數(shù)據(jù)挖掘在電力負荷預測中的應用

高二凱 朱趁紅 韓丹

摘 要：電力負荷預測對電力系統(tǒng)安全運行和經(jīng)濟建設有著越來越顯著地作用，電力行業(yè)產品無法大量儲存的特點，決定了電力生產及使用必須在同一階段內進行，所以電力負荷預測成為電力系統(tǒng)運行調度、生產規(guī)劃等決策的重要部分。在電力負荷預測上，數(shù)據(jù)挖掘技術顯得尤為重要。數(shù)據(jù)挖掘基礎理論主要包括規(guī)則和模式挖掘、分類、聚類、話題學習等，數(shù)據(jù)挖掘分析，能夠利用已有事實，對預測未來的結果，做出有力決策。本文在分析電力負荷預測研究的現(xiàn)狀后，對電力負荷預測系統(tǒng)進行研究，重點研究了數(shù)據(jù)挖掘在電力負荷預測中的應用。

關鍵詞：數(shù)據(jù)挖掘；K均值算法；神經(jīng)網(wǎng)絡

1 緒論

1）背景及意義。在電力運行系統(tǒng)中，電力負荷預測的作日趨重要，電力負荷預測對電力系統(tǒng)安全，科學，高效運行有著戰(zhàn)略性的作用。電力負荷預測在電力系統(tǒng)中的戰(zhàn)略性作用重要表現(xiàn)在：電力負荷預測的數(shù)據(jù)結果，極大影響著電力系統(tǒng)的生產、控制和調度；由于電力產品不能大量存儲的特別特點，決定了電力產品的生產及使用必須在同一階段內進行，這是電力系統(tǒng)能夠穩(wěn)定運行的必然要求。

2）電力負荷預測的原理。電力負荷預測有6個基本原理[ 1 ]：a.可知性原理；b.可能性原理；c.連續(xù)性原理；d.相似性原理；e.反饋性原理；f.系統(tǒng)性原理。

3）電力負荷預測研究綜述。從20世紀70年代初，電力負荷預測就開始逐漸發(fā)展起來了，而且越來越多的人將研究重點都放在這個方面上。在80年代的研究，因為能源短缺問題越來越嚴重，如何科學管理用電負載也顯得越來越迫切，電力負荷預測的戰(zhàn)略地位更為凸顯了，而且對電力負荷預測的研究重點放在了解決當時的用電負載上面。到了90年代，我們已經(jīng)進入了全球化世界，電力市場在全球化的趨勢下，顯得更為蓬勃發(fā)展，此時電力負荷預測更加引起世界人們廣泛的關注。

2 數(shù)據(jù)挖掘

2.1 數(shù)據(jù)挖掘的概念

數(shù)掘挖掘又譯作數(shù)據(jù)采集，數(shù)據(jù)挖掘是知識發(fā)現(xiàn)過程中關鍵一步，一般是指從大量數(shù)據(jù)中自動發(fā)現(xiàn)隱含的數(shù)據(jù)關系，或者說通過系統(tǒng)變量之間可以的關系進行評估來導出模型，并將其轉化為計算機可以處理的結構化表示的過程。

2.2 常用數(shù)據(jù)挖掘算法

（1）分類；（2）聚類；（3）關聯(lián)規(guī)則；（4）決策樹；（5）人工神經(jīng)網(wǎng)絡。

3 基于神經(jīng)網(wǎng)絡的電力負荷預測

3.1 BP神經(jīng)網(wǎng)絡

BP算法：BP算法擁有了前饋神經(jīng)網(wǎng)絡結構的特點，可以先后通過正向傳播和反向傳播，不斷地改進網(wǎng)絡結構，使得最后的輸出與預期值最為接近。

BP神經(jīng)網(wǎng)絡各個變量的關系可表示為：

3.2 電力負荷預測結果及分析

以某省2011年8月1日到11月29日最大實時負荷作為網(wǎng)絡的訓練樣本，預測11月30日整天的實時負荷。

針對8月1日到11月29日每刻鐘的實時負荷建立神經(jīng)網(wǎng)絡模型，首先用神經(jīng)網(wǎng)絡模型的輸入?yún)?shù)是前五個時刻鐘的實時負荷值，輸出參數(shù)為第六個時刻鐘的實時負荷值，輸入5個神經(jīng)元，輸出1個神經(jīng)元。隱含層神經(jīng)元從樣本中提取并存儲規(guī)律，其個數(shù)選取在公式：

經(jīng)過不斷嘗試，對不同節(jié)點數(shù)進行對比選擇最佳個數(shù)。學習速率的選取范圍在0.01-0.8之間。

本次預測中，評價預測結果的性能指標有：預測值與實際值間的均方根誤差（MSE）；預測值與實際值的相關系數(shù)；最后預測的壞預測結果率。通過對最大相關系數(shù)預測模型的篩選，我們得出了合理的預測負荷值，然后不斷調整輸入?yún)?shù)的值，由2個時刻增加到3個，4個，…15個，然后選擇出預測效果最好的那個作為最終輸入?yún)?shù)值。首先我們輸入?yún)?shù)的值選取2個時刻得到預測結果的性能評價指標值：均方根誤差：186046.4542；相關系數(shù)：0.92933；壞預測結果率：0.11765。改變輸入?yún)?shù)的值選取3個時刻得到預測的結果的性能評價指標值：均方根誤差：280882.6034；相關系數(shù)：0.93148；壞預測結果率：0.049318。

比較前兩次評價指標和預測結果，很明顯能看出第二次預測效果更好，然后我們繼續(xù)改變輸入?yún)?shù)的值由4個，5個…15個，然后進行對比，最后我們選擇出預測效果最好的預測值，即輸入?yún)?shù)是6時，預測效果最好。同時得到11月30日這天50個時刻的實時負荷預測值，這些數(shù)值是本次的最主要預測值。

在11月30日前，電力企業(yè)就能根據(jù)這50個實時負荷預測值，對30日當天每個時刻用電負荷量有一定準確性預測，然后對電力系統(tǒng)及時進行調度，對電力產品的生產也有明確目標值，確保了電力系統(tǒng)安全，穩(wěn)定，科學，高效的運行。

最后對于這次預測整體的效果和性能，我們也相應的求出來了該預測模型的性能評價指標值：均方根誤差：18597.25；相關系數(shù)：94.96%；壞預測結果率：0.039。

從性能評價指標來看，相關指標都達到了預期的結果，說明該預測模型的預測效果還是不錯。

4 總結

在電力運行系統(tǒng)中，電力負荷預測顯得十分重要，電力負荷預測對電力系統(tǒng)安全，穩(wěn)定，科學，高效運行有著戰(zhàn)略性的作用，電力負荷預測的數(shù)據(jù)結果不僅僅影響著電力系統(tǒng)的運行方式，而且對電力系統(tǒng)運行調度、生產規(guī)劃至關重要，更重要是它也是電力行業(yè)工程的重要技術基礎和手段。

參考文獻：

[1] 陳紅.電力系統(tǒng)短期負荷預測系統(tǒng)的實現(xiàn)電力系統(tǒng)自動化，1997.

[2] 牛東曉.電力負荷預測技術及應用.北京：中國電力出版社，1998.

[3] 鄭崗，劉斌，周勇，等.基于神經(jīng)元網(wǎng)絡的短期電力負荷預測.西安理工大學學報，2002（02）.

[4] 陳文偉，等.數(shù)據(jù)挖掘技術.北京：工業(yè)人學出版社，2002.

[5] 蔡白興，徐光佑.人工智能及其應用（第二版）.清華入學山版社，1996.