高随机性电力负荷分析与预测方法研究

【摘要】：随机序列预测算法和理论的不断发展成熟为电力负荷预测提供了理论基础支撑，电力负荷序列是随机序列的一种，随机序列预测技术的原理和方法同样适用于智能电网环境下的高随机性电力负荷预测。 本文介绍了随机序列预测的理论基础，包括随机序列预测的定义、统计描述、基本原理、分类方法、基本流程、预测指标分析，常用的预测方法及其优缺点。然后从典型日负荷和周负荷曲线的规律性分别对风力发电功率、母线负荷、高铁负荷的随机性进行了分析，并总结了它们的特点。 对风力发电功率特性以及不同高度风速、风向等影响因素进行了分析。针对风力发电功率具有波动性、间歇性和受风速等气象因素影响大的特点，提出了基于遗传算法优化回声状态网络模型的风电输出功率超短期预测方法，实例验证表明该方法的预测精度优于其它方法。 对母线历史负荷数据进行预处理和相似日的选取是进行母线负荷预测的前提工作。针对不同负荷类型的母线负荷特性各异的特点，提出基于多神经网络的混沌优化组合预测模型，对不同类型的母线负荷预测具有更好的适应性和稳健性。 确定值预测方法在高铁负荷预测中准确性很低，点对点倍比法的预测效果好于平均值法，但预测精度都不高，存在着很大的局限性。针对高铁负荷的随机性剧烈波动的特点，提出非参数概率性区间预测的方法，得到不同置信度的区间预测结果。 论文研究结果表明，对不同类型的高随机性电力负荷逐一分析它们的负荷特性，并建立与之相适应的预测模型，可提高负荷预测的准确性。