采用MATLAB軟件進行超短期電力負荷預測的方法

王朝+海倫

摘 要 隨著我國經濟的跨越式發展，電力行業日趨發展壯大，這對電力負荷預測的準確度和及時性提出了較高要求。超短期負荷預測在電力負荷預測的重要組成部分，其對電力系統規劃、運行、控制起著尤為重要的作用，其不但能提高系統運行的安全性，而且能增強系統運行的經濟性。文章利用經典時間序列方法，采用MATLAB軟件編程，針對一個具體負荷算例進行預測，所得結果證明了時間序列法的準確性和實用性。

關鍵詞 電力系統；短期負荷預測；時間序列模型

中圖分類號：TM715 文獻標識碼：A 文章編號：1671-7597（2014）07-0059-01

1 時間序列方法簡介

實際上，電力系統時間序列預測就是根據負荷歷史資料去建立時間序列的一個數學模型，用該數學模型來描述電力負荷變化過程的規律性，并在該模型規律性的基礎上建立負荷預測的數學表達式，然后對表達式進行驗證，最后對負荷進行科學預測，得到比較實際的結果。

在電力系統負荷預測中，一般所知道的是負荷歷史記錄，所以用時間序列法進行負荷預測時，有以下幾個步驟：

第一步就是模型的識別，即是一個選擇合適的模型描述產生實際序列的過程；第二步是計算自相關函數和偏相關函數，這是建立模型的重要部分；第三步是自相關函數和偏相關函數“截尾”性的判斷，這對預測的準確性起著很大作用；第四步是是模型的檢驗，這是模型是否合適的反饋。

即當給定顯著性水平，從—分布表中查出滿足的臨界值，則有：

當時，拒絕H0，即認為選定的隨機模型不合適；

當時，接受H0，即認為選定的隨機模型是合適的。

2 具體算例分析

本文的算例是已知某縣自2001年7月1日至2002年12月31日連續一年半的日負荷量，且每半個小時采樣一次，采樣值用有序值1，2，…來表示，用此來確定預測模型并進行負荷預測，最終驗證時間序列法的實用性。

2.1 思路介紹

本文中的數據給出了一年半的日負荷量，由于數據量之大，不可能全部用到，所以本文選擇日最小負荷為對象來進行預測。且在時間序列法中，樣本序列長度大于200比較好，這里選用其中的300個數來預測剩余的數據。此例可以用確定模型和隨機模型的結合來解決。對于確定部分用滑動平均模型，先預測出80個值，再將這80個值與實際值做差，則差值即為隨機數，由此可以利用隨機模型來預測后面的數據。根據中間的變換關系，將預測的隨機值與確定值結合即得到我們想要的預測值。本文采用MATLAB軟件編程，實現預測過程的計算機化。

2.2 算例過程及結果

在算例中，所得差值序列并非平穩，可作一階差分消除序列的線性趨勢，這樣可得到序列的增長趨勢已基本消除。為了使過程中自相關函數和偏相關函數較快的衰減，本文對差值序列作二階差分，消除序列的二次曲線趨勢。

現對二階差分序列進行零均值化，得。對求自相關函數和偏相關函數，以確定模型，從中可以直觀的看出：當p>2和q>2時，所有的自相關函數和偏相關函數值均落在內，由此可得，自相關函數在p=1時拖尾，偏相關函數在q=1時拖尾，故可識別產生二階差分序列的原時間序列為模型。

計算模型檢驗統計量的值

由于，所以模型通過檢驗，即的預測模型是合適的。

模型預測公式為：

其中：為差值二階差分零均值化序列；

為白噪聲序列。

預測結果如表1。

2.3 結果分析

由上述預測結果可見，預測值與實際值的相對誤差較小，說明所選的時間序列預測模型具有一定的實用性和準確性。但是，誤差整體呈現增大趨勢，尤其預測的序號為371值時相對誤差達到14.54%，究其原因如下。

確定模型中的滑動平均模型本身就決定了預測數據會呈增長趨勢，預測值本身就含有不準確的信息。作差分后的雖然為平穩序列，但是由其得到的模型的階數較低，很快會變化為模型，準確度降低，對結果產生影響。選擇數據的多少，差分時分組的數目都會影響置信區間的大小，還影響到的性質。本模型中所選置信度下，的白噪聲性質并不是太明顯，結果中用到的值，致使出現偏差。

針對所選模型出現的問題，模型還可以有所改進。在確定模型部分，如果選用指數平滑法，就可以把其中某些影響預測的數據的權值縮小，減小其影響度。在隨機部分的預測中，階數的大小將直接影響精度，所選的數據和差分分組影響相關函數的截尾和拖尾性，從而影響階數的確定，如果改變所取的數據量，改變模型的階數，得到的結果會更加理想。

3 結論

本文僅對超短期負荷預測做了較為粗淺的探討，有待于繼續研究和進一步實踐。但是可以預見，隨著預測理論的不斷發展和學者們對相關領域研究的深入，必然有更多的新興學科應用到電力系統超短期負荷預測技術當中去，使負荷預測技術更加科學、合理，實用性和有效性更強，適用范圍更廣，預測精度更高。

參考文獻

[1]魏偉，牛東曉，常征.負荷預測技術的新進展[J].華北電力大學學報，2002，29（1）：10-15.

[2]楊叔子，吳雅，等.時間序列分析的工程應用[M].華中理工大學出版社，1991.

[3]王燕.應用時間序列分析[M].中國人民大學出版社，2005.endprint