基於多變量LSSVM和模糊循環推理係統的負荷預測
行業與領域應用
作者：胡時雨 羅滇生 陽霜 陽經偉
摘要：智能電網環境下，電力需求響應的發展給傳統用電模式帶來重大變化，用戶可以根據電能需求結合實時電價調整用電模式，這使得負荷預測變得更加複雜。通過相似日負荷序列局部形相似計算，選取樣本數據，采用多輸入雙輸出的最小二乘支持向量機（LSSVM），對負荷和價格進行同時預測，得到初步預測結果。考慮需求響應條件下實時電價與負荷之間的相互影響，采用基於數據挖掘技術的模糊循環推理係統模擬人的思維過程，通過挖掘電價變化量、負荷變化量等變量之間的關聯規則，模擬電價與負荷預測之間存在的博弈過程，對多變量最小二乘支持向量機預測算法的初步預測結果進行循環修改，直至負荷和電價預測結果趨於穩定。多變量最小二乘支持向量機不存在容易陷入局部最優等問題，並且有良好的泛化能力，基於改進的模糊關聯規則挖掘算法和循環預測控製算法具有良好的完備性和魯棒性，能夠逼近現實環境的各種可能情況，修正負荷預測結果。針對某電網的實際預測結果表明，該方法具有較好的預測效果。
關鍵詞：智能電網；實時電價；負荷預測；多變量最小二乘支持向量機；關聯規則挖掘算法；模糊循環推理係統
中圖分類號： TP18 文獻標誌碼：A
Abstract： In the smart grid， the development of electric power Demand Response （DR） brings great change to the traditional power utilization mode. Combined with realtime electricity price， consumers can adjust their power utilization mode by their energy demand. This makes load forecasting more complicated. The multiinput and twooutput Least Squares Support Vector Machine （LSSVM） was proposed to preliminarily predict the load and price at the same time. Considering the interaction between the realtime electricity price and load， the fuzzy recursive inference system based on data mining technology was adopted to simulate the game process of the forecasting of the price and load， and then the preliminary forecast results of multivariable LSSVM prediction algorithm were recursively corrected until the forecasting results were tending towards stability. Multivariable LSSVM can avoid running into local optima and has an excellent capacity of generalization， the improved association rules mining algorithm and loop predictive control algorithm have good completeness and robustness， and can correct the forecasting result approximately in every real situation. Simulation results of the actual power system show that the proposed method has better application effects.
Key words： smart grid； realtime electricity price； load forecast； multivariable Least Squares Support Vector Machine （LSSVM）； association rules mining algorithm； fuzzy recursive inference system
0 引言
電力負荷預測是電力係統安全調度和經濟運行的重要依據。在電力市場環境下，各電力公司若要製定合理的經濟運行模型和具有競爭力的實時電價，則需依賴準確和快速的負荷預測[1]。智能電網在現有電網結構的基礎上，采用先進的傳感測量技術、信息通信技術、分析決策技術、自動控製技術、能源電力技術與電網基礎設施的高度集成[2]，使得需求響應成為智能電網的重要組成部分。需求響應讓電力市場中的用戶根據市場價格信號或者激勵機製作出響應，改變了傳統用電模式，強調電力用戶直接根據市場情況主動調節自身負荷需求。
在需求響應條件下，以高級計量基礎設施（Advanced Metering Infrastructure， AMI）為主的新型電力電子技術促進了用戶與電網之間的互動，使得電力用戶能夠通過統一的信息共享平台獲取電網的信息並作出反映，電價的變化改變了用戶的用電模式：部分用戶為了減少用電費用會將用電時間從電價高的時段轉移到電價低的時段[3]。而用戶對電價變化的這種反應勢必會形成不同於固定電價的日負荷曲線。隨著用電負荷的調整，售電商也會調整電價，實現削峰填穀，平緩負荷，減少因電力係統大幅波動造成的經濟損失。電價隨負荷需求變化，電價變化影響需求量[4]，並且處於不斷地變化當中，兩者不斷博弈直至達到均衡的狀態。售電商需要獲取未來的負荷來調整電價，用戶則需要獲取未來的電價來調整用電時段，所以準確的負荷預測受到實時電價預測的影響。
長期以來，人們致力於負荷預測研究，並提出了許多預測算法，其中廣泛應用的負荷預測方法有小波分析法[5]、模糊數學法[6]、專家係統法[7]、人工神經網絡技術[8]、灰色係統預測法等。考慮影響負荷預測準確性的因素主要包括天氣、季節、日期類型等。考慮實時電價影響的算法還不多，文獻[4]首先對不考慮電價因素的預測日負荷進行了預測，並根據近期實施電價的變化對負荷預測結果進行修正。文獻[8-9]考慮了實時電價的影響，利用灰色模型弱化數據的隨機性以及神經網絡的高度非線性，進行負荷預測。總體來看，這些負荷預測模型隻是考慮了電價對負荷的單向影響，而沒有考慮電價與負荷之間交互影響這一動態過程。
鑒於此，本文充分考慮智能電網環境下負荷與電價交互影響的動態過程，使用多變量最小二乘支持向量機（Least Squares Support Vector Machine， LSSVM） 預測算法對負荷與電價進行多輸入多輸出預測，得到初步的電價與負荷預測結果；利用模糊關聯規則挖掘算法來提取電價與負荷之間的關聯特征，由模糊循環推理係統產生電價和負荷的修正量對多變量最小二乘支持向量機的預測結果進行循環修正，直至負荷與電價預測值趨於穩定，達到均衡狀態，得到最終的負荷預測結果。循環預測控製係統充分考慮了電價與負荷的博弈過程，提高了智能電網需求響應條件下的負荷預測精度。
1 實時電價條件下負荷預測影響因素分析
在智能電網需求響應條件下，電價與負荷之間的聯係非常密切，用戶會根據自己的需求來選擇用電方式，根據電價的高低選擇何時用電，何時用哪種用電設備。而最極端以及最自然實現需求響應的方式就是實時電價，它是一種動態電價，能夠反映電力市場的實時供需狀況，符合市場經濟要求。實時電價不是提前設定的，而是隨著供需狀況變化而持續不斷波動，負荷的變化影響著電價的波動，實時電價的波動又會影響負荷的變化，當電價的更新周期越短時，電價的杠杆作用發揮得越充分。用戶對電價的變化反應勢必會形成不同於固定電價時代的日負荷曲線。
由此可見，在智能電網需求響應條件下，電力需求與電價直接相關，實時電價因素對短期負荷預測有著主要的影響，隨著電力市場的深入和推廣，這種影響將增大，在預測模型的建立時應重點考慮。
除了實時電價之外，其他因素也不能忽略，包括生產需求、氣溫、預測日期類型等[10]。其中，氣溫的影響比較顯著，當天氣劇烈變冷/變熱時，大量采暖/降溫負荷將投入運行；而當平均溫度持續過高或過低時，由於溫度累積效應，日用電量將大幅度提高[11]；預測日類型也是一個重要的因素，節假日與正常日的負荷有很大不同，主要原因在於節假日裏大量工廠企業用電負荷退出，使得節假日負荷較正常日負荷有明顯降低，節假日主要是居民用電負荷、服務行業用電負荷和不能停產的工業負荷等基本負荷，這部分負荷成分的組成與正常休息日（星期六、星期日）負荷相似，但由於存在調休政策形成的旅遊長假的影響，兩者也存在較大差異[12]。
2 相似日負荷序列局部形相似
在智能電網需求響應條件下，需要在很短的時間進行負荷預測，可以利用負荷數據的周期性，基於最近數日和相似日負荷數據在相同時段內變化的相近特性，分析預測時刻負荷和前麵若幹時刻負荷的內在規律，構成相關特性。通過對負荷序列局部特性分析可知，由相似曲線得到的預測時刻負荷和前麵若幹時刻負荷的內在規律更能準確地反映目標曲線預測時刻負荷和前麵若幹時刻負荷的內在規律。本文通過計算各預測樣本與目標樣本的形相似程度的大小[13-14]，考慮取預測時刻前若幹點構成的負荷序列作為預測樣本。