張明

摘要：目前，我國是科技快速發(fā)展的新時期，我國的風(fēng)電和光電都得到了快速的發(fā)展，電力系統(tǒng)的負(fù)荷需求變化和新能源出力的隨機(jī)波動性具有高度的相關(guān)性，因此負(fù)荷的短期預(yù)測需考慮新能源出力的影響。本文提出一種融合支持向量機(jī)和雙鏈馬爾科夫理論的新能源電力系統(tǒng)短期負(fù)荷預(yù)測模型，該模型首先采用支持向量機(jī)挖掘負(fù)荷序列的整體變化趨勢，并通過粒子群算法進(jìn)行參數(shù)優(yōu)化，然后通過雙鏈馬爾科夫模型來深層次分析考慮新能源出力因素的負(fù)荷時序變化特征，以此來修正支持向量機(jī)的初始預(yù)測結(jié)果。最后以國內(nèi)某實(shí)際電網(wǎng)的新能源及負(fù)荷的實(shí)際出力數(shù)據(jù)為例，對所提方法的可行性和有效性進(jìn)行了驗(yàn)證。

關(guān)鍵詞：新能源電力系統(tǒng);短期負(fù)荷預(yù)測;支持向量機(jī);雙鏈馬爾科夫;組合預(yù)測模型

引言

短期電力負(fù)荷預(yù)測主要是指預(yù)報未來幾小時、1天至幾天的電力負(fù)荷，電力負(fù)荷預(yù)測是能量管理系統(tǒng)的重要組成部分，短期負(fù)荷預(yù)測不但為電力系統(tǒng)的安全、經(jīng)濟(jì)運(yùn)行提供保障，也是市場環(huán)境下編排調(diào)度計(jì)劃、供電計(jì)劃、交易計(jì)劃的基礎(chǔ)。隨著電力生產(chǎn)和消費(fèi)日益市場化，對負(fù)荷預(yù)測的準(zhǔn)確性、實(shí)時性、可靠性和智能性提出了更高的要求，因此，負(fù)荷預(yù)測已經(jīng)成為現(xiàn)代化電力系統(tǒng)運(yùn)行和管理中的一個重要研究領(lǐng)域。短期負(fù)荷預(yù)測作用的大小主要取決于預(yù)測精度，因此如何提高預(yù)測精度是目前研究短期負(fù)荷預(yù)測理論和方法的重點(diǎn)。關(guān)于短期負(fù)荷預(yù)測的研究已有很長的歷史，國內(nèi)外許多專家和學(xué)者在預(yù)測理論和方法方面做了大量的研究工作，提出了很多預(yù)測模型。但是，由于影響短期負(fù)荷的因素很多，很多預(yù)測方法的預(yù)測精度和使用范圍受到限制。因此，針對目前的短期預(yù)測方法進(jìn)行了綜合比較分析，分析了各種預(yù)測方法的原理、優(yōu)點(diǎn)和不足之處，并指出了未來短期負(fù)荷預(yù)測理論的研究方向，為實(shí)際短期負(fù)荷的預(yù)測提供借鑒作用。

1電力系統(tǒng)負(fù)荷預(yù)測方法分類

電力負(fù)荷預(yù)測方法按照預(yù)測的時間范圍來劃分，可分為長期、中期、短期和超短期預(yù)測。長期負(fù)荷預(yù)測通常指10a以上的預(yù)測，中期負(fù)荷預(yù)測通常指5a左右的預(yù)測，中、長期負(fù)荷預(yù)測是以年為單位進(jìn)行預(yù)測的，主要用于為電力系統(tǒng)規(guī)劃建設(shè)，包括電網(wǎng)的增容擴(kuò)建及裝機(jī)容量的大小、位置和時間的確定提供基礎(chǔ)數(shù)據(jù)，確定年度檢修計(jì)劃、運(yùn)行方式等，同時還為所處地區(qū)或電網(wǎng)電力發(fā)展的速度、電力建設(shè)的規(guī)模、電力工業(yè)的布局、能源資源的平衡、地區(qū)間的電力余額的調(diào)劑、電網(wǎng)資金及人力資源需求的平衡提供有效的依據(jù);短期負(fù)荷預(yù)測通常為1a以內(nèi)的預(yù)測，它的預(yù)測單位包括月、周、天、小時，主要用于調(diào)節(jié)、指導(dǎo)電力部門的日常運(yùn)行，合理安排月度檢修計(jì)劃、運(yùn)行方式及日開停機(jī)、發(fā)電計(jì)劃;超短期負(fù)荷預(yù)測通常指對未來1h、0.5h、10min的負(fù)荷進(jìn)行預(yù)測，主要用于對電力系統(tǒng)進(jìn)行實(shí)時的安全分析與調(diào)度，滿足運(yùn)行要求，控制發(fā)電成本。

2短期負(fù)荷組合預(yù)測模型

2.1支持向量機(jī)回歸算法

由于各種外部隨機(jī)因素的干擾而導(dǎo)致新能源出力和負(fù)荷歷史數(shù)據(jù)的不完整問題，文中所提的數(shù)據(jù)預(yù)處理方法是支持向量機(jī)回歸算法。支持向量機(jī)是一種建立在數(shù)據(jù)統(tǒng)計(jì)學(xué)基礎(chǔ)上的機(jī)器學(xué)習(xí)算法，其回歸函數(shù)可通過一個非線性映射來實(shí)現(xiàn)。該算法主要是通過尋找結(jié)構(gòu)化的風(fēng)險來構(gòu)造一個最優(yōu)的超平面，可有效提升學(xué)習(xí)機(jī)的泛化能力，將風(fēng)險和置信度最小化，在學(xué)習(xí)樣本較小或者不全的情況下能夠獲得良好的分類結(jié)果和計(jì)算效能。

2.2回歸分析法

回歸分析預(yù)測方法是根據(jù)歷史數(shù)據(jù)的變化規(guī)律和影響負(fù)荷變化的因素，尋找自變量與因變量之間的相關(guān)關(guān)系及其回歸方程式，確定模型參數(shù)，據(jù)此推斷將來時刻的負(fù)荷值?；貧w分析法的優(yōu)點(diǎn)是計(jì)算原理和結(jié)構(gòu)形式簡單，預(yù)測速度快，外推性能好，對于歷史上沒有出現(xiàn)的情況有較好的預(yù)測。存在的不足是對歷史數(shù)據(jù)要求較高，采用線性方法描述比較復(fù)雜的問題，結(jié)構(gòu)形式過于簡單，精度較低;該模型無法詳細(xì)描述各種影響負(fù)荷的因素，模型初始化難度較大，需要豐富的經(jīng)驗(yàn)和較高的技巧。

2.3雙鏈馬爾科夫模型

馬爾科夫鏈模型的基本思想是基于系統(tǒng)狀態(tài)轉(zhuǎn)移規(guī)律，對對象的發(fā)展趨勢進(jìn)行分析，能夠推測對象在未來的狀態(tài)。一般來說，電力系統(tǒng)每一個時刻的負(fù)荷都具有高度的強(qiáng)相關(guān)性，因此可以認(rèn)為負(fù)荷的時間序列為一個馬爾科夫鏈，然而負(fù)荷的變化不僅在時刻上不同，同時與高比例的新能源出力具有高度關(guān)聯(lián)關(guān)系，因此可將新能源出力的時間序列看作另外一個馬爾科夫輔鏈，充分將新能源出力的影響因素考慮在預(yù)測模型當(dāng)中。雙鏈馬爾科夫?qū)崿F(xiàn)過程如圖2所示，其中X1，X2，…，XT為主鏈在每個時刻的狀態(tài)（負(fù)荷時序），Y1，Y2，…，YT為輔鏈在每個時刻的狀態(tài)（新能源出力時序）。從圖中可知，負(fù)荷在t時刻的狀態(tài)同時受負(fù)荷t-1時刻狀態(tài)以及新能源出力t-1時刻的狀態(tài)影響。因此，考慮新能源出力的雙鏈馬爾科夫模型包含以下兩個部分：（1）狀態(tài)集合S1和S2，分別代表的是N個主鏈狀態(tài)和M個輔鏈狀態(tài)。（2）狀態(tài)轉(zhuǎn)移概率矩陣集A，Am表示的是馬爾科夫輔鏈在t-1時刻時的主鏈在t時刻的轉(zhuǎn)移概率。2.4綜合預(yù)測模型概述及單一預(yù)測方法的選取綜合預(yù)測模型，是在單個預(yù)測模型的基礎(chǔ)上，考慮各種預(yù)測方法的優(yōu)缺點(diǎn)及適用性，采用一定的方法確定各預(yù)測方法對總的預(yù)測結(jié)果的權(quán)重，然后通過加權(quán)求和得到新的負(fù)荷預(yù)測結(jié)果。避免了因某一種預(yù)測方法的局限而使得預(yù)測結(jié)果偏差增大。在綜合預(yù)測中有兩個關(guān)鍵的問題，一個是如何確定哪些要用到的單一預(yù)測模型，另一個是如何確定各單一預(yù)測模型對綜合預(yù)測結(jié)果的權(quán)重。第一類方法中含有未來預(yù)測時段的經(jīng)濟(jì)信息，第二類方法中考慮了負(fù)荷發(fā)展的延續(xù)性、規(guī)律性。實(shí)際上中長期負(fù)荷預(yù)測問題不僅僅局限于系統(tǒng)內(nèi)部，受其自身規(guī)律的影響，同時還受到許多外界因素的干擾或影響，如國家的經(jīng)濟(jì)發(fā)展規(guī)劃、政策。對于一個政府主導(dǎo)型的區(qū)域，這些因素的影響將更大。因此，應(yīng)將兩類方法有機(jī)結(jié)合起來，以提高預(yù)測的精度與適用性。在第一類預(yù)測方法中，電力消費(fèi)彈性系數(shù)法由于相對比較簡單，含義比較明確，需要的數(shù)據(jù)也較容易得到而得到較多的應(yīng)用。在第二類預(yù)測方法中，灰色預(yù)測法是在灰色理論模型的基礎(chǔ)上發(fā)展起來的，以灰色生成來減弱原始序列的隨機(jī)性。它是目前在中長期負(fù)荷預(yù)測中應(yīng)用最為廣泛、效果也最為理想的預(yù)測方法之一。二次滑動平均預(yù)測法是基于“遠(yuǎn)小近大”的預(yù)測原則，在建模過程中對數(shù)據(jù)加以不同權(quán)重，以強(qiáng)化近期數(shù)據(jù)的作用，而弱化遠(yuǎn)期數(shù)據(jù)的影響，從而提高預(yù)測精度，也符合負(fù)荷的發(fā)展變化規(guī)律。因此，本文選用電力消費(fèi)彈性系數(shù)法、灰色預(yù)測、二次滑動平均相結(jié)合的方法。

結(jié)語

本文針對高占比新能源電力系統(tǒng)的負(fù)荷與新能源出力之間存在相關(guān)性，提出一種考慮新能源出力因素的融合支持向量機(jī)和雙鏈馬爾科夫理論的負(fù)荷短期負(fù)荷預(yù)測模型。根據(jù)支持向量機(jī)的非線性泛化功能來分析負(fù)荷序列的整體變化趨勢，通過雙鏈馬爾科夫模型來深層次分析考慮新能源出力的負(fù)荷時序的變化特征，以此來修正支持向量機(jī)的初始預(yù)測結(jié)果。通過實(shí)際的算例對比結(jié)果可知，本文所提的組合預(yù)測模型為高占比新能源電力系統(tǒng)的短期負(fù)荷預(yù)測提供了新的方法，相較于傳統(tǒng)的方法而言，有效提高了預(yù)測的精度。

參考文獻(xiàn)

[1]魯宗相，黃瀚，單葆國，等.高比例可再生能源電力系統(tǒng)結(jié)構(gòu)形態(tài)演化及電力預(yù)測展望[J].電力系統(tǒng)自動化，2017，41（9）：12-18.

[2]劉進(jìn)軍.電能系統(tǒng)未來發(fā)展趨勢及其對電力電子技術(shù)的挑戰(zhàn)[J].南方電網(wǎng)技術(shù)，2016，10（3）：78-81.

[3]任建文，渠衛(wèi)東.基于機(jī)會約束規(guī)劃的孤島模式下微電網(wǎng)動態(tài)經(jīng)濟(jì)調(diào)度[J].電力自動化設(shè)備，2016，36（3）：73-78.