基于改进型自适应滤波法的城市电网短时负荷预测方法
【专利摘要】本发明提供一种基于改进型自适应滤波法的城市电网短时负荷预测方法，包括：步骤1，对负荷进行采样得到负荷数据采样点的观测值，设置各个观测值对应的观测值权数；步骤2，基于自适应滤波法的基本预测公式得到第N+1个负荷数据采样点的预测值，计算第N+1个负荷数据采样点的预测误差为所述预测值与所述观测值的差值；步骤3，调整前N个负荷数据采样点的观测值权数的值；在判断负荷数据采样点的预测误差和与上一轮负荷数据采样点的预测误差和的差值在设定范围外时执行所述步骤2，否则计算得到负荷数据采样点的预测值。本发明提供的一种城市电网短时负荷预测方法，可以得到时间上无滞后、数值上精确的负荷预测值，从而提高电力系统运行稳定性。
【专利说明】基于改进型自适应滤波法的城市电网短时负荷预测方法
【技术领域】
[0001]本发明涉及电力系统负荷预测领域，具体涉及一种基于改进型自适应滤波法的城市电网短时负荷预测方法。
【背景技术】
[0002]安全、优质、经济、可靠是对电力系统的基本要求，同时也是未来电网中的发展目标。随着全球经济和科学技术的发展，电力系统的运行和需求正在发生巨大的变化，其存在电力负荷峰谷差增大，系统装机容量难以满足峰值负荷的需求，导致电网在负荷高峰时拉闸限电，而低谷时，要停掉很多机组，机组频繁启停不仅增加能耗，而且影响机组寿命，使电力设备平均利用时间下降、发电效率下降、经济效益降低。同时大量非线性负载，对供电系统造成很大的谐波污染，复杂大电网受到扰动后的安全稳定性问题日益突出。
[0003]无论是调峰问题，还是稳定问题，其根源都在于能量的不平衡，或者说是电能的生产、输送、消费的瞬时不平衡。电能存储技术可以提供一种简单的解决电能供需不平衡问题的办法。各种形式的储能装置可以在电网负荷低谷的时候作为负荷从电网获取电能充电，在电网负荷峰值时刻改为发电机方式运行，向电网输送电能，这种方式有助于减少系统输电网络的损耗，对负荷实施削峰填谷，从而获取经济效益。如果将储能装置用于系统稳定控制，则有可能采用小容量的储能，通过快速的电能存取，实现较大的功率环节，快速地吸收“剩余能量”或补充“功率缺额”，从而提高电力系统运行稳定性。
[0004]城市建设和居民生活水平的提高，不但使城市电网负荷以较高的速度增长，也使负荷峰谷差日趋增大，全年用电高峰由原来夏季一个高峰，向夏季和冬季两个高峰发展。日用电负荷曲线也发生明显变化，从原来早晚两个峰的“驼峰”形状转变为两峰之间负荷趋向平坦，日高峰负荷持续时间延长。居民用电和第三产业用电负荷占比重较大，故负荷曲线随气温变化较大，而且负荷曲线的季节性变化显著，春(秋)、夏、冬季节的负荷曲线走势明显不同。城市电网的高峰负荷快速增长、负荷峰谷差日益增大和负荷的季节性变化大等特性使得城市电网配置的储能装置将受到很大的冲击，减少使用寿命。因此在配置储能的城市电网中，需要对负荷进行预测。
[0005]现有的短时负荷预测方法有神经网络、混沌理论、支持向量机、模糊理论和回归分析等，但是这些方法建立预测模型所需考虑的因素较多，理论性太强，不太实用，可操作性差，实现成本太高。
【发明内容】
[0006]本发明针对现有技术的不足，提供一种基于改进型自适应滤波法的城市电网短时负荷预测方法，包括:步骤1，对负荷进行采样得到负荷数据采样点的观测值，设置各个观测值对应的观测值权数；
[0007]步骤2，根据前N个负荷数据采样点的观测值及其对应的观测值权数，基于自适应滤波法的基本预测公式得到第N+1个负荷数据采样点的预测值，计算第N+1个负荷数据采样点的预测误差为所述预测值与所述观测值的差值；
[0008]步骤3，根据所述第N+1个负荷数据采样点的预测误差和设置的学习常数调整前N个负荷数据采样点的观测值权数的值；在判断负荷数据采样点的预测误差和与上一轮负荷数据采样点的预测误差和的差值在设定范围外时执行所述步骤2，否则确定当前各个负荷数据采样点的观测值权数为最佳权数，根据所述最佳权数计算得到负荷数据采样点的预测值。
[0009]本发明提供的第一优选实施例中:所述步骤2中所述自适应滤波法的基本预测公
式为:
[0010]
【权利要求】
1.一种基于改进型自适应滤波法的城市电网短时负荷预测方法，其特征在于，所述方法包括: 步骤I，对负荷进行采样得到负荷数据采样点的观测值，设置各个观测值对应的观测值权数； 步骤2，根据前N个负荷数据采样点的观测值及其对应的观测值权数，基于自适应滤波法的基本预测公式得到第N+1个负荷数据采样点的预测值，计算第N+1个负荷数据采样点的预测误差为所述预测值与所述观测值的差值； 步骤3，根据所述第N+1个负荷数据采样点的预测误差和设置的学习常数调整前N个负荷数据采样点的观测值权数的值；在判断负荷数据采样点的预测误差和与上一轮负荷数据采样点的预测误差和的差值在设定范围外时执行所述步骤2，否则确定当前各个负荷数据采样点的观测值权数为最佳权数，根据所述最佳权数计算得到负荷数据采样点的预测值。
2.如权利要求1所述的方法，其特征在于，所述步骤2中所述自适应滤波法的基本预测公式为:
3.如权利要求1所述的方法，其特征在于，所述步骤3中根据所述第N+1个负荷数据采样点的预测误差和设置的学习常数调整前N个负荷数据采样点的观测值权数的值的公式为:
Wi, = Wi+2k*et+1*yt_i+1 (3) 式中，Wi为调整前的第i个观测值权数，Wi'为调整后的第i个观测值权数，k为学习常数，et+1为第t+l期的预测误差。
4.如权利要求1所述的方法，其特征在于，所述步骤3中计算负荷数据采样点的预测误差和为:
err=et_N+1+et_N+2......+et+et+1 (4) 在计算err与上一轮err的差值在人为设定的范围内时，确定获得了一组最佳权数，所述范围为(-0.01~0.01)。
5.如权利要求1所述的方法，其特征在于，所述步骤3之后包括: 步骤4，建立t+T时期负荷数据采样点的预测值的直线趋势预测模型； 步骤5，根据t+T之前的t~t-Ν+Ι时期负荷数据采样点的观测值计算得到t+T时期负荷数据采样点的预测值的直线趋势预测模型的平滑系数； 步骤6，根据所述求得的平滑系数的值计算修正后预测值。
6.如权利要求1所述的方法，其特征在于，所述步骤4中的所述直线趋势预测模型为: yt+T，= at+bt*T, T = 1,2,...(5)其中t为当前时期数；T为由t至预测期的时期数；at和bt为平滑系数，at为截距，bt为斜率； 所述步骤5中计算所述平滑系数的方法包括: 平滑系数的计算公式为:
7.如权利要求6所述的方法，其特征在于，所述步骤6中根据求得的所述平滑系数的值计算修正后预测值的方法包括: 将式(13)、( 14)代入式(5)，取T=I得到误差预测值: ri+1，= aj+bj (15) 在 i=2M, 2M+1,…处，取 N=M ； 计算修正后预测值为所述步骤3中计算的所述预测值与所述误差预测值的和。
【文档编号】G06Q10/04GK103870887SQ201410083118
【公开日】2014年6月18日 申请日期:2014年3月7日 优先权日:2014年3月7日
【发明者】牛萌, 刘海军, 梁适春, 张宇, 刘隽, 朴红艳, 许楫, 方晟, 万铭德 申请人:国家电网公司, 国网智能电网研究院, 中电普瑞科技有限公司, 国网上海市电力公司