《基于電力負(fù)荷時(shí)間序列混沌特性的短期負(fù)荷預(yù)測方法研究_2_5電力短期負(fù)荷時(shí)間序列混new》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、2電力短期負(fù)荷時(shí)間序列的混沌特性分析ML'(t)1kλ1=∑log2(2.13)tM?t0k=1L(tk?1)其中M是代換總步數(shù)。以上Wolf算法對數(shù)據(jù)要求較高，需要較長演化時(shí)間進(jìn)行跟蹤才能求出系統(tǒng)的特征參數(shù)。Michael.T.Rosenstein提出了改進(jìn)的方法，該方法穩(wěn)定性較強(qiáng)，且對數(shù)據(jù)點(diǎn)[91]的要求較少。Rosenstein的改進(jìn)算法是假設(shè)第j(j=1,…,Nm)對最近鄰域點(diǎn)的發(fā)散率為最大Lyapunov指數(shù)，則有：d(i)≈Ceλ1(i?t)jj(2.14)式中Cj是初始的分離量；d(i)是軌道上第j對最近鄰點(diǎn)對經(jīng)過i個(gè)離散時(shí)間步長后j的距離，相當(dāng)于'L(i

2、?t)。對(2.14)式兩邊取對數(shù)有：lndj(i)≈lnCj+λ1(i?t)(2.15)該式表示一系列的大致平行的線，每條線的斜率都大致的與最大Lyapunov指數(shù)成比例。通過最小二乘擬合這些線的“平均線”，便可方便正確的求得最大Lyapunov指數(shù)，即定義“平均線”為：1y(i)=lndj(i)(2.16)?t“平均線”的線性區(qū)域的斜率即為最大Lyapunov指數(shù)。Rosenstein的改進(jìn)算法的主要優(yōu)點(diǎn)是對小數(shù)據(jù)組比較可靠，所以也有人將之稱為小數(shù)據(jù)量方法；其計(jì)算量不大，且方法本身不太復(fù)雜，易于實(shí)現(xiàn)。2.5電力短期負(fù)荷時(shí)間序列混沌特性的實(shí)例分析①負(fù)荷時(shí)間序列的預(yù)處理

3、電力負(fù)荷是一個(gè)多維非線性系統(tǒng)，而在生產(chǎn)實(shí)際中容易獲得的只是負(fù)荷的時(shí)間序列。由于影響負(fù)荷的因素眾多，如果僅僅依賴某一因素來預(yù)測電力負(fù)荷顯然有很大的局限性，但利用重構(gòu)相空間的方法進(jìn)行預(yù)測則體現(xiàn)了負(fù)荷本身的變化規(guī)律，并具有一定的理論基礎(chǔ)。由Packard和Takens提出的相空間重構(gòu)理論，將混沌理論引入到非線性時(shí)間序列分析中，這對于研究復(fù)雜的電力系統(tǒng)負(fù)荷運(yùn)行規(guī)律是一種很有力的工具。在實(shí)際應(yīng)用中，非線性動力學(xué)理論對所分析的時(shí)間序列要求較高，如基于相空間重構(gòu)理論的確定性混沌分析在原理上要求時(shí)間無噪聲且是平穩(wěn)的，這對實(shí)際的電力系統(tǒng)來說是很難實(shí)現(xiàn)的。由于各種因素的干擾，原始負(fù)荷數(shù)據(jù)中

4、通常存在著許多偽數(shù)據(jù)，比如由于系統(tǒng)中各終端讀表的同步偏差、傳輸錯誤、信道噪聲等原因，使得數(shù)據(jù)庫中的數(shù)據(jù)有時(shí)會受到記錄錯誤或突發(fā)事件等因素影響，從而造成獲得的數(shù)據(jù)中包含有缺省或極大的偽數(shù)據(jù)（壞數(shù)據(jù)）等，這樣會導(dǎo)致吸引子在重構(gòu)相空間中27彌散，使吸引子不夠光滑，若不對這些偽數(shù)據(jù)進(jìn)行處理,必然會影響預(yù)測的精確度和速度。因此，在負(fù)荷預(yù)測之前，必須首先對歷史負(fù)荷數(shù)據(jù)進(jìn)行處理，去除其中的錯誤數(shù)據(jù)。通常負(fù)荷數(shù)據(jù)預(yù)處理包括對噪聲的消除、對缺損數(shù)據(jù)的補(bǔ)齊和對數(shù)據(jù)做適當(dāng)?shù)臉?biāo)準(zhǔn)化處理。在本論文中，考慮歷史負(fù)荷數(shù)據(jù)是在離線狀態(tài)下獲得的，因此對于負(fù)荷數(shù)據(jù)的預(yù)處理主要集中于對原始數(shù)據(jù)中的異常點(diǎn)加以

5、剔除或修正和對負(fù)荷數(shù)據(jù)序列進(jìn)行標(biāo)準(zhǔn)化處理，其中前者主要處理方式為根據(jù)各時(shí)段相對其前后時(shí)段數(shù)據(jù)的變化率大小，采用三點(diǎn)平均法進(jìn)行修正。已知{yk:k=1…2160}是等時(shí)間距離觀測得到的負(fù)荷時(shí)間序列，對該序列進(jìn)行標(biāo)準(zhǔn)化處理有：y?yiminx=,i=1,2,...,2160(2.17)iy?ymaxmin其中ymin=min{yj,j=1,2,…,2160},ymax=max(yj,j=1,2,…,2160)由此，我們對重慶某電網(wǎng)的實(shí)際負(fù)荷時(shí)間序列進(jìn)行了研究，如以2003年1月1日到3月31日歷史負(fù)荷序列作為研究對象。為了驗(yàn)證該負(fù)荷時(shí)間序列的混沌特性，我們同時(shí)對一個(gè)具有相同

6、長度的完全滿足標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)時(shí)間序列進(jìn)行研究，其負(fù)荷時(shí)間序列數(shù)據(jù)和隨機(jī)序列值如圖2.2和圖2.3所示。P/MW300022500200001500-210000500100015002000t/h0500100015002000圖2.2從2003年1月到3月的負(fù)荷時(shí)間序列圖2.3隨機(jī)時(shí)間序列Fig.2.2ElectricloadtimeseriesfromJan.1toMar.31,2003Fig.2.3Stochastictimeseries②電力短期負(fù)荷序列的確定性檢驗(yàn)對電力負(fù)荷數(shù)據(jù)進(jìn)行處理的一個(gè)重要方面是從中識別出系統(tǒng)的動力學(xué)行為，它是探索負(fù)荷序列混沌特性及其

7、建立預(yù)測模型的基礎(chǔ)。對于混亂而無明顯規(guī)則的負(fù)荷數(shù)據(jù)，尤其要區(qū)分是由真正的隨機(jī)過程還是由確定性系統(tǒng)產(chǎn)生的混沌性態(tài)。如果是混沌的，則可以建立自由度較少的確定性模型來描述該系統(tǒng)的動力學(xué)行為。混沌運(yùn)動是有界的非周期運(yùn)動，為有限個(gè)不同頻率的周期運(yùn)動的疊加，其功率譜具有隨機(jī)運(yùn)動的特征。圖2.4和圖2.5分別為負(fù)荷時(shí)間序列和隨機(jī)時(shí)間序列的功率譜。282電力短期負(fù)荷時(shí)間序列的混沌特性分析4x1020200151501010055000-50-50.10.20.30.40.50.10.20.30.40.5圖2.4電力負(fù)荷功率譜圖圖2.5隨機(jī)信號功率譜圖Fi