电力负荷混沌特性分析及其预测研究

【摘要】：水资源的综合利用和开发与电力负荷预测有着密切的关系，负荷预测的数据作为水资源开发、优化配置、水库调度的重要依据。电力负荷预测对电力系统的安全经济运行也起着十分重要的作用。实践中取得的负荷时间序列包含了诸多影响因素，使得电力负荷表现出复杂性、不确定性、非线性的特点。混沌看作是确定性的非线性系统出现的具有内在随机性的解。混沌时间序列中蕴涵有丰富的动力学信息，研究如何提取这些信息并应用到实际中，是非常有意义的一项工作。本文基于混沌理论，对电力系统负荷演变的混沌变化规律进行分析，在此基础上，研究负荷相空间的非线性预测方案，研究取得了如下具有价值的成果。 从重构相空间理论出发，探讨了相空间参数对重构空间质量的影响，以及确定相空间嵌入维数和延迟时间各种不同的方法。本文对时间序列混沌特性的识别方法，及混沌相空间预测模型进行了详细讨论，为电力系统负荷的混沌分析奠定了基础。 对不同时间尺度的电力负荷：小时负荷、日负荷、月负荷时间序列进行混沌性识别。充分提取电力负荷时间序列蕴涵的混沌特征量：饱和关联维数、Lyapunov指数、Kolmogorov熵，从定量的角度分析电力负荷时间序列的混沌特性。同时，对电力负荷相空间的奇怪吸引子的分形维数也进行了探讨，给出 了相空间图。这些研究为进一步电力负荷的混沌相空间预测工作提供保障。 利用电力负荷相轨道的特点，研究混沌相空间的相似点模型、线性回归模 型及Lyapunov指数模型对电力负荷的短期预测。实例中分析了相空间嵌入维数 和预见期的不同对预测效果的影响。研究表明，几种相空间预测模型对电力负 荷短期预测是有效的。 将混沌分析方法成功用于电力负荷多时间尺度的分析中。通过计算长时间 尺度的年负荷分解到短时间尺度的月负荷的分解系数，寻找出其混沌变化的特 性。在发现分解系数具有混沌性质的基础上，用相空间混沌预测方法进行预测， 从而进行降尺度计算分析。 本文将人工神经网络和卡尔曼滤波技术引入到混沌相空间中，提出了基于 混沌分析的BP神经网络模型以及混沌相空间的卡尔曼滤波模型。文中详细描 述了建模的原理、预测的过程，最后将两个祸合模型用于电力日负荷时间序列 的短期预测中，实例应用表明祸合模型的预报精度较高，预报效果是令人满意 的。 综上，本文所开展的工作主要在电力负荷的混沌特性分析及其相空间的非 线性预测方面，在混沌方法与其他新技术的结合方面做出了探索性研究。该项 研究不仅为负荷预测提供了可行的实用方法，而且为负荷预测的进一步研究提 供新思路，同时也为其他水文变量的研究工作提供参考方案。 关键词:水资源优化利用电力负荷预测混沌理论相空间重构 降尺度人工神经网络卡尔曼滤波