基于改进的PSO-SVM的短期电力负荷预测.pdf

第 5 2卷第 3期 2 0 1 5年2月 1 O日 电测与仪表 El e c t r i c a l Me as u r e me n t I ns t r u me n t a t i o n V0 1 5 2 NO 3 Fe b 1 0， 2 0 1 5 基于改进 的 P S 0 一 S V M 的短期 电力负荷预测 王义军， 李殿文， 高超 ， 张洪赫 ( 东北电力大学 电气工程学院， 吉林 吉林 1 3 2 0 1 2 ) 摘要 ： 提 出一种基于 P S O S V M电力负荷短期预测方法 ， 在 S V M学 习过程中引入粒子群算法 。通过选取组合核 函数来改进 S V M算法 ， 这样可以充分保证计算速度和较高的预测精度。利用吉林地区的历史负荷数据作为训 练样本 ， 通过与传统的 S V M预测模型进行对比， 对预测结果与实际数据进行 比较 ， 证明基于组合核 函数预测方 法在一定程度上能够保证短期负荷预测的精度。 关键词 ： 电力系统 ； 气象因素； 支持向量机 ； 短期负荷预测 中图分类号： T M 4 6 文献标识码 ： B 文章编号 ： 1 0 0 11 3 9 0 ( 2 0 1 5 ) 0 3 0 0 2 2 0 4 S h o r t - t e r m p o we r l o a d f o r e c a s t i n g b a s e d o n i mp r o v e d PS O- S VM Wa n g Y i j u n ， L i D i a n w e n ，G a o C h a o ， Z h a n g H o n g h e ( C o l l e g e o f E l e c t r i c a l E n g i n e e r i n g， N o r t h e a s t Di a n l i U n i v e r s i t y ， j i l i n 1 3 2 0 1 2， J i l i n ，C h i n a ,) Ab s t r a c t ：Th i s p a p e r p r o p o s e s a s h o r t - t e r m p o we r l o a d f o r e c a s t i n g me t h o d b a s e d o n PS O- S VM ，whi c h i n t r o d u c e s PS O a l g o rit h m t o t h e l e a r n i n g pr o c e s s o f S VM By s e l e c t i n g c o mb i n e d k e rne l f u n c t i o n t o i mp r o v e S VM ，c o mp u t i n g s p e e d a n d h i g h p r e d i c t i o n a c c u r a c y c a n b e f u l l y g u a r a n t e e d I n t h i s p a p e r ，h i s t o ric a l l o a d d a t a o f J i l i n r e g i o n i s t a k e n a s t r a i n i n g s a mp l e s，a n d t h e me t h o d i s c o mp are d wi t h t r a d i t i o n a l S VM p r e d i c t i o n mo d e 1 Co mpa ris o n o f t h e p r e d i c t e d r e s u h s w i t h t h e a c t u a l d a t a p r o v e s t h a t t h e me t h o d b a s e d o n c o mb i n e d k e r n e l f u n c t i o n c a n g u a r a n t e e s h o r t t e r m l o a d f o r e c a s t i n g a c c u r a c y t o s o me e x t e n t Ke y wo r ds： po we r s y s t e m ，me t e o r o l o g i c a l f a c t o r ，s u p po v e c t o r ma c h i n e s ，s h o r t t e rm l o a d f o r e c a s t i n g 0 引 言 电力系统负荷预测是 电网能量管理系统的重要 内容 。通过精确的负荷预测 ， 可以经济合理地安排 机组启停 ， 减少旋转备用容量 ， 进 而降低发 电成本 ， 提高经济效益 。因此 ， 寻求有效 的负荷预测方法 ， 提 高预测结果的准确度具有重要意义 。 社会的发展和国家经济的发展都是在不断进步 的， 人们通过研究发现 ， 电力负荷的供应在社会和经 济发展中起着越来越重要 的作用 ， 这种作 用是 没有 其他能源能够代替的。以前 的时候 ， 电力 负荷的供 应在我 国满足不了要求 ； 到 了现时 ， 在大幅提高我 国 的发电水平 的情况下 ， 在有些地 区供 大于求的情况 都有出现 ， 由此可见在我国， 电力市场已经 步入 了一 个新的阶段 以销定产。这就使发电、 供 电、 用 电 联 系在 一起 ， 从 而促 使 电力 系统 这个 有机 的整 体 形成 。 基于以上分析 ， 在此提 出提 高预测 精度 的新方 一 22 一 法。首先利用粒子群算 法来 进行参数优化 ， 保证训 练数据 的连续性 、 平滑性 ， 然后采用基于组合核函数 的改进 S V M算法进行短期负荷预测 ， 从 而提高预测 精度。 1 原 始数 据处 理 1 1历 史数据 预 处理 在实际工作 中， 大量准确 的负荷数据是保证 预 测准确率的一个重要方面。文 中采用改进 的横 向比 较修正法来修正和还原异常数据 ， 其方法如下 ： ( 1 ) 通过相邻负荷点的负荷 变化 率作 为异常数 据评判标准 ； ( 2 ) 采用相邻负荷点的历史最大变化率作为 阈 值 ， 选取与待处理 13日类型相似 的历史数据作 为参 考依据 ； ( 3 ) 只比较前一时刻 的负荷值 ， 整个过程按照时 间顺序进行 ， 当检测到异常数据时进行修正 和还原 ， 并 以此作为下一数据的比较值 ； 学兔兔 w w w .x u e t u t u .c o m 第 5 2卷第 3期 2 0 1 5年2月 l O日 电测与仪表 El e c t r i c a l M e a s u r e me n t& I n s t r ume n t a t i O 1 1 V0 I 5 2 NO 3 F e b 1 0。 20 1 5 ( 4 ) 采取同一 日期类型 、 同一时刻 的历史负荷 的 线性组合作为修正值 ； 1 2样 本数据 归一化 处理 ( 1 ) 负荷数据的归一化 归一化的 目的是将输入 向量 中的各属性之问的 数量级拉近 ， 如果量级相差过 大会 影响最终 的预测 结果 ， 使的预测结果失真。因此 ， 我们要对负荷数据 进行归一化处理。首先确定样本集 中历史负荷 的最 大值 X m a x 和最小值 ， 然后利用式 ( 1 ) 将 负荷数据 归一化到一1 ， 1 之间， 使负荷数据在有效 空间中均 匀分布。 y： ( 1 ) V=一 I I m 一 mi n 最后 ， 用式( 2 ) 换 回真实值 ： = i +( 一7 C i ) Y ( 2 ) ( 2 ) 温度和天气特征的归一化 当温度在一定范 围 内变化时 ， 对负荷 波动 的影 响基本相似 。文 中将温度 的归一化处理过程融人到 负荷数据的归一化 中。 对天气特征而言 ， 东北地 区四季分 明， 因此根据 季节特点 ， 将春冬 、 夏秋各分为一类 ， 分别 进行量化 处理 ， 结果如表 1 、 2所示。 表 1 春冬季节天气量化处理 Ta b 1 S p r i n g a n d wi n t e r we a t h e r q ua n t i f i c a t i o n 天 气状 况 量化值 天气状 况 量化值 晴 1 雨雪0 4 多云0 9 小雪0 3 阴0 8 中雪0 2 小雨0 7 大雪0 1 中雨0 6 暴雪0 0 暴雨0 5 表 2 夏秋季节天气量化处理 Ta b 2 S u mme r a n d a ut u mn we a t he r q ua n t i f i c a t i o n 天气状 况 量化值 天气状 况 量化值 晴 1 中雨0 5 雾0 9 大雨0 4 多云0 8 阵雨0 3 阴0 7 雷雨0 2 小雨0 6 暴雨0 1 ( 3 )日期量化处理 文中将 日期分为两个类型 ： 工作 日和休息 日。周一 至周五归结为工作 日( 1 ) ， 周六周 日归结为休息日( 0 ) 。 2 基于改进的 P S O S V M短期负荷预测研究 2 1 粒子群优化算法 设 为初始种群的大小 ， 第 i 个粒子的位置和速 度在 D维搜索空间可分别表示为 ： = +( 一 i ) Y ( 3 ) = i +( 一 i ) Y ( 4 ) 通过对粒子适应值的评价， 分别记个体所寻找到的 最佳位置为P 以及群体寻找到的最佳位置为g 。 P = P p L ， P ( 5 ) P ： P P g 2 L ， P ( 6 ) 设 目标函数用 ) 表示 ， 则微粒 i 寻找到的最佳 位置可以表示为 ： P ( + 1 )： f ( ) i f X i ( 十 ) ) - - P f ( k ) ) t x ( k+1 ) i f-厂 ( X i ( k+1 ) ) P ( ) ) ( 7 ) 所有粒子在群体 中寻找到的最佳位置为： P P ， ( k ) ， P 2 ( ) ， L ， P D ( k ) f 厂 ( P )= mi n ( f ( P ( k ) ， P ( ) ， L ， P 。 ( ) ) ) ( 8 ) 在 P S O算法 中， 经过不断的迭代 ， 粒子 自身 的速 度和位置就需要不断更新 ， 此 时就可以通过跟踪 P 和 g 来实现更新 ： ( k+1 )=V j ( k )+c 1 r 1 P ( k )一X f ( k ) + C 2 r ( )一X ( ) ( 9 ) ( k+1 )=X +V 0 ( k+1 ) ( 1 0 ) ( i= 1 ， 2， L， N =1 ， 2， L， D) 式中 惯性权因子表示为 ； 正的加速度表示为 C 和 c ： ， 通常在 0- 2之间取值 ； r 。 和 r ： 都可以选取为 01 之间的随机数。另外， 如果粒子的速度区间 一 ， 位置范围 i ， 设置在合理地范围， 可以有 效限制粒子的移动。粒子群算法 的流程如图 1 所示。 图 1 粒子群优化流程 图 F i g 1 F l o w c h a r t o f P S O 一 23 学兔兔 w w w .x u e t u t u .c o m 第 5 2卷第 3期 2 0 1 5年2月 l O日 电测与仪表 El e c t r i c a i M e l l s ur e n l e n t& I n s t r u me n t at i o n Vo 1 5 2 NO 3 F e b 1 0。 2 0 1 5 2 2 基 于组合核 函数的短期 负荷预测模型建立 核 函数的选择和参数 的确定是 运用 S V M 时 的 一 步重要工作。根据核 函数 的不 同映射特性 ， 可 以 将核函数分为全局核 函数和局部核函数 。其中多项 式核 函数 K( ， i )：( +1 ) 为典型的全局核 函 数 ， 而径向基核函数 K( ， )=e x p (一l I 6 ) 为典型的局部核函数 。 文章提出为了让局部核函数和全局核 函数二者 的优点有效 的结合 ， 使其在具有优异分类能力 的同 时也有 良好 的推 广能力 ， 所 以考虑核 函数 的组合使 用。为了使组合核函数仍然满足 M e r c e r 条件， 最有 效的办法就是线性组合两种核函数 ， 即： K( ， )=a K l 。 1 +,e K l 。 b l ( 1 1 ) 式 中 O t 、 分别为组合核函数的权值系数 ， 令 n+ = 1 ， 且 0、 0 ， 通过改变权值 的大小 ， 便 可改变核 函数全局性 或局部性影 响的大小 “ J 。通过 证 明 任意核函数的非负线性组合 ， 依然满足 Me r c e r 条件。 于是 ， 本文所提 出的基于线性 函数 和径 向基函数 的 组合函数可以作为 S V M模型的核函数使用。基于组 合核函数的短期负荷预测流程 图如图 2所示。 ( 塑 ) 皇 历史负荷数据 对负荷 数据量化处理 ，形 成训练样本和测试样本 自 定R B F 核宽参数，确 核函数权值系数，采用 R B F 与线性组合核函数 将测试样本 代入模型 训练支持向量机模型， 得到支持向量机拉格 朗日乘子 E 负荷预测 得到 测 日的负荷数据 确定不 敏感损失 系数 、惩罚函数 求得预测的平均绝对误差、 绘制误差曲线图 验证预测 方 法的准确性 真 实待预 测日 负荷数据 ( 竺 室 ) 图 2短期 预测 流程 图 F i g 2 F l o w c h a r t o f s h o r t t e r m f o r e c a s t i n g 3 算例分析 运用文 中所提方法 ， 利 用吉林省 电力公 司某地 区 2 0 1 3年 7月至 l 2月的历史负荷数据作 为训练样 本 ， 通过 P S O算法确定惩罚系数 C取 5 0 ， 学习精度系 2 4 一 数 取 0 0 0 1 ， 核宽度参数 6取 0 9 。线性核函数和 R B F核函数的权值系数分别取 O l = 0 7和 口= 0 3 ， 预 测 1 2月 1 5日全天的负荷数据 ， 预测结果见表 3 。 表 3 吉林 某地 区 l 2 1 5日预测结果统计表 Ta b 3 Pr e d i c t i o n r e s u l t s t a t i s t i c s i n a n a r e a o f J i l i n o n 1 2 1 5 从表 3和图 3图5可以看出， 单纯 的 R B F模型 预测的结果的平均相对误差为 2 4 5 9 ， 基于组合核 函数模型预测结果 的平均相对误差 为 1 5 0 9 。因 此 ， 与单纯的 R B F相 比较 ， 本文所提 的基于组合核函 数预测方法 ， 在预测精度上有显著的提 高， 预测结果 更加可靠 ， 更加具有说服力 。 7 0 0 6 5 0 6 0 0 曩 卿 5 0 0 4 5 0 40 0 图3 单纯的 R B F核函数实际负 荷与预测负 荷曲线图 F i g 3 A c t u a l a n d f o r e c a s t i n g l o a d c u r v e s w i t h s i mp l e RBF k e r n e l f u n c t i o n 学兔兔 w w w .x u e t u t u .c o m 第 5 2卷第 3期 2 0 1 5年2月 1 0日 电测与仪表 El e c t r i e a l M e a s u r e me n t& I ns t r ume n t a t i o n Vo 1 5 2 NO 3 Fe b 1 0， 2 0 1 5 图4基于组合核函数 实际负荷与预测 负荷曲线 Fi g 4 Ac t u a l a n d f o r e c a s t i n g l o a d c u r v e s wi t h c o mb i ne d k e r ne l f u n c t i o n l 椒 靛 图 5误 差 比较 曲线 图 F i g 5 Er r o r C urve c o mp a r i s o n s 4 结束语 ( 1 ) 文章充分考虑 了气象 因素对短期负荷预测 的影响 ， 提出采 用改进 的横 向 比较 修正法来修正 和 还原异常数据 ， 很大程度上保证 了训练数据 的可靠 性和有效性。 ( 2 ) 经过与传统的预测模型进行对 比， 证 明文 中 所提 出的改进 的 S V M预测模型 ， 较大程度上提高了 短期负荷预测 的精度 ， 预测结果应用价值极大。 参 考 文 献 1 牛东晓 ，曹树华 ， 赵 磊 ，等电力负 荷预测技 术 及其应 用 M 北京 ：中国电力出版社 ，1 9 9 8 ：1 - 4 2 潘锋 ， 程浩忠 ， 杨镜非 ， 等基于支持向量机 的电力系统 短期负荷 预测 J 电网技术 ， 2 0 0 4， 2 8 ( 2 1 )： 3 9 -4 2 P a n F e n g，Ch e n g Ha o z h o n g ， Ya n g J i n g f e i ， e t a1S h o a t e r m l o a d f o r e c a s t i n g S V M- b a s e d p o we r s y s t e m J P o w e r S y s t e m T e c h n o l o g y ， 2 0 0 4， 2 8 ( 2 1 ) ： 3 9 - 4 2 3 韩勇 ，李红梅基 于小波分 解的支持 向量机 母线 负荷 预测 J 电力 自动化设备 ， 2 0 1 2 ， 3 2( 4 ) ：8 8 - 9 1 Ha n Yo n g，L i Ho n g me i W a v e l e t s u p p o v e c t o r ma c h i n e b a s e d bu s l o a d f o r e c a s t in g J E l e c t r i c P o w e r A u t o ma t i o n E q u i p m e n t ，2 0 1 2， 3 2 ( 4) ： 8 8 - 9 1 4J u a n R，R a b u n a l ， J u l i a n D o r a d o ， A r t i f i c i a l N e u r al N e t w o r k s i n R e a l l i f e A p p l i c a t io n s M I d e a G r o u p P u b l i s h i n g， N o v 1 5， 2 0 0 5 5Y i n g C h e n ，L u h， P B， C h e G u a n ， e t a 1 S h o rt - T e r m L o a d F o r e c a s t i n g ： S i mi l a r D a y B a s e d Wa v e l e t N e u r a l N e t w o r k s J I E E E T r a n s P o w e r S y s t e ms ， 2 0 1 0 ， 2 5 ( 1 ) ： 3 2 2 - 3 3 0 6 秦海超， 王玮， 周晖， 等人体舒适度指数在短期电力负荷预测 中的应用 J 电力系统及其 自动化学 报 ， 2 0 0 6， 1 8 ( 2) ： 6 3 - 6 6 Qi n Ha i c h a o ， Wa n g We i ，Z h o u Hu i ， e t a 1 H u ma n c o m f o r t i n d e x i n t h e s h o fl t e rm p o we r l o a d f o r e c a s t u s i n g h u man b o d y a me n i t y i n d i c a t o r J P r o c e e d i n g s o f t h e C S U E P S A， 2 0 0 6，1 8 ( 2 ) ： 6 3 -6 6 7 李 光珍 ， 刘文颖 ，云会周 ， 等 母线负荷预测 中样本数据 预处理 的新方法 J 电网技术 ， 2 0 1 0 ， 3 4 ( 2 ) ：1 4 9 - 1 5 4 L i Gu a n g z h e n，Li u We n y i n g ， Yu n Hu i z h o u， e t a1Th e n e w me t h o d o f s amp l e d a t a p r e p r o c e s s i n g b u s l o a d f o r e c a s t i n g J P o w e r S y s t e m T e c h n o l o gy， 2 0 1 0 ， 3 4 ( 2 ) ： 1 4 9 1 5 4 8 姚李孝 ， 刘学琴 基于小波分析 的月度负 荷组合预 测 J 电 网 技术 ， 2 0 0 7 ，1 9 ( 3 1 ) ： 6 5 -68 Ya o L i x i a o，L i u Xu e q i n mo n t h l y l o a d f o r e c a s t b a s e d o n wa v e l e t a n al y s i s J P o w e r S y s t e m T e c h n o l o g y ， 2 0 0 7 ，1 9 ( 3 1 ) ： 6 5 -68 9莫维 仁 ，张伯 明 ，孙宏滨 ，等短期负 荷综 合预测 模型 的探讨 J 电力系统 自 动化 ， 2 0 0 4 ， 2 8 ( 1 ) ： 3 O 3 4 Mo W e i r e n，Z ha n g Bo mi n g ， S u n Ho n g b i n， e t a 1 To i n v e s t i g a t e t h e s h o r t - t e r m l o a d f o r e c a s t m o d e l J A u t o ma t i o n o f E l e c t r i c P o w e r S y s t e m s ， 2 0 0 4， 2 8 ( 1 ) ： 3 0 3 4 1 O郑连清 ，郑艳秋基 于经验模 式分解与人工 神经 网络 的短期 电 力 负荷预测 J 电力 系统 保护与控制， 2 0 0 9， 3 7 ( 2 3 )： 6 6 - 6 9 Zh e n g L i an q i n g，Z h e n g Ya n q i u De c o mp o s i t i o n o f s h o rt t e r m p o we r l o a d f o r e c a s t ing a n d a r t i fi c i a l n e u r al n e t wo r k b ase d o n e mp i r i c al mo d e J P o w e r S y s t e m P r o t e c t i o n a n d C o n t r o l ， 2 0 0 9， 3 7( 2 3 )： 6 6 - 6 9 1 1 谢开， 葛维春 应用 K a l m a n 滤波方法的超短期负荷预报 J 中 国电机工程学报 ，1 9 9 6，1 6 ( 4) ： 2 4 5 - 2 4 9 Xi e Ka i ，Ge We i c h u n Ul t r a s h o rt- t e r m l o a d f o r e c a s t i n g u s i n g t h e K a l m a n fi l t e ri n g m e t h od J P r o c e e d i n g s o f t h e C S E E，1 9 9 6 ，1 6( 4 ) ： 2 4 5 - 2 4 9 作者简介 ： 王义军 ( 1 9 6 9 一 ) ， 男 ， 汉族 ， 吉林 省吉林市人 ， 教 授 从事 电力 系统 自动化技术研究工作 。 E ma i l ： w a n gyij u n 6 9 1 2 6 c o m 李殿 文( 1 9 9 0 一 ) ， 男 ， 汉 族 ， 吉林 省吉 林 市人 。 硕 士 研究生 ， 从 事 电力 系 统短 期 负荷 预 测 研 究 工 作。 Ema i l ： l i d i a n we n 2 0 0 8 1 26 c o rn 高超 ( 1 9 8 4 )， 男 ， 汉 族 ， 吉林 省电力有 限公 司检修公 司。 张洪赫 ( 1 9 8 6 一 )， 男 ， 汉族 ， 辽 宁省本溪供 电公 司。 收稿 日期 ： 2 0 1 4 0 31 4； 修 回 13 期 ： 2 0 1 4 0 81 2 ( 刘爽编发) 一 2 5 一 I _ 学兔兔 w w w .x u e t u t u .c o m