线性回归短期负荷预测(13)

本文档最好用office07打开

第3章 线性回归模型在短期负荷预测中的应用

3.1短期负荷预测的基本模型

负荷预测是根据负荷过去的历史资料，建立恰当的数学模型对未来的负荷进行预测。在进行电力系统的短期负荷预测时，针对负荷变化的特点，既要充分分析、掌握并利用其规律性，又要兼顾各种因素的影响

[12]

。

3.1.1 影响负荷变化的因素

系统总负荷是系统中所有节点上所有负荷的总和。在理论上，如果系统中所有节点负荷变化的方式都是已知的，那么就可以直接预测出系统总负荷的变化量。但是单个负荷的变化方式具有非常大的随机性和不可预测性，不仅如此，同一系统中不同负荷的变化方式也各不相同，因此不能直接通过综合估计负荷的变化方式来预测系统的总负荷。尽管单个负荷的变化有很大的随机性，但实践表明所有单个负荷的总和即系统总负荷一般具有一定的变化规律，在不断实践的过程中，人们逐渐总结出影响这种变化的因素主要有四种:

（1）基本正常负荷分量

对于不同的预测周期，基本正常负荷分量有不同的内涵，与气象等无关，对于超短期负荷预测，正常负荷分量近似线性变化，甚至是常数；对于短期负荷预测，正常负荷分量一般是周期性变化，而中长期负荷预测中，正常负荷分量呈现出明显增长趋势的周期性变化。因此，对于基本正常负荷分量，可用线性变化和周期性变化模型来描述或者两者共同来描述，线性变化描述日平均负荷的变化规律，而周期变化描述以24h为周期的变化规律。

（2）天气敏感负荷分量

如今的电网有大量的天气敏感负荷，如空调、电热器以及农业灌溉等负荷的存在，而这些气象敏感负荷有与一系列的气象因素有关，如温度、阴晴、雨雪、风力、湿度等，因此气候条件对负荷模式变化有显著的影响。根据各种因素对负荷影响程度的分析，对于大部分电网来说温度是最重要的气候影响因素。对任一给定日，温度对正常值的偏差，将会引起负荷的显著变化，有时甚至需要对机组投入计划进行大的修正。湿度是另外一个可以影响电网负荷的因素，特别是在水旱灾年的排涝灌溉等。因为不同的气象因素影响负荷的方式不同，而一年中，不同时期的气象因素影响负荷的方式也不同，所以要根据大量给定的过去若干天负荷和天气数据记录，进行数据处理和相关性分析，以决定天气敏感负荷模型。这里以日负荷预测为例，给定过去若干天气负荷记录、温度记录，利用线性回归或曲线拟合方法，可以用三段直线来描述天气敏感负荷模型：

, >

= , < (3-1)

0, ≤ ≤

式中，T为预测温度，可以是一日最高温度、最低温度、平均温度或是某时点温度；Tw，Kw 为电热临界温度和斜率，,T<Ts时电热负荷增加，其斜率为Kw；Ts，Ks为冷气临界温