一種改進均值生成函數的電力負荷預測新模型

孫濤 竇震海 王為國

摘 要：為了改善短期負荷預測模型的精度和實用性，針對短期負荷序列的隨機波動性、周期性，提出了一種基于模糊集隸屬度改進均值生成函數的負荷預測方法。首先，選用新的模糊集隸屬度改進均值生成函數的構造過程，然后將其與最優子集模型結合，最后使用所建組合模型對負荷進行短期預測。實驗結果表明，所建新模型有較高的預測精度。

關鍵詞：電力系統；負荷預測；模糊集隸屬度；均值生成函數

DOI：10.16640/j.cnki.37-1222/t.2018.12.200

1 引言

短期電力負荷預測一般是指預測未來1h至1周的電力負荷，是電力負荷預測的重要組成部分。高精度的負荷預測有利于實現電力系統的安全穩定與經濟運行[1]。近年來，有較多學者運用指數函數形式的隸屬度對均值生成函數進行了改進，然后將其運用到預測短期負荷、降水量等領域。但是，指數函數形式的隸屬度只能反映不同數據的重要程度，不能反映出序列的周期性變化，因此本文嘗試選用新的模糊集隸屬度對均值生成函數進行改進，然后引入到短期負荷預測領域。實際算例表明了本文所建模型在短期負荷預測領域的有效性和優越性。

2 短期負荷預測模型的建立

2.1 模糊集隸屬度改進的均值生成函數

設一組含有n個元素的負荷樣本序列：x（t）={x（1），x（2），…，x（n）}

針對短期電力負荷序列的波動性、周期性等特點，本文選取了既能反映不同數據的重要程度，又能體現序列周期性的新模糊集隸屬度來完善均值生成函數的構造過程，模糊集隸屬度[2]如下式：

2.2 基于最優子集回歸模型的短期負荷預測

針對電力負荷序列的隨機性、周期性等特點，本文再利用模糊集隸屬度改進均值生成函數的基礎上，將其與最優子集回歸模型[3]相結合構建預測模型。最優子集回歸模型的基本思想是先將均值生成函數序列作為因變量并自由組合，接著將組合后的序列與因變量建立線性回歸方程，最后再根據雙評分準則從所有的回歸方程中篩選出一個數量評分和趨勢評分都最高的方程。

3 算例仿真及結果分析

為驗證所構建預測模型的有效性及優越性，本文根據山東某地區2015年1月份某一天的負荷數據作為實際算例。首先，將前20h的數據作為預測模型的原始訓練樣本，然后根據訓練結果對后4h的負荷量進行預測。其次，在相同樣本數據的基礎上，本文同時采用了文獻[3]提出的原始均值生函數預測模型進行預測，并將兩個模型的預測結果進行了對比，分別采用兩種預測模型得到的負荷預測結果如圖1和表1所示。

由圖1和表1可知，改進后的均值生成函數預測模型的預測精度明顯高于普通的均值生成函數預測模型，對實際負荷數據的波動性也進行了較好地擬合，且相對誤差控制在一個較低的水平，因此可以應用到實際生產的短期電力負荷預測中。

4 結論

將模糊集隸屬度改進的均值生成函數預測模型應用于實際的短期負荷預測具有可行性，預測效果良好。此外，在建立預測模型過程中能夠充分利用原始的訓練樣本，可以不考慮經濟、天氣等影響因素，操作簡便，具有較好的工程實用價值。

參考文獻：

[1]陳英慧，商淼，李婷等.基于GA-BP算法的呼和浩特地區短期電力負荷預測[J].山東工業技術，2018（05）：158，170.

[2]魏鳳英.現代氣候統計診斷與預測技術[M].氣象出版社，2007.

[3]竇震海，楊仁剛，焦嬌.基于均生函數-最優子集回歸模型的短期電力負荷預測方法[J].農業工程學報，2013（14）：178-184.

作者簡介：孫濤（1978-），男，山東日照人，本科，工程師，主要從事電力系統負荷預測及設施管理等研究。