高约2%。而且，由于短期负荷预测充分应用了当日最新的负荷信息和气象信息，对日负荷变化跟踪迅速，因此，它尤其适用于负荷变化幅度大、日负荷影响因素多的电力系统。
4.结论
要想提高短期负荷预测的准确度，就要确保预测系统积累有足够的、准确的历史参考样本信息，并尽可能的利用最新的负荷（相关）信息。短期负荷预测方法为这两种需求提供了理想的实现方案。实际应用表明，该方法对提高短期负荷预测准确度的作用是明显的。
参考文献：
[1]莫维仁，孙宏斌，张伯明.面向电力市场的短期负荷预测系统设计及实现[J].电力系统自动化，2001，25（23）：41-44.
[2]王民量，张伯明，夏清，等.能量管理系统TH-2000中的短期负荷预测[J].电力系统及其自动化学报，1999，（4）：15-20.
[3]康重庆，夏清，沈瑜，等.电力系统负荷预测的综合模型[J].清华大学学报，1999，39（1）：8-11.