短期电力负荷预测是电力系统运行调度中一项非常重要的内容,它是保证电力系统安全经济运行和实现电网科学管理及调度的重要方面,是能量管理系统(EMS)的组成部分,也是今后进行电网商业化运营所必需的基本内容。 目前,国内外电力系统短期负荷预测的方法很多,比如时间序列法、人工神经网络法、专家系统法等等,但所有的方法都有其局限性,每种方法都只能在一定的范围和条件下得到较满意的预测结果,因而如何提高负荷预测的精度一直是同行专家研究的热点问题。 大量统计数据表明,日负荷数据经过归一化处理后,相似类型日的负荷变化曲线十分相近,而不同类型日的负荷变化曲线差别很大,因此,负荷预测就可以被分成两部分:一部分是负荷归一化曲线的预测,另一部分是日负荷最大值和日负荷最小值的预测。按照这个思路,本文提出了一种基于径向基函数(RBF)神经网络的预测方法;根据节假日负荷与周末负荷间的相似关系,以及节假日负荷受温度变化影响大的特点,提出了一种以周末负荷为基础,考虑温度修正的实用节假日负荷预测算法。 负荷预测包括坏数据处理和预测建模两个重要环节,目前尚无一种系统化的有效方法对坏数据进行精确的辨识。本文充分考虑利用负荷曲线本身的特征,提出了一种电力负荷坏数据检测与处理的方法。该方法首先用k-均值算法对日负荷曲线进行聚类分析,获得每个聚类的特征曲线;然后根据特征曲线和负荷变化率在统计意义上的正常范围值,进行坏数据的精确定位;最后根据特征曲线上的特征负荷值进行坏数据的调整。实例分析取得了良好的效果。 考虑近期我国电力市场需求,本文开发了电力系统短期负荷预测软件系统。该系统包括原始数据维护、负荷预测和预测结果处理三个模块。系统提供了丰富的模型库,各模型可单独预测,也可选择几种模型进行综合预测。该系统采用河南省电网负荷数据和平顶山市电网的实际数据进行了模拟计算和负荷预测,计算结果表明该系统能够取得满意的预测效果。