《采用模糊聚类方法对短期负荷预测模型设计内容探讨,电力论文.docx》由会员分享，可在线阅读，更多相关《采用模糊聚类方法对短期负荷预测模型设计内容探讨,电力论文.docx（13页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、采用模糊聚类方法对短期负荷预测模型设计内容探讨,电力论文采用模糊聚类方式方法对短期负荷预测模型设计内容讨论 电力负荷预测论文：采用模糊聚类方式方法对短期负荷预测模型设计内容讨论 内容摘要：以短期负荷预测模型精到准确度的提高为重点工作方向，采用模糊聚类方式方法对短期负荷预测模型设计内容进行讨论。首先，在总体气象因素中做出划分，构成以气温、风速为代表的各类细分因素，再将其与周、日等时间信息关联，构成类似日的影响因素，根据模糊规则开创建立模糊系数特征映射表，在知足因素的量化需求外，还可视实际情况实时添加新规律。 本文关键词语:模糊聚类;短期电力负荷;量化评估模型; 通过模糊聚类方式方法，能够有效减少
2、样本数量，有利于提高选取速度；且模型具有全面性，能够兼顾气象或其他因素对电力负荷预测的详细影响，进而躲避以往负荷过于随机化的问题。由仿真结果可知，模拟聚类方式方法能够获得更高层次的预测精度，发挥模型的信息参考价值，综合应用效果较佳。 1 短期电力负荷预测 短期电力负荷伴有较显着的周期性变化，受扰因素包括经济、天气等。在针对短期电力负荷进行预测时，需要充分考虑详细的影响因素，在确定周期性后进一步探寻波动规律，采集并完好记录期间的各项数据，建模并分析，进而大体估计出短期的负荷数据1。整个流程所涵盖的主要内容如下： (1提早制订计划，给后续短期负荷预测工作提供引导，包含作业内容、预测目的；确定详细预
3、测时间，应具有动态化的特点，提高预测的灵敏性。 (2经前期初步规划后，可高效收集负荷数据，详细应以预测影响因素为根据进行数据收集，包括负荷、历史气象等方面的数据。在数据收集经过中，应充分考虑准确性和连贯性的双重要求，尽可能减小数据误差，否则易对后续负荷预测结果的准确性带来不良影响。 (3历史数据不具备直接使用的条件，因而应对其进行预处理，剔除缺乏使用价值的数据。此操作会引起数据缺失的问题因剔除不良数据而引起，因而需要再次收集与补充相关数据，以构成完好的数据群。 (4以数据全面且可行为前提，选择适宜的预测方式方法，再次进行建模操作。预测方式方法的选择需要严密结合工作目的以及现有数据的状况，以合理
4、的方式开创建立模型，在确保模型无误后，则需要明确模型的详细参数，切实提高预测结果的精到准确度，由此得到待预测的负荷数据。 (5正式预测，生成预测结果，并对其进行分析，根据实际情况动态优化模型，以提高各项参数的合理性，经屡次操作后确定适宜的方案，保证具有较高的预测精度。 2 模糊聚类分析 在电力负荷预测工作中，模糊聚类理论占较大的比重。从电负荷受扰的角度来看，多方面的因素均会对其带来影响，通过负荷预测，系统地考虑各项影响因素，建立负荷与详细影响因素的关联模型，将其视为整体，由此进行数据的加工与处理工作。 聚类分析方式方法充分考虑研究对象的特性，在确定其亲疏关系后做出分析，可较为清楚明晰地描绘内在
5、组合关系。但就实践层面而言，分类问题的难度较大，详细具体表现出在各类别的界定层面，相互间存在千丝万缕的联络，依靠常规方式方法难以有效知足界线准确性的要求，不利于预测工作的顺利开展2。在这里背景下，模糊数据技术得以应用，通过该技术的支撑作用，可提高聚类分析结果的可靠性，由此构成集多重技术于一体的模糊聚类分析方式方法。 3 类似日 在有关短期负荷预测的大量研究中，研究人员逐步拓宽了影响因素的范围，以为天气状况、日期类型等因素均不容忽视，可确定与预测日在上述因素上均具有高度类似性的历史日，而对用电负荷而言，两者也具有较强的类似性，在具备此关系后则将其称为类似日。根据现前阶段电力公司的工作状况可知，类
6、似日方式方法已经得到广泛应用。经历体验在该方式方法中具有主导作用，即类似日的选取需要借助经历体验来实现，相关技术人员经过长期工作积累，能够较为精准地探索出类似日的规律，有利于保证预测结果的精度3。但部分从业者因本身技术水平、工作经历体验等方面的限制，易出现类似日结果准确性不高的问题。由此表示清楚，在电力负荷预测中，类似日的精到准确选择为重难点内容。 类似日方式方法的主要工作思路如下：首先，在各类因素中做出挑选，并非任何因素均具有可用性，因而需要从中剔除无用部分，将可用的因素用于表征预测日的特征；其次，制定寻找类似日的标准，并在其引导下确定基于预测日的类似日；再次，汇总类似日的有用数据，做进一步
7、的训练处理。在短期负荷预测经过中，若采用类似日方式方法，则应着重做好如下两方面的工作： (1查找类似日。以预测日为准，在历史阶段内挑选出各项因素均与之具有高度接近特性的类似日，应明确预测日的详细特征向量，并确定具有可行性的评估标准。围绕预测日展开全面分析，在大量影响因素中进行挑选，梳理各类因素的重要程度，从中确定影响比重较大的因子，在这里基础上可确定预测日的特征向量。遵循适度性原则，建立评估标准，在严格与宽松间寻找平衡点，在得到评估标准后，则能够把握历史日期与预测日所具有的类似度，经过比照分析后可得到最为适宜的类似日。 (2负荷预测。在明确类似日后，能够借助该部分数据开展预测模型的训练操作，目
8、的在于提高预测精度，丰富数据的可利用价值。在负荷预测经过中，类似日的准确性为重点控制内容，对最终的预测精度具有决定性影响。 3.1 不同日的差异度与类似度 假定Xi=xi1,xi2,.,xim指的是第i日的各特征向量因素特征向量总数为m个，Di=di1,di2,.,di T指的是第i日的负荷数据点总量为T。根据该规律，能够确定第i日的量化特征因素，即Ki=(Xi,Di。为便于分析，提出不同日的“差异度 概念，详细而言，任意两天由于特征向量因素的差异不同而表现出的差异程度即由其描绘叙述4。 3.2 计算的相关处理 在差异度Kij减小的条件下，i、j两天的因素具有更高层次的类似性，详细具体表现出在
9、日期类型、星期类型、天气类型等方面，为保证类似度具有足够的准确性，在分析阶段应密切关注如下内容： (1对于各xik,xjk，均要将其映射至0,1区间内，其目的在于方便后续分析工作的顺利开展，提高因素间的可比性。但需注意，各类因素的影响程度不尽一样，部分因素的影响具有决定性作用，此时应重点对待，将其在0，上映射知足 1的要求，以知足因素的主次关系。 (2对于日最高或最低气温、气压等具备量化的因素，较适宜采取线性映射的方式方法；日期差i-j呈现出近大远小的变化特点，因而可以以应用线性映射的方式方法；若为星期类型的因素，则应当引入分组映射的方式方法，详细可划分为周一至周五、周六至周日，由此到达有效区
10、分工作日和休息日的效果5。 3.3 基于模糊聚类选取类似日的短期电力负荷预测模型 按特定流程有序开展预测工作，详细如此图1所示。 图1 预测流程图 3.4 仿真分析 结合某电力公司在某地区2022年6月1日至2022年8月5日的数据，经整合后作为样本数据集，由此预测同年7月20日和22日两天的负荷值。从最高及最低气温、天气类型的角度切入，选取类似日，对应预测日均取10个训练数据要求在天气数据、日期类型方面均具有类似性，在这里条件下确定该类似日的数据，经过db3小波变换后，完成负荷数据的4层小波分解操作6。此后，引入PSO优化的SVM，在其支持下高效完成低频负荷预测工作；引入加权平均法，以便完成
11、高频部分的预测。通过两种方式方法的综合应用，获得预测负荷曲线。两个预测日的详细预测负荷曲线分别如此图2、图3所示。 图2 2022年7月20日负荷预测曲线 图3 2022年7月22日负荷预测曲线 结合上述分析可知，从预测精度的角度来看，相比于PSO-SVM网络而言，类似日方式方法所得结果的精度更高层次，表示清楚其在短期电力负荷预测中具有更好的应用效果。 4 短期电力负荷预测系统 4.1 系统总体构造组成 采集所得的数据不具备直接使用的条件，需将其导入系统内，由此构成以历史电力负荷为基础的核心数据库；根据所把握的数据，开创建立模型，利用所得的模型开展电力负荷的预测工作，在电网的调度端可产生预测结
12、果；经前述工作后，电网工作人员可灵敏调整调度计划，实现对发电计划的优化。短期电力负荷预测系统所具备的主要功能如下： (1软件用户信息。由于各计算机的MAC地址存在差异，则在系统的设计工作中以计算机MAC地址为根据，开创建立相应的用户名及密码，各计算机分别对应特定的密码，构成配套关系，可有效保证软件的保密性能。 (2针对负荷数据的操作，可结合需求及时获取历史负荷数据，以缩短所需时间，提高数据的可靠性。 (3通过类似日方式方法的应用，能够高效完成对短期电力负荷的预测工作，加之曲线图形的应用，可直观地呈现历史数据和预测数据，以便用户可根据需求快速获取预测信息。 (4历史的预测数据均得到有效存储，其完
13、好性也得到了保障，后续可根据需求快速查阅，省时省力。在设计软件时，需从整体上看问题。先确定细分的功能模块，再根据各自的功能特点编写代码，要求各模块独立运行，再通过模块联通，构成完好的系统7。各模块均具有独立的功能：数据导入模块能够完好汇总数据，将其整合至预测系统；类似日选取模块从多项因素切入，开展比照分析，进而选择影响因素相近的历史日，给后续预测工作提供根据；功率预测模块在完成数据的预处理操作后，对将来24 h的电力负荷进行预测；误差分析模块能够综合比照预测结果和实际数据，明确两者间所产生的误差，对预测的准确性做出判定；数据保存模块能够全面记录前期产生的数据和图像，供后续分析使用8。 4.2
14、系统开发工具 MATLAB为典型的仿真软件，通过华而不实GUI模块的应用，能够高效完成软件系统的设计工作，避免常规方式下对算法进行移植的繁琐作业环节，是开发短期电力负荷预测系统的关键工具。 4.3 系统界面和测试 4.3.1 用户登录模块 用户登录模块可对用户的信息做出甄别，通过后则允许用户进入系统进行相应操作。系统未提供用户注册功能，在该机制下，各用户名和密码的产生均建立在计算机MAC的基础上，意味着各计算机分别对应一套独立的用户名和密码，更有利于开发者权益保卫。 4.3.2 数据导入模块 数据导入模块的主要作用在于汇总数据并导入，开创建立Excel文件，包括历史负荷数据、气象因素数据等，可
15、根据数据的类别精准呈现。 4.3.3 类似日查找模块 通过模糊聚类方式方法，能够实现气象因素数据的有效处理，再从中挑选因素相近的类似日；融入报错机制，保证输入日期的格式具有可靠性和秩序性，以免因特殊情况而导致程序崩溃。报错界面如此图4所示。 图4 报错界面 4.3.4 负荷预测模块 电网调度部门需通过预测，对将来24 h的电力负荷变化情况构成准确的认识，根据此结果灵敏优化电力调度计划，给电网的运行提供良好的条件，使其具有安全、稳定、高效的特点。以负荷预测模块为重要支撑，可高效发布24 h的负荷预测数据，可以根据需求及时查询历史功率数据，所产生的预测结果将通过折线图的形式完好呈现，管理者可以根据
16、需要借助Excel导出，期间产生的各项数据均能得到完好的记录9。 4.3.5 误差评价模块 在制定电网调度计划时，需要充分考虑误差评价工作，即获得详细的误差数据，以此为根据制定更为周全的计划，同时也有利于提高负荷预测的精度。应用误差评价模块能够将真实值与软件预测值进行比照分析，进而对软件所得预测数据的准确性做出判定，即该部分数据能否具有可行性10。由于数据的体量较大，为了愈加精准地分析，导入平均误差、相对误差及最大误差，通过此类具有代表性意义的数据，切实提高分析的精准度。 4.3.6 数据保存模块 数据保存模块的功能均围绕负荷数据进行，如对历史负荷数据的存储操作包含数据、图像等多种形式的资料，
17、可深度整合各部分数据，在软件中以更为直观化的方式呈现，用户可根据需要直接查询，避免了数据查询繁琐、流程复杂、精准度缺乏等问题。同时能够对各类历史数据打印报表，以便用户在后续工作中根据需要快速查阅。由此可见，在数据保存模块的支持下，提高了数据的可用性与可靠性。 5 结束语 以模糊聚类方式方法为基本支撑，通过模糊规则的应用，开创建立短期电力负荷预测模型，所覆盖的气象因素较为全面，考虑到该类因素对电力负荷预测所带来的详细影响，再结合映射表，从中选择与预测日具有高度类似性的历史日，将其视为类似日对待，由此来训练PSO-SVM。经一系列的操作后，提高了预测结果的精度，信息的可利用价值较高。 以下为参考文
18、献 1危志强.基于改良模湖聚类算法的短期负荷预测研究D.南昌:南昌大学, 2020. 2陈馨凝基于类似日聚类和改良DRESN的短期负荷预测研究D.武汉:湖北工业大学, 2020. 3刘晓悦,魏宇册,马伟宁基于改良混沌搜索的AMPSO-BP短期负荷预测J.水电能源科学, 2020(4):189-192. 4李福东,曾旭华,魏梅芳,等基于聚类分析和混合自适应进化算法的短期风电功率预测J.电力系统保卫与控制, 2020(22):56-61. 5林女贵.于集合经历体验形式分解的ARIMA行业售电量预测模型J电力科学与技术学报，2022(2):14-17. 6潘良军,王楷，赵宏炎,等.基于春节影响时期分析的中期负荷智能预测J .智慧电力, 2020(9):89-92. 7杨颖，杨少华,张燕,等基于类似日的短期电价区间预测J智慧电力, 2021(12)-89-95. 8孙毅,石墨,单葆国,等基于粒子群优化支持向量机的电能替代潜力分析方式方法J电网技术, 2021(6):110-114. 9郭丽娟, 孙世宇,段修生支持向量机及核函数研究J科学技术与工程, 2008(2):67-71. 10段俊东,黄家兴负荷动态特性变化对电力系统静态电压稳定性的影响研究J.I矿自动化, 2020(2):34-38.