水暖之家讯：该文在对浙江电网负荷预测管理系统现状和困难分析的基础上，提出了省地一体化的浙江电网负荷预测管理系统构建思想。通过对省地一体化管理系统体系结构和功能结构的分析，构建了省地一体化的浙江电网负荷预测管理系统总体架构。同时对数据预处理、变量降维和实时气象因子处理等关键技术进行了重点研究。关键词：负荷预测；实时气象；数据挖掘；管理系统；电力负荷预测管理系统是电力系统运行调度、生产规划、电力市场竞价决策的重要组成部分。做好电力负荷预测管理工作可以有效降低电网公司运行成本和提高电力设备运行效率，其预测精度不仅影响到电网安全可靠供电，而且直接影响到电网经营企业的生产经营决策及经营效益。随着电力改革的深化、电力市场的开放，进一步提高短期负荷预测管理水平愈显得重要和迫切。在理论方面，目前国内外的预测应用软件大多基于特定的少数的几种模型[1，2，4，7]，而选择模型单一造成的后果是预测结果往往只对某种发展规律有效，当事物发展规律改变时，如果仍然采用原有的单一模型，就会造成预测结果偏差过大，从而失去了预测的实际意义。尤其是对于使用系统的各个供电公司，由于发展水平不同，用电结构不同，负荷特性差异很大，特定的某种预测方法将很难在各地都发挥出良好的效果。另外，在电力市场环境下，影响电力发展的因素非常多，包括经济发展、
能源消费、气象条件等等众多影响因素。在技术实现方面，目前国内还没有成熟的省地一体化负荷预测分析管理技术支持平台，采用的预测应用软件都不同程度存在缺陷，如使用小型的数据库甚至不用数据库，数据共享性差，网络化功能基本没有；很难考虑或不考虑相关因素的影响等等。基于以上分析，我们提出了以下改进负荷预测管理的基本思路：开展省地一体化负荷预测管理系统的研究，为预测与决策人员提供完善的工作环境及科学决策
工具，实现浙江电网各级规划计划部门的电力市场需求分析与预测工作协调统一，彻底实现信息共享，实现信息标准化、自动化、科学化和敏捷化，使得全省的电力市场分析预测工作水平和工作效率得到持续提高。对实时气象对浙江电网负荷的影响开展比较深入的研究。采用数据挖掘技术对海量数据进行预处理，找出和负荷较为相关的气象因素，使变量降维。为表示电力负荷和气象关系本质上的非线性关系[5]，利用SPSS软件分时段建立电力负荷与气象的非线性回归模型。1省地一体化的负荷预测管理系统研究省级应用系统和服务器布署在浙江省电力公司电力调度中心。省电力公司及多个供电公司的授权人员可通过内部局域网直接访问Web服务器；有与浙江省电力公司相连接的广域专网条件的授权用户通过系统内专网访问Web服务器；不具备专线接入条件的授权用户可通过拨号接入的方式接入省电力公司局域网，实现对本系统的连接，通过指定的用户账号登录本系统。本系统内的网络通迅全部基于TCP/IP协议。供电局级应用系统将布署多个供电公司。各地区供电公司的授权人员将通过该地区电力局域网直接访问Web服务器；有与该地区供电公司相连接的广域专网条件的授权用户通过系统内专网访问Web服务器；不具备专线接入条件的授权用户可通过拨号接入的方式，接入地区供电公司局域网，实现对本系统的连接，通过指定的用户账号登录本系统。该系统内的网络通迅也全部基于TCP/IP协议。2关键负荷预测技术研究2.1数据预处理－变量降维研究对象：浙江省的实时气象数据和负荷数据。根据浙江电力负荷的特点，浙江电网夏季高峰较冬季高峰更具有研究价值[3]，因此对浙江省2006年4月1日～9月30日的实时气象数据和负荷数据进行统计分析。其中，实时气象数据的时间间隔为3h，全省分为10个地区观测，每个地区包括9个气象要素，名称和定义如表1所示。全省每天共有720个气象数据。负荷数据则为全省每天96点负荷值组成。表1气象因子名称和定义坏数据处理。原始气象、负荷数据中存在着一定数量的不良数据或错误数据。不良数据是指由于不符合概率统计的随机干扰，如气象状况的突然变化、人为限电、系统或用户事故造成的不良记录。错误数据是指测量
仪表或远动通道故障或者人为抄表错误造成的数据记录。如果对这些数据不做适当的处理，将对分析造成较大的误差。气象库中如无观测数据可由前一天正常值代替。负荷数据则可以根据每天负荷曲线形状的相对固定来判定是否为坏数据。具体步骤为：设对k天的负荷数据进行坏数据判断，计算第k天第i点全省负荷的曲线形状系数式中Lk，i——第k天第i点的全省负荷。同样方法计算前3天第i点的曲线形状系数，分别记为Sk-1，i，Sk-2，i，Sk-3，i，并按“近大远小”的原则加权计算近期曲线形状系数。如果，则认为Lk，i是坏数据，用Lk-1，i代替。使用相关系数对变量降维。使用相关系数法排除与目标变量相关性低的变量。主要有以下三种方法：皮尔逊相关系数法（此方法对于异常值和非线性的情况敏感）、采用Spearman相关系数法（此方法对于异常值和非单调的情况敏感）和Hoeffiding统计量（对有着多种关系的观测变量敏感）。鉴于本文研究的问题为非线性回归方程。因此采用第一种方法计算相关性，并删除相关系数值大于0.25的变量（如风向等不相关变量），得到第一步相关性较高的变量集。使用变量聚类再次降维。变量聚类的目的在于排除冗余变量．依据的原则是聚类后同一类别中的变量都是相似的变量，可以只取一个代表变量。变量选取的原则是尽可能是组内相关性强而组间相关性弱的变量，即最能代表本类别中的变量而与其他类别的变量最不相关的变量。这一原则本质上也是考虑多变量共线性的问题，即尽可能做到所选的自变量间不相关。表2为某地区8:00~11:00时段实时气象因子和全省负荷相关关系分析表。从表2中可以看出，气温和负荷的相关系数最大，和风向的相关系数最小，和平时的预测经验一致。经过以上两个步骤，将每时段的气象变量维数从9个降到3个。表2地区8:00～11:00时段实时气象因子和全省负荷相关关系分析表2.2实时气象因子处理根据气象因子和电力负荷在不同时段的变化规律，对全省负荷采用分步、分时、分段、差分建模的方法，即将同气温关系不大的因素与同气温关系密切的因素分开，节日负荷与非节日负荷分开，按一天不同时段分开，采用差分方程形式进行非线性回归方程建模。由高等数学中的幂级数理论，任何连续函数都可以用分段多项式来逼近，气象因子和电力负荷回归建模常用的方程式为二次多项式。分段非线性回归模型参数如表3所示[4]。按照以上所述方法，对实时气象因子和电力负荷建立回归方程如下：对于第i时段▽Li=b0 b1×▽Ti b2×▽Ti2 b3×▽Ri b4×▽Ri2 b5×▽Ci b6×▽Ci2 e式中▽Li——前后两天第i时段负荷的差分；▽Ti——前后两天第i时段气温的差分;▽Ri——前后两天第i时段降雨量的差分；▽Ci——前后两天第i时段云量的差分；e——N(0，)。表3分段非线性回归模型参数表3预测效果验证为了验证上述设计思想的可行性以及预测效果，我们建立了该系统的一个原型系统，对2007年4月10日～4月23日浙江省负荷分别采用本系统和采用基于日特征量的常规线性回归方法进行连续14天的实际预测，14天的预测精度比较表如表4所示。表42007年4月10日～4月23日预测误差的比较从表4中可以看出14天中本系统的预测误差均值和方差都低于常规方法，表现出较好的预测精度和稳定性。4结束语随着电力工业不断的发展，电力调度部门的数据库管理与维护技术日趋成熟，如何围绕电网的安全、稳定、优质、经济运行，建立基于计算机、网络通信、信息处理技术及安全管理模式的浙江电网省地一体化的负荷预测分析管理技术支持平台，很有实际研究价值。浙江电网省地一体化负荷预测管理系统建成后，将实现浙江全网各级调度部门的电力、电量需求分析与预测工作协调统一，彻底实现信息共享，实现信息标准化、自动化、科学化和敏捷化，使得全省的电力市场分析预测工作获得整体水平上的提高，并为预测与决策人员提供一个完善的工作环境及科学决策工具。参考文献[1]鞠平，姜巍，等.96点短期负荷预测方法及其应用[J].电力系统及其自动化，2001，22(11).[2]A.Azadeh，S.F.Ghaderi.S.Sohrabkhani.ForecastingelectricalconsumptionbyintegrationofNeuralNetwork，timeseriesandANOVA.AppliedMathematicsandComputation，2007，186(2):1753-1761.[3]李继红，张锋.气温对浙江电网用电量影响的研究.华东电力，2005，33(11).[4]刘燕，龙新峰，等.电力负荷非线性预测方法与研究方向探讨.广东电力，2005，7.[5]XinLu，ZhaoYangDong，XueLi.Electricitymarketpricespikeforecastwithdataminingtechniques.ElectricPowerSystemsResearch，2005，73(1):19-29.[6]张尧庭.多元统计分析引论.北京：科学出版社，2003，314-349．[7]蔡有光，等.浙江省短期负荷预测系统可行性研究报告，2007.[8]JamesWTaylora，RobertoBuizzab.Weatherensemblepredictionsinelectricitydemandforecasting.InternationalJournalofForecasting，2003，19:57–70.水暖之家是专注于
电气,电气工程,水暖,电气设备等装饰材料的各种新闻资讯和电气,电气工程,水暖,电气设备各十大品牌的
装修效果图与网络营销服务,敬请登陆水暖之家http://shuinuan.jc68.com/
