馮麗云

（山西省晉城市水利局，山西晉城 048000）

電力負(fù)荷預(yù)測(cè)是電力系統(tǒng)的研究熱點(diǎn)之一［1－3］．短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)調(diào)度和管理部門制定負(fù)荷分配及開停機(jī)計(jì)劃的主要依據(jù)．人工神經(jīng)網(wǎng)絡(luò)［4］、支持向量機(jī)［5］等方法在電力負(fù)荷預(yù)測(cè)中的應(yīng)用取得了較好的效果．但人工神經(jīng)網(wǎng)絡(luò)方法具有隱層結(jié)點(diǎn)數(shù)不易確定、易陷入局部極小值、過擬合等缺陷;支持向量機(jī)在訓(xùn)練數(shù)據(jù)時(shí)存在數(shù)據(jù)處理量太大、處理速度慢等不足．遺傳程序設(shè)計(jì)（Genetic Programming，GP）采用層次可變的形式表達(dá)問題，通過不斷復(fù)制、交叉、變異以適應(yīng)客觀事實(shí)數(shù)據(jù)，針對(duì)具體問題自動(dòng)給出恰當(dāng)?shù)暮瘮?shù)解形式，在預(yù)測(cè)領(lǐng)域得到了廣泛應(yīng)用．如鞠平等將GP應(yīng)用于電力負(fù)荷預(yù)測(cè)，可自動(dòng)找出與負(fù)荷變化密切相關(guān)的因素［6］．

短期負(fù)荷預(yù)報(bào)需要考慮的影響因素有很多，如溫度、降水量、風(fēng)力等，各種因素的影響最終又會(huì)反映到負(fù)荷的變化上;而相似日的選取中能直接考慮各種相關(guān)因素［7］．筆者通過日特征量和日前趨勢(shì)相似度及綜合度量選取多個(gè)相似日，利用遺傳程序設(shè)計(jì)進(jìn)行建模，得到預(yù)測(cè)日的對(duì)應(yīng)負(fù)荷．

1 相似日的選取

使用相似日的負(fù)荷數(shù)據(jù)可以提高預(yù)測(cè)結(jié)果的精度［5，8］．日特征相似時(shí)，其負(fù)荷特征曲線的形狀并不一定相似，所以在選取相似日時(shí)需考慮其負(fù)荷特征曲線形狀的相似度．某特征曲線形狀相似度等價(jià)于趨勢(shì)相似度．這里從日特征相似度和前趨勢(shì)相似度綜合的角度選擇趨勢(shì)相似日．

定義1i，j兩日的日特征相似度為

式中：Oij表示日特征相似度，它是m維空間中兩個(gè)日特征向量之間的夾角余弦，反映了這兩日的特征量在m維空間上的距離大?。?/p>

定義2i，j兩日的前趨勢(shì)相似度為

由上述定義可知，某兩日的前趨勢(shì)相似度涉及該兩日的趨勢(shì)相似度所涉及對(duì)象的大部分，因此可以利用這兩日的前趨勢(shì)相似度對(duì)它們的趨勢(shì)相似度進(jìn)行評(píng)估．將Oij和Fij結(jié)合，則有

式中：Tij為i，j兩日的趨勢(shì)相似度;μ，λ 為參數(shù)，可根據(jù)歷史日期與參照日之間的趨勢(shì)相似度、前趨勢(shì)相似度及日特征相似度，應(yīng)用最小二乘法優(yōu)化求得．

2 短期負(fù)荷預(yù)測(cè)模型

影響短期電力負(fù)荷預(yù)測(cè)的因素很多，而相似日的選取直接考慮各種相關(guān)因素．這里通過日特征量和日前趨勢(shì)相似度及綜合度量選取多個(gè)相似日，以相似日負(fù)荷數(shù)據(jù)作為樣本通過GP進(jìn)行建模，最后用建好的模型對(duì)日96點(diǎn)電力負(fù)荷進(jìn)行預(yù)測(cè)．

基于相似日的遺傳程序設(shè)計(jì)進(jìn)行短期負(fù)荷預(yù)測(cè)建模步驟如下．

1）偽數(shù)據(jù)的處理．用于GP建模的負(fù)荷數(shù)據(jù)大多來自電力部門的SCADA系統(tǒng)，由于各種因素的影響，歷史負(fù)荷數(shù)據(jù)中往往包含“不良數(shù)據(jù)”或“壞數(shù)據(jù)”．因此，在使用這些數(shù)據(jù)前應(yīng)進(jìn)行適當(dāng)處理，去除不規(guī)則數(shù)據(jù)，填補(bǔ)缺失數(shù)據(jù)，消除其對(duì)預(yù)測(cè)結(jié)果的不良影響．具體處理方法參見文獻(xiàn)［9］．

2）相似日的選?。鶕?jù)日特征相似度和前趨勢(shì)相似度綜合的角度選擇趨勢(shì)相似日，詳細(xì)處理方法參見文獻(xiàn)［7］和文獻(xiàn)［10］．

3）GP負(fù)荷預(yù)測(cè)建模．考慮到負(fù)荷的相關(guān)特性，經(jīng)過多次測(cè)試后，選取的參數(shù)見表1．

表1 GP演化建模參數(shù)表

4）將選取的相似日負(fù)荷數(shù)據(jù)作為GP演化建模的率定樣本集，求出最優(yōu)短期負(fù)荷預(yù)測(cè)模型，對(duì)日負(fù)荷進(jìn)行預(yù)測(cè)．

基于相似日的遺傳程序設(shè)計(jì)短期負(fù)荷預(yù)測(cè)的具體流程如圖1所示．圖中Gen代表遺傳代數(shù);Pr，Pc，Pm分別為復(fù)制概率、交叉概率、變異概率．

圖1 GP短期負(fù)荷預(yù)測(cè)流程圖

3 算例分析

根據(jù)貴州省各日的天氣和電網(wǎng)實(shí)際負(fù)荷數(shù)據(jù)，從預(yù)測(cè)日的前一個(gè)月中的樣本數(shù)據(jù)集中選取相似日，應(yīng)用文中的GP模型進(jìn)行演化建模，對(duì)2006年8月24日至8月30日每天96點(diǎn)的電力負(fù)荷進(jìn)行預(yù)測(cè)．限于篇幅，這里僅將2006年8月30日的預(yù)測(cè)結(jié)果和實(shí)際值進(jìn)行比較，如圖2所示．各預(yù)測(cè)結(jié)果統(tǒng)計(jì)見表2．

圖2 8月30日GP模型預(yù)測(cè)結(jié)果比較

表2 2006年8月24日至8月30日各日預(yù)測(cè)結(jié)果統(tǒng)計(jì) %

由表2可知，周平均預(yù)測(cè)準(zhǔn)確率為99．10%，周平均合格點(diǎn)百分比為99．11%，預(yù)測(cè)結(jié)果是令人滿意的．

4 結(jié)語

綜合考慮了影響電力負(fù)荷的各種因素，從日特征量、前趨勢(shì)相似度以及這兩者的綜合3個(gè)角度評(píng)估兩日的趨勢(shì)相似度來選擇預(yù)測(cè)日的相似日．根據(jù)所選取的多個(gè)相似日的樣本數(shù)據(jù)，采用遺傳程序設(shè)計(jì)進(jìn)行自動(dòng)演化建模，對(duì)貴州電網(wǎng)實(shí)際日負(fù)荷進(jìn)行預(yù)測(cè)．實(shí)例分析結(jié)果證明了所建模型在短期負(fù)荷預(yù)測(cè)中的有效性，可應(yīng)用于電力負(fù)荷預(yù)測(cè)的管理工作．

［1］ Hippert H S，Pedreira C E，Souza R C．Neural networks for short-term load forecasting：a review and evaluation［J］．IEEE Transactions on power systems，2001，16（1）：44－55．

［2］ Alfares H K，Nazeeruddin M．Electric load forecasting：literature survey and classification of methods［J］．International Journal of Systems Science，2002，33（1）：33 －34．

［3］康重慶，夏清，張伯明．電力系統(tǒng)負(fù)荷預(yù)測(cè)研究綜述與發(fā)展方向的探討［J］．電力系統(tǒng)自動(dòng)化，2004，28（17）：1－11．

［4］ Niu Dongxiao，Xing Ming，Meng Ming．Research on ANN power load forecasting based on united data mining technology［J］．Transactions of China Electrotechnical Society，2004，19（9）：62 －68．

［5］劉夢(mèng)良，劉曉華，高榮．基于相似日小波支持向量機(jī)的短期電力負(fù)荷預(yù)測(cè)［J］．電工技術(shù)學(xué)報(bào)，2006，21（11）：59－64．

［6］鞠平，李靖霞，陸曉濤．電力負(fù)荷預(yù)測(cè)的遺傳規(guī)劃方法［J］．電力系統(tǒng)自動(dòng)化，2000，24（11）：35 －38．

［7］康重慶，程旭，夏清，等．一種規(guī)范化的處理相關(guān)因素的短期負(fù)荷預(yù)測(cè)新策略［J］．電力系統(tǒng)自動(dòng)化，1999，23（18）：32－35．

［8］姜勇，盧毅．基于相似日的神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測(cè)方法［J］．電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2001，13（6）：35 －40．

［9］楊奎河．短期電力負(fù)荷的智能化預(yù)測(cè)方法研究［D］．西安：西安電子科技大學(xué)，2004．

［10］莫維仁，張伯明，孫宏斌，等．短期負(fù)荷預(yù)測(cè)中選擇相似日的探討［J］．清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2004，44（1）：106－109．