基于时间序列的短期电力负荷预测模型研究

短期电力负荷预测是电力调度系统中一个重要的任务,精确有效的预测可以为研究电力系统规划问题、电力系统经济运行及其调度自动化提供科学依据。电力负荷是一个随时间变化的序列,囚此时间序列预测是电力负荷预测的重要方法。然而时序预测只考虑了时间这一因素,对天气状况、特殊节日等影响因素不敏感,因此预测的效果并不理想。同时时序预测要求样本序列是一个平稳序列,而电力负荷序列通常是不平稳的,因此建立时序模型变得困难。 本文研究了短期电力负荷预测的常用方法的原理、适用范围及其优缺点,并对大量的历史电力负荷进行分析的基础上,提出基于属性分类的时间序列预测方案。基于属性分类的时序预测方法主要包括以下步骤：收集电力负荷历史数据；基于历史负荷数据分析电力负荷的影响因素,从而定义属性分类规则；收集预测任务的属性特征,分解预测任务；根据预测任务的特征筛选预测样本,对预测样本进行训练,得到建模的输入样本；分析样本相关性,识别时序模型,估计模型参数,建立起科学的预测模型；用模型推算预测结果；对预测结果进行校验。 基于属性分类的电力负荷时序预测方案把时刻、天气、节日等因素考虑到了预测过程中,通过属性分类、任务分解、样本筛选机制,为预测提供了平稳时序样本,弥补了电力负荷时序预测的缺陷。仿真实验结果证明基于属性分类时序预测方案是一种更高效、更理想短期电力负荷预测方案。