專利名稱：：基于概率逆換算法的中長期電力負荷的預(yù)測方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及變電系統(tǒng)，特別是涉及一種基于概率逆換算法的中長期電力負荷的預(yù)測方法。
背景技術(shù)：
：電力負荷預(yù)測是電力系統(tǒng)調(diào)度、用電、計劃、規(guī)劃等管理部門的重要工作之一。提高負荷預(yù)測技術(shù)水平有利于計劃用電管理、合理安排電網(wǎng)運行方式和機組檢修計劃，有利于節(jié)煤、節(jié)油和降低發(fā)電成本，有利于制定合理的電源建設(shè)計劃、提高電力系統(tǒng)的經(jīng)濟效益和社會效益。電力負荷預(yù)測已成為實現(xiàn)電力系統(tǒng)管理現(xiàn)代化的重要內(nèi)容之一。電力負荷預(yù)測通常按時間期限進行分類，一般分為長期、中期、短期和超短期負荷預(yù)測。長期負荷預(yù)測一般指io年以上并以年為單位的預(yù)測，中期指5年左右并以年為單位的預(yù)測，中長期電力負荷預(yù)測的意義在于可以幫助決定新的發(fā)電、變電機組的安裝與電網(wǎng)的規(guī)劃、增容與擴建，是電力規(guī)劃部門的重要工作之一。中長期負荷預(yù)測受經(jīng)濟、社會、氣候等不確定因素的影響更大，目前沒有任何一種方法能保證任何情況下都能獲得滿意的結(jié)果，有時誤差會很大。建立負荷預(yù)測綜合模型、充分利用各個負荷預(yù)測模型的有用信息提高預(yù)測精度是中長期負荷預(yù)測的必要途徑。但是，由于中長期負荷預(yù)測的歷史數(shù)據(jù)較少，傳統(tǒng)的預(yù)測模型僅基于歷史數(shù)據(jù)建立數(shù)學(xué)模型進行預(yù)測，往往由于信息量不夠，使得預(yù)測結(jié)果與實際有較大的出入。同時，對中長期負荷預(yù)測而言，僅考慮歷史數(shù)據(jù)的擬合度是不夠的，預(yù)測結(jié)果是否與經(jīng)濟、社會的發(fā)展相一致也是必須考慮的問題。由于以上提到的種種困難，雖然中長期電力負荷的科學(xué)分析與預(yù)測有著重大的社會和經(jīng)濟意義，但是目前并沒有一套可行的分析方法。在中長期的電力負荷預(yù)測技術(shù)中，傳統(tǒng)的方法分為定量和定性兩大類。定性的方法主要有類比法和專家估算法等。定量的方法主要有回歸分析法、指數(shù)平滑法、成長曲線法和灰色模型法等。許多研究工作者現(xiàn)在己經(jīng)認識到單獨地使用定性或定量的方法進行中長期用電量預(yù)測都是不夠的。電力工業(yè)的發(fā)展是一個非常復(fù)雜的動態(tài)大系統(tǒng)，其中有許多社會性的、政策性的、人的心理行為的、技術(shù)性的等等不確定性的隨機因素。對于這樣一個關(guān)聯(lián)于社會、經(jīng)濟、技術(shù)、環(huán)境的復(fù)雜動態(tài)大系統(tǒng)，企圖僅憑現(xiàn)有的數(shù)學(xué)知識來建立精確的數(shù)學(xué)模型以進行定量分析是不夠的，同樣單純地依靠經(jīng)驗知識進行定性分析也是不夠的。傳統(tǒng)的定量方法往往是直接去建立用電量與時間或其它因素間的函數(shù)關(guān)系式。這樣會使得預(yù)測結(jié)果的可信度較低，而且面對相當多的不確定信息也無能為力。
發(fā)明內(nèi)容本發(fā)明要解決的技術(shù)問題是提供一種以定性分析和定量研究為基礎(chǔ)、以風(fēng)險分析和決策支持相集成為平臺，通過科學(xué)化和數(shù)量化專家群意見，結(jié)合己有數(shù)據(jù)對項目從不確定性、可靠性、穩(wěn)定性等方面進行風(fēng)險分析，再將數(shù)量化、深入化的分析結(jié)果作為決策的依據(jù)，從而使決策的風(fēng)險得到相當好的控制的基于概率逆換算法的中長期電力負荷預(yù)測系統(tǒng)及預(yù)測方法。本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的1.一種基于概率逆換算法的中長期電力負荷的預(yù)測方法，包括以下步驟1)基礎(chǔ)數(shù)據(jù)的采集和改進根據(jù)行業(yè)數(shù)據(jù)庫，給出行業(yè)負荷的初始數(shù)據(jù)表，并將點估計擴展成三段式區(qū)間估計；2)專家能力數(shù)據(jù)的生成與改進根據(jù)行業(yè)專業(yè)知識，將專家能力數(shù)量化并根據(jù)專家權(quán)重生成"虛擬專家"；3)實際數(shù)據(jù)與虛擬專家數(shù)據(jù)的整合根據(jù)虛擬專家數(shù)據(jù)，修正步驟1)中的區(qū)間估計；4)負荷預(yù)測與預(yù)測結(jié)果修正通過概率逆換算法反復(fù)將虛擬專家數(shù)據(jù)逆換到實際數(shù)據(jù)空間并加以比較修正，直到得到滿意結(jié)果。上述的滿意結(jié)果的標準包括1)預(yù)測結(jié)果的最小值和最大值應(yīng)落于專家預(yù)測區(qū)間之內(nèi)，誤差不超過5%;2)預(yù)測結(jié)果的中值(即最大可能出現(xiàn)的電力負荷)與歷史數(shù)據(jù)誤差不超過±5%;3)預(yù)測結(jié)果的分布曲線與歷史數(shù)據(jù)的擬合程度達到"良好"標準，所述的"良好"標準為相關(guān)度指數(shù)r〉0.99。本發(fā)明的有益效果在于1、增加數(shù)據(jù)儲備類型，除了現(xiàn)有的數(shù)據(jù)儲備外(如歷史觀測數(shù)據(jù)等)，專家意見也數(shù)量化成可用數(shù)據(jù)，服務(wù)于項目分析；2、增強專家能力，通過概率逆換算法，可以將那些專家并不熟知的參數(shù)數(shù)據(jù)"挖掘"出來，成為可操作的數(shù)據(jù)儲備。具體實施例方式有經(jīng)驗的預(yù)測工作者通常是這樣進行預(yù)測的他們有意無意地將預(yù)測的歷史數(shù)據(jù)和相關(guān)因素的歷史數(shù)據(jù)在頭腦中進行歸納整理，運用其專業(yè)知識與過去成功和失敗的經(jīng)驗教訓(xùn)，將那些數(shù)據(jù)分成若干類。進行預(yù)測時，他們把收集到的相關(guān)因素的具體狀態(tài)值與歷史數(shù)據(jù)類的狀態(tài)值進行對比，尋找與這組狀態(tài)值最接近的一個歷史數(shù)據(jù)類，再根據(jù)該類的預(yù)測量的特征做出初步預(yù)測。然后他們根據(jù)相關(guān)因素的具體狀態(tài)值與歷史數(shù)據(jù)類的不同，做出相應(yīng)的修正，得到預(yù)測值。概率風(fēng)險分析(ProbabilisticRiskAssessment,PRA)方法中的專家不確定性分析理論(ExpertJudgment,EJ)就是將專家意見以及專家對不確定性要素分析的能力科學(xué)化、數(shù)量化的得力武器(數(shù)量化將傳統(tǒng)的點估計拓展成區(qū)間估計，例如給出預(yù)測的最大值、最小值和中值；科學(xué)化各專家能力和預(yù)測水平參差不齊，傳統(tǒng)的取平均值的方法已經(jīng)不能滿足科學(xué)預(yù)測的目的，取而代之的是根據(jù)專家能力給予其不同權(quán)重的專家能力判斷矩陣方法)。通過將專家的意見數(shù)量化、科學(xué)化，使專家的能力成為可以操作、辨別的數(shù)據(jù)，并與已有的歷史數(shù)據(jù)一起服務(wù)于實際的風(fēng)險分析。下面結(jié)合具體實施例對本發(fā)明的基于概率逆換算法的中長期電力負荷的預(yù)測方法進行詳細說明。本發(fā)明的基于概率逆換算法的中長期電力負荷預(yù)測方法包括以下步驟一、基礎(chǔ)數(shù)據(jù)的采集和改進根據(jù)行業(yè)數(shù)據(jù)庫，給出行業(yè)負荷的初始數(shù)據(jù)表，并將點估計擴展成三段式區(qū)間估計。l.確定負荷預(yù)測目的，制定預(yù)測計劃，采集基礎(chǔ)數(shù)據(jù)。主要對象是"用戶工程"的中長期負荷預(yù)測，并根據(jù)此具體對象準備所需要的歷史資料(按時間和行業(yè)分類)。參見表1:表l全國2007年主要行業(yè)用電單耗<table>tableseeoriginaldocumentpage6</column></row><table>表l是按照時間(2007年)、對象區(qū)域(全國)和行業(yè)分類的表格，其中單耗的數(shù)值是根據(jù)歷史數(shù)據(jù)采集所得。2.改進基礎(chǔ)數(shù)據(jù)，將"點估計"拓展成"區(qū)間估計"，如表1所示，例如冶金工業(yè)中的硅鐵耗電一項，傳統(tǒng)的點估計只給出了單一的單耗指標(9044.5)，而拓展后的區(qū)間估計則給出了信息量更為豐富的三段式區(qū)間估計，即單耗指標的最小值、中值和最大值。二、專家能力數(shù)據(jù)的生成與改進根據(jù)行業(yè)專業(yè)知識，將專家能力數(shù)量化并根據(jù)專家權(quán)重生成"虛擬專家"。1.專家群的選擇，在本實施例中，專家群將由一線的設(shè)計人員(電力設(shè)計院系統(tǒng)一次的工程師)、用戶(具體的用電大用戶，如硅鐵冶金廠的工程師)和宏觀設(shè)計人員(電力公司計劃處的工程師)構(gòu)成；2.專家能力數(shù)量化，將專家對不確定性的點估計拓展成區(qū)間估計，需要必要的基礎(chǔ)知識培訓(xùn)。將一個有專業(yè)知識背景的"專家"培訓(xùn)成具備不確定性分析能力的行業(yè)專家，一般需要以下歩驟1)基本概念的傳輸什么是多樣性、不確定性、風(fēng)險以及什么是風(fēng)險分析；2)概率論基本概念的傳輸；3)從一維不確定性空間的估計到多維空間的擴展；4)什么是數(shù)據(jù)，數(shù)據(jù)分類，如何操作數(shù)據(jù)；5)在數(shù)據(jù)不完備的情況下，如何從專家意見中攫取數(shù)據(jù)；6)決策論基本概念的傳輸；7)風(fēng)險管理的流程和框架介紹；8)數(shù)據(jù)分析的重要性介紹；9)確定專家分析標準的方法介紹；10)專家能力自我測試；11)專家能力比較測試；12)專家能力數(shù)據(jù)生成。在具體操作中，需要專業(yè)的"PRA分析人員"協(xié)助重復(fù)上述操作。專家能力數(shù)量化是概率風(fēng)險分析的前提和基礎(chǔ)，其結(jié)果的質(zhì)量直接決定了后續(xù)分析的科學(xué)性和準確性。專家能力數(shù)量化一般按照如下的流程進行1)基本數(shù)學(xué)知識的培訓(xùn)，由于專家群的構(gòu)成的多樣性，需要培訓(xùn)專家一種"標準"的數(shù)學(xué)方法來描述他們的專家知識。2)區(qū)間估計分析方法的培訓(xùn)通常，專家對不確定參數(shù)的專家意見(分析)常常是一種模糊的表達，例如，好，正常，安全等，更加具體的專家意見(分析)也只局限于"點估計"，即給出不確定參數(shù)一個單一的預(yù)測值。而區(qū)間估計分析則需要專家對一個不確定參數(shù)給出它的預(yù)測最大值、最小值和中值。3)通過項目歷史數(shù)據(jù)的采集和整理，并將整理后的數(shù)據(jù)按照區(qū)間估計的方式(最小值、最大值和中值)提供給專家，使專家充分了解該項目。3.專家權(quán)重分析并生成最優(yōu)化的虛擬專家。根據(jù)統(tǒng)一的測試題目將專家的能力數(shù)量化并分配權(quán)重，從而生成虛擬專家，為以后的分析工作服務(wù)。三、實際數(shù)據(jù)與虛擬專家數(shù)據(jù)的整合根據(jù)虛擬專家數(shù)據(jù)，修正步驟l)中的區(qū)間估計。建立基本的數(shù)據(jù)模型，并將專家的初步分析結(jié)果加入模型，得到初步分析結(jié)果，如表2所示表2<table>tableseeoriginaldocumentpage8</column></row><table>在表2中，區(qū)間估計的上限、中值和下限是根據(jù)專家意見的結(jié)果所生成的。四、負荷預(yù)測與預(yù)測結(jié)果修正通過概率逆換算法反復(fù)將虛擬專家數(shù)據(jù)逆換到實際數(shù)據(jù)空間并加以比較修正，直到得到滿意結(jié)果。參見表3的實例，待分析的參數(shù)組的目標矩陣為左上角矩陣，這些數(shù)據(jù)為專家給出，如對于第一行參數(shù)，專家的預(yù)測為最小值(5%)為0.3、最大值(95%)為0.7和中值(50%)為0.5。<table>tableseeoriginaldocumentpage9</column></row><table>修正模型的目的就是使由初始參數(shù)模擬后的預(yù)測結(jié)果盡可能地符合專家預(yù)測的結(jié)果，即目標參數(shù)組。在分析過程中，把那些專家熟知物理意義并能給出專家判斷的參數(shù)稱為"引導(dǎo)參數(shù)"，而那些專家并不熟知其物理意義、不能給出明顯的專家判斷的參數(shù)稱為"目標參數(shù)"。往往我們希望得到"目標參數(shù)"的數(shù)據(jù)，PARFUM算法就是通過概率逆換的方法，通過從"引導(dǎo)參數(shù)"的反復(fù)迭代，最后得到"目標參數(shù)"的矩陣算法。其具體的描參見下面的數(shù)學(xué)說明，有一定數(shù)學(xué)基礎(chǔ)的分析人員可以重復(fù)本文中的操作。PARFUM算法描述如下令Y二[Y'，Y,YM]為密度函數(shù)[f,，…，fM]的隨機向令GM:Rn^R是可測函數(shù)，其中m=l，2，...，M，PARFUM算法由以下四步來描述:1)取有限集義cR"2)定義Ym在Gm上關(guān)于^的像點GmOir)的條件集合函數(shù)(^為"、其中Xe;jr;3)上定義最小廣義分布，其關(guān)于Gj;ir)的前推分布Pm滿足Qm，也就是說，對Xe義，有/V、、這里#代表點數(shù)。4)取關(guān)于x的p分布，其最小化相關(guān)量為5;:111&1|),這里Xe;r尸(A)通過概率逆換算法PARFUM反復(fù)將虛擬專家數(shù)據(jù)逆換到實際數(shù)據(jù)空間并加以比較修正，直到得到"滿意"的結(jié)果，修正過程可能要重復(fù)多遍。所述的滿意結(jié)果的標準為1)預(yù)測結(jié)果的最小值和最大值應(yīng)落于專家預(yù)測區(qū)間之內(nèi)，誤差不超過5%;2)預(yù)測結(jié)果的中值(即最大可能出現(xiàn)的電力負荷)與歷史數(shù)據(jù)誤差不超過土5%;3)預(yù)測結(jié)果的分布曲線與歷史數(shù)據(jù)的擬合程度達到"良好"標準，所述的"良好"標準具體可參見表4中的例子。表4所示為一個五維空間(參數(shù))的項目，其中每個參數(shù)均有三個預(yù)測區(qū)間(0.05、0.5和0.95)。從表4中可以看到，這是一組"符合度"很高的預(yù)測如第一個參數(shù)的0.05預(yù)測區(qū)間的誤差僅為(0.05126-0.05)/0.05=2.52%;其相關(guān)度指數(shù)r為(1-0.02522)1/2=0.9997。這樣，即可認為結(jié)果是滿意的。表4<table>tableseeoriginaldocumentpage10</column></row><table>權(quán)利要求1.一種基于概率逆換算法的中長期電力負荷的預(yù)測方法，包括以下步驟1)基礎(chǔ)數(shù)據(jù)的采集和改進根據(jù)行業(yè)數(shù)據(jù)庫，給出行業(yè)負荷的初始數(shù)據(jù)表，并將點估計擴展成三段式區(qū)間估計；2)專家能力數(shù)據(jù)的生成與改進根據(jù)行業(yè)專業(yè)知識，將專家能力數(shù)量化并根據(jù)專家權(quán)重生成“虛擬專家”；3)實際數(shù)據(jù)與虛擬專家數(shù)據(jù)的整合根據(jù)虛擬專家數(shù)據(jù)，修正步驟1)中的區(qū)間估計；4)負荷預(yù)測與預(yù)測結(jié)果修正通過概率逆換算法反復(fù)將虛擬專家數(shù)據(jù)逆換到實際數(shù)據(jù)空間并加以比較修正，直到得到滿意結(jié)果。2.根據(jù)權(quán)利要求l所述的預(yù)測方法，其特征在于所述的滿意結(jié)果的標準包括1)預(yù)測結(jié)果的最小值和最大值應(yīng)落于專家預(yù)測區(qū)間之內(nèi)，誤差不超過5%;.2)預(yù)測結(jié)果的中值(即最大可能出現(xiàn)的電力負荷)與歷史數(shù)據(jù)誤差不超過±5%;3)預(yù)測結(jié)果的分布曲線與歷史數(shù)據(jù)的擬合程度達到"良好"標準，所述的"良好"標準為相關(guān)度指數(shù)r〉0.99。全文摘要本發(fā)明公開了一種基于概率逆換算法的中長期電力負荷的預(yù)測方法，包括1)基礎(chǔ)數(shù)據(jù)的采集和改進根據(jù)行業(yè)數(shù)據(jù)庫，給出行業(yè)負荷的初始數(shù)據(jù)表，并將點估計擴展成三段式區(qū)間估計；2)專家能力數(shù)據(jù)的生成與改進根據(jù)行業(yè)專業(yè)知識，將專家能力數(shù)量化并根據(jù)專家權(quán)重生成“虛擬專家”；3)實際數(shù)據(jù)與虛擬專家數(shù)據(jù)的整合根據(jù)虛擬專家數(shù)據(jù)，修正步驟1)中的區(qū)間估計；4)負荷預(yù)測與預(yù)測結(jié)果修正通過概率逆換算法反復(fù)將虛擬專家數(shù)據(jù)逆換到實際數(shù)據(jù)空間并加以比較修正，直到得到滿意結(jié)果。本發(fā)明的方法可以將專家意見量化為可操作的數(shù)據(jù)，并與現(xiàn)有的數(shù)據(jù)儲備結(jié)合，進行項目的數(shù)量化風(fēng)險分析。文檔編號H02J3/00GK101299251SQ20081005302公開日2008年11月5日申請日期2008年5月7日優(yōu)先權(quán)日2008年5月7日發(fā)明者超杜,王肖鋒,苗聚昌,齊衛(wèi)東申請人:天津理工大學(xué)