基于小波包的马尔科夫方法在短期负荷预测中的应用.pdf

《基于小波包的马尔科夫方法在短期负荷预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第39卷第6期电力系统保护与控制Vl01．39NO．62011年3月16日PowerSystemProtectionandControlMar．16．2011基于小波包的马尔科夫方法在短期负荷预测中的应用郭奎麟，谭伦农，黄虎(江苏大学电气信息工程学院，江苏镇江212013)摘要：为了提高电力系统短期负荷预测的精度，提出了一种基于马尔科夫模型的组合预测算法。该算法利用双正交小波线性相位的特点，对负荷时间序列进行小波包多分辨分解。针对短时电力负荷具有较强随机波动性，采用软阈值方法检测和处理不良信号，用去噪后的信号建立模糊马尔科夫预测模

2、型，通过将各负荷序列的预测值加以组合得到最终预测结果。经实际算例验证，该算法能有效地提高预测精度，具有良好的抗干扰和容错能力。关键词：短期负荷预测；小波变换；小波包分析；软阈值；模糊马尔科夫TheapplicationofwaveletpacketbasedMarkovChaininshort-termloadforecastingGUOKui-lin，TANLun-nong，HUANGHu(SchoolofElectricalEngineeringandInformation，JiangsuUniversity，Zhe~iang

3、212013，China)Abstract：AcombinationforecastingalgorithmbasedonMarkovmodeIiSproposedtoimprovetheprecisionofshort-telmloadforecastforpowersystem．Thepowerloadtimeseriesaredecomposedbasedonwaveletmulti．resolutiontransfoFITIusingabi．orthogonalwaveletwhichhasthefeatureofline

4、arphases．Tosolvethestrongstochasticfluctuationoftheshort．termloadseries．asoft．thresholdapproachiSemployedtodetectandeliminatethenoise．Usingthede-noisedsignals．fuzzyMarkovforecastingmodelsareconstructedandthefinalpredictionresultsareobtainedbycombiningtheforecastingval

5、uesofeachloadseries．Experimentalresultsshowthattheproposedmethodcanimprovethepredictionaccuracy．andhasgoodanti．interferenceandfaulttolerance．Kevwords：shorttermloadforecasting；wavelettransforlTl；waveletpacketanalysis；SOft—threshold；fuzzyMarkov中图分类号：TM71文献标识码：A文章编号：1674

6、—3415(2011)06-0066—07构，接着对重构后的信号建立模糊马尔科夫预测模0引言型，最后对预测结果进行合成，从而得到最终负荷近年来，小波分析作为科学方法在工程领域得预测值。实际系统的算例证明了本文算法能较好地到重视，其对比传统的傅里叶分析所具有的良好时提高预测精度。域和频域功能，可以对信息成分采取逐渐精细的时1小波包理论简介域和频域分析处理，尤其对突发与短时信息分析具有明显优势，因此被大量应用于短期负荷预测研究正交小波包【l是一个函数族，由它们可构造并取得了一定成果uJ。文献[7．81进一步探讨了小波L2)的标准正交基

7、库。设{}：是正交尺度函数包分析在电力负荷短期负荷预测中应用的可能性，(力对应的正交低通滤波器，{)e：是正交小波函提出了基于小波包的分解与重构方法，取得了较好数n对应的高通滤波器，则有：的预测结果。短期负荷是一个具有较大随机性的复f／22(，)=√2∑(2t-k)杂系统，模糊马尔科夫预测的研究对象是一个具有jl(七(1)随机变化的动态系统，根据状态之间的转移概率来f)：√2∑g(2t—k)预测对象的未来发展。文献『9—10]将模糊马尔科夫预Lk测模型应用拓展到负荷预测领域。针对短期电力负递归定义的函数，n=0，1，2，⋯称为由正

8、交尺荷影响因素复杂的特点，综合了几种预测方法优点，度函数o=确定的小波包。小波包分析是对小波本文研究并提出了将小波包软阈值去噪和预测结合分析的发展，能够对小波空间进一步分解，将高频起来的算法。首先对负荷时间序列进行小波包分解，信号中的各种频率分量进