“负荷趋势＋混沌”预测法的改进

《“负荷趋势＋混沌”预测法的改进》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第25卷第6期电力系统及其自动化学报Vo1．25No．62013年l2月ProceedingsoftheCSU-EPSADec．2013“负荷趋势+混沌"预测法的改进穆青青，伍永刚，杨纪明。(1．汉江集团信息中心，丹江口442700；2．华中科技大学水电与数字化工程学院，武汉430074；3．丹江口水力发电厂，丹江口442700)摘要：“负荷趋势+混沌”预测法，将负荷拆分成“负荷趋势”和“混沌”部分。但其在分离负荷趋势部分时提取过量，混沌预测模型存在累积误差。针对这些问题文中根据周期与混沌的频谱特性，通过快速傅里叶变换确定周期分离的量；根据邻近点是否是预测值

2、，对加权一阶局域法多步预测的邻近点权重增加因子进行修正；同时对剩余负荷为随机噪声的情况进行了处理。通过对海南地区负荷进行预测，验证了改进后的方法在预测精度方面有明显提高。关键词：短期负荷预测；负荷趋势；混沌；加权一阶局域法；邻近点权重中图分类号：TM715文献标志码：A文章编号：1003—8930(2013)06—0160—07ImprovedMethodforShort-termLoadForecastingBasedonSynthesizingLoadTrendandChaosMUQing—qing，WUYong-gang：，YANGJi-ming(1．

3、HanjiangGroupInformationCenter，Danjiangkou442700，China；2．CollegeofHydroelectricityandDigitalizationEng．HUST，Wuhan430074，China；3．DanjiangkouHydropowerPlant，Danjiangkou442700，China)Abstract：Thepowerloadseriescanbedividedintotwocomponentsbytheforecastingmethodofsynthesizingloadtrendan

4、dchaos，whichnamelyloadtrendandchaoticcomponent．However，thepartofperiodic~equencyistotallyextracted，meanwhile，thechaoticpredictionmodelcancausetheaccumulatederror．Inthispaper，thequantityofseperatingperiodicpartisconsideredanddeterminedbyfastFouriertransformaccordingtotheperiodicandc

5、haoticspectrumcharacteristics．Theweightofadjacentpointswhichareforecastedbytheadding—weightone—ranklocal—I℃一gionmethodaremodifiedbyaddingafactoraccordingtotheadjacentpointswhetheristhepredictivevalue．Mean-while，itmakesananalysisontherestoftheloadwhichistherandomnoise．Moreover，throu

6、ghtheHainanarealoadforecasting，theresultsdemonstratethattheproposedmethodissuperiortothepreviousmethodsinforecastingaccuracy．Keywords：short-termloadforecasting；loadtrend；chaos；adding-weightone-ranklocal-regionmethod；weightofadjacentpoints短期负荷预测是指对未来1天到一周的负荷icalmodedecomposition)法及希

7、尔伯特一黄变换预测。它是电力系统安全经济运行的基础，对地区HHT(Hilbert—Huangtransform)方法等。时间序列法或电网范围内的电力规划有着重要作用。为了提是根据负荷的发展规律来进行预测的，所需数据高电网的安全性和经济性，改善供电质量，短期负少，计算简单【；混沌预测方法是利用混沌吸引子荷预测要有尽可能高的预测精度。在不同层次间的自相似性进行混沌系统的短期预目前电力系统短期负荷预测的基本方法分成测，它通过相空间重构来近似恢复原来的多维非两大类。第一类是只依据历史记录进行预测，如时线性混沌系统；EMD方法是将数据分解为有限几间序列法、混沌预测法、

8、经验模态分解EMD(empir一个独立的、近乎周期性