基于时间序列分析和卡尔曼滤波算法的电力系统短期负荷预测

摘要

提高短期负荷预测精度对电力系统安全和经济运行是非常重要的.为了探究提高短期负荷预测精度的方法,本文做了两个工作,一是使用时间序列分析法对短期负荷进行预测建模,二是基于时间序列低阶模型预测精度低及预测延迟的缺点,融合卡尔曼滤波预测的自适应性,在通过时间序列模型建立卡尔曼状态方程和测量方程的基础上,然后通过卡尔曼滤波算法建立预测模型.并通过实例验证了时间序列和卡尔曼滤波混合算法预测精度,相对于传统的时间序列法,预测精度得到提升,相对于传统卡尔曼滤波算法,较简单地得到比较准确的状态方程和观测方程,充分体现了混合算法的长处,适合于电力系统短期负荷的预测.