電力負(fù)荷仿真報(bào)告

1、仿真技術(shù)與應(yīng)用課程報(bào)告目 錄一、負(fù)荷預(yù)測(cè)技術(shù)發(fā)展情況1二、算法實(shí)現(xiàn)3三、編程代碼6四、算例測(cè)試7五、心得體會(huì)9六、參考文獻(xiàn)10一、負(fù)荷預(yù)測(cè)技術(shù)發(fā)展情況為電力負(fù)荷預(yù)測(cè)制定一個(gè)精確的模型對(duì)一個(gè)公用事業(yè)公司的運(yùn)作和規(guī)劃是必不可少的。負(fù)荷預(yù)測(cè)也可幫助電力事業(yè)來(lái)作出重大的決定，包括關(guān)于購(gòu)買(mǎi)和發(fā)電，負(fù)荷開(kāi)關(guān)，及基礎(chǔ)設(shè)施的發(fā)展。短期負(fù)荷預(yù)測(cè)是隨著電力系統(tǒng)EMS的逐步發(fā)展而發(fā)展起來(lái)的，現(xiàn)已經(jīng)成為EMS必不可少的一部分和為確保電力系統(tǒng)安全經(jīng)濟(jì)運(yùn)行所必需的手段之一。隨著電力市場(chǎng)的建立和發(fā)展，對(duì)短期負(fù)荷預(yù)測(cè)提出了更高的要求，短期負(fù)荷預(yù)測(cè)不再僅僅是EMS的關(guān)鍵部分，同時(shí)也是制定電力市場(chǎng)交易計(jì)劃的基礎(chǔ)。電力系統(tǒng)負(fù)荷預(yù)測(cè)

2、為這一地區(qū)電力規(guī)劃奠定了一定的基礎(chǔ)，同時(shí)也為這一地區(qū)電力工業(yè)布局、能源資源平衡、電力余缺調(diào)劑，以及電網(wǎng)資金和人力資源的需求與平衡提供可靠的依據(jù)。因此，電力負(fù)荷預(yù)測(cè)是一項(xiàng)十分重要的工作，它對(duì)于保證電力工業(yè)的健康發(fā)展，乃至對(duì)于整個(gè)國(guó)民經(jīng)濟(jì)的發(fā)展均有著十分重要的意義。電力負(fù)荷預(yù)測(cè)分為經(jīng)典預(yù)測(cè)方法和現(xiàn)代預(yù)測(cè)方法。 （1）經(jīng)典預(yù)測(cè)方法 1）時(shí)間序列法時(shí)間序列法是一種最為常見(jiàn)的短期負(fù)荷預(yù)測(cè)方法，它是針對(duì)整個(gè)觀測(cè)序列呈現(xiàn)出的某種隨機(jī)過(guò)程的特性，去建立和估計(jì)產(chǎn)生實(shí)際序列的隨機(jī)過(guò)程的模型，然后用這些模型去進(jìn)行預(yù)測(cè)。它利用了電力負(fù)荷變動(dòng)的慣性特征和時(shí)間上的延續(xù)性，通過(guò)對(duì)歷史數(shù)據(jù)時(shí)間序列的分析處理，確定其基本特征和

3、變化規(guī)律，預(yù)測(cè)未來(lái)負(fù)荷。時(shí)間序列預(yù)測(cè)方法可分為確定型和隨機(jī)性?xún)深?lèi)，確定型時(shí)間序列作為模型殘差用于估計(jì)預(yù)測(cè)區(qū)間的大小。隨機(jī)型時(shí)間序列預(yù)測(cè)模型可以看作一個(gè)線(xiàn)性濾波器。根據(jù)線(xiàn)性濾波器的特性，時(shí)間序列可劃為自回歸(AR)、動(dòng)平均(MA)、自回歸-動(dòng)平均(ARMA)、累計(jì)式自回歸-動(dòng)平均(ARIMA)、傳遞函數(shù)(TF)幾類(lèi)模型，其負(fù)荷預(yù)測(cè)過(guò)程一般分為模型識(shí)別、模型參數(shù)估計(jì)、模型檢驗(yàn)、負(fù)荷預(yù)測(cè)、精度檢驗(yàn)預(yù)測(cè)值修正5個(gè)階段。時(shí)間列模型的缺點(diǎn)在于不能充分利用對(duì)負(fù)荷性能有很大影響的氣候信息和其他因素，導(dǎo)致了預(yù)報(bào)的不準(zhǔn)確和數(shù)據(jù)的不穩(wěn)定。2）回歸分析法回歸分析法就是根據(jù)負(fù)荷過(guò)去的歷史資料，建立可以分析的數(shù)學(xué)模型，對(duì)

4、未來(lái)的負(fù)荷進(jìn)行預(yù)測(cè)。從數(shù)學(xué)上看，就是利用數(shù)理統(tǒng)計(jì)中的回歸分析方法，通過(guò)對(duì)變量的觀測(cè)數(shù)據(jù)進(jìn)行分析，確定變量之間的相互關(guān)系，從而實(shí)現(xiàn)預(yù)測(cè)目的?；貧w預(yù)測(cè)包括線(xiàn)性回歸和非線(xiàn)性回歸?；貧w模型雖然考慮了氣象信息等因素，但需要事先知道負(fù)荷與氣象變量之間的函數(shù)關(guān)系，這是比較困難的。而且為了獲得比較精確的預(yù)報(bào)結(jié)果，需要大量的計(jì)算，這一方法不能處理氣候變量和負(fù)荷之間的非平衡暫態(tài)關(guān)系。雖然經(jīng)典的數(shù)學(xué)統(tǒng)計(jì)方法具有速度快的優(yōu)點(diǎn)，但是其預(yù)測(cè)模型比較簡(jiǎn)單，很難準(zhǔn)確描述負(fù)荷預(yù)測(cè)的實(shí)際模型，所以其精度較差。隨著人工智能技術(shù)逐步被引入到短期負(fù)荷預(yù)測(cè)中，人們已經(jīng)提出了多種基于人工智能的預(yù)測(cè)方法，其中最為典型的為基于各種人工神經(jīng)網(wǎng)絡(luò)

5、模型的預(yù)測(cè)方法，其中以神經(jīng)BP算法為代表。（2）現(xiàn)代負(fù)荷預(yù)測(cè)方法20世紀(jì)80年代后期，一些基于新興學(xué)科理論的現(xiàn)代預(yù)測(cè)方法逐漸得到了成功應(yīng)用。這其中主要有灰色數(shù)學(xué)理論、專(zhuān)家系統(tǒng)方法、神經(jīng)網(wǎng)絡(luò)理論、模糊預(yù)測(cè)理論等。1)灰色數(shù)學(xué)理論灰色數(shù)學(xué)理論是把負(fù)荷序列看作一真實(shí)的系統(tǒng)輸出，它是眾多影響因子的綜合作用結(jié)果。這些眾多因子的未知性和不確定性，成為系統(tǒng)的灰色特性。灰色系統(tǒng)理論把負(fù)荷序列通過(guò)生成變換，使其變化為有規(guī)律的生成數(shù)列再建模，用于負(fù)荷預(yù)測(cè)?；疑到y(tǒng)理論是中國(guó)學(xué)者鄧聚龍教授1982年3月在國(guó)際上首先提出來(lái)的，在國(guó)際期刊SYSTEMS AND CONTROL LETTER刊物上發(fā)表，題為“Contro

6、l Problems of Grey Systems”,引起了國(guó)際上的充分重視?；疑到y(tǒng)理論的形成是有過(guò)程的。早年鄧教授從事控制理論和模糊系統(tǒng)的研究，取得了許多成果。后來(lái)，他接受了全國(guó)糧食預(yù)測(cè)的課題，為了搞好預(yù)測(cè)工作，他研究了概率統(tǒng)計(jì)追求大樣本量，必須先知道分布規(guī)律、發(fā)展趨勢(shì)，而時(shí)間序列法只致力于數(shù)據(jù)的擬合，不注重規(guī)律的發(fā)展。鄧教授希望在可利用數(shù)據(jù)不多的情況下，找到了較長(zhǎng)時(shí)期起作用的規(guī)律，于是進(jìn)行了用少量數(shù)據(jù)做微分方程建模的研究。這一工作開(kāi)始并不順利，一時(shí)建立不起可供應(yīng)的模型。后來(lái)，他將歷史數(shù)據(jù)作了各種處理，找到了累加生成，發(fā)現(xiàn)累加生成曲線(xiàn)是近似的指數(shù)增長(zhǎng)曲線(xiàn)，而指數(shù)增長(zhǎng)正符合微分方程解的形式

7、。在此基礎(chǔ)上，進(jìn)一步研究了離散函數(shù)光滑性，微分方程背景值、平射性等一些基本問(wèn)題，同時(shí)也考慮了有限和無(wú)限的相對(duì)性，定義了指標(biāo)集拓?fù)淇臻g的灰導(dǎo)數(shù)，最后解決了微分方程的建模問(wèn)題。2)專(zhuān)家系統(tǒng)方法專(zhuān)家系統(tǒng)方法是對(duì)于數(shù)據(jù)庫(kù)里存放的過(guò)去幾年的負(fù)荷數(shù)據(jù)和天氣數(shù)據(jù)等進(jìn)行細(xì)致的分析,匯集有經(jīng)驗(yàn)的負(fù)荷預(yù)測(cè)人員的知識(shí),提取有關(guān)規(guī)則。借助專(zhuān)家系統(tǒng), 負(fù)荷預(yù)測(cè)人員能夠識(shí)別預(yù)測(cè)日所屬的類(lèi)型,考慮天氣因素對(duì)負(fù)荷預(yù)測(cè)的影響, 按照一定的推理進(jìn)行負(fù)荷預(yù)測(cè)。3)神經(jīng)網(wǎng)絡(luò)理論神經(jīng)網(wǎng)絡(luò)理論是利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能,讓計(jì)算機(jī)學(xué)習(xí)包含在歷史負(fù)荷數(shù)據(jù)中的映射關(guān)系,再利用這種映射關(guān)系預(yù)測(cè)未來(lái)負(fù)荷。由于該方法具有很強(qiáng)的魯棒性、記憶能力、非線(xiàn)性

8、映射能力以及強(qiáng)大的自學(xué)習(xí)能力,因此有很大的應(yīng)用市場(chǎng), 但其缺點(diǎn)是學(xué)習(xí)收斂速度慢,可能收斂到局部最小點(diǎn);并且知識(shí)表達(dá)困難, 難以充分利用調(diào)度人員經(jīng)驗(yàn)中存在的模糊知識(shí)。4)模糊負(fù)荷預(yù)測(cè)模糊負(fù)荷預(yù)測(cè)是近幾年比較熱門(mén)的研究方向。模糊控制是在所采用的控制方法上應(yīng)用了模糊數(shù)學(xué)理論,使其進(jìn)行確定性的工作,對(duì)一些無(wú)法構(gòu)造數(shù)學(xué)模型的被控過(guò)程進(jìn)行有效控制。模糊系統(tǒng)不管其是如何進(jìn)行計(jì)算的,從輸入輸出的角度講它是一個(gè)非線(xiàn)性函數(shù)。模糊系統(tǒng)對(duì)于任意一個(gè)非線(xiàn)性連續(xù)函數(shù),就是找出一類(lèi)隸屬函數(shù),一種推理規(guī)則,一個(gè)解模糊方法,使得設(shè)計(jì)出的模糊系統(tǒng)能夠任意逼近這個(gè)非線(xiàn)性函數(shù)。選用灰色模型電力短期負(fù)荷預(yù)測(cè)，應(yīng)用了MATLAB程序進(jìn)行

9、預(yù)測(cè)。二、算法實(shí)現(xiàn) 1. GM（1，1）模型 （1）灰色系統(tǒng)理論研究的是貧信息下建模,提供了貧信息下解決系統(tǒng)問(wèn)題的新途徑.它把一切隨機(jī)過(guò)程看作是在一定范圍內(nèi)變化的,是與時(shí)間有關(guān)的灰色過(guò)程.對(duì)灰色量不是從統(tǒng)計(jì)規(guī)律的角度應(yīng)用大樣本進(jìn)行研究,而是采用數(shù)據(jù)生成的方法,將雜亂無(wú)章的原始數(shù)據(jù)整理成規(guī)律性強(qiáng)的生成序列再作研究. GM模型即指灰色預(yù)測(cè)模型(gray model).一般建模是用數(shù)據(jù)列建立差分方程,而灰色模型是采用歷史數(shù)據(jù)列生成后,建立微分方程模型. GM(1,1)模型是最常用的一種灰色模型,它是由一個(gè)只包含單變量的一階微分方程構(gòu)成的模型,是作為電力負(fù)荷預(yù)測(cè)的一種有效的模型,是GM(1,n)模型的

10、特例.建立GM(1,1)模型只需要一個(gè)數(shù)列.對(duì)隨機(jī)序列，作一次累加（1AGO）生成序列。其中 （2-1） 由于序列x(1)(k) ，k=1，2，具有指數(shù)增長(zhǎng)規(guī)律，而一階微分方程的解正好是數(shù)增長(zhǎng)形式的解。因此，認(rèn)為新生成的序列滿(mǎn)足下面一階線(xiàn)性微分方程模型： 根據(jù)導(dǎo)數(shù)的定義，可得： （2-2）表示成離散形式：其中，只是能取時(shí)刻k和k+1的平均值，即：因此，式可以改寫(xiě)為：由上式可以推出 （2-3）可簡(jiǎn)寫(xiě)為： 其中：E 為誤差項(xiàng)。寫(xiě)成離散形式 令: 得根據(jù)此預(yù)測(cè)結(jié)果再進(jìn)行累減還原，就可以得到原始數(shù)據(jù)序列的灰色預(yù)測(cè)模型： （2-4）(k=0,1,2,，n)（2）誤差檢驗(yàn)GM模型一般采用三種方法檢驗(yàn)：即殘

11、差的檢驗(yàn)、后驗(yàn)差檢驗(yàn)和關(guān)聯(lián)度檢驗(yàn)。殘差檢驗(yàn)是按點(diǎn)檢驗(yàn)，后驗(yàn)差檢驗(yàn)是殘差分布統(tǒng)計(jì)特性的檢驗(yàn)，關(guān)聯(lián)度檢驗(yàn)是建立的模型與指定函數(shù)之間近似性的檢驗(yàn)。GM(1，1)改進(jìn)模型的建立方法對(duì)呈良好增長(zhǎng)趨勢(shì)的變化過(guò)程，用GM(1，1)都能得到較好的精確度，但有時(shí)遇到的變化過(guò)程呈較差的增長(zhǎng)趨勢(shì)，用一次GM(1，1)得不到滿(mǎn)意的精確度，此時(shí)為了得到更好的精確度，我們就需要對(duì)GM（1，1）進(jìn)行改進(jìn)，這就是所謂的GM(1，1)改進(jìn)模型。目前GM(1,1)模型在應(yīng)用中的局限性主要表現(xiàn)在：沒(méi)有有效地考慮發(fā)展因子a的變化對(duì)系統(tǒng)增長(zhǎng)速度的影響；模型所模擬的系統(tǒng)按等比遞增規(guī)律變化。此方法的改進(jìn)主要通過(guò)兩種途徑，一種是對(duì)原始數(shù)列進(jìn)

12、行改造，另一種是對(duì)GM(1,1)模型本身進(jìn)行改造。在實(shí)際應(yīng)用中又有許多種具體的方法，其中有殘差處理、對(duì)原始數(shù)據(jù)滑動(dòng)平均處理、等維新息處理等方法。考慮到論文設(shè)計(jì)的時(shí)間問(wèn)題，本文只介紹改造原始數(shù)據(jù)中的“20%修均法”。具體方法介紹如下：設(shè)為原始數(shù)列，若離散度較大，則可取 （2-5）比較每一個(gè)原始數(shù)據(jù)，若滿(mǎn)足則取。若滿(mǎn)足則取。這樣使得修均后的數(shù)列一定在平均值的20%范圍內(nèi)波動(dòng)。三、編程代碼data=411.5 400.5 393.3 402.2 391.7 413.7 441.2 435 435.4 435.1 460.9 461.6 451.3 445 444.1 453.1 450.1 499.

13、8 530.2 531.4 481.8 452.2 450 454.4 418 406.6 412.5 382.1 406.8 402.9 433.7 443.2 435.1 448.7 462.4 450.5 453.2 457.9 465.9 440.8 461.2 492.5 529.5 504.7 481.8 472.7 466.6 408.8 391.6 386.8 369.5 371.2 367.4 385.8 427.1 441.3 456.2 461.4 477.5 470.5 458.6 468.7 475.5 457.5 476.1 509.5 524.3 515.5 48

14、7.7 465.5 461.9 440.3 422.2 408.7 400.5 397.9 392 412.9 455.7 431.3 463 422.3 469.1 478.1 436.8 446.7 441.4 428.1 449.7 494.6 526.3 507.2 343.8 337.6 319.6 425.7 311.6 335.4 367.9 394.5 375.8 367.2 397.6 385.3 386.3 389.9 401.3 399.9 412.7 472.6 477.2 354.4 423.8 405.6 378.6 375.4 337.9 332.3 324.6

15、317.7 323 340 364.1 406.2 430.7 402.1 420.8 414.9 383.8 413.6 398.5 404.6 420 460.8 460.6 445.3 417.1 382.9 369.1 366.8 ; % 原始序列y0=data; T=length(data);Y1(1)=y0(1);for i=2:TY1(i)=Y1(i-1)+y0(i);endfor i=1:T-1 M(i)=-(0.5*(Y1(i)+Y1(i+1); %計(jì)算待定參數(shù)endB=zeros(T-1,2); for i=1:T-1 for j=1:2 if j<2 B(i,j)=

16、M(i); else B(i,j)=1; end endEnd for i=2:T Y(i-1)=y0(i);endH=(inv(B'*B)*B'*Y')' %輸出預(yù)測(cè)的值A(chǔ)=H'for i=1:720 Z(i)=(y0(1)-A(2)/A(1)*exp(-1*A(1)*(i-1)+A(2)/A(1); %一次擬合累加值endfor i=1:719 L(i+1)=(Z(i+1)-Z(i)*(1-(Z(i+1)-Z(i)-y0(i+1)/y0(i+1); %二次擬合累加值end四、算例測(cè)試 表4-1 負(fù)荷預(yù)測(cè)值及誤差分析日期時(shí)段實(shí)際負(fù)荷預(yù)測(cè)值預(yù)測(cè)誤差相對(duì)誤

17、差%精度%2003年11月26日01:00343.8347.8121-7.9191-1.16798.8372003年11月26日02:00337.6327.5318-1011月26日03:00319.6301.4209-18.1791-8.93192.0692003年11月26日04:00425.7423.05923-2.10777.688292.311772003年11月26日05:00311.6288.9186-22.6814-13.2586.752003年11月26日06:00335.4324.5980-10.8020-5.18894.8122003年11月2

18、6日07:00367.9365.82742.0726-6.7457793.254232003年11月26日08:00394.5394.4978-0.00220.47320799.526792003年11月26日09:00375.8374.7820-1.0180-4.4568195.543192003年11月26日10:00367.2365.0525-2.1475-6.8802693.119742003年11月26日11:00397.6397.58560.01441.31290298.68712003年11月26日12:00385.3385.04940.2506-1.815698.1844200

19、3年11月26日13:00386.3386.1018-0.1982-1.5301898.469822003年11月26日14:00389.9389.8340-0.0660-0.5711299.428882003年11月26日15:00401.3401.1978-0.10222.30690397.69312003年11月26日16:00399.9399.8354-0.06461.98597198.014032003年11月26日17:00412.7411.9184-0.78165.04632994.953672003年11月26日18:00472.6459.7473-12.85274.40349

20、5.59662003年11月26日19:00477.2462.897617.49473.666196.33392003年11月26日20:00354.4349.8608-4.53920.784199.21592003年11月26日21:00423.8421.7648-2.03527.61283692.387162003年11月26日22:00405.6405.2882-0.31183.48801896.511982003年11月26日23:00378.6377.9509-0.6491-3.3725396.627472003年11月26日24:00375.4374.4585-0.9415-4.2

21、312795.768732003年11月27日01:00337.9328.54521.20520.35667499.643332003年11月27日02:00332.3320.8269-10.5589-3.17896.8222003年11月27日03:00324.6309.7757-14.8243-7.68292.3182003年11月27日04:00317.7299.4277-18.2723-1.8200898.179922003年11月27日05:00323307.4748-15.52528.24791.7532003年11月27日06:00340331.5069-8.4931-3.759

22、96.2412003年11月27日07:00364.1361.7001-2.3999-7.3044592.695552003年11月27日08:00406.2405.8081-0.39193.83766696.162332003年11月27日09:00430.7427.4880-3.21209.32728190.672722003年11月27日10:00402.1401.9430-0.18702.89893197.101072003年11月27日11:00420.8419.0096-1.79047.23395992.766042003年11月27日12:00414.9413.7729-1.12

23、715.93504594.064962003年11月27日13:00383.8383.5699-0.2301-1.6653598.334652003年11月27日14:00413.6412.5960-1.01405.67998194.320022003年11月27日15:00398.5398.42530.07472.12705197.872952003年11月27日16:00404.6404.26550.33453.62338196.376622003年11月27日17:00420418.25011.74997.17714392.822862003年11月27日18:00460.8450.7692-10.03095.494294.50582003年11月27日19:00460.6450.6011-9.99896.668893.33122003年11月27日20:00445.3439.0772-6.22282.792797.20732003年11月27日21:00417.1415.6589-1.44116.61215593.387842003年11月27日22:00382.9382.65900.2410-1.7072198.292792003年11月27日23:00369.1367.62551.4745-5.4871694.