论文部分内容阅读
短期负荷预测是电力系统调度运营部门一项重要的基础工作,预测精度的高低直接影响到电网运行的安全性、经济性以及电能质量。由于电力负荷表现出复杂性、不确定性、非线性的特点,使得传统的电力负荷时间序列预处理技术得不到令人满意的效果。混沌是确定性的非线性系统中出现的类似随机的现象。随着非线性混沌动力学的发展,人们对时间序列的复杂性有了更深刻的认识,尤其是混沌时间序列的分析已经成为一个非常重要的研究方向,这给短期负荷时间序列分析与预测提供了科学的方法。本文基于混沌理论,对短期负荷的变化规律进行分析和预测。主要研究内容如下:1.从重构相空间理论出发,探讨了相空间参数对重构空间质量的影响,以及确定相空间嵌入维数和延迟时间各种不同的方法。在短期负荷重构参数的选取上,一方面,使用Cao方法弥补了伪最近邻域法进行短期负荷相空间重构不准确的缺陷;另一方面,引入改进的C-C方法求取嵌入参数。两种方法互相结合,以验证本文求得的延迟时间和嵌入维数的准确性。2.对电力小时负荷时间序列进行混沌性质识别。一方面,采用Cao方法从定性的角度分析短期负荷的混沌特性;另一方面,通过提取短期负荷时间序列的混沌特征量:饱和关联维数、Lyapunov指数和Kolmogorov熵,从定量的角度分析电力负荷时间序列的混沌特性。另外,由于G-P关联维数的计算结果易受多种因素的影响,通过引入非主观关联维以弥补G-P关联维数判断时间序列混沌特性的局限性。3.针对加权一阶局域法预测模型计算量较大,而且会产生累积误差这一问题,采用加权一阶局域法多步预测模型进行预测。对华北某电网1998年全年负荷时间序列进行相空间重构,并使用加权一阶局域法多步预测模型和基于最大Lyapunov指数的预测模型做对比实验,分别对一天和一周的负荷进行预测仿真实验,研究表明,两种相空间预测模型对电力负荷短期预测是有效的。4.在研究了混沌时间序列的可预测尺度问题的基础上,提出了一种运用RBF神经网络平均可预测尺度内对短期负荷进行直接多步预测的方法,通过对本文所用的短期负荷时间序列进行相应的预测研究,实例应用表明直接多步预测方法的预报精度较高,预报效果令人满意。