智能組合預(yù)測(cè)法在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用分析

陳怡潔

摘要：短期電力負(fù)荷預(yù)測(cè)可以對(duì)未來(lái)短時(shí)間內(nèi)對(duì)電力負(fù)荷進(jìn)行預(yù)測(cè)，能夠及時(shí)根據(jù)預(yù)測(cè)結(jié)果調(diào)整供電計(jì)劃，可以促進(jìn)電力行業(yè)的可持續(xù)發(fā)展。我國(guó)經(jīng)濟(jì)發(fā)展迅速，人民生活水平不斷提升，對(duì)于電力系統(tǒng)的運(yùn)行平穩(wěn)程度要求也有所提升，為了確保電力系統(tǒng)能夠有序且穩(wěn)定的為人們輸送電能，需要解決對(duì)負(fù)荷預(yù)測(cè)的方法進(jìn)行改善，優(yōu)化電網(wǎng)規(guī)劃設(shè)計(jì)。智能組合預(yù)測(cè)法可以提升電力負(fù)荷預(yù)測(cè)的精確性，打破了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)工作中存在的問(wèn)題?；诖?，本文深入分析了在短期電力負(fù)荷預(yù)測(cè)過(guò)程中應(yīng)用智能組合預(yù)測(cè)法的策略。

關(guān)鍵詞：智能組合預(yù)測(cè)法;短期;電力負(fù)荷預(yù)測(cè)

負(fù)荷所指的是電力的具體需求量或者實(shí)際用電量，進(jìn)一步來(lái)講就是指能量在一定時(shí)間的變化程度，也就是經(jīng)常說(shuō)的功率。從供電的角度而言，負(fù)荷可以代表負(fù)責(zé)供電的工廠地區(qū)或者電網(wǎng)，一個(gè)時(shí)刻中所需要擔(dān)負(fù)的工作負(fù)荷，如果從用戶的角度來(lái)講，負(fù)荷所指的是用戶在使用電氣設(shè)備時(shí)所產(chǎn)生的瞬間功率。隨著人們用電量不斷的增加，特別是對(duì)大電網(wǎng)而言，更加需要不斷提高短期電力負(fù)荷預(yù)測(cè)的效果才能保障用電容量的科學(xué)化調(diào)度，使得在安全用電的基礎(chǔ)上對(duì)不同機(jī)組的運(yùn)行情況進(jìn)行控制。同時(shí)，也能夠降低發(fā)電的成本投入，提高電網(wǎng)運(yùn)行的安全性和經(jīng)濟(jì)性，對(duì)于社會(huì)經(jīng)濟(jì)的良性發(fā)展也有著重要的意義。

一、電力負(fù)荷預(yù)測(cè)分類(lèi)

預(yù)測(cè)期限是指預(yù)測(cè)的時(shí)間長(zhǎng)短，因此在對(duì)電力負(fù)荷進(jìn)行預(yù)測(cè)時(shí)可以按照預(yù)測(cè)的時(shí)間進(jìn)行分類(lèi)，預(yù)測(cè)以小時(shí)為單位的負(fù)荷屬于超短期負(fù)荷預(yù)測(cè)，近年來(lái)隨著預(yù)測(cè)技術(shù)的發(fā)展，對(duì)于超短期電力負(fù)荷的預(yù)測(cè)精度也有所提高，可以保證對(duì)電能量實(shí)施更加精準(zhǔn)的控制，應(yīng)對(duì)突發(fā)的緊急事件。預(yù)測(cè)周期在1天到1周之內(nèi)的負(fù)荷屬于短期負(fù)荷預(yù)測(cè)，是目前比較常用的預(yù)測(cè)方法之一，可以有效調(diào)整水火電之間的組合，并對(duì)其實(shí)施優(yōu)化。預(yù)測(cè)一年之內(nèi)的負(fù)荷屬于中期負(fù)荷預(yù)測(cè)，能夠?qū)λ畮?kù)實(shí)施科學(xué)的運(yùn)行調(diào)度，制定燃料的具體使用計(jì)劃，以及相關(guān)損害機(jī)組的維修。預(yù)測(cè)周期在數(shù)年以上則屬于長(zhǎng)期的負(fù)荷預(yù)測(cè)，是電網(wǎng)規(guī)劃工作和改建工作開(kāi)展的重要數(shù)據(jù)基礎(chǔ)。

二、智能組合預(yù)測(cè)法

影響短期電力負(fù)荷預(yù)測(cè)效果的因素較多，并且時(shí)間越短的負(fù)荷預(yù)測(cè)工作要求誤差越低，如在測(cè)量24小時(shí)內(nèi)的負(fù)荷使用，需要保證預(yù)測(cè)的誤差和實(shí)際用量之間的誤差不得超過(guò)3%，如果是進(jìn)行長(zhǎng)期的負(fù)荷預(yù)測(cè)，則誤差可以增加到10%。因此在這種情況下就必須要改善電力負(fù)荷的預(yù)測(cè)方法，提升預(yù)測(cè)的效果以及精確程度，但是目前仍然沒(méi)有探索出一種單獨(dú)使用即可保證穩(wěn)定性和精確性的預(yù)測(cè)方法。智能組合預(yù)測(cè)法[1]則是將不同種預(yù)測(cè)方法進(jìn)行結(jié)合，并形成效果最佳的組合模式，整合多種預(yù)測(cè)模型的優(yōu)勢(shì)，最終達(dá)到最大限度提高預(yù)測(cè)精準(zhǔn)度的效果。智能組合預(yù)測(cè)法會(huì)先明確預(yù)測(cè)區(qū)域和預(yù)測(cè)對(duì)象，收集有關(guān)的負(fù)荷數(shù)據(jù)，利用計(jì)算機(jī)對(duì)負(fù)荷數(shù)據(jù)實(shí)時(shí)預(yù)處理，之后使用鯨魚(yú)優(yōu)化算法對(duì)Elman網(wǎng)絡(luò)進(jìn)行改進(jìn)，改進(jìn)之后利用其進(jìn)行預(yù)測(cè)。預(yù)測(cè)完畢后使用遺傳算法對(duì)輸出結(jié)果實(shí)施校正，根據(jù)矯正后的預(yù)測(cè)結(jié)果評(píng)估預(yù)測(cè)質(zhì)量。

三、智能組合預(yù)測(cè)法在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用

（一）利用鯨魚(yú)算法完成優(yōu)化

鯨魚(yú)算法[2]屬于優(yōu)化算法的重要方法之一，能夠模擬座頭鯨捕食的機(jī)制，前期進(jìn)行全局搜索，到后期進(jìn)行局部搜索。在算法初期，由于所需最優(yōu)解的位置是事先未知的，假設(shè)當(dāng)前的最優(yōu)搜索代理是某個(gè)搜索范圍內(nèi)的目標(biāo)解或者接近最優(yōu)的解。之后，其他搜索代理將通過(guò)一次次的迭代計(jì)算更新自己的位置。當(dāng)發(fā)現(xiàn)比當(dāng)前的最優(yōu)搜索代理更優(yōu)的解時(shí)，更新最優(yōu)搜索代理的位置。之后會(huì)不斷的進(jìn)行重復(fù)計(jì)算，結(jié)合具體的計(jì)算結(jié)果，完成復(fù)制操作交換操作以及突變等各種遺傳操作，直到出現(xiàn)最有解決方案為止。

（二）利用Elman網(wǎng)絡(luò)預(yù)測(cè)短期電力負(fù)荷

Elman網(wǎng)絡(luò)[3]在智能組合預(yù)測(cè)模型中是被改進(jìn)過(guò)的，具有動(dòng)態(tài)化的特定，能夠進(jìn)行反饋的網(wǎng)絡(luò)類(lèi)型，一般來(lái)講Elman網(wǎng)絡(luò)被分成4層。Elman網(wǎng)絡(luò)在經(jīng)過(guò)改進(jìn)之后，會(huì)在隱含層的輸入和輸出之間添加一層處理數(shù)據(jù)的環(huán)節(jié)，被稱(chēng)之為承接層，能夠起到延遲預(yù)測(cè)和存儲(chǔ)數(shù)據(jù)的效果。承接層能夠提供反饋的作用，保證Elman網(wǎng)絡(luò)可以始終對(duì)歷史數(shù)據(jù)保持高度的敏感性，可以對(duì)動(dòng)態(tài)信息實(shí)施更加高效精確的處理，進(jìn)而形成動(dòng)態(tài)建模的效果，與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)[4]相比，擁有著極大的優(yōu)勢(shì)。傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)為了保證預(yù)測(cè)的有效性，會(huì)在輸入層的內(nèi)部存儲(chǔ)極多的歷史電力負(fù)荷信息，進(jìn)而導(dǎo)致BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練負(fù)擔(dān)有所提高，容易陷入預(yù)測(cè)誤區(qū)。在改進(jìn)Elman網(wǎng)絡(luò)之后則能將隱含層輸入的內(nèi)容及時(shí)反饋回來(lái)，最終成為一個(gè)動(dòng)態(tài)化的網(wǎng)絡(luò)，不僅能夠及時(shí)將隱含層的情況進(jìn)行保存，還可以立即將其反饋回去，使得Elman網(wǎng)絡(luò)具有動(dòng)態(tài)化的記憶能力。

（三）利用遺傳算法完成矯正

遺傳算法[5]屬于概率優(yōu)化的重要方法之一，能夠模擬生物進(jìn)化機(jī)制以及遺傳的變異機(jī)制，并且遺傳算法對(duì)于被優(yōu)化的目標(biāo)函數(shù)沒(méi)有過(guò)多的要求，可以在短時(shí)間內(nèi)及時(shí)找到優(yōu)化問(wèn)題的解決方法，因此在各個(gè)領(lǐng)域都有著廣泛的應(yīng)用。利用遺傳算法對(duì)初始數(shù)據(jù)進(jìn)行優(yōu)化時(shí)，可以將其中的候選者進(jìn)行編碼，并利用二進(jìn)制串的方式來(lái)表示不同個(gè)體，從0開(kāi)始計(jì)算遺傳的次數(shù)，之后確定字符串長(zhǎng)度以及產(chǎn)生的初始群體。之后會(huì)不斷的進(jìn)行重復(fù)計(jì)算，結(jié)合具體的計(jì)算結(jié)果，完成復(fù)制操作交換操作以及突變等各種遺傳操作，直到出現(xiàn)最有解決方案為止。

結(jié)束語(yǔ)：

隨著我國(guó)電網(wǎng)建設(shè)速度的不斷提升，用戶所使用的負(fù)荷量也在持續(xù)增加，因此所產(chǎn)生的數(shù)據(jù)，也逐漸向著海量化和高維度化的方向進(jìn)行發(fā)展，這就要求相關(guān)部門(mén)必須使用準(zhǔn)確的電力負(fù)荷預(yù)測(cè)方法來(lái)判斷電力負(fù)荷用量，進(jìn)而對(duì)電網(wǎng)系統(tǒng)進(jìn)行合理的分布和規(guī)劃。在目前的電力負(fù)荷預(yù)測(cè)過(guò)程中，負(fù)責(zé)電力負(fù)荷預(yù)測(cè)的工作人員不僅需要應(yīng)對(duì)海量的電力負(fù)荷數(shù)據(jù)，同時(shí)也需要掌握不同的運(yùn)算算法，這些算法的復(fù)雜程度都比較高，容易在預(yù)測(cè)過(guò)程中出現(xiàn)一定的阻礙。

參考文獻(xiàn)：

[1]唐德棟. 基于人工智能的短期電力負(fù)荷預(yù)測(cè)方法研究[D].中國(guó)地質(zhì)大學(xué)（北京），2020.

[2]陳友鵬，陳璟華.基于鯨魚(yú)優(yōu)化參數(shù)的最小二乘支持向量機(jī)短期負(fù)荷預(yù)測(cè)方法[J].廣東工業(yè)大學(xué)學(xué)報(bào)，2020，37（03）：75-81.

[3]吳飛，李霆，張航，李金湖，林翰，林朝燈.基于CWOA-ELM的短期電力負(fù)荷預(yù)測(cè)研究[J].電子測(cè)量技術(shù)，2020，43（04）：88-92.

[4]張武軍，程遠(yuǎn)林，周捷，潘軒.基于特性分析的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)短期電力預(yù)測(cè)方法[J].湖南電力，2020，40（03）：17-22.

[5]陳浩，戴欣.基于遺傳算法優(yōu)化前饋神經(jīng)網(wǎng)絡(luò)模型的配電網(wǎng)短期負(fù)荷預(yù)測(cè)[J].科技創(chuàng)新與應(yīng)用，2020（05）：7-9.