论文部分内容阅读
长期以来,电力在社会发展中一直扮演着举足轻重的角色,从经济社会的发展,到人民生活水平的提高都离不开电力的保障作用。从某种程度上说,电力工业的发展水平已成为衡量一个国家发展水平乃至物质精神文明的一个重要标志。区别于煤、石油等一次性能源,电能自身的特性决定了电能不能大规模存储,必须通过有效的电力市场需求预测手段实现合理的电网中长期发展规划、电力营销和电网需求侧管理。因此,中长期电力市场需求预测技术对电力系统的安全稳定运营具有重要意义。另一方面,我国区域电力供需发展不平衡现象仍广泛存在：由于对电力需求估计的不足,部分地区经常出现月平均停电时间超十小时的现象；同时,部分地区对电力市场需求估计过高,导致电能过剩,不但提高了电力企业的运营成本,更造成了资源的浪费。因此,加强对电力消费需求的预测研究和区域电力市场的需求分析是实现电力有效供应的前提和技术关键。相比于短期负荷预测,中长期电力市场需求预测面临很多挑战：由于时间、地域跨度范围比较大,中长期电力需求受电力市场外部因素影响较大,且部分影响因素难以量化和建模；对象可研究的需求历史数据远少于短期负荷预测；对于行业电力市场需求预测,由于行业数目众多,很难针对每个行业建立单独的预测模型进行电力市场需求预测。针对上述研究挑战,本文以省级电力市场需求预测为研究对象,深入研究中长期电力市场需求预测方法。基于上述研究挑战,本文的主要创新点如下：1.针对省级及地市级电力市场需求预测问题,结合计量经济学原理,筛选出电力市场需求的关键影响因素,并通过智能模型拟合外部影响因素与电力需求之间的非线性关系,克服了省级及地市级电力市场需求受外部因素影响难以量化的问题;2.针对行业电力市场需求预测中行业数目过多的特点,本文根据行业电力市场需求波动特性,基于聚类算法对行业电力市场进行划分。针对当前聚类算法在行业电力市场分类应用中的不足,对传统聚类算法及聚类评价指标提出了改进方案。最后,针对聚类后的各行业簇,建立统一的预测模型,提高了预测精度；3.以南方电网某电力大省为实例,以全省及21个地市电力市场及137个行业电力市场为对象,对本文提出的基于数据挖掘的建模方法进行了验证研究,实验结果论证了本文提出的建模方法的有效性。