基于改进的小波分析的电力负荷预测方法研究
针对当前电力负荷预测方法研究的不足，文章提出了一种改进的基于小波分析的电力负荷预测方法。方法对选取的样本数据进行预处理操作，然后将样本数据归一化，进行三级小波分解，建立分析预测模型，最后根据建立的预测模型对预测结果进行分析与修正。文章提出的方法可以使得到的样本数据更加平滑，同时可以使预测结果更加准确，减小预测误差。
标签：负荷预测；小波分析；预测模型
1 概述
当前电力部门的发展和需求越来越高，这样对电力负荷的需求也就随之增长，但是并不是负荷需求增大，就无限的增加电量，所以需要对负荷的需求量做出精准的预测。从而可以及时进行电力调整。
当前并没有一种合理的电力负荷预测分类的标准，一般可以按照负荷时间长短来划分，包括长期电力负荷预测、中期电力负荷和短期电力负荷。长期电力负荷预测和中期电力负荷的预测需要有大量甚至海量的历史数据作为基础，因此无论从一次方法和预测质量上都不是太好，并且预测的实际意义并不是很大，而短期电力负荷预测就成了整个电力负荷预测的重要研究内容，当前预测方法基本上都是以一定的历史数据作为预测的对象，然后形成特定的预测模型，然后根据适当调整电量[1-2]。
短期电力负荷预测不仅已经成为当前重要研究方向之一，而且预测的好坏直接影响到电厂的调度计划和经济运行环境等多方面[3]。区域性的用电预测和季节性的用电规划等都是需要考虑的问题，如何保证用电单位和用户的正常消费用电并能合理调度用电设备是当前急需需要解决的问题。
2 电力负荷预测方法
传统的短期电力负荷预测方法包括以下几种方法：（1）回归分析法；（2）时间序列法；（3）趋势外推记忆法；（4）傅立叶展开法；（5）多元线性回归法[4]。这些方法都是线性模型分析方法，尽管方法都是常用成熟的方法，但是对样本的要求比较高，首先要保证数据的完整性，例如缺失数据要少，样本数据要保证是线性的。
短期电力负荷预测的研究意义和应用意义在于以下几方面：
（1）电力系统调度和电力合理分配的依据；（2）满足电网的调度需求，保证电力系统的平稳运行降低发电成本；（3）可以形成历史数据，便于后期的预测分析。
3 基于改进的小波分析的电力负荷预测方法
文章提出了一种基于改进的小波分析的电力负荷预测方法，具体流程如图1所示：
（1）选取样本数据。文章的样本数据选择了欧洲智能技术网络提供的電网运行竞赛数据，因为这些数据是非常成熟的实验数据。
（2）伪数据检测，并进行数据修正。在利用这些样本数据之前，首先应该对所有的样本数据进行预处理操作，预处理操作的作用可以去除不规则和填补缺失的样本数据，这样可以将不良数据或无用数据的影响降到最低，进行数据预处理后可以减少负荷智能预测的输入向量的容量值，这样就可以解决数据样本的非归一化而引起的各种问题。
（3）确定数据样本集，并归一化。需要进行三步操作，具体操作如下：
a.处理缺失数据。对于样本中个别的缺失数据，它们的值通常在它们的直接前驱和直接后继的值之间，也就是中间值。因此，采用线性插值法对缺失数据进行处理。
（4）负荷分量分解。文章采用具有Daubechies函数作为小波函数，它的特点是具有紧支撑性和高正则性，首先利用函数对负荷数据向量进行三级小波分解操作，这样在满足样本误差最小的前提下，使用DB4小波基对数据向量执行3尺度分解，d1、d2、d3、c3四个子序列可以得到，最后使用c3序列（低频序列）过滤掉归一化样本序列中的高频分量，另外三个子序列d1、d2和d3均为高频序列。
（5）利用改进的小波变换方法将负荷值分解为不同的分量，然后分别对序列进行预测。将预测所得的分量合并后所得便是最终的负荷预测值。根据回归分析建模的一般步骤，文章采用多元线性回归方程建立分析模型。模型建立的关键就是确定该回归方程的系数，利用矩阵方程方法求解。再利用该预测模型方程得到各分量的预测值后，对各分量的预测值进行重构，从而得到最终电力负荷序列的最终预测值。处理完毕后，将所有分量进行合并。最后判断得到的参数是否符合要求，如果符合预测要求，保存数据；不符合预测要求，进行人工修正，继续预测。
4 结束语
文章提出了一种改进的基于小波分析的电力负荷预测方法，方法对选取的样本数据进行预处理操作，然后将样本数据归一化，进行三级小波分解，建立分析预测模型，最后根据建立的预测模型对预测结果进行分析与修正。文章提出的方法可以使得到的样本数据更加平滑，同时可以使预测结果更加准确，减小预测误差。
参考文献
[1]董智.智能电网技术的发展及其应用[J].山西能源与节能，2010，5：78-80.
[2]丁道齐.复杂大电网安全性分析[M].北京：中国电力出版社，2010.
[3]郑涛，潘玉美，郭昆亚.基于免疫算法的配电网故障定位方法研究[J].电力系统保护与控制，2014，42（1）：77-83.
[4]夏昌浩，张毓哲.电力系统负荷预报方法综述[J].电力学报，2001，16（2）：79-82.
因篇幅问题不能全部显示，请点此查看更多更全内容