电力论文

您当前的位置:学术堂 > 水利论文 > 电力论文 >

采用模糊聚类方法对短期负荷预测模型设计内容探讨

来源:漯河职业技术学院学报 作者:杜文凯
发布于:2021-10-29 共5270字
  本篇论文快速导航:

展开更多

  电力负荷预测论文第四篇:采用模糊聚类方法对短期负荷预测模型设计内容探讨

  摘要:以短期负荷预测模型精确度的提高为重点工作方向,采用模糊聚类方法对短期负荷预测模型设计内容进行探讨。首先,在总体气象因素中做出划分,形成以气温、风速为代表的各类细分因素,再将其与周、日等时间信息关联,构成相似日的影响因素,依据模糊规则创建模糊系数特征映射表,在满足因素的量化需求外,还可视实际情况实时添加新规律。

  关键词:模糊聚类;短期电力负荷;量化评估模型;

  通过模糊聚类方法,可以有效减少样本数量,有利于提高选取速度;且模型具有全面性,能够兼顾气象或其他因素对电力负荷预测的具体影响,从而规避以往负荷过于随机化的问题。由仿真结果可知,模拟聚类方法可以获得更高的预测精度,发挥模型的信息参考价值,综合应用效果较佳。

  1 短期电力负荷预测

  短期电力负荷伴有较显着的周期性变化,受扰因素包括经济、天气等。在针对短期电力负荷进行预测时,需要充分考虑具体的影响因素,在确定周期性后进一步探寻波动规律,采集并完整记录期间的各项数据,建模并分析,从而大体估计出短期的负荷数据[1]。整个流程所涵盖的主要内容如下:

  (1)提前制订计划,给后续短期负荷预测工作提供引导,包含作业内容、预测目的;确定具体预测时间,应具有动态化的特点,提高预测的灵活性。

  (2)经前期初步规划后,可高效收集负荷数据,具体应以预测影响因素为依据进行数据收集,包括负荷、历史气象等方面的数据。在数据收集过程中,应充分考虑准确性和连贯性的双重要求,尽可能减小数据误差,否则易对后续负荷预测结果的准确性带来不良影响。

  (3)历史数据不具备直接使用的条件,因此应对其进行预处理,剔除缺乏使用价值的数据。此操作会引起数据缺失的问题(因剔除不良数据而引起),因此需要再次收集与补充相关数据,以形成完整的数据群。

  (4)以数据全面且可行为前提,选择合适的预测方法,再次进行建模操作。预测方法的选择需要紧密结合工作目标以及现有数据的状况,以合理的方式创建模型,在确保模型无误后,则需要明确模型的具体参数,切实提高预测结果的精确度,由此得到待预测的负荷数据。

  (5)正式预测,生成预测结果,并对其进行分析,根据实际情况动态优化模型,以提高各项参数的合理性,经多次操作后确定合适的方案,保证具有较高的预测精度。

  2 模糊聚类分析

  在电力负荷预测工作中,模糊聚类理论占较大的比重。从电负荷受扰的角度来看,多方面的因素均会对其带来影响,通过负荷预测,系统地考虑各项影响因素,建立负荷与具体影响因素的关联模型,将其视为整体,由此进行数据的加工与处理工作。

  聚类分析方法充分考虑研究对象的特性,在确定其亲疏关系后做出分析,可较为清晰地描绘内在组合关系。但就实践层面而言,分类问题的难度较大,具体体现在各类别的界定层面,彼此间存在千丝万缕的联系,依靠常规方法难以有效满足界限准确性的要求,不利于预测工作的顺利开展[2]。在此背景下,模糊数据技术得以应用,通过该技术的支撑作用,可提高聚类分析结果的可靠性,由此形成集多重技术于一体的模糊聚类分析方法。

  3 相似日

  在有关短期负荷预测的大量研究中,研究人员逐步拓宽了影响因素的范围,认为天气状况、日期类型等因素均不容忽视,可确定与预测日在上述因素上均具有高度相似性的历史日,而对用电负荷而言,两者也具有较强的相似性,在具备此关系后则将其称为相似日。根据现阶段电力公司的工作状况可知,相似日方法已经得到广泛应用。经验在该方法中具有主导作用,即相似日的选取需要借助经验来实现,相关技术人员经过长期工作积累,可以较为精准地摸索出相似日的规律,有利于保证预测结果的精度[3]。但部分从业者因自身技术水平、工作经验等方面的限制,易出现相似日结果准确性不高的问题。由此表明,在电力负荷预测中,相似日的精确选择为重难点内容。

  相似日方法的主要工作思路如下:首先,在各类因素中做出筛选,并非任何因素均具有可用性,因此需要从中剔除无用部分,将可用的因素用于表征预测日的特征;其次,制定寻找相似日的标准,并在其引导下确定基于预测日的相似日;再次,汇总相似日的有用数据,做进一步的训练处理。在短期负荷预测过程中,若采用相似日方法,则应着重做好如下两方面的工作:

  (1)查找相似日。以预测日为准,在历史阶段内筛选出各项因素均与之具有高度接近特性的相似日,应明确预测日的具体特征向量,并确定具有可行性的评估标准。围绕预测日展开全面分析,在大量影响因素中进行筛选,梳理各类因素的重要程度,从中确定影响比重较大的因子,在此基础上可确定预测日的特征向量。遵循适度性原则,建立评估标准,在严格与宽松间寻找均衡点,在得到评估标准后,则能够掌握历史日期与预测日所具有的相似度,经过对比分析后可得到最为合适的相似日。

  (2)负荷预测。在明确相似日后,可以借助该部分数据开展预测模型的训练操作,目的在于提高预测精度,丰富数据的可利用价值。在负荷预测过程中,相似日的准确性为重点控制内容,对最终的预测精度具有决定性影响。

  3.1 不同日的差异度与相似度

  假定Xi=[xi1,xi2,....,xim]指的是第i日的各特征向量因素(特征向量总数为m个),Di=[di1,di2,...,di T]指的是第i日的负荷(数据点总量为T)。根据该规律,可以确定第i日的量化特征因素,即Ki=(Xi,Di)。为便于分析,提出不同日的“差异度”概念,具体而言,任意两天由于特征向量因素的差别而表现出的差异程度即由其描述[4]。

  3.2 计算的相关处理

  在差异度Kij减小的条件下,i、j两天的因素具有更高的相似性,具体体现在日期类型、星期类型、天气类型等方面,为保证相似度具有足够的准确性,在分析阶段应密切关注如下内容:

  (1)对于各xik,xjk,均要将其映射至[0,1]区间内,其目的在于方便后续分析工作的顺利开展,提高因素间的可比性。但需注意,各类因素的影响程度不尽相同,部分因素的影响具有决定性作用,此时应重点对待,将其在[0,α]上映射(满足α>1的要求),以满足因素的主次关系。

  (2)对于日最高或最低气温、气压等具备量化的因素,较适宜采取线性映射的方法;日期差(i-j)呈现出近大远小的变化特点,因此也可以应用线性映射的方法;若为星期类型的因素,则应当引入分组映射的方法,具体可划分为周一至周五、周六至周日,由此达到有效区分工作日和休息日的效果[5]。

  3.3 基于模糊聚类选取相似日的短期电力负荷预测模型

  按特定流程有序开展预测工作,具体如图1所示。

 1.png

  图1 预测流程图  

  3.4 仿真分析

  结合某电力公司在某地区2019年6月1日至2019年8月5日的数据,经整合后作为样本数据集,由此预测同年7月20日和22日两天的负荷值。从最高及最低气温、天气类型的角度切入,选取相似日,对应预测日均取10个训练数据(要求在天气数据、日期类型方面均具有相似性,在此条件下确定该相似日的数据),经过db3小波变换后,完成负荷数据的4层小波分解操作[6]。此后,引入PSO优化的SVM,在其支持下高效完成低频负荷预测工作;引入加权平均法,以便完成高频部分的预测。通过两种方法的综合应用,取得预测负荷曲线。两个预测日的具体预测负荷曲线分别如图2、图3所示。

 1.png

  图2 2019年7月20日负荷预测曲线  

 1.png

  图3 2019年7月22日负荷预测曲线  

  结合上述分析可知,从预测精度的角度来看,相比于PSO-SVM网络而言,相似日方法所得结果的精度更高,表明其在短期电力负荷预测中具有更好的应用效果。

  4 短期电力负荷预测系统

  4.1 系统总体结构组成

  采集所得的数据不具备直接使用的条件,需将其导入系统内,由此形成以历史电力负荷为基础的核心数据库;根据所掌握的数据,创建模型,利用所得的模型开展电力负荷的预测工作,在电网的调度端可产生预测结果;经前述工作后,电网工作人员可灵活调整调度计划,实现对发电计划的优化。短期电力负荷预测系统所具备的主要功能如下:

  (1)软件用户信息。由于各计算机的MAC地址存在差异,则在系统的设计工作中以计算机MAC地址为依据,创建相应的用户名及密码,各计算机分别对应特定的密码,形成配套关系,可有效保证软件的保密性能。

  (2)针对负荷数据的操作,可结合需求及时获取历史负荷数据,以缩短所需时间,提高数据的可靠性。

  (3)通过相似日方法的应用,可以高效完成对短期电力负荷的预测工作,加之曲线图形的应用,可直观地呈现历史数据和预测数据,以便用户可根据需求快速获取预测信息。

  (4)历史的预测数据均得到有效存储,其完整性也得到了保障,后续可根据需求快速查阅,省时省力。在设计软件时,需从整体上看问题。先确定细分的功能模块,再根据各自的功能特点编写代码,要求各模块独立运行,再通过模块联通,形成完整的系统[7]。各模块均具有独立的功能:数据导入模块能够完整汇总数据,将其整合至预测系统;相似日选取模块从多项因素切入,开展对比分析,从而选择影响因素相近的历史日,给后续预测工作提供依据;功率预测模块在完成数据的预处理操作后,对未来24 h的电力负荷进行预测;误差分析模块能够综合对比预测结果和实际数据,明确两者间所产生的误差,对预测的准确性做出判断;数据保存模块能够全面记录前期产生的数据和图像,供后续分析使用[8]。

  4.2 系统开发工具

  MATLAB为典型的仿真软件,通过其中GUI模块的应用,可以高效完成软件系统的设计工作,避免常规方式下对算法进行移植的繁琐作业环节,是开发短期电力负荷预测系统的关键工具。

  4.3 系统界面和测试

  4.3.1 用户登录模块

  用户登录模块可对用户的信息做出甄别,通过后则允许用户进入系统进行相应操作。系统未提供用户注册功能,在该机制下,各用户名和密码的产生均建立在计算机MAC的基础上,意味着各计算机分别对应一套独立的用户名和密码,更有利于开发者权益保护。

  4.3.2 数据导入模块

  数据导入模块的主要作用在于汇总数据并导入,创建Excel文件,包括历史负荷数据、气象因素数据等,可根据数据的类别精准呈现。

  4.3.3 相似日查找模块

  通过模糊聚类方法,可以实现气象因素数据的有效处理,再从中筛选因素相近的相似日;融入报错机制,保证输入日期的格式具有可靠性和秩序性,以免因特殊情况而导致程序崩溃。报错界面如图4所示。

 1.png

  图4 报错界面  

  4.3.4 负荷预测模块

  电网调度部门需通过预测,对未来24 h的电力负荷变化情况形成准确的认识,根据此结果灵活优化电力调度计划,给电网的运行提供良好的条件,使其具有安全、稳定、高效的特点。以负荷预测模块为重要支撑,可高效发布24 h的负荷预测数据,也可根据需求及时查询历史功率数据,所产生的预测结果将通过折线图的形式完整呈现,管理者也可根据需要借助Excel导出,期间产生的各项数据均能得到完整的记录[9]。

  4.3.5 误差评价模块

  在制定电网调度计划时,需要充分考虑误差评价工作,即获得具体的误差数据,以此为依据制定更为周全的计划,同时也有利于提高负荷预测的精度。应用误差评价模块可以将真实值与软件预测值进行对比分析,从而对软件所得预测数据的准确性做出判断,即该部分数据是否具有可行性[10]。由于数据的体量较大,为了更加精准地分析,导入平均误差、相对误差及最大误差,通过此类具有代表性意义的数据,切实提高分析的精准度。

  4.3.6 数据保存模块

  数据保存模块的功能均围绕负荷数据进行,如对历史负荷数据的存储操作(包含数据、图像等多种形式的资料),可深度整合各部分数据,在软件中以更为直观化的方式呈现,用户可根据需要直接查询,避免了数据查询繁琐、流程复杂、精准度不足等问题。同时可以对各类历史数据打印报表,以便用户在后续工作中根据需要快速查阅。由此可见,在数据保存模块的支持下,提高了数据的可用性与可靠性。

  5 结语

  以模糊聚类方法为基本支撑,通过模糊规则的应用,创建短期电力负荷预测模型,所覆盖的气象因素较为全面,考虑到该类因素对电力负荷预测所带来的具体影响,再结合映射表,从中选择与预测日具有高度相似性的历史日,将其视为相似日对待,由此来训练PSO-SVM。经一系列的操作后,提高了预测结果的精度,信息的可利用价值较高。

  参考文献

  [1]危志强.基于改进模湖聚类算法的短期负荷预测研究[D].南昌:南昌大学, 2020.

  [2]陈馨凝基于相似日聚类和改进DRESN的短期负荷预测研究[D].武汉:湖北工业大学, 2020.

  [3]刘晓悦,魏宇册,马伟宁基于改进混沌搜索的AMPSO-BP短期负荷预测[J].水电能源科学, 2020(4):189-192.

  [4]李福东,曾旭华,魏梅芳,等基于聚类分析和混合自适应进化算法的短期风电功率预测[J].电力系统保护与控制, 2020(22):56-61.

  [5]林女贵.于集合经验模式分解的ARIMA行业售电量预测模型[J]电力科学与技术学报,2019(2):14-17.

  [6]潘良军,王楷,赵宏炎,等.基于春节影响时期分析的中期负荷智能预测[J] .智慧电力, 2020(9):89-92.

  [7]杨颖,杨少华,张燕,等基于相似日的短期电价区间预测[J]智慧电力, 2018(12)-89-95.

  [8]孙毅,石墨,单葆国,等基于粒子群优化支持向量机的电能替代潜力分析方法[J]电网技术, 2017(6):110-114.

  [9]郭丽娟, 孙世宇,段修生支持向量机及核函数研究[J]科学技术与工程, 2008(2):67-71.

  [10]段俊东,黄家兴负荷动态特性变化对电力系统静态电压稳定性的影响研究[J].I矿自动化, 2012(2):34-38.


返回本篇论文导航
作者单位:福建水利电力职业技术学院电力工程系
原文出处:杜文凯.基于模糊聚类的短期负荷影响因素量化评估模型[J].漯河职业技术学院学报,2021,20(03):30-33.
相关内容推荐
相关标签:
返回:电力论文

1.将微信二维码保存到相册

2.打开微信扫一扫从相册识别

1.点击下面按钮复制QQ号

3008635932

2.打开QQ→添加好友/群

粘贴QQ号,加我为好友