[发明专利]一种超短期电力负荷预测与预警方法

说明书

技术领域:

本发明涉及一种电力负荷预测与预警方法，尤其是一种基于卡尔曼滤波和小波回声状态网络的超短期电力负荷预测与预警方法，属于信息技术领域。 

背景技术:

大型工业企业是电力负荷消耗大户，生产过程由许多相互关联的生产环节组成，各环节的电能消耗是由其用电特征和生产运行状况决定。电网的总负荷与企业的生产运行状况紧密相关，生产的特殊性致使部分工序电力负荷震荡频率高、幅度大，显示出与通常地区电网显著不同的特征。虽然企业自备电厂具有充足的发电能力，但无法独立满足这种负荷变化的要求，使得企业在付出了高额用电成本的同时，还对地区电网造成了严重的用电污染。超短期负荷预测提供未来一段时间电力负荷的变化趋势，是保证电网安全，实现企业电力系统智能控制、运行和计划实时经济调度、自动发电控制(AGC)的前提。 

目前，针对大型工业企业的超短期用电预测的研究报道很少，没有可供直接应用的预测方法。另一方面，大型工业企业负荷具有大幅度的冲击性、随机性，并且无明显周期性等特点。这类负荷的预测与传统的大电网、大地区的负荷预测相比难度更大，具有相当 大的挑战性。对于大型工业企业来说，负荷预测工作是随着电力市场的发展而开始进行的工作，必要的数据积累还不够充分，而且数据质量存在较大问题。并且因为要利用生产计划进行预测建模，所以会受到现场因素的影响，预测所需要的信息可能存在不稳定的问题。除此之外，预测建模需要考虑很多企业的内部生产环节，所用的预测信息众多，出现数据缺失的情况难以避免，给负荷预测带来较大的困难。 

现有技术中，采用了一种通用的预测方法对电力负荷进行预测，预测原理上以时序方法为主，这种方案具有以下问题：工业企业电力负荷的影响因素复杂，工序段用电特性各异，负荷波动较大，通用的建模方法对于数据依赖很大，数据波动对精度的影响较大。 

经检索，申请号为200810053027.1的中国专利，该专利提供一种“基于概率逆换算法的中长期电力负荷预测方法”，首先利用行业数据库制定负荷分析方案，然后借助专家系统进行“虚拟专家”进行概率分析；最终将专家经验转换到数据空间。该发明能够将专家系统的思想引入负荷预测，调节“经验参数”来逼近目标参数，为现场或能源中心调度人员提供在线决策支持。上述发明专利可实现负荷预测的定性分析，对调度运作有一定参考价值，但是因为其只是借助以往调度专家经验，未对数据特性，尤其是工序因素特点做深入分析，其对突变信号或大波动信号的预测效果相对局限。 

申请号为200710163567.0的中国专利，该专利提供一种：“中长期电力负荷预测及预警系统”，通过利用历史负荷数据，迭代预测 后面的负荷，确定模型参数，建立时序预测模型，预测未来时间的电力负荷趋势，上述发明专利采用传统的回归建模方法建立中长期负荷预测模型，对相对平稳的工序信号可实现准确预测，减少负荷波动的目的。但是该发明将企业电力系统中各用户的总负荷当做预测输入，无形中忽略了工艺背景，生产调度等方面的因素；另外模型依赖回归参数，建立的负荷预测模型准确度不够理想。 

中国发明专利申请公开号CN1815497A（公开日：2006年8月9日），该专利提供了一种“钢铁企业日用电量预测方法”，借助NNLS（非负最小二乘）对企业的检修类型和产量的用电量之间关系进行分析，通过对各工序，检修方案，用电量构建测试特征子集，采用多模型融合建模的方法来提高预测精度，实现了有效预测各用户用电负荷，降低了单个工序波动对总负荷的影响，为调度中心提供负荷变化趋势的目的，对一般的工业企业也具有应用价值。但是该发明将企业电力系统中各用户的所有检修，用电量，生产计划都当做训练特征输入，增加了模型复杂度，并且该方法只能借助大量历史调度数据对较长时间用电量如数天，几周，数月的用电量进行预测，对于动态的超短时波动变化不能预测，如未来15分钟-半个小时的预测，此方案就难以实现。 

发明内容：

针对上述现有技术的不足，本发明要解决的技术问题是提供一种基于工序因素分析的超短期电力负荷预测方法，能够较准确地预测大型工业企业未来半个小时的电力负荷趋势，为现场调度人员完 成电力的平衡调度提供合理指导。 

为实现上述目的，本发明采用的技术方案是：一种超短期电力负荷预测与预警方法，首先采用卡尔曼（EKM）对负荷数据进行滤波处理，利用主成分分析确定影响电力负荷变化的主要因素，大大降低了预测模型的复杂度。在建立工业企业超短期电力负荷预测模型前，首先确定出影响负荷总量最大的主成分工序因素作为电力负荷短期模型的输入，然后采用小波回声状态网络建立总负荷预测模型，降低了模型的复杂度，提高了模型的预测精度。