CN109783894A - 一种基于信息再修正的负荷协调预测方法 - Google Patents

Abstract

本发明公开了一种基于信息再修正的负荷协调预测方法，涉及负荷预测领域，要解决的是现有负荷预测方法的预测精度不高的问题。本方法具体步骤如下：步骤一，利用电力系统状态估计的思想和历史数据建立数学模型，通过灰色关联度理论求解各级预测结果可信度值，对预测结果可信度值进行评估；步骤二，对评估后的数值进行二次修正，得到二次修正的数值；步骤三，将二次修正的数值利用灰色关联度理论求解各级新的预测结果可信度值即可。本发明通过对历史数据采用灰色关联度理论求解，然后进行评估和二次修正，得到二次修正的数值，再将二次修正的数值采用灰色关联度理论求解，可以提高每个层级和电压等级的负荷预测精度。

Description

一种基于信息再修正的负荷协调预测方法

技术领域

本发明涉及负荷预测领域，具体是一种基于信息再修正的负荷协调预测方法。

背景技术

电力负荷，又称“用电负荷”，是电能用户的用电设备在某一时刻向电力系统取用的电功率的总和。根据电力用户的不同负荷特征，电力负荷可区分为各种工业负荷、农业负荷、交通运输业负荷和人民生活用电负荷等。为了保证人们工作和生活的正常电力供应，电力公司都会进行用电负荷预测。

多级负荷预测中，不同级别间负荷预测结果应该是总体与部分的关系，但由于各级负荷预测都有一定的误差，最后导致预测结果出现不统一、不协调的情况，不能满足应有的关系。例如，分别对系统中不同电压等级的用电量进行预测，各低电压等级的母线用电量预测值(含线路损耗折算值)之和应为系统用电量预测值，但该值可能与单独根据系统负荷历史数据预测的值相差较大；同样，对不同层次量级的全社会、各产业和居民用电量预测时，各产业和居民用电量预测值之和为全社会用电量预测值，该全社会用电量预测值与单独根据全社会用电量历史数据预测的值也存在相差较大的可能，预测精度不高。

人们在进行电荷预测方面的研究。

发明内容

本发明的目的在于提供一种基于信息再修正的负荷协调预测方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于信息再修正的负荷协调预测方法，具体步骤如下：

步骤一，利用电力系统状态估计的思想和历史数据建立数学模型，通过灰色关联度理论求解各级预测结果可信度值，对预测结果可信度值进行评估；

步骤二，对评估后的数值进行二次修正，得到二次修正的数值，提高预测结果可信度值的可参考性；

步骤三，将二次修正的数值利用灰色关联度理论求解各级新的预测结果可信度值即可。

作为本发明进一步的方案：步骤一中灰色关联度理论求解的过程包括定性分析、原始数据归一化、计算关联系数和计算关联度。

作为本发明进一步的方案：关联系数的计算公式如下：x_0,k为参考因素序列；x_i,k为对比因数序列；λ_k为曲线x_0,k与x_i,k在第k点的相关系数；ρ为分辨率，大于0小于1。

作为本发明进一步的方案：步骤一中评估根据历史数据序列采用综合波动指数和方差两个因素进行分析。

作为本发明进一步的方案：综合波动指数考虑了时间序列两个相邻点之间的差异，指数大、差异大，序列波动剧烈；相反，指数越小、差异小，序列波动平稳，综合波动指数的具体计算公式如下：α为综合波动指数；n为历史数据个数；ei为第i个历史数据的大小。

作为本发明进一步的方案：方差是指各历史数据与数据均值差的平方和与数据总个数的比值，可衡量各数据偏离均值的程度，方差值越大，数据序列波动越猛烈；反之，波动越弱，方差计算公式如下：β²表示方差；表示历史数据的均值。

作为本发明进一步的方案：综合波动指数和方差的权重计算公式如下：χ_i即为权重值，θ_i为各因素关联度，θ_i的计算公式如下：n为参考因素序列或者对比因数序列中数据的总个数。

与现有技术相比，本发明的有益效果是：

本发明通过对历史数据采用灰色关联度理论求解，然后进行评估和二次修正，得到二次修正的数值，再将二次修正的数值采用灰色关联度理论求解，可以提高每个层级和电压等级的负荷预测精度，具有广阔的使用前景。

附图说明

图1为基于信息再修正的负荷协调预测方法中通过灰色关联度理论求解的流程图。

图2为基于信息再修正的负荷协调预测方法的流程图。

具体实施方式

下面结合具体实施方式对本专利的技术方案作进一步详细地说明。

基于信息再修正的负荷协调预测方法，包括如下步骤：

步骤一，利用电力系统状态估计的思想和历史数据建立数学模型，通过灰色关联度理论求解各级预测结果可信度值，对预测结果可信度值进行评估；

步骤二，对评估后的数值进行二次修正，得到二次修正的数值，提高预测结果可信度值的可参考性；

步骤三，将二次修正的数值利用灰色关联度理论求解各级新的预测结果可信度值即可。

灰色关联度理论：对于两个系统之间的因素，其随时间或不同对象变化的关联性大小的量度，称为关联度。在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。因此，灰色关联分析方法，是根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量因素间关联程度的一种方法。

灰色关联度理论求解的过程包括定性分析、原始数据归一化、计算关联系数和计算关联度。

定性分析是指对参考数列和对比数列的分析，不同维度的数据比较没有意义，必须在比较之前标准化。关联系数的计算公式如式(1)所示。

式中:x_0,k为参考因素序列；x_i,k为对比因数序列；λ_k为曲线x_0,k与x_i,k在第k点的相关系数；ρ为分辨率，大于0小于1，本申请取0.5。

计算关联度实质上就对比较因素序列的几何曲线形状进行比较，也是对比较序列各个时刻点的关联系数进行综合，其计算公式如式(2)所示。

式中：θ_i为各因素关联度，n为参考因素序列或者对比因数序列中数据的总个数。

历史数据评价指标：在一定预测方法下对预测结果可信度的评估通常根据历史数据序列进行分析，本申请将综合波动指数和方差两因素作为评价指标，描述历史数据序列的波动程度。

综合波动指数考虑了时间序列两个相邻点之间的差异，指数大、差异大，序列波动剧烈；相反，指数越小、差异小，序列波动平稳。综合波动指数具体计算公式如式(3)所示。

式中：α为综合波动指数；n为历史数据个数；ei为第i个历史数据的大小。

方差是指各历史数据与数据均值差的平方和与数据总个数的比值，可衡量各数据偏离均值的程度，通常被用来描述数据序列的波动情况。方差值越大，数据序列波动越猛烈；反之，波动越弱。方差计算公式如式(4)所示。

式中：β²表示方差；表示历史数据的均值。

协调预测：在多级负荷预测中，如果总预测值为E₀，则每个子级别的预测值为E_i(i＝1,2,3…n)，理论上各子级负荷预测值之和为总预测值，但由于预测误差的存在，实际的总预测值与各子级预测值和之间会有一冗余量ΔE，如式(5)所示。

本发明借鉴电力系统状态估计的思想：以各级中总预测调整量和各子级预测调整之和最小为目标函数，以ΔE为零为约束条件。具体目标函数如式(6)所示，约束条件如式(7)所示。

式中：w_i为各级预测结果的可信度；x_i为协调后的各级负荷预测值，x₀为协调预测后的总预测值。

基于信息再修正的协调预测过程分两步进行：第一步：计算预测年前历史数据的波动指数和方差。将预测年前一年某一预测方法(该方法和对预测年预测的方法相同，本申请采用的是趋势分析法)下的预测误差值作为先期参考数列。然后通过灰色关联度理论(公式(1)、(2))求得各因素与预测误差的关联度值；波动指数和方差两因素的权重计算公式如式(8)所示：

式中：χ_i即为权重值。在可信度计算时，为避免零可信度值的出现，将常用的可信度归一化处理方法改为倒数处理，如式(9)所示：

式中：w_i为各级预测值的可信度。最后利用协调预测求得协调结果。

第二步：在第一步基础上，将预测年协调前后的负荷预测差作为新的参考数列，替换第一步中的先期参考数列，对原有的先期参考数列进行修正，提高该数列的可参考性，充分利用历史数据；然后用第一步中同样的方法求得新的可信度值，进而求得新的协调结果，即最终结果。

应用拉格朗日乘数法求解模型，如式(10)所示。

式中：x′_i为协调后的各子级负荷预测值，i＝1,2,3...n；x′₀为协调后总的负荷预测值。

以某市的电量数据为例，表1列出了2011-2017年该市全社会用电量、各产业和居民用电量。表2为某地区2011-2017年系统总供电量及下级5条母线供电量(含线路损耗折算)。设2011-2016年为历史数据，2017年为预测年，分别用2017年各级用电量真实值验证协调预测结果的准确性。

表1

表2

通过实际历史数据分别验证本文方法可以有效协调不同层级间负荷预测结果、不同电压等级间的负荷预测结果。

采用趋势分析法分别预测某市的全社会、各产业和居民用电量，然后对全社会、各产业和居民用电量的预测结果进行协调，并对比预测年(2017年)协调后的预测精度。同样，采用趋势分析法分别预测某地区系统和下级母线供电量，并对结果进行协调。

2011-2016年某市全社会用电、各产业和居民用电量历史数据的综合波动指数(α)、标准差(β)及趋势分析法下2016年的预测绝对误差如表3所示。同样，表4为不同电压等级下的系统及母线供电量历史数据评价指标和预测绝对误差。

表3

表4

按照本申请的方法依次对预测年2017年各层级用电量预测值进行协调：协调后各预测值可信度和精度如表5所示，设第一步协调后对应可信度1，第二步协调后对应可信度2。不同电压等级下的系统及母线供电量协调预测后的可信度和精度如表6所示。

表5

表6

由表5可知，某市2017年各层级用电量协调预测后，除了第一产业中第二步的精度略微低于第一步，其他都是第二步高于第一步；同样，在表6某地区不同电压等级下的系统及母线供电量协调预测结果中，也是第二步预测精度高于第一步预测精度。

按本申请的方法协调预测后，预测精度明显高于仅仅采用第一步方法的预测精度。本申请利用了两步制进行预测：第一步预测方法与现有方法相同；第二步利用第一步的预测结果对预测过程中的先期参考数列进行了修正，然后再重新预测。第二步中修正的先期参考数列提高了历史数据利用率，进而提高了各级负荷预测精度。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种基于信息再修正的负荷协调预测方法，其特征在于，具体步骤如下：

步骤一，利用电力系统状态估计的思想和历史数据建立数学模型，通过灰色关联度理论求解各级预测结果可信度值，对预测结果可信度值进行评估；

步骤二，对评估后的数值进行二次修正，得到二次修正的数值；

步骤三，将二次修正的数值利用灰色关联度理论求解各级新的预测结果可信度值即可。

2.根据权利要求1所述的基于信息再修正的负荷协调预测方法，其特征在于，所述步骤一中灰色关联度理论求解的过程包括定性分析、原始数据归一化、计算关联系数和计算关联度。

3.根据权利要求2所述的基于信息再修正的负荷协调预测方法，其特征在于，所述关联系数的计算公式如下：x_0,k为参考因素序列；x_i,k为对比因数序列；λ_k为曲线x_0,k与x_i,k在第k点的相关系数；ρ为分辨率。

4.根据权利要求1所述的基于信息再修正的负荷协调预测方法，其特征在于，所述步骤一中评估根据历史数据序列采用综合波动指数和方差两个因素进行分析。

5.根据权利要求4所述的基于信息再修正的负荷协调预测方法，其特征在于，所述综合波动指数的具体计算公式如下：α为综合波动指数；n为历史数据个数；e_i为第i个历史数据的大小。

6.根据权利要求4或5所述的基于信息再修正的负荷协调预测方法，其特征在于，所述方差计算公式如下：β²表示方差；表示历史数据的均值。

7.根据权利要求4所述的基于信息再修正的负荷协调预测方法，其特征在于，所述综合波动指数和方差的权重计算公式如下：χ_i即为权重值，θ_i为各因素关联度，θ_i的计算公式如下：n为参考因素序列或者对比因数序列中数据的总个数。