基于改进数据流和小波包分析的超短期负荷预测方法研究

随着现代电力系统建设规模的不断扩大，全国电网互联工程的逐步开展，越来越复杂的电网结构和运行方式将给电力系统的安全运行和电能质量带来较大的威胁，向电力负荷预测的实时性和精确度提出了更大的挑战。超短期负荷预测利用最新负荷信息，实时跟踪电力系统负荷变化，是动态电网安全检测、自动发电控制和紧急状态处理等的基本前提和重要依据。快速、精确的预测结果能够指导电力部门及时维护电网频率平衡，保证电网运行的安全性和经济性。因此研究兼顾预测实时性和准确性的超短期负荷预测实用方法具有重要意义。 本文从负荷构成的基本模型入手，研究了负荷特性及其与相关影响因素之间的关系；针对各影响因素，研究其对负荷变化的具体影响作用，结果表明：时间因素影响较大，使负荷呈现出明显的周期性；天气因素与负荷变化之间有一定的相关性；不确定性因素的影响使负荷表现出较强的波动性，其规律难以把握。根据不同的负荷变化规律，探讨了相应的预测思路和方法。 提出了基于改进数据流在线分割的超短期负荷预测模型：利用数据流实时处理技术进行超短期负荷预测，其快速分段预测能力避免了重复建模，增强了实时性；静态提取蕴含天气因素和负荷周期特性作用的短期负荷预测结果，对分割点进行实时修正，有效地增加了历史信息利用率，提高了分割点预测精度，同时保证了预测实时性；经实际算例检验，结果表明该模型的预测准确性和实时性均优于几种常规超短期预测算法，解决了预测精度与预测速度相互制约的矛盾，同时降低了拐点预测误差，并在天气突变时也具有稳定的适应性。 进一步考虑负荷随机波动分量的影响作用，建立基于小波包分析的超短期负荷预测方法：通过小波包分析对负荷随机分量进一步分解，便于深入分析随机分量特性；对分解后的各小波包空间信号进行单支重构，根据各组负荷子序列分量特性，分别建立预测模型，并将各子序列分量预测值相加获得负荷预测结果。经算例分析表明，该算法具有较高的预测精度和稳定的预测效果。