基于卡爾曼濾波的電力系統短期負荷預測
加入技術(shù)交流群
首先介紹了卡爾曼濾波的算法，并給出了一套遞推計算公式，然后將此算法應用于短期負荷預測，并針對負荷預測的本身的特點(diǎn)對算法進(jìn)行了改進(jìn)，用兩種算法進(jìn)行了實(shí)際的負荷預測計算，取得了比較準確預測結果。
關(guān)鍵詞：卡爾曼濾波；電力負荷預測；預測模型
Power system short-term load forecast by Kalman filter
Li Ming-gan, Sun Jian-li, Liu Pei
(Huazhong University of Science Technology, Wuhan 430074, China)
Abstract: Kalman filter algorithm is introduced in this paper firstly, and a set of formula is presented. Then Kalman filter model is used in short-term load forecast. And the model is revised by a approach aims at the specialty of load forecast. Application of these algorithms gains preferably results.
Key words: Kalman filter; power load forecast; forecast model
0 前言
短期負荷預測是電力系統運行調度中一項非常重要的內容，它是電網(wǎng)安全經(jīng)濟運行的前提，也是調度安排開(kāi)停機計劃的基礎，對電網(wǎng)調度自動(dòng)控制非常重要，其預測精度直接影響電力系統的經(jīng)濟效益。隨著(zhù)電力改革的深化，電力市場(chǎng)的進(jìn)一步開(kāi)放，高質(zhì)量的短期負荷預測愈顯得重要和迫切。
負荷預測的方法較多，傳統的方法有回歸分析法[1]和最小二乘法[2]等，這些方法算法比較簡(jiǎn)單，技術(shù)成熟，但因其模型過(guò)于簡(jiǎn)單，難以將電力系統運行過(guò)程中負荷變化的新的信息反映到模型中去，因而預測精度不盡如人意。近年來(lái)人們不斷致力于將新的理論與方法應用于負荷預測，并取得了很大進(jìn)展，提出了混沌模型方法[3]、神經(jīng)網(wǎng)絡(luò )（RBF）[4]、模糊神經(jīng)網(wǎng)絡(luò )方法[5]、專(zhuān)家系統方法[6]等。這些方法取得了比傳統方法更好的預測結果。
卡爾曼濾波（KF）是Kalman于1960年提出的，是采用狀態(tài)方程和觀(guān)測方程組成的線(xiàn)性隨機系統的狀態(tài)空間模型來(lái)描述濾波器，并利用狀態(tài)方程的遞推性，按線(xiàn)性無(wú)偏最小均方差估計準則，采用遞推算法對濾波器的狀態(tài)變量做最佳估計，從而求得慮掉噪聲的有用信號的最佳估計?？柭鼮V波理論不僅有濾波器模型，它還有預報器模型[7]，通過(guò)對模型參數的估計，實(shí)現對觀(guān)測序列的預報，因此卡爾曼濾波適合于短期負荷預測。
將卡爾曼濾波用于短期負荷預測在國外已有研究，M.Huelsemann, M.D. Seiser等人1998就對用卡爾曼濾波和自相關(guān)進(jìn)行負荷預測進(jìn)行了探討[8]，提出了用卡爾曼濾波進(jìn)行負荷預測的思路，取得了理論上的突破。隨后，Ngan, H.W. 等人也對此方法進(jìn)行了探討[9]，并取得了一定的進(jìn)展。國內，雖有將卡爾曼濾波其他方面的預測，但用于負荷預測研究的尚屬初探。筆者利用卡爾曼濾波理論建立了電力系統短期負荷預測模型，利用歷史數據中的負荷數據和氣象數據等相關(guān)數據，進(jìn)行了短期負荷的預測。
1 卡爾曼濾波模型簡(jiǎn)介
考慮線(xiàn)性離散時(shí)間系統：
式中：x是n維狀態(tài)變量，Φ(t+1,t)是n×n的狀態(tài)轉移矩陣，B(t)是n×r的輸入噪聲轉移矩陣，w(t)是p維的輸入噪聲；y(t)是m維的測量向量，H(t)是m×n維測量矩陣，v(t)是m維的測量噪聲。
式中：E表示數學(xué)期望，p×p階的輸入噪聲協(xié)方差陣Q(t)是對稱(chēng)正定的；m×m階的測量噪聲協(xié)方差陣R(g)是對稱(chēng)正定的。
又設初始狀態(tài)x(0)獨立于w(t)和v(t)，且已知其統計特性為：
詳細推導過(guò)程見(jiàn)[7]。
評論