空間負荷預測中確定元胞負荷最大值的經驗模態分解方法

肖 白，房龍江，李介夫，綦雪松，白乙然

(1．東北電力大學電氣工程學院，吉林吉林132012;2．國網吉林供電公司，吉林吉林132001)

空間負荷預測(Spatial Load Forecasting，SLF)是針對待測區域內負荷時空特性的預測［1～3］，其結果的準確性將直接影響到城市電網的電源布點、供電路徑選擇、設備投運等是否技術可行且經濟合理［4］．

實現SLF的過程中，一般需要使用元胞的年負荷最大值［5］，但在使用通過數據采集系統(SCADA系統)獲取到的元胞負荷數據時，由于受到測量、通信等誤差的影響，測量得到的最大值數據存在與實際最大值明顯不符的情況，如若直接將測量到的各元胞歷史負荷原始數據的最大值應用于SLF，勢必會影響到預測精度［6］．因此在負荷預測過程中，需要對測量的負荷數據進行數據預處理，確定出元胞負荷的合理最大值，以確保在建模和預測過程中所使用的最大值數據能夠合理地反映元胞負荷發展的趨勢和規律，從而提高 SLF 質量［7～9］．

常用的數據預處理方法主要包括:傅里葉變換、小波變換以及經驗模態分解(Empirical Mode Decomposition，EMD)方法等［10～16］．文獻［13］利用傅里葉變換對負荷時間序列進行分解得到日周期、周周期、高頻以及低頻分量，但非日、周的周期分量可能被劃分至高頻或低頻分量中，可能導致對規律性的挖掘不夠徹底;文獻［14］應用小波的奇異性檢測原理對負荷數據中的奇異數據進行處理，但最佳的小波基和分解尺度的確定存在困難．文獻［15］運用EMD方法將負荷原始時間序列分解得到一系列本征模態函……