基于自回歸誤差的短期負(fù)荷預(yù)測(cè)中的應(yīng)用研究

蘇麗 吳艦 吳楠 喬玉鵬

摘 ?要：電力系統(tǒng)在國(guó)民經(jīng)濟(jì)發(fā)展中具有重要地位，保持電網(wǎng)的供需平衡是電力系統(tǒng)穩(wěn)定運(yùn)行的基礎(chǔ)。為了更好的解決供電系統(tǒng)的日前調(diào)度問(wèn)題，文章針對(duì)Lyapounov最大指數(shù)法嵌入維數(shù)提出了一個(gè)自回歸誤差算法，它克服了以往人為對(duì)嵌入維數(shù)取值造成的不準(zhǔn)確問(wèn)題。同時(shí)，通過(guò)提出的回歸算法模型還可以解決由于人為因素造成的預(yù)測(cè)誤差較大及誤差具有隨機(jī)性問(wèn)題，能夠使得電網(wǎng)發(fā)電機(jī)組備用計(jì)劃制定更加合理，減少了發(fā)電機(jī)組由于備用不合理帶來(lái)的經(jīng)濟(jì)損失。

關(guān)鍵詞：自回歸誤差;Lyapounov最大指數(shù)法;相空間重構(gòu);嵌入維數(shù);短期負(fù)荷預(yù)測(cè)

中圖分類(lèi)號(hào)：TM715 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ? ? 文章編號(hào)：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(tǒng)作為國(guó)民經(jīng)濟(jì)發(fā)展的基礎(chǔ)，在社會(huì)建設(shè)發(fā)展中占據(jù)了重要的地位，由于目前存儲(chǔ)技術(shù)不能夠滿足大容量電能存儲(chǔ)需求，這使得電網(wǎng)運(yùn)行必須滿足供需平衡。對(duì)電力系統(tǒng)[1-2]而言實(shí)現(xiàn)供需平衡的一個(gè)重要手段就是日前調(diào)度。而日前調(diào)度的依據(jù)是電網(wǎng)負(fù)荷量，因此對(duì)電網(wǎng)進(jìn)行短期負(fù)荷預(yù)測(cè)就顯得及其重要。隨著智能電網(wǎng)逐步的建立與發(fā)展，負(fù)荷預(yù)測(cè)技術(shù)已經(jīng)成為了智能化背景下的研究熱點(diǎn)，傳統(tǒng)的預(yù)測(cè)技術(shù)是利用時(shí)間序列之間的相關(guān)性來(lái)建立線性預(yù)測(cè)模型，如自回歸模型等，然而在實(shí)際的應(yīng)用中采集到的時(shí)間序列一般都是非線性的例如電力負(fù)荷序列，若繼續(xù)使用傳統(tǒng)的線性預(yù)測(cè)模型將會(huì)導(dǎo)致預(yù)測(cè)精度下降。針對(duì)這一問(wèn)題，通常采用非線性時(shí)間序列分析方法，采用相空間重構(gòu)對(duì)非線性時(shí)間序列的電力負(fù)荷進(jìn)行短期的預(yù)測(cè)，但其求取出來(lái)的短期電力負(fù)荷預(yù)測(cè)的誤差較大，其中部分誤差超過(guò)了規(guī)定的3%的允許值[3-4]，而誤差范圍的增大則代表了負(fù)荷預(yù)測(cè)的不可靠性，這會(huì)對(duì)電網(wǎng)公司進(jìn)行日前調(diào)度發(fā)電機(jī)備用計(jì)劃產(chǎn)生一定的影響并造成一定的經(jīng)濟(jì)損失。

為了提高短期負(fù)荷預(yù)測(cè)[4-6]效果且有效降低誤差范

圍，通過(guò)多次的仿真及數(shù)據(jù)分析，最后發(fā)現(xiàn)預(yù)測(cè)的結(jié)果和嵌入維數(shù)的選取有較大的關(guān)聯(lián)，在傳統(tǒng)Lyapounov指數(shù)法預(yù)測(cè)中，嵌入維數(shù)的選取是根據(jù)人的主觀意識(shí)來(lái)進(jìn)行判斷選取的，缺乏客觀的模型對(duì)嵌入維數(shù)進(jìn)行精確的定位，為了有效的解決這一問(wèn)題，本文提出一種基于自回歸誤差算法的改進(jìn)Lyapounov最大指數(shù)預(yù)測(cè)方法，來(lái)實(shí)現(xiàn)對(duì)嵌入維數(shù)的判定，以此來(lái)提高短期負(fù)荷預(yù)測(cè)的可靠性和準(zhǔn)確性，通過(guò)對(duì)改進(jìn)前后預(yù)測(cè)值的對(duì)比分析，發(fā)現(xiàn)采用本方法得到的短期負(fù)荷預(yù)測(cè)值最大誤差有了明顯的降低，所得預(yù)測(cè)數(shù)據(jù)也更加準(zhǔn)確，同時(shí)也證明了該方法的可行性和有效性。

1 改進(jìn)的Lyapounov最大指數(shù)法

在相空間重構(gòu)中，嵌入維數(shù)m的選取很大程度上影響著負(fù)荷預(yù)測(cè)的誤差范圍。

1.1 嵌入維數(shù)的求取

1.2 基于自回歸誤差算法的改進(jìn)

采用傳統(tǒng)的Lyapounov指數(shù)法下進(jìn)行的短期負(fù)荷預(yù)測(cè)仿真結(jié)果的誤差范圍較大，很多預(yù)測(cè)結(jié)果都超出了允許的誤差范圍，這不僅會(huì)影響電力系統(tǒng)日前調(diào)度計(jì)劃的準(zhǔn)確性，而且還會(huì)造成相應(yīng)的經(jīng)濟(jì)損失。傳統(tǒng)的嵌入維數(shù)的選取是根據(jù)式（4）中E1（d）的波動(dòng)變化由人為觀察判斷來(lái)確定，并沒(méi)有根據(jù)模型對(duì)E1（d）參數(shù)變化值進(jìn)行準(zhǔn)確的計(jì)算，在由Cao算法得出的數(shù)組{e1，e2，e3，...，em，...，en}中，采用傳統(tǒng)的主觀判斷法觀察出來(lái)的嵌入維數(shù)為em，而從em+1到en的波動(dòng)變化很小，在觀測(cè)中往往被忽視掉而導(dǎo)致了結(jié)果的大誤差出現(xiàn)，且在對(duì)嵌入維數(shù)進(jìn)行取值時(shí)會(huì)由于觀測(cè)者的主觀判斷不同導(dǎo)致有不同的誤差存在，造成采用的最小嵌入維數(shù)預(yù)測(cè)的負(fù)荷誤差具有隨機(jī)性，這會(huì)使得預(yù)測(cè)的短期負(fù)荷值脫離實(shí)際值，造成日前電力調(diào)度計(jì)劃制定的不準(zhǔn)確，而采用誤差均值可能會(huì)因?yàn)榍懊娴牟▌?dòng)過(guò)大影響精準(zhǔn)度，為了解決上述問(wèn)題，本文提出了基于自回歸誤差算法的改進(jìn)Lyapounov最大指數(shù)算法，在原有的最大Lyapounov最大指數(shù)法的基礎(chǔ)上對(duì)原Cao方法求嵌入維數(shù)進(jìn)行了改進(jìn)，從主觀判斷改進(jìn)為采用偏離平方和作為指標(biāo)對(duì)所得數(shù)據(jù)的離散程度進(jìn)行判斷比較，利用反向回歸算法來(lái)保障嵌入維數(shù)求取的準(zhǔn)確性，從而有效的降低預(yù)測(cè)最大誤差程度，實(shí)現(xiàn)負(fù)荷預(yù)測(cè)的小誤差高精度，其具體構(gòu)造如下：

表1為部分截取的改進(jìn)前后Lyapounov指數(shù)法的短期負(fù)荷預(yù)測(cè)值與實(shí)際負(fù)荷值的誤差進(jìn)行了對(duì)比分析。采用的分析數(shù)據(jù)為主觀選取維數(shù)獲得的預(yù)測(cè)值和本文提出的算法得出維數(shù)獲取的預(yù)測(cè)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(jìn)后的短期負(fù)荷預(yù)測(cè)數(shù)值誤差范圍從主觀預(yù)測(cè)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(yù)測(cè)值的可靠性和準(zhǔn)確性，并且改進(jìn)后的誤差都在3%的允許誤差范圍內(nèi)，滿足了規(guī)定的短期負(fù)荷預(yù)測(cè)的誤差要求。采用本文算法提出的誤差范圍明顯縮小，這對(duì)電網(wǎng)的日前電量調(diào)度有著重要的意義，因?yàn)殡娏烤哂胁豢纱鎯?chǔ)的特殊性，故預(yù)測(cè)誤差范圍的降低能夠有效的解決因誤差率導(dǎo)致的經(jīng)濟(jì)損失問(wèn)題。該仿真結(jié)果不但證明了本文提出的觀點(diǎn)，即嵌入維數(shù)的選取在一定程度上影響了負(fù)荷預(yù)測(cè)，同時(shí)也證明了所提出的改進(jìn)Lyaponuov最大指數(shù)預(yù)測(cè)方法對(duì)短期負(fù)荷預(yù)測(cè)的精準(zhǔn)性，它可以有效的提高電力系統(tǒng)日前調(diào)度計(jì)劃的可靠性和精準(zhǔn)性，有助于電力系統(tǒng)的穩(wěn)定運(yùn)行。

3 結(jié)論

本文提出了一種基于自回歸平均誤差算法的維數(shù)求取方法，該方法可以有效的解決由于傳統(tǒng)采取人為主觀對(duì)嵌入維數(shù)選取具有隨機(jī)性問(wèn)題。而且，通過(guò)對(duì)改進(jìn)的Lyapounov最大指數(shù)算法，可以獲得更加準(zhǔn)確的嵌入維數(shù)，由此可以最大程度的解決因由于采用主觀選擇嵌入維數(shù)而導(dǎo)致的預(yù)測(cè)誤差范圍較大，預(yù)測(cè)數(shù)據(jù)可靠性不足的缺點(diǎn)。通過(guò)仿真對(duì)比顯示，改進(jìn)后的Lyapounov最大指數(shù)方法得到的預(yù)測(cè)誤差范圍更小，預(yù)測(cè)值可靠性更高，對(duì)電網(wǎng)負(fù)荷的預(yù)測(cè)值更加準(zhǔn)確，為電網(wǎng)公司日前調(diào)度提供了更加可靠的數(shù)據(jù)支撐，有利于電網(wǎng)的安全穩(wěn)定運(yùn)行。

參考文獻(xiàn)：

[1]王軒，程沛沛，田野，等.電力系統(tǒng)規(guī)劃設(shè)計(jì)在電力工程設(shè)計(jì)中的應(yīng)用[J].機(jī)電產(chǎn)品開(kāi)發(fā)與創(chuàng)新，2014（6）：13.

[2]吳松.淺析電力系統(tǒng)規(guī)劃設(shè)計(jì)在電力工程設(shè)計(jì)中的應(yīng)用[J].大科技，2014（3）：57-58.

[3]龐亞亞，王書(shū)源，韓璐.電力系統(tǒng)負(fù)荷電量預(yù)測(cè)的研究[J].電氣時(shí)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.