基于自回歸誤差的短期負荷預測中的應用研究
來源:用戶上傳
作者:
摘 要：電力系統在國民經濟發展中具有重要地位，保持電網的供需平衡是電力系統穩定運行的基礎。為了更好的解決供電系統的日前調度問題，文章針對Lyapounov最大指數法嵌入維數提出了一個自回歸誤差算法，它克服了以往人為對嵌入維數取值造成的不準確問題。同時，通過提出的回歸算法模型還可以解決由于人為因素造成的預測誤差較大及誤差具有隨機性問題，能夠使得電網發電機組備用計劃制定更加合理，減少了發電機組由于備用不合理帶來的經濟損失。
關鍵詞：自回歸誤差;Lyapounov最大指數法;相空間重構;嵌入維數;短期負荷預測
中圖分類號：TM715 文獻標志碼：A 文章編號：2095-2945（2019）18-0183-04
Abstract： Power system plays an important role in the development of national economy. Maintaining the balance of supply and demand of power grid is the basis of stable operation of power system. In order to better solve the day-ahead scheduling problem of power supply system， an autoregression error algorithm for embedding dimension of Lyapounov maximum index method is proposed in this paper， which overcomes the inaccurate problem caused by man-made embedding dimension in the past. At the same time， the proposed regression algorithm model can also solve the problem of large prediction error and random error caused by human factors， which can make the reserve plan of power grid generator set more reasonable. The economic loss caused by unreasonable reserve of generator set is reduced.
Keywords： autoregression error; Lyapounov maximum index method; phase space reconstruction; embedding dimension; short-term load forecasting
引言
電力系統作為國民經濟發展的基礎，在社會建設發展中占據了重要的地位，由于目前存儲技術不能夠滿足大容量電能存儲需求，這使得電網運行必須滿足供需平衡。對電力系統[1-2]而言實現供需平衡的一個重要手段就是日前調度。而日前調度的依據是電網負荷量，因此對電網進行短期負荷預測就顯得及其重要。隨著智能電網逐步的建立與發展，負荷預測技術已經成為了智能化背景下的研究熱點，傳統的預測技術是利用時間序列之間的相關性來建立線性預測模型，如自回歸模型等，然而在實際的應用中采集到的時間序列一般都是非線性的例如電力負荷序列，若繼續使用傳統的線性預測模型將會導致預測精度下降。針對這一問題，通常采用非線性時間序列分析方法，采用相空間重構對非線性時間序列的電力負荷進行短期的預測，但其求取出來的短期電力負荷預測的誤差較大，其中部分誤差超過了規定的3%的允許值[3-4]，而誤差范圍的增大則代表了負荷預測的不可靠性，這會對電網公司進行日前調度發電機備用計劃產生一定的影響并造成一定的經濟損失。
為了提高短期負荷預測[4-6]效果且有效降低誤差范
圍，通過多次的仿真及數據分析，最后發現預測的結果和嵌入維數的選取有較大的關聯，在傳統Lyapounov指數法預測中，嵌入維數的選取是根據人的主觀意識來進行判斷選取的，缺乏客觀的模型對嵌入維數進行精確的定位，為了有效的解決這一問題，本文提出一種基于自回歸誤差算法的改進Lyapounov最大指數預測方法，來實現對嵌入維數的判定，以此來提高短期負荷預測的可靠性和準確性，通過對改進前后預測值的對比分析，發現采用本方法得到的短期負荷預測值最大誤差有了明顯的降低，所得預測數據也更加準確，同時也證明了該方法的可行性和有效性。
1 改進的Lyapounov最大指數法
在相空間重構中，嵌入維數m的選取很大程度上影響著負荷預測的誤差范圍。
1.1 嵌入維數的求取
1.2 基于自回歸誤差算法的改進
采用傳統的Lyapounov指數法下進行的短期負荷預測仿真結果的誤差范圍較大，很多預測結果都超出了允許的誤差范圍，這不僅會影響電力系統日前調度計劃的準確性，而且還會造成相應的經濟損失。傳統的嵌入維數的選取是根據式（4）中E1（d）的波動變化由人為觀察判斷來確定，并沒有根據模型對E1（d）參數變化值進行準確的計算，在由Cao算法得出的數組{e1，e2，e3，...，em，...，en}中，采用傳統的主觀判斷法觀察出來的嵌入維數為em，而從em+1到en的波動變化很小，在觀測中往往被忽視掉而導致了結果的大誤差出現，且在對嵌入維數進行取值時會由于觀測者的主觀判斷不同導致有不同的誤差存在，造成采用的最小嵌入維數預測的負荷誤差具有隨機性，這會使得預測的短期負荷值脫離實際值，造成日前電力調度計劃制定的不準確，而采用誤差均值可能會因為前面的波動過大影響精準度，為了解決上述問題，本文提出了基于自回歸誤差算法的改進Lyapounov最大指數算法，在原有的最大Lyapounov最大指數法的基礎上對原Cao方法求嵌入維數進行了改進，從主觀判斷改進為采用偏離平方和作為指標對所得數據的離散程度進行判斷比較，利用反向回歸算法來保障嵌入維數求取的準確性，從而有效的降低預測最大誤差程度，實現負荷預測的小誤差高精度，其具體構造如下： 表1為部分截取的改進前后Lyapounov指數法的短期負荷預測值與實際負荷值的誤差進行了對比分析。采用的分析數據為主觀選取維數獲得的預測值和本文提出的算法得出維數獲取的預測值。
從表1中可以看出采用本文提出的基于自回歸誤差算法改進后的短期負荷預測數值誤差范圍從主觀預測誤差的0%-5.41%降到了0%-2.6%。此外，不僅最大誤差有明顯的降低而且誤差范圍也更加收斂，這大大的增加了預測值的可靠性和準確性，并且改進后的誤差都在3%的允許誤差范圍內，滿足了規定的短期負荷預測的誤差要求。采用本文算法提出的誤差范圍明顯縮小，這對電網的日前電量調度有著重要的意義，因為電量具有不可存儲的特殊性，故預測誤差范圍的降低能夠有效的解決因誤差率導致的經濟損失問題。該仿真結果不但證明了本文提出的觀點，即嵌入維數的選取在一定程度上影響了負荷預測，同時也證明了所提出的改進Lyaponuov最大指數預測方法對短期負荷預測的精準性，它可以有效的提高電力系統日前調度計劃的可靠性和精準性，有助于電力系統的穩定運行。
3 結論
本文提出了一種基于自回歸平均誤差算法的維數求取方法，該方法可以有效的解決由于傳統采取人為主觀對嵌入維數選取具有隨機性問題。而且，通過對改進的Lyapounov最大指數算法，可以獲得更加準確的嵌入維數，由此可以最大程度的解決因由于采用主觀選擇嵌入維數而導致的預測誤差范圍較大，預測數據可靠性不足的缺點。通過仿真對比顯示，改進后的Lyapounov最大指數方法得到的預測誤差范圍更小，預測值可靠性更高，對電網負荷的預測值更加準確，為電網公司日前調度提供了更加可靠的數據支撐，有利于電網的安全穩定運行。
參考文獻：
[1]王軒，程沛沛，田野，等.電力系統規劃設計在電力工程設計中的應用[J].機電產品開發與創新，2014（6）：13.
[2]吳松.淺析電力系統規劃設計在電力工程設計中的應用[J].大科技，2014（3）：57-58.
[3]龐亞亞，王書源，韓璐.電力系統負荷電量預測的研究[J].電氣時代，2015.
[4]XiaobinXu.Short-term load forecasting of power system[A].AIP Conference Precessdings，2017，1839（1）：1-6.
[5]Knezevic，Goran;Baus，Zoran;Nikolovski，Srete.Short-time planning of hybrid power system[J].Journal of Electrical Engineering，2016，67（4）：234-245.
[6]Kim，Cheol-Hong;Koo，Bon-Gil;June-Hp.Short-term Electric Load Forecasting Using Data Mining Technique[J].The Korean Institute of Electrical Engineers，2012，7（6）：807-813.
轉載注明來源:http://www.hailuomaifang.com/1/view-14886929.htm
