论文部分内容阅读
随着我国智能电网技术高速发展和装备的快速升级，建设的供电网络系统越来越复杂，电力负荷所处的环境也越来越极端多变，使得一些重要的有功负荷更易受外界环境的干扰，尤其是天气因素，再加上从急剧增加的历史负荷数据中查找对有功负荷预测有用的信息也是相当困难的，这些都增加了负荷预测的难度[1-2]。但是负荷预测在电力系统的规划、设计，负荷调度、控制，能源管理等方而起着重要的作用，所以有效提高负荷预测的精度对电网的安全，稳定，优化，经济运行有着重要的意义[3]。为提高负荷预测的精度不仅要考虑影响负荷变化的因素，还要有较好的预测方法。本文提出一种考虑天气因素的基于改进K-means聚类的ARMA预测模型对天气敏感型电网负荷进行预测。首先通过改进的K-means聚类算法对负荷和气温进行聚类分析，建立负荷与气温的关系函数;其次，经过聚类分析后建立相应的ARMA预测模型，考虑气温和湿度因素;最后，对各个簇内的预测结果进行修正、综合，通过平均相对误差来评判预测的好坏。文中通过单纯的ARMA预测法，考虑天气因素的基于K-means聚类的ARMA预测法以及本文的改进法进行实例分析对比，实验结果证明了本文所提方法的有效性，有效提高了负荷预测的精度和效率。 根据建设坚强智能电网的要求[4-6]，基于上述改进的K-means聚类的ARMA预测模型，研究基于天气因素电网负荷预测系统，该系统采用分布式客户端、集中式数据处理、全方位信息发布的总体思路，实现智能化、可视化。为雅安电网处理海量数据部署了多层次、全方位的后台服务;为雅安电网负荷预测工作展现出一个整体框架;为电力客户每时每刻提供了集预测、查询、考核为一体的地县电网负荷数据方便快捷的共享信息平台。另外，本次研究在设计规划时提前考虑了预测系统未来的冗余配置，兼顾软件系统的升级和硬件设备的更新，能够快速便捷地实现业务功能的扩展。