極短期負載預測模型建置研究

摘要：在短期負載預測的應用上，常使用溫度、濕度、風速、寒冷指數等與氣候相關的因素為輸入參數，然而在極短期負載預測的領域中，氣候因素的變遷幅度相較于預測區間的負載變動程度而言，相對為小，并且在既有的預測模型輸入參數中，已經納入氣候因素信息，因此，極短期負載預測模型將僅使用負載量信息為輸入參數。極短期電力負載預測器，其特色為輸入變量的選用系取決于供電系統的型態及架構，與許多文獻中提供的輸入參數選取方法相較下，更顯簡易與實用。

關鍵詞：極短期 負載 預測 模型

中圖分類號：TP3 文獻標識碼：A 文章編號：1674-098X（2015）05（A）-00

1 傳統輸入變量的選取步驟如下

1） 使用統計測試方法，選擇與輸出變量相互關聯性較顯著的輸入變量，要自動選擇適當的輸入變量，必須使用非參數型關聯性方式，計算每一變量與負載量間關聯性的顯著程度，其后，將顯著性系數高于設定門坎值的變量排除。

2） 挑選出多余的變量，亦即有相互關系的變量。

3） 輸入變量選取優化的方式，系透過直角三角形因子分解演算驗證后，移除多余的變數。

2 電力機組測試供電等三種模式

本文提出簡易輸入變量選取法則，系透過系統供電架構回路關聯性，尋找適當的輸入變量，供電系統架構中，其供電模式可分為一般供電、停電、與備用電力機組測試供電等三種模式，分述如下：

1） 一 般 供 電 模 式 ： 電 源 經 由 主 變 電 站 ， 分 送 至 氮 氣 廠 與SUB1、SUB2、SUB3、LB1、CUP、Office 等次變電站，并提供動態式不斷電系統的感應耦合器儲能，再由其供給 SUB1、SUB2、SUB3 次變電站內，有不斷電需求的負載回路使用。

2） 全黑供電模式：當供給電力中斷，則由緊急發電機組起機后，傳送至主變電站，依所設計的復電程序，按照順序自動配送至各次變電站，此時，SUB1、SUB2、SUB3 次變電站不斷電需求的負載回路系由動態式不斷電系統引擎發電供給。

3） 備用電力機組測試供電模式：因緊急發電機組并聯扛載失 敗時，造成生產損失的影響極大，故緊急發電機組的測試通常僅以空載運轉測試；而在固定執行的動態式不斷電系統機組扛載測試時，全廠用電量數據需扣除由動態式不斷電系統所供應的負載量。

負載用電量的預測應以一般供電模式為主，全黑供電模式不易發生，而備用電力機組的測試周期為每月一次，并持續運轉半小時，因此后兩項的供電模式應視為特例，并于選取系統訓練數據時，將此區間的負載用電數據排除。全廠用電量負載預測模型建構如式（1.2）所示

由于精確函數 f i未知，因此利用適當的倒傳遞神經網絡及歷史負載數據訓練，來近似函數 f i ；假設 Pmain ， Pmain1，...， Pmain N1 是有界的。為神經網絡中的參數

3 訓練樣本選取范圍

不同時間特性所造成負載變動的差異，神經網絡被設計為可擷取特定時間點的負載樣本，因而將季節、工作日、周末的時間點予以切割，并依照地區特征來個別處理，假日的信息則必須特別處置，因為在極短期負載預測中，連續假期之前或之后的負載數據，亦將受連假的影響；然而本文所使用的用電數據來自于半導體制造廠，其用電特性為全年度 24 小時滿載生產，因此工作日、假日或連續假期的用電差異并不明顯，負載數據樣本選別無需特別突顯工作日與假日的分別，再者，每一制程世代演進時程越發縮短，現今已達每半年演進一個制程，而每一個制程整體的用電量皆有差異，因而在半導體廠的用電資料亦無法采用去年同期的用電數據為訓練樣本，另外，季節性變動將會則影響無塵室空氣調節用電量的變化，此類型負載的用電量體極大，致使無法忽視其用電量的變異，因此訓練數據樣本必須區隔季節性變動因素。

4 數據前期處理

原始數據前期處理的手法如下

4.1 不規則原始數據的定義：

1）不符現況的過大、過小負載值、分離物。

2）數據釘。

3）冗余樣本。

4） 遺失樣本。

4.2 數據修補的方式：

1）分離物由原始數據中移除，再將正確的原始數據匯整，產生新的負載數據，匯整計算使用簡易的平均法。

2） 數據釘以人工方式修改為 0 取代，將此數據樣本實施標示，并需再實施一次數據處理。

3）冗余樣本直接移除。

4）遺失樣本直接以 0 取代。

5）使用 splining 算法來修補上述 0 值，但若缺口長度若過大，此算法的效益將受限。

4.3 執行訓練前，訓練樣本數據仍須經過兩個階段的處置，首先，使用對數差的方式修飾負載數據。

5 總結

除前述項目外，半導體廠用電數據前期處理還須特別注意，在全黑及備用電力機組測試供電模式下，全廠用電量將失真，此時需將此區間的數據實施移除。

參考文獻

[1] 李冬梅，施?；?負載平衡調度問題的一般模型研究[J]. 計算機工程與應用. 2007（08）

[2] 朱連章，楊杰. 基于GA和ANN的隨機規劃模型對儲層參數的預測[J]. 微計算機應用. 2005（02）

[3] 馬丹，張薇，李肯立. 并行任務調度算法研究[J]. 計算機應用研究. 2004（11）