中长期电力负荷组合预测模型与方法的研究

摘要

中长期电力负荷预测是电力部门进行输电网扩展规划、电源布点、经济调度等重大决策的主要依据。因此,提高中长期电力负荷预测精度,对于保障电网安全、经济、优质运行具有重要意义。
　　 组合预测方法是一种更为有效的预测策略,它可以充分利用各个单项预测方法的优点及包含的有用信息,同时也可以减少单项预测模型带来的预测风险。
　　 在传统的组合预测过程中,针对不同地区、不同时间段的负荷预测,预测者往往根据自己的经验和知识进行单项预测模型的筛选,没有科学理论的指导。因此,本文将预测决策思想引入到中长期电力负荷组合预测中,并深入分析了现有预测模型筛选方法的优缺点,在此基础上,构建了一个以灰色关联度和预测有效度两类指标为基础的预测模型评价指标体系,提出了协调因子口、综合有效性指标βi等概念,并构造了基于综合有效性指标和模型冗余校验的预测模型筛选方法。
　　 组合预测的核心问题是如何确定单项预测模型的权重。变权组合预测策略的提出,克服了定权组合预测的缺点,也更符合预测实际,可以得到更优的组合权重。本文结合基于综合有效性指标的预测模型筛选方法,构建了基于综合有效性指标体系的中长期电力负荷变权组合预测模型。
　　 同时,针对免疫粒子群算法收敛速度慢,精确度相对较低的缺点,采用平衡理论和自适应调整两项策略加以改进,提出了中长期电力负荷组合预测的改进免疫粒子群算法。一方面在新的粒子种群产生过程中引入扰动变量,使粒子群在遵守秩序和随机行为之间达到平衡:另一方面在粒子搜索复杂解空间过程中,通过计算个体适应值划分粒子的优劣等级,提出粒子速度自适应可调机制。
　　 针对传统电力负荷组合预测模型中出现的负权重、没有区别对待不同历史时段的误差对权重的影响以及变权重计算方法较为复杂等问题,提出了中长期电力负荷组合预测的改进模糊变权重组合预测方法,并将新鲜度函数引入到模糊变权重组合预测模型中,用以体现预测过程中的“近大远小”原则。
　　 通过实例分析,证明了本文提出的基于综合有效性指标的预测模型筛选方法及两种变权重组合预测方法,在中长期电力负荷预测过程中均具有较好的预测效果。