專利名稱：一種基于馬爾科夫鏈的電力系統(tǒng)負荷準確預測方法
技術領域：
本發(fā)明涉及一種負荷預測方法，特別是針對于電力系統(tǒng)短期負荷預測的方法。
背景技術：
負荷預測是根據(jù)系統(tǒng)的運行特性、增容決策、自然條件與社會影響等諸多因素， 在滿足一定精度要求的條件下，確定未來某特定時刻的負荷數(shù)據(jù)，其中負荷是指電力需求量(功率)或用電量；負荷預測是電力系統(tǒng)經(jīng)濟調(diào)度中的一項重要內(nèi)容，是能量管理系統(tǒng) (EMS)的一個重要模塊。電力系統(tǒng)負荷一般可以分為城市民用負荷、商業(yè)負荷、農(nóng)村負荷、工業(yè)負荷以及其他負荷等，不同類型的負荷具有不同的特點和規(guī)律。城市民用負荷主要來自城市居民家用電器的用電負荷，它具有年年增長的趨勢，以及明顯的季節(jié)性波動特點，而且民用負荷的特點還與居民的日常生活和工作的規(guī)律緊密相關。商業(yè)負荷，主要是指商業(yè)部門的照明、空調(diào)、動力等用電負荷，覆蓋面積大，且用電增長平穩(wěn)，商業(yè)負荷同樣具有季節(jié)性波動的特性。工業(yè)負荷是指用于工業(yè)生產(chǎn)的用電，一般工業(yè)負荷的比重在用電構成中居于首位，它不僅取決于工業(yè)用戶的工作方式(包括設備利用情況、企業(yè)的工作班制等)，而且與各行業(yè)的行業(yè)特點、季節(jié)因素都有緊密的聯(lián)系，一般負荷是比較恒定的。農(nóng)村負荷則是指農(nóng)村居民用電和農(nóng)業(yè)生產(chǎn)用電。此類負荷與工業(yè)負荷相比，受氣候、季節(jié)等自然條件的影響很大，這是由農(nóng)業(yè)生產(chǎn)的特點所決定的。農(nóng)業(yè)用電負荷也受農(nóng)作物種類、耕作習慣的影響，但就電網(wǎng)而言，由于農(nóng)業(yè)用電負荷集中的時間與城市工業(yè)負荷高峰時間有差別，所以對提高電網(wǎng)負荷率有好處。從以上分析可知電力負荷的特點是經(jīng)常變化的，不但按小時變、按日變，而且按周變，按年變，同時負荷又是以天為單位不斷起伏的，具有較大的周期性，負荷變化是連續(xù)的過程，一般不會出現(xiàn)大的躍變，但電力負荷對季節(jié)、溫度、天氣等是敏感的，不同的季節(jié)，不同地區(qū)的氣候，以及溫度的變化都會對負荷造成明顯的影響。電力負荷的特點決定了電力總負荷由以下四部分組成基本正常負荷分量、天氣敏感負荷分量、特別事件負荷分量和隨機負荷分量。電力系統(tǒng)負荷預測包括最大負荷功率、負荷電量及負荷曲線的預測。最大負荷功率預測對于確定電力系統(tǒng)發(fā)電設備及輸變電設備的容量是非常重要的。為了選擇適當?shù)臋C組類型和合理的電源結(jié)構以及確定燃料計劃等，還必須預測負荷及電量。負荷曲線的預測可為研究電力系統(tǒng)的峰值、抽水蓄能電站的容量以及發(fā)輸電設備的協(xié)調(diào)運行提供數(shù)據(jù)支持。負荷預測根據(jù)目的的不同可以分為超短期、短期、中期和長期①超短期負荷預測是指未來1小時以內(nèi)的負荷預測，在安全監(jiān)視狀態(tài)下，需要5 10秒或1 5分鐘的預測值，預防性控制和緊急狀態(tài)處理需要10分鐘至1小時的預測值。②短期負荷預測是指日負荷預測和周負荷預測，分別用于安排日調(diào)度計劃和周調(diào)度計劃，包括確定機組起停、水火電協(xié)調(diào)、聯(lián)絡線交換功率、負荷經(jīng)濟分配、水庫調(diào)度和設備
3檢修等，對短期預測，需充分研究電網(wǎng)負荷變化規(guī)律，分析負荷變化相關因子，特別是天氣因素、日類型等和短期負荷變化的關系。③中期負荷預測是指月至年的負荷預測，主要是確定機組運行方式和設備大修計劃等。④長期負荷預測是指未來3 5年甚至更長時間段內(nèi)的負荷預測，主要是電網(wǎng)規(guī)劃部門根據(jù)國民經(jīng)濟的發(fā)展和對電力負荷的需求，所作的電網(wǎng)改造和擴建工作的遠景規(guī)劃。對中、長期負荷預測，要特別研究國民經(jīng)濟發(fā)展、國家政策等的影響。對于負荷預測的方法，專利CN101706778A公開了基于⑶RE算法在負荷預測中的應用，CURE算法在負荷預測中的步驟(1)對負荷預測中的歷史數(shù)據(jù)庫中抽出數(shù)據(jù)樣本； (2)對于每一分區(qū)，利用層次算法進行聚類；(3)對樣本中的全部數(shù)據(jù)進行聚類，輸入只包括各個分區(qū)獨自聚類時發(fā)現(xiàn)的簇的代表性點。CN101299251A—種基于概率逆換算法的中長期電力負荷的預測方法，包括以下步驟1)基礎數(shù)據(jù)的采集和改進根據(jù)行業(yè)數(shù)據(jù)庫，給出行業(yè)負荷的初始數(shù)據(jù)表，并將點估計擴展成三段式區(qū)間估計；幻專家能力數(shù)據(jù)的生成與改進根據(jù)行業(yè)專業(yè)知識，將專家能力數(shù)量化并根據(jù)專家權重生成“虛擬專家”；幻實際數(shù)據(jù)與虛擬專家數(shù)據(jù)的整合根據(jù)虛擬專家數(shù)據(jù)，修正步驟1)中的區(qū)間估計；4)負荷預測與預測結(jié)果修正通過概率逆換算法反復將虛擬專家數(shù)據(jù)逆換到實際數(shù)據(jù)空間并加以比較修正，直到得到滿意結(jié)果。這些方法取樣量多，運算麻煩，時間長。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于馬爾科夫鏈的電力系統(tǒng)負荷準確預測方法，該種方法負荷預測只用少量樣本就可以進行，運行速度快，運算時間短，并且可以得出概率預測的結(jié)果。本發(fā)明采取的技術方案為馬爾科夫鏈是數(shù)學中具有馬爾可夫性質(zhì)的離散時間隨機過程。馬爾科夫性質(zhì)指的是設{(X(t)，t e T)}是一個隨機過程，如果{(X(t)，t e T)}在、時刻所處的狀態(tài)為已知時，它在t > t0時刻的值只與其前一時刻的值有關，而與其更早時刻的值無關，則稱 {(X(t)，t e Τ)}具有馬爾可夫性。設{(X(t), t e τ)}的狀態(tài)空間為S，如果對于任意的η彡2，任意的、< t2〈… <tne τ，在條件X(ti) = Xi, Xi e S, i = 1,2,…，n-1下，X(tn)的條件分布函數(shù)恰好等于在條件X(V1) =Xlri下的條件分布函數(shù)，即P(X(tn) ( χη |Χ(、)= X1, X(t2) = x2, -,X(V1) = Xlri)= P(X(tn) ^ xn X(V1) = Xn^1)則稱{(X(t)，t e Τ)}為馬爾可夫過程。負荷預測所依據(jù)的是歷史負荷數(shù)據(jù)，歷史數(shù)據(jù)則具有離散時間隨機過程的特性。 負荷數(shù)據(jù)沒有階躍變化的特性，數(shù)據(jù)的在任意時刻的值Lt都是基于前一時刻Lh值的浮動， 因此可以將負荷曲線看作一條具有馬爾科夫性質(zhì)的曲線，這一條曲線所代表的離散時間隨機過程就可以認為是馬爾科夫鏈?；隈R爾科夫鏈的基本思想，本發(fā)明一種基于馬爾科夫鏈的電力系統(tǒng)負荷準確預測方法，包括步驟如下
(1)取5組以上的歷史負荷數(shù)據(jù)，每一組都有t_l時刻的負荷數(shù)據(jù)Lw和t時刻的負荷數(shù)據(jù)Lt ；(2)對Lw和Lt的值域做狀態(tài)劃分，并設定狀態(tài)集合E = {1,2,…，N}，1<N < +⑴，狀態(tài)劃分規(guī)則是1狀態(tài)表示負荷為0 100之間的數(shù)值，2狀態(tài)表示負荷為100 200之間的數(shù)值，以此類推。由狀態(tài)集合的定義可知，Lt^1和Lt都可以映射為狀態(tài)集合中的某一個狀態(tài)值。假設t-Ι和t時刻的狀態(tài)取值分別為Ct_i和Ct，貝IJ AC = Ct-CV1即是在這一組數(shù)據(jù)中的狀態(tài)轉(zhuǎn)移距離，計算出的每組歷史數(shù)據(jù)的狀態(tài)轉(zhuǎn)移距離之后就可以得到狀態(tài)轉(zhuǎn)移表。(3)統(tǒng)計狀態(tài)轉(zhuǎn)移表中各轉(zhuǎn)移距離發(fā)生的概率，并且將得到的概率結(jié)果按照轉(zhuǎn)移距離升序排列。可以得到一個一維矩陣，這個稱為轉(zhuǎn)移矩陣。(4)若得到的轉(zhuǎn)移矩陣為F= [ai; a2,…an]，并且…的值最大，其中1 < j < η。 根據(jù)轉(zhuǎn)移矩陣的定義可知，Bj最大表示其所代表的轉(zhuǎn)移距離在歷史數(shù)據(jù)中發(fā)生的概率最大，不妨假設其所代表的轉(zhuǎn)移距離為j。待預測時刻為t，t-1時刻的值為已知，并且可將t-1 時刻的值映射至狀態(tài)集合E中的某個狀態(tài)C，則預測t時刻的值映射至狀態(tài)集合E的狀態(tài)值為C+j。根據(jù)預測的狀態(tài)值，可以得到其代表的分別值域范圍，將這一值域范圍的中點作為預測值。(5)對轉(zhuǎn)移矩陣中最大概率兩側(cè)的概率進行加和統(tǒng)計，比較兩側(cè)的加和值大小。根據(jù)轉(zhuǎn)移矩陣的定義可知，若左側(cè)概率加和大于右側(cè)概率加和，則表示轉(zhuǎn)移距離偏小的概率越大；反之，則表明轉(zhuǎn)移距離偏大的概率越大。所述的兩側(cè)加和至少分別加和5個值，看加和值較大的一側(cè)，選取該側(cè)對應的步驟⑷所述值域的端點值，將該端點值與步驟⑷得的中點預測值再取中點值即為最終預測值。轉(zhuǎn)移矩陣則由歷史數(shù)據(jù)進行分析得到，通過前一時刻的數(shù)據(jù)和轉(zhuǎn)移矩陣來確定待預測數(shù)據(jù)，根據(jù)歷史數(shù)據(jù)對兩個時刻之間的變化趨勢進行統(tǒng)計，對這種變化的趨勢、快慢、 大小得到一個概率的結(jié)果，通過這個概率結(jié)果可以得出待預測數(shù)據(jù)相對于前一時刻數(shù)據(jù)最有可能的趨勢變化。預測結(jié)果若是需要一個確定的值，可以在初步劃定預測結(jié)果范圍之后， 根據(jù)轉(zhuǎn)移矩陣的概率加和進一步精確最終的預測結(jié)果。本發(fā)明要點是不再根據(jù)歷史數(shù)據(jù)的數(shù)值大小來進行預測，而是通過歷史數(shù)據(jù)分析相鄰兩個時刻的變化趨勢來進行預測。本發(fā)明的優(yōu)點是負荷預測只用少量樣本就可以進行，運行速度快，運算時間短，并且可以得出概率預測的結(jié)果。
具體實施例方式實施例1現(xiàn)在要預測t時刻的負荷數(shù)據(jù)Lt，預測Lt的前提是已經(jīng)得到了 t-Ι時刻的預測數(shù)據(jù)Lh，根據(jù)馬爾科夫性質(zhì)預測數(shù)據(jù)Lt只與LH相關。第一步，取14組歷史負荷數(shù)據(jù)，每一組都有t-Ι時刻和t時刻的數(shù)據(jù)各一個，如下表1 表 權利要求
1.一種基于馬爾科夫鏈的電力系統(tǒng)負荷準確預測方法，其特征是，包括步驟如下(1)對實測數(shù)據(jù)進行分析處理，取5組以上的歷史負荷數(shù)據(jù)，每一組都有t-Ι時刻的負荷數(shù)據(jù)Lh和t時刻的負荷數(shù)據(jù)Lt ；(2)對Lh和Lt的值域做狀態(tài)劃分，并設定狀態(tài)集合E={1,2,…，N}，其中1狀態(tài)表示負荷為0 100之間的數(shù)值，2狀態(tài)表示負荷為100 200之間的數(shù)值，以此類推，設t-1 和t時刻的狀態(tài)取值分別為C^1和Ct，則AC = Ct-C^1即是在這一組數(shù)據(jù)中的狀態(tài)轉(zhuǎn)移距離，計算出的每組歷史數(shù)據(jù)的狀態(tài)轉(zhuǎn)移距離得到狀態(tài)轉(zhuǎn)移表；(3)統(tǒng)計狀態(tài)轉(zhuǎn)移表中各轉(zhuǎn)移距離發(fā)生的概率，并且將得到的概率結(jié)果按照轉(zhuǎn)移距離升序排列，得到一個一維矩陣，這個稱為轉(zhuǎn)移矩陣F= [ai;a2,…an]；根據(jù)轉(zhuǎn)移矩陣可以得出在所取歷史數(shù)據(jù)中出現(xiàn)概率最大的轉(zhuǎn)移距離，將這一出現(xiàn)概率最大的轉(zhuǎn)移距離作為待測時刻t相對于其前一時刻t-Ι的轉(zhuǎn)移距離；(4)檢測電力系統(tǒng)某時刻的負荷值記為t-Ι時刻狀態(tài)量，根據(jù)t-Ι時刻狀態(tài)量和轉(zhuǎn)移距離算出待預測t時刻所處的狀態(tài)量，由t時刻的狀態(tài)量再映射到其所代表的值域，取這一值域的中點作為待預測值；(5)對轉(zhuǎn)移矩陣中最大概率兩側(cè)的概率進行加和統(tǒng)計，比較兩側(cè)的加和值大小，所述的兩側(cè)加和至少分別加和5個值，看加和值較大的一側(cè)，選取該側(cè)對應的步驟(4)所述值域的端點值，將該端點值與步驟(4)得的中點預測值再取中點值即為最終預測值。
2.根據(jù)權利要求1所述的基于馬爾科夫鏈的電力系統(tǒng)負荷準確預測方法，其特征是， 步驟⑷中所述的根據(jù)已知的t-Ι時刻狀態(tài)量和轉(zhuǎn)移距離算出待預測t時刻所處的狀態(tài)量具體過程為設轉(zhuǎn)移矩陣中…的值最大，即其所代表的轉(zhuǎn)移距離在歷史數(shù)據(jù)中發(fā)生的概率最大，設其所代表的轉(zhuǎn)移距離為j，已知的t-Ι時刻狀態(tài)量C和轉(zhuǎn)移距離j算出待預測t時刻所處的狀態(tài)量為C+j。
全文摘要
本發(fā)明涉及一種基于馬爾科夫鏈的電力系統(tǒng)負荷準確預測方法，已知值Lt-1的情況下，根據(jù)歷史數(shù)據(jù)統(tǒng)計出下一時刻t的各種變化趨勢，并統(tǒng)計其概率，最后以概率最大的一個趨勢作為預測結(jié)果，并通過預測結(jié)果兩側(cè)加和概率修正得到最終結(jié)果。本發(fā)明的優(yōu)點是負荷預測只用少量樣本就可以進行，運行速度快，運算時間短，并且可以得出準確的概率預測結(jié)果。
文檔編號G06Q10/04GK102509173SQ20111033429
公開日2012年6月20日 申請日期2011年10月28日 優(yōu)先權日2011年10月28日
發(fā)明者劉遠龍, 李文升, 陳琛, 龔文杰 申請人:山東電力集團公司青島供電公司