基于时间序列法超短期负荷预测改进方法的研究

进入21世纪以来，我国的电力事业飞速发展，智能电网建设不断完善，超短期负荷预测愈发受到电力系统调度部门的重视，焦点也自然而然地集中在了如何提高预测精度上。准确的超短期负荷预测有利于帮助调度运行人员分析系统是否有足够的旋转备用容量，从而对系统的安全裕度做出判断；有利于调度人员在峰谷阶段对机组出力做出调整、完成发电机组的启停，进而实现水、火电联合协调控制和电网的实时调度。可见超短期负荷预测在保证电网频率质量、用户用电安全及电力系统稳定运行等方面发挥着重要作用。 本文以提高超短期负荷预测的精度为出发点，首先概述了超短期负荷预测的基本原理、国内外研究现状及发展趋势，根据超短期负荷预测的特点，进一步明确预测的基本步骤，重点对历史负荷数据的采集、异常数据的识别、分类方法进行研究，并利用垂直和水平数据处理法对异常数据进行修复和补充。其次在对时间序列平稳性进行分析，几种模型的统计特性进行模型识别、参数估计、模型的检验与修改后，建立时间序列法预测模型，以某市的负荷数据为基础，进行超短期负荷预测。针对时间序列法所存在的对波动性较大负荷的预测精度不佳、过于注重数据的拟合导致的自主学习能力不强等问题，文章提出了改进的时间序列法超短期负荷预测方法，改进方法充分利用BP神经网络强大的非线性处理能力及学习能力，通过误差校正环节对预测值进行修正，改进了时间序列法的不足，有效地提高了预测的精度。