电力系统短期负荷预测关系到电力系统的调度运行和生产计划,准确的负荷预测有助于提高系统的安全性和稳定性,能够减少发电成本。随着电力市场的建立和发展,短期负荷预测正在发挥越来越重要的作用。
短期负荷变化规律复杂,并受到多方面因素的影响,分析预测时将各个不同的负荷成分从总负荷中分别提取出来单独进行研究,将有利于提高预测精度。本文在对经验模态分解法(EMD分解,Empirical Mode Decomposition)进行研究的基础上,将该理论引入电力负荷预测领域,提出了一种基于EMD分解的短期负荷预测方法。
本文首先介绍了经验模态分解理论的发展历程和它的主要应用领域,详细描述了EMD算法中的基本概念和分解原理,根据电力系统负荷的组成和特点,提出了建立基于经验模态分解的短期负荷预测模型,该预测模型在将EMD理论与ARMA相结合,利用EMD算法对负荷序列进行分解,分解所得到的每一个基本模式分量(IMF分量)分别进行ARMA预测。
其次,为了解决短期负荷预测中气象因素对预测结果的影响,本文对电力系统短期负荷预测中如何考虑气温因素的因素进行了探讨,提出了将干预分析和EMD分解相结合的短期负荷预测模型,应用干预分析模型将气温影响负荷从原始负荷中进行剔除后再对净化的负荷序列进行研究。
然后,本文以某地区2008年4月至9月的负荷作为算例,对该时期内的负荷序列进行了基于经验模态分解的负荷预测。利用EMD分解,将负荷分量分解为若干分量,对得到的各个分量特点并进行归类,利用ARMA模型预测了每一个分量在未来一段时间内的数值,将各分量预测结果相加,得到负荷在该时段内的总预测值。仿真结果表明,与普通的时间序列预测法相比,采用经验模态分解进行短期负荷预测,对于预测的精度有着明显的改善和提高。
最后,本文利用预测干预分析模型对负荷序列进行处理,从原始负荷序列中剥离出气温影响负荷,并对净化后的负荷序列进行如上的EMD分解和每一个IMF的ARMA模型预测,进而得到净化负荷在该时段内的总预测值,然后将此预测结果与同时期内未经干预分析模型而进行直接进行EMD分解和ARMA模型预测得到的结果进行比较,仿真和计算的结果表明,采用干预预测模型后的短期负荷预测对于预测的精度有着进一步的改善和提高。
算例结果验证了本文所提出的方法和预测模型,能够有效地提高短期负荷预测的精度,是电力系统短期负荷预测领域一项有益的尝试和探讨。
