基于最小信息损失的综合负荷预测方法技术

本发明专利技术涉及基于最小信息损失的综合负荷预测方法，属于电力系统负荷预测技术领域，该方法包括：选取历史参考日；虚拟预测；根据虚拟预测的结果和历史参考日的实际负荷值，对时刻ｔ作Ｍ种算法的信道参数的估计和信源参数的估计；单一算法预测；根据信道参数和信源参数的估计以及各单一算法的预测结果，建立信息损失最小的目标函数，求解该目标函数，得到预测日ｔ时刻的预测结果ｖ↓［ｔ］；对于预测日全天的总共Ｔ个时刻点，重复以上步骤，就可以得到预测日全天Ｔ点的负荷预测值序列。本发明专利技术从信息损失的角度出发，能充分利用历史负荷等数据中的信息，从而避免了对历史参考样本的过拟合，更适合于负荷随机性较大电网的负荷预测，能够提高预测结果的精度。

【技术实现步骤摘要】

本专利技术属于电力系统负荷预测(power system load forecasting)
，特别涉及负荷预测中的综合预测方法(combined forecasting method)。
技术介绍
电力系统负荷预测是指从已知的经济、社会发展和电力系统需求情况出发，通过对历史数据的分析和研究，探索事物之间的内在联系和发展规律，以未来时期经济、社会发展情况等相关因素的预测结果为依据，对电力需求做出预先的估计和预测，是电力系统规划、运行和市场交易中必不可少的基础环节，其预测结果用于电源规划、电网规划、发电计划、机组经济组合、交易计划、用电计划等。负荷预报结果的准确与否，对电力系统运行的安全性、可靠性和经济性都有着重大影响。电力系统负荷预测中，单一的负荷预测算法都是根据历史负荷数据某种特定的变化规律建立的，对于符合此种变化规律的电力负荷有良好的预测效果。然而电力负荷的发展规律相当复杂，很难用单一的算法进行预测，必须将许多预测算法的预测结果有机地综合在一起，才能形成对电力负荷发展规律更贴切或更完备的描述，这就是综合预测方法。综合预测方法能有机地组合各种算法，可有效提高预测精度，已被电力工业界广泛采用。目前，电力负荷的综合预测方法主要有两大类。第一类，通过评价各算法的预测效果来确定算法权重。例如采用指标对各算法作模糊评价，再通过比较各模糊集之间的优劣关系计算各算法的综合权重。目前，这类综合方法的权重计算缺乏公认的准则。第二类，通过对历史数据的拟合来确定综合预测方法中各算法的权重，目标是使得加权后的虚拟预测结果序列与实际历史负荷序列之间的拟合残差和最小，这一类综合预测方法在实际中得到了广泛应用。莫维仁、张伯明、孙宏斌、胡子衡在《短期负荷综合预测模型的探讨》(电力系统自动化，2004年1月，第28卷，第1期，30-34页)中对上述第二类综合预测方法的机制进行了研究和探讨。其实现原理是寻找出与预测日各种影响因素相似的历史日期(即历史参考日)；采用不同的预测算法对其进行虚拟预测；比较该日实际历史负荷与虚拟预测结果的拟合准确度以确定各种算法的权重分配；应用所得到的各算法的权重进行预测日的负荷预测。其具体实施步骤如下1.选取历史参考日综合考虑各种影响因素，为预测日寻找N个历史参考日。设每天的负荷采样点数为T(在实际中取值相对固定，通常为96或288)，则各历史参考日的实际历史负荷序列可以表示为(xn1，xn2，…，xnT)，n＝1，2，…，N其中，xnt表示第n个历史参考日中t时刻的实际负荷值，t＝1，2，…，T；2.虚拟预测采用M种预测算法，对各历史参考日负荷进行虚拟预测，得到各历史参考日的虚拟预测结果序列(n1m，n2m，…，nTm)，n＝1，2，…，N，m＝1，2，…，M其中，ntm表示第m种算法对第n个历史参考日中t时刻负荷的预测值，t＝1，2，…，T；3.最优权重计算根据各历史参考日的实际历史负荷和对应的虚拟预测结果，建立数学模型式(1)minE=Σn=1Nrn2Σt=1T(xnt-Σm=1Mwmx^ntm)2Σm=1Mwm=1---(1)]]>求解该数学模型，得到与各算法一一对应的最优权重wm(m＝1，2，…，M)。wm对应第m种算法；(1)式中，参数rn2是权重系数，它根据各历史参考日与预测日的接近程度，按照“近大远小”的原则事先确定；离预测日越近的历史参考日所对应的rn2值越大，目的是使本预测方法优先拟合最近的历史参考日负荷；4.单一算法预测采用M种算法对预测日进行预测，得到各单一算法的预测结果(z1m，z2m，…，zTm)，m＝1，2，…，M其中，ztm表示第m种算法对预测日第t个采样点负荷的预测值；5.加权求和对步骤4中得到的M种算法的预测结果进行加权求和，计算得到最终的预测结果zt，即zt=Σm=1M(wmztm),t=1,2,···,T---(2)]]>(2)式中，权重wm取步骤3中得到的最优权重。上述这类综合预测方法是建立在如下假设之上的，即如果综合预测方法对历史数据拟合得好，则其预测的精度必然高。然而，拟合精度高的模型并不一定就有好的预测结果。特别是当负荷变化的随机性较大时，拟合精度高的综合方法会出现了过拟合(overfiting)现象。这时，对历史数据拟合精度最高的权重组合，其预测结果的精度未必理想。
技术实现思路
本专利技术的目的是为克服已有综合预测方法的不足之处，提出一种新的基于最小信息损失(MIL，minimum information loss)的综合负荷预测方法。本专利技术从信息损失的角度出发，能充分利用历史负荷等数据中的信息，从而避免了对历史参考样本的过拟合，更适合于负荷随机性较大电网的负荷预测，能够提高预测结果的精度。本专利技术提出的基于最小信息损失(MIL)的综合负荷预测方法，包括以下步骤1)选取历史参考日综合考虑各种影响因素，为预测日寻找确定N个历史参考日；设每天的负荷采样点数为T，则各历史参考日的实际历史负荷序列可以表示为(xn1，xn2，…，xnT)，n＝1，2，…，N其中，xnt表示第n个历史参考日中第t个采样点的实际负荷值，t＝1，2，…，T；2)虚拟预测采用M种算法分别对各历史参考日的负荷采样点数T中的t时刻点的负荷进行虚拟预测，得到虚拟预测的结果ntm，n＝1，2，…，N，m＝1，2，…，Mntm表示第m种算法对第n个历史参考日中第t个采样点负荷的预测值；3)参数估计根据虚拟预测的结果和历史参考日的实际负荷值，对该时刻t作M种算法的信道参数的估计和信源参数的估计。4)单一算法预测采用M种算法分别对预测日的t时刻负荷进行预测，分别得到各单一算法的预测结果ztmztm表示第m种算法对预测日t时刻负荷的预测值；5)单点负荷的综合预测根据步骤3)和步骤4)计算结果建立信息损失最小的目标函数，求解该目标函数，得到预测日t时刻的预测结果vt；6)多点负荷的综合预测对于预测日全天的总共T个时刻点(t取值从1到T)，分别重复以上的步骤二至步骤五，就可以得到预测日全天T点的负荷预测值序列(v1，v2，…，vT)。上述的步骤3)中待估计的时刻t的信道参数可为M种算法信道的协方差矩阵Bt，待估计的时刻t的信源参数可包括信源均值μt和信源方差σSt2；其中，时刻t的M种算法信道的协方差矩阵Bt的估计公式为 式中，σCtm2表示时刻t的第m种算法信道的方差，CovCt(i，j)表示时刻t的第i和第j种算法信道之间的协方差，分别采用以下公式进行估计σCtm2=1NΣn=1N(x^ntm-xnt)2,t=1,2,···,T,m=1,2,···,M---(4)]]>CovCt(i,j)=1NΣn=1N(x^nti-xnt)(x^ntj-xnt),t=1,2,本文档来自技高网...

【技术保护点】
一种基于最小信息损失的综合负荷预测方法，包括以下步骤：１）选取历史参考日：综合考虑各种影响因素，为预测日寻找确定Ｎ个历史参考日；设每天的负荷采样点数为Ｔ，则各历史参考日的实际历史负荷序列可以表示为：（ｘ↓［ｎ１］，ｘ↓［ｎ２ ］，…，ｘ↓［ｎＴ］），ｎ＝１，２，…，Ｎ其中，ｘ↓［ｎｔ］表示第ｎ个历史参考日中第ｔ个采样点的实际负荷值，ｔ＝１，２，…，Ｔ；２）虚拟预测：采用Ｍ种算法分别对各历史参考日的负荷采样点数Ｔ中的ｔ时刻点的负荷进行虚拟预测，得到 虚拟预测的结果：＊↓［ｎｔｍ］，ｎ＝１，２，…，Ｎ，ｍ＝１，２，…，Ｍ＊↓［ｎｔｍ］表示第ｍ种算法对第ｎ个历史参考日中第ｔ个采样点负荷的预测值；３）参数估计：根据虚拟预测的结果和历史参考日的实际负荷值，对该时刻ｔ作Ｍ 种算法的信道参数的估计和信源参数的估计；４）单一算法预测：采用Ｍ种算法分别对预测日的ｔ时刻负荷进行预测，分别得到各单一算法的预测结果ｚ↓［ｔｍ］∶ｚ↓［ｔｍ］表示第ｍ种算法对预测日ｔ时刻负荷的预测值；５）单点负荷的综合预测： 根据步骤３）和步骤４）计算结果建立信息损失最小的目标函数，求解该目标函数，得到预测日ｔ时刻的预测结果ｖ↓［ｔ］；６）多点负荷的综合预测：对于预测日全天的总共Ｔ个时刻点（ｔ取值从１到Ｔ），分别重复以上的步骤二至步骤五，就可以得到预测日 全天Ｔ点的负荷预测值序列：（ｖ↓［１］，ｖ↓［２］，…，ｖ↓［Ｔ］）。...

【技术特征摘要】

【专利技术属性】
技术研发人员：孙宏斌，张伯明，吴文传，朱成骐，陈佳，
申请(专利权)人：清华大学，
类型：发明
国别省市：11[中国|北京]