论文部分内容阅读
电力系统负荷预测是依据电力系统的历史负荷时间序列值，利用预测模型来确定未来某特定时刻的负荷值。其中短期负荷预测是电力系统的一项基本工作，是调度安排开停机计划的基础，其预测精度直接影响电力系统的经济效益。
电力系统负荷时间序列是一个非平稳随机过程。具有拟周期性、非平稳性和非线性等特点。针对这些特点，论文提出将处理非平稳性信号的新方法一Hilbert-Huang变换(HHT)应用于电力系统短期负荷预报之中。
首先，通过HHT的边际谱对负荷时间序列进行了频谱分析。结果表明，负荷信号的变化过程具有连续频谱的特性，而且呈现很强的日周期性。
其次，历史负荷数据是预测的基础，由于异常数据的存在将掩盖数据的真实性，影响预测的精度，所以必须进行数据的预处理。本文根据HHlT的Hilbert包络检测出信号的局部奇异性，剔除异常数据。
再次，针对实际负荷时间序列具有非平稳的趋势项和周期项的特点，本文采用HHT提取趋势项和周期项，剩余部分视为随机项。再对随机项、周期项和趋势项分别采用相匹配的预测模型进行预测，然后将预测的结果相加就得到了最终的预测结果。
最后，以实际样本集进行建模和预测，并以相对误差为性能指标进行了检验。
结果表明，该方法具有较高的预测精度，从而为该领域的研究提供了一条新思路。