电力系统短时负荷预测模型研究

电力负荷预测是电力系统运行与控制的基础也是电力市场运作的基础，在电力市场的条件下对负荷预测提出了准确性、实时性、可靠性、智能性的要求。论文主要研究如何建立具有更高精度和计算速度的短时负荷预测模型。 论文深入的探讨了负荷特性。明确了负荷是具有规律性的，以及在负荷预测模型中必需要引入的对负荷影响的因素。 论文基于小波分析与局部奇异性理论，提出采用对模极大值的调整和细节信号的软阈值处理的方法，达到检测并消除不良数据的目的。从而为负荷预测提供能反应其变化规律的真实历史数据。通过仿真算例验证了所提方法的可行性。 论文提出在预测技术的选择上：通过小波分解将负荷分为低频负荷和高频负荷。依据天气、日期类型与低频负荷相关联，采用神经网络将相关因素引入以提高对低频负荷预测的精度；运用时间序列技术预测高频负荷。最后重构得到负荷预测值。从而达到预测精度和建模效率的统一。并基于这种思想，提出了三种短时负荷预测模型：1小时负荷预测模型、一天负荷预测模型、局部模型。通过仿真计算验证了模型的可行性； 论文对小波分解后的高频负荷建立时间序列模型，讨论了时间序列模型的辨识方法，给出了详细的仿真算例，验证了小波消除不量数据后高频负荷更具平稳性，采用时间序列模型进行预测的可行性。 论文提出采用约束条件下的非线性规划的方法引入最新的信息，提高短时负荷预测精度的方法。仿真计算验证了方法的可行性。