基于自回归误差的短期负荷预测中的应用研究
来源:用户上传
作者:
摘 要：电力系统在国民经济发展中具有重要地位，保持电网的供需平衡是电力系统稳定运行的基础。为了更好的解决供电系统的日前调度问题，文章针对Lyapounov最大指数法嵌入维数提出了一个自回归误差算法，它克服了以往人为对嵌入维数取值造成的不准确问题。同时，通过提出的回归算法模型还可以解决由于人为因素造成的预测误差较大及误差具有随机性问题，能够使得电网发电机组备用计划制定更加合理，减少了发电机组由于备用不合理带来的经济损失。
关键词：自回归误差;Lyapounov最大指数法;相空间重构;嵌入维数;短期负荷预测
中图分类号：TM715 文献标志码：A 文章编号：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
电力系统作为国民经济发展的基础，在社会建设发展中占据了重要的地位，由于目前存储技术不能够满足大容量电能存储需求，这使得电网运行必须满足供需平衡。对电力系统[1-2]而言实现供需平衡的一个重要手段就是日前调度。而日前调度的依据是电网负荷量，因此对电网进行短期负荷预测就显得及其重要。随着智能电网逐步的建立与发展，负荷预测技术已经成为了智能化背景下的研究热点，传统的预测技术是利用时间序列之间的相关性来建立线性预测模型，如自回归模型等，然而在实际的应用中采集到的时间序列一般都是非线性的例如电力负荷序列，若继续使用传统的线性预测模型将会导致预测精度下降。针对这一问题，通常采用非线性时间序列分析方法，采用相空间重构对非线性时间序列的电力负荷进行短期的预测，但其求取出来的短期电力负荷预测的误差较大，其中部分误差超过了规定的3%的允许值[3-4]，而误差范围的增大则代表了负荷预测的不可靠性，这会对电网公司进行日前调度发电机备用计划产生一定的影响并造成一定的经济损失。
为了提高短期负荷预测[4-6]效果且有效降低误差范
围，通过多次的仿真及数据分析，最后发现预测的结果和嵌入维数的选取有较大的关联，在传统Lyapounov指数法预测中，嵌入维数的选取是根据人的主观意识来进行判断选取的，缺乏客观的模型对嵌入维数进行精确的定位，为了有效的解决这一问题，本文提出一种基于自回归误差算法的改进Lyapounov最大指数预测方法，来实现对嵌入维数的判定，以此来提高短期负荷预测的可靠性和准确性，通过对改进前后预测值的对比分析，发现采用本方法得到的短期负荷预测值最大误差有了明显的降低，所得预测数据也更加准确，同时也证明了该方法的可行性和有效性。
1 改进的Lyapounov最大指数法
在相空间重构中，嵌入维数m的选取很大程度上影响着负荷预测的误差范围。
1.1 嵌入维数的求取
1.2 基于自回归误差算法的改进
采用传统的Lyapounov指数法下进行的短期负荷预测仿真结果的误差范围较大，很多预测结果都超出了允许的误差范围，这不仅会影响电力系统日前调度计划的准确性，而且还会造成相应的经济损失。传统的嵌入维数的选取是根据式（4）中E1（d）的波动变化由人为观察判断来确定，并没有根据模型对E1（d）参数变化值进行准确的计算，在由Cao算法得出的数组{e1，e2，e3，...，em，...，en}中，采用传统的主观判断法观察出来的嵌入维数为em，而从em+1到en的波动变化很小，在观测中往往被忽视掉而导致了结果的大误差出现，且在对嵌入维数进行取值时会由于观测者的主观判断不同导致有不同的误差存在，造成采用的最小嵌入维数预测的负荷误差具有随机性，这会使得预测的短期负荷值脱离实际值，造成日前电力调度计划制定的不准确，而采用误差均值可能会因为前面的波动过大影响精准度，为了解决上述问题，本文提出了基于自回歸误差算法的改进Lyapounov最大指数算法，在原有的最大Lyapounov最大指数法的基础上对原Cao方法求嵌入维数进行了改进，从主观判断改进为采用偏离平方和作为指标对所得数据的离散程度进行判断比较，利用反向回归算法来保障嵌入维数求取的准确性，从而有效的降低预测最大误差程度，实现负荷预测的小误差高精度，其具体构造如下： 表1为部分截取的改进前后Lyapounov指数法的短期负荷预测值与实际负荷值的误差进行了对比分析。采用的分析数据为主观选取维数获得的预测值和本文提出的算法得出维数获取的预测值。
从表1中可以看出采用本文提出的基于自回归误差算法改进后的短期负荷预测数值误差范圍从主观预测误差的0%-5.41%降到了0%-2.6%。此外，不仅最大误差有明显的降低而且误差范围也更加收敛，这大大的增加了预测值的可靠性和准确性，并且改进后的误差都在3%的允许误差范围内，满足了规定的短期负荷预测的误差要求。采用本文算法提出的误差范围明显缩小，这对电网的日前电量调度有着重要的意义，因为电量具有不可存储的特殊性，故预测误差范围的降低能够有效的解决因误差率导致的经济损失问题。该仿真结果不但证明了本文提出的观点，即嵌入维数的选取在一定程度上影响了负荷预测，同时也证明了所提出的改进Lyaponuov最大指数预测方法对短期负荷预测的精准性，它可以有效的提高电力系统日前调度计划的可靠性和精准性，有助于电力系统的稳定运行。
3 结论
本文提出了一种基于自回归平均误差算法的维数求取方法，该方法可以有效的解决由于传统采取人为主观对嵌入维数选取具有随机性问题。而且，通过对改进的Lyapounov最大指数算法，可以获得更加准确的嵌入维数，由此可以最大程度的解决因由于采用主观选择嵌入维数而导致的预测误差范围较大，预测数据可靠性不足的缺点。通过仿真对比显示，改进后的Lyapounov最大指数方法得到的预测误差范围更小，预测值可靠性更高，对电网负荷的预测值更加准确，为电网公司日前调度提供了更加可靠的数据支撑，有利于电网的安全稳定运行。
参考文献：
[1]王轩，程沛沛，田野，等.电力系统规划设计在电力工程设计中的应用[J].机电产品开发与创新，2014（6）：13.
[2]吴松.浅析电力系统规划设计在电力工程设计中的应用[J].大科技，2014（3）：57-58.
[3]庞亚亚，王书源，韩璐.电力系统负荷电量预测的研究[J].电气时代，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.
转载注明来源:https://www.xzbu.com/1/view-14886929.htm
