基于相似日和灰色理論的短期電力負(fù)荷預(yù)測(cè)研究*

鄧春紅, 王 蒙

(安徽機(jī)電職業(yè)技術(shù)學(xué)院 信息工程系，安徽 蕪湖 241000)

基于相似日和灰色理論的短期電力負(fù)荷預(yù)測(cè)研究*

鄧春紅, 王 蒙

(安徽機(jī)電職業(yè)技術(shù)學(xué)院 信息工程系，安徽 蕪湖 241000)

針對(duì)短期電力負(fù)荷預(yù)測(cè)易受氣象因素影響的特點(diǎn)，提出基于相似日和灰色理論的短期電力負(fù)荷預(yù)測(cè)模型；首先通過對(duì)日類型的判斷得到相同日類型的負(fù)荷數(shù)據(jù)，然后對(duì)氣象數(shù)據(jù)序列進(jìn)行模糊化聚類處理，并結(jié)合預(yù)測(cè)日的氣象數(shù)據(jù)，采用灰色關(guān)聯(lián)方法進(jìn)行關(guān)聯(lián)分析，選取與預(yù)測(cè)日關(guān)聯(lián)度高的負(fù)荷數(shù)據(jù)作為相似日負(fù)荷數(shù)據(jù)，采用灰色預(yù)測(cè)方法對(duì)相似日負(fù)荷數(shù)據(jù)進(jìn)行短期電力負(fù)荷預(yù)測(cè)；仿真結(jié)果表明，選取了相似日之后的預(yù)測(cè)結(jié)果比未選取相似日的預(yù)測(cè)結(jié)果精度要高。

相似日；灰色關(guān)聯(lián)；負(fù)荷預(yù)測(cè)

1 預(yù)測(cè)模型及關(guān)鍵方法描述

1.1 預(yù)測(cè)模型

提出的預(yù)測(cè)模型如圖1所示，預(yù)測(cè)模型的核心思想是對(duì)原始數(shù)據(jù)序列進(jìn)行分析和處理，考慮氣象因素對(duì)負(fù)荷預(yù)測(cè)的影響，對(duì)氣象數(shù)據(jù)序列進(jìn)行灰色關(guān)聯(lián)分析，結(jié)合日類型來選取相似日數(shù)據(jù)序列，然后對(duì)相似日數(shù)據(jù)序列采用灰色系統(tǒng)理論進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)日負(fù)荷數(shù)據(jù)。

圖1 預(yù)測(cè)模型流程Fig.1 Forecasting model process

1.2 關(guān)鍵方法描述

1.2.1 相似日選取方法

基于所構(gòu)建的預(yù)測(cè)模型，相似日是通過對(duì)日類型的判斷及氣象數(shù)據(jù)序列的關(guān)聯(lián)度分析來選取的。日類型判斷主要是是判斷節(jié)假日、周末和工作日3種類型，對(duì)原始數(shù)據(jù)序列進(jìn)行日類型判斷處理得到基礎(chǔ)相似日數(shù)據(jù)序列[3]。對(duì)氣象數(shù)據(jù)序列進(jìn)行關(guān)聯(lián)度分析，首先選取了降雨、風(fēng)速、相對(duì)濕度、最高溫度、最低溫度5項(xiàng)氣象因素，進(jìn)行模糊化的聚類處理，得到氣象數(shù)據(jù)序列，利用灰色關(guān)聯(lián)理論求取相似日序列[4]。具體流程如圖2所示。

圖2 選取相似日序列流程圖Fig.2 Similar days selection process

1.2.2 模糊化聚類處理

選取降雨、風(fēng)速、相對(duì)濕度、最高溫度、最低溫度5項(xiàng)氣象因素，進(jìn)行模糊化聚類處理，具體過程表1所示。

老遠(yuǎn)就聽到洋鼓洋號(hào)吹吹打打，樂隊(duì)吹奏出一支耳熟的曲子。他常常在某些地方開業(yè)的時(shí)候聽到那只曲子。雖然他并不知道曲子的意義，但每回聽到那個(gè)曲調(diào)，他就產(chǎn)生一種想解開褲帶暢快淋漓屙泡尿的沖動(dòng)。

表1 氣象因素模糊化

對(duì)氣象數(shù)據(jù)進(jìn)行模糊化處理后，得到氣象數(shù)據(jù)序列(r,w,h,tmax,tmin)。

1.2.3 灰色關(guān)聯(lián)度分析

選取預(yù)測(cè)日氣象數(shù)據(jù)序列為母序列，樣本氣象數(shù)據(jù)序列為子序列，

記母序列為：X0=(x10,x20,…,xn0)T

記子序列為：Xj=(x1j,x2j,…,xnj)T

然后，計(jì)算兩極最大差和最小差。記

(1)

最后求關(guān)聯(lián)系數(shù)：

(2)

其中，ρ∈[0,1]為分辨系數(shù)，現(xiàn)取0.5。根據(jù)式(2)得到關(guān)聯(lián)系數(shù)矩陣，R=(ξij)n×m，對(duì)R=(ξij)n×m的列求平均得到灰色關(guān)聯(lián)度為

(3)

其中，ξj表示第j指標(biāo)與母指標(biāo)的關(guān)聯(lián)程度，ξj越大，說明第j指標(biāo)與母指標(biāo)越靠近[4-5]。因此，ξj為選取相似日序列提供了依據(jù)。

2 灰色預(yù)測(cè)方法

GM(1,1)的建模過程如下：

選定原始數(shù)據(jù)序列：

對(duì)原始數(shù)據(jù)序列作一次累加生成，得：

其中，a為模型的發(fā)展系數(shù)，反映了X(1)和X(0)的發(fā)展趨勢(shì)；u為模型的協(xié)調(diào)系數(shù)，反映了數(shù)據(jù)之間的變化關(guān)系[6-8]。利用最小二乘法求解出模型參數(shù)進(jìn)而得到模型的時(shí)間響應(yīng)方程：

(4)

對(duì)式(1)進(jìn)行累減生成還原，可以得到原始數(shù)據(jù)序列X(0)的GM(1,1)預(yù)測(cè)模型為

(5)

3 算例分析

選取某地區(qū)3月1日到3月12日負(fù)荷數(shù)據(jù)及氣象數(shù)據(jù)作為原始負(fù)荷數(shù)據(jù)，對(duì)3月13日負(fù)荷進(jìn)行預(yù)測(cè)。原始數(shù)據(jù)序列如圖3所示。

圖3 原始負(fù)荷數(shù)據(jù)Fig.3 Original load data

利用上述方法進(jìn)行分析處理，首先判斷日類型，剔除周末和節(jié)假日數(shù)據(jù)，然后對(duì)氣象數(shù)據(jù)進(jìn)行模糊化聚類處理得到氣象序列，對(duì)氣象序列進(jìn)行灰色關(guān)聯(lián)分析，得到灰色關(guān)聯(lián)度見表2。

表2 關(guān)聯(lián)度數(shù)據(jù)

選取關(guān)聯(lián)度超過0.6的日期為相似日，分別使用灰色預(yù)測(cè)方法進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)結(jié)果(圖4)，同時(shí)對(duì)非相似日灰色預(yù)測(cè)結(jié)果及相似日時(shí)間序列預(yù)測(cè)結(jié)果進(jìn)行誤差分析。結(jié)果如表3所示。

表3 預(yù)測(cè)誤差分析

圖4 預(yù)測(cè)結(jié)果Fig.4 Forecast result curve

從預(yù)測(cè)結(jié)果圖4可以看出，選取相似日的灰色預(yù)測(cè)方法得到的結(jié)果曲線與實(shí)際值曲線基本一致，預(yù)測(cè)誤差較小。從預(yù)測(cè)誤差分析表3可以看出，相似日灰色預(yù)測(cè)的精度更高，驗(yàn)證了所提預(yù)測(cè)模型的合理性和有效性。

4 結(jié) 論

考慮日類型和氣象因素，使用灰色關(guān)聯(lián)分析來選取相似日，然后利用灰色預(yù)測(cè)方法進(jìn)行短期負(fù)荷預(yù)測(cè)，并且通過實(shí)例仿真，得到選取相似日的預(yù)測(cè)結(jié)果精度更高的結(jié)果，驗(yàn)證了所提預(yù)測(cè)模型的有效性。

[1] 牛東曉,魏亞楠.基于FHNN相似日聚類自適應(yīng)權(quán)重的短期電力負(fù)荷組合預(yù)測(cè)[J].電力系統(tǒng)自動(dòng)化,2013,37(2):54-57

NIU D X,WEI Y N.Short-term Power Load Combinatorial Forecast Adaptively Weighted by FHNN Similar-day Clustering[J].Automation of Electric Power Systems,2013,37(2):54-57

[2] 王惠中,劉軻,周佳.電力系統(tǒng)短期負(fù)荷預(yù)測(cè)建模仿真研究[J].計(jì)算機(jī)仿真,2016,33(2):175-179

WANG H Z,LIU K,ZHOU J.Pretreatment of Short-Term Load Forecasting Based on K-Means Clustering Algo-rithm[J].Computer Simulation,2016,33(2):175-179

[3] 高超,沈艷霞,楊雄飛.一種基于氣溫因素的短期電力負(fù)荷預(yù)測(cè)模型[J].控制工程,2016,23(3):346-352

GAO C,SHEN Y X,YANG X F.A Model for Short-term Load Forecasting Based on Temperature Factor[J].Control Engineering of China,2016,23(3):346-352

[4] 廖峰,劉清良,賀輝.基于改進(jìn)灰色模型與綜合氣象因素的母線負(fù)荷預(yù)測(cè)[J].電網(wǎng)技術(shù),2011,35(10):183-188

LIAO F,LIU Q L,HE H.Bus Load Forecasting Based on Improved Grey Model and Meteorological Elements[J].Power System Technology,2011,35(10):183-188

[5] SFETSOS A,MAGRO M C.Short Term Load Forecasting with a Hybrid Clusteri-ng Algorithm and Pattern Recog-nition[J].International Journal of Engineering Intelligent Systems for Electrical Engineering and Communications,2004,12(1):13-19

[6] 裴瑞平,田麗,魏安靜.短期風(fēng)功率自適應(yīng)加權(quán)組合預(yù)測(cè)[J].重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,33(2):26-29

PEI R P,TIAN L,WEI A J.Short-tierm Wind Power Adaptively Weighted Combination Forecast[J].Journal of Chongqing Technology and Business University(Naturnal Science Edition),2016,33(2):26-29

[7] KANDIL M S,DEBEIKY S M,HASANIEN N E.Overview and Comparison of Long-term Forecasting Techniques for a Fast Developing[J].Utility Electric Power Systems Res-earch,2001,58(1):11-17

[8] 王蒙,張國(guó)友,田麗.基于最優(yōu)組合預(yù)測(cè)模型的電力負(fù)荷預(yù)測(cè)研究[J].重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,29(9):65-69

WANG M,ZHANG G Y,TIAN L.Research on the Forecast of Electric Power Load Based on Optimal Combination Prediction Model[J].Journal of Chongqing Technology and Business University(Naturnal Science Edition),2012,29(9):65-69

責(zé)任編輯：田 靜

Research on Short Term Power Load Forecast Based on Similar Day and Grey Theory

DENG Chun-hong, WANG Meng

(Department of Information Engineering,Anhui Technological College of Machinery and Electricity, Anhui Wuhu 241000, China)

According to the feature that short term power load is susceptible to meteorological factors, this paper proposes short term power load forecasting model based on similar day and grey theory, firstly tries to get the load data at the same day through the judgment on day type, then deals with the meteorological data sequence by fuzzy clustering analysis, uses the meteorological data at forecasting day and grey correlation method to conduct correlation analysis, chooses the load data which are highly correlated with forecasting day as the load data at similar day, and uses grey forecasting method to forecast short term power load based on similar day load data.Simulation results show that the accuracy of forecasting results is higher after the selection of similar day than without the selection of similar day.

similar day; grey correlation; load forecast

10.16055/j.issn.1672-058X.2017.0003.017

2016-12-11；

2017-02-26. * 基金項(xiàng)目：安徽省學(xué)科(專業(yè))拔尖人才學(xué)術(shù)資助重點(diǎn)項(xiàng)目(GXBJZD2016098).

鄧春紅(1970-)，男，安徽蕪湖人，副教授，碩士，從事數(shù)據(jù)挖掘研究.

TM391.9

A

1672-058X(2017)03-0093-05