时间序列以及卡尔曼滤波在电力系统短期负荷预测中的应用.pdf

《时间序列以及卡尔曼滤波在电力系统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、《电气开关》(2016．No．2)91文章编号：1004—289X(2016)02—0091—06时间序列以及卡尔曼滤波在电力系统短期负荷预测中的应用张楷楷，燕萍(1．内蒙古电力勘测设计院有限公司，内蒙古呼和浩特010020；2．国网湖北省电力公司鄂州供电公司，湖北鄂州436000)摘要：随着电力系统的发展，电力市场的产生以及新能源的引入带来的负荷的随机性和周期性给电力系统短期负荷的预测带来了一定的难度。本文就电力系统短期负荷的预测模型进行分析，采用了时间序列模型和卡尔曼滤波模型，并针对负荷的数量的不同采用不同的模型，进而用Evie

2、w软件和matlab程序做相应的仿真和验证。最后得出，若是负荷数量比较少时，利用时间序列比较简单；若是负荷数量比较多时，采用卡尔曼滤波比较精确。关键词：短期负荷预测；时间序列；卡尔曼滤波；Eview软件；matlab程序中图分类号：TM71文献标识码：BApplicationofTimeSeriesandKalmanFilteringinShort—termLoadForecastingofPowerSystemsZHANGKai—kai，YANP(1．ZnnerMongollaElectricPowerProspectingDes

3、ignInstituteCo．，Ltd，Hohhot010020，China；2．EzhouPowerSupplyBureau，HubeiStateGrid，Ezhou436000，China)Abstract：Withthedevelopmentofpowersystem，thegenerationofelectricitymarketandtheintroductionofnewenergyleadtotheloadmorerandomnessandperiodicwhichhasbroughtcertaindificultyt

4、otheforecastofshort—termloadofpowersystem．Inthispaper，thepowersystemshort—termloadforecastingmodelsareanalyzed，adoptingthetimeseriesmodelandKalmanFilteringMode1．Andthedifferentmodelsappliedaccordingtothenumberofloads．Inthispaper，Eviewsoftwareandmatlabaretodosimulationa

5、ndverificationaccordingly．Inconclusion，iftheloadquantityissmall，theuseoftimeseriesissimple；iftheloadquantityislarge，usingKalmanfilteringisaccurate．Keywords：short—termloadforecasting；timeseries；kalmanfiltering；Eviewsoftware；matlaborder短期负荷预测和超短期负荷预测_2j。1引言短期负荷预测的核心问题是依据

6、负荷特性，选择为用户提供优质、稳定的电能是电力系统的主要合适的负荷预测模型。对于短期负荷的预测模型，国任务，而实现该任务的前提是电力运行、调度和规划部内外学者提出了一系列的研究方法。门必须要掌握用户的用电规律和变化趋势。同时，自文献[3]提出的相似日法是利用某种差异评价函2002年我国实行“厂网分离”以来，我国电力工业正在数寻找某些与预测Et负荷特征相似的某些历史13，将逐步过渡到市场化进程。负荷预测是各企业了解用户这些相似日的负荷根据预测日的负荷参数进行修正，的用电需求、规律和变化趋势的有力工具⋯。从而得出预测日的负荷，在精度上的

7、要求很低。电力负荷一般是指电力需求量或用电量，或者说灰色理论是20世纪80年代初由我国著名学者邓成是电力系统中所有使用电能的用电设备在某一时间聚龙教授提出来的，并用于描述部分信息已知的系段所消耗的电功率之和。根据负荷的使用时间的不统j。目前在电力负荷预测较常使用的是GM(1，同，负荷预测可以分为长期负荷预测、中期负荷预测、1)模型，首先通过采用灰色生成技术处理少量的历史92《电气开关》(2016．No．2)负荷数据，再采用一阶微分方程来拟合灰色生成后的如果时间序列满足式子(1)，则称为平滑时间序数据，最后用该一阶微分方程的解进行负荷

8、预测。列。若是非平稳序列，一般通过差分处理来消除数据时间序列法通过分析历史负荷数据信息，建立数的不稳定性。先对数据序列进行差分，然后对差分数学模型，反映随机变量变化过程中的规律性，进而确定据进行回归。但这样会丢失数据的长期信息，而这些