电力企业管理课件Word文件下载.docx

资源描述

电力企业管理课件Word文件下载.docx

《电力企业管理课件Word文件下载.docx》由会员分享，可在线阅读，更多相关《电力企业管理课件Word文件下载.docx（94页珍藏版）》请在冰豆网上搜索。

电力企业管理课件Word文件下载.docx

预测期一般在10－30年。

（3）按预测方法划分：

※定性预测：

根据个人的经验和知识，判断未来事物发展的趋势和状态。

※定量预测：

利用统计资料凭借一定模型微预测对象未来发展趋势和状态进行预测，包括外推法和因果法两大类。

●外推法：

利用过去和现在的资料，推算事物未来发展趋势的方法。

优点是简单易行，缺点是撇开因果关系，只凭数据讲话，因此大多用于中短期预测。

如：

时间序列法等。

●因果法：

通过寻找事物变化的内在原因与产生的结果之间的关系，预测事物未来发展趋势和状态的方法。

优点是准确性强，缺点是计算复杂。

多用于长期预测。

电力弹性系数法、回归分析法、单耗法等。

■电力需求预测的程序

（1）确定预测目标

（2）收集、分析、整理有关情报资料

（3）选择预测方法

（4）建立数学模型，进行预测计算

（5）预测结果检验

2、电力需求的定量预测方法

1.经典预测方法

2.趋势外推负荷方法

3.回归模型预测方法

4.时间序列方法

5.灰色系统理论预测方法

6.负荷预测新方法

7.对异常数据的处理

2.1经典预测方法

※类比法

※单耗法

※比例系数增长法

※弹性系数法

※小结

类比法

对新事物或未知事物预测

※例：

预测一新规划开发区A未来电量需求，已知

●已建开发区B历史电量曲线

●B规模：

2000亩

●A规模：

3000亩

单耗法

优点：

计算简单，可得到比较精确的结果

缺点：

•难以准确确定产品的单耗

•需进行大量调查，工作量大

比例系数增长法

※假定今后电力负荷增长比例与过去相同，用历史数据求出比例系数，按比例预测未来发展。

•计算简单

•需要数据少

误差来源：

•电力负荷增长方式与以前不一致

适用范围：

•经济发展平稳

•产业结构没有大的变化

弹性系数法

※弹性系数：

变化率A/变化率B

□电量的价格弹性系数

□电量的国内生产总值弹性系数

已知某地区的下列数据

试预测2005年的用电量

※误差来源

•弹性系数预测不准：

分行业预测

•未来GDP预测不准

小结

※模型简单

※依赖于对相关因素的预测

•单耗法:

单耗、产量

•比例系数增长法：

增长比例系数

•弹性系数法：

弹性系数、GDP

2.2趋势外推负荷方法

※电力负荷

■不确定性：

气候变化，意外事故

■一定条件下，有明显的变化趋势

※趋势外推：

■根据过去数据寻找负荷变化趋势，预测未来负荷

电力负荷趋势外推负荷方法

※水平趋势预测方法

※线性趋势预测方法

※多项式趋势预测方法

※季节性趋势预测方法

※增长趋势预测方法

一、水平趋势预测方法

※收集到的负荷变化的T期数据具有水平趋势

•散点图：

水平直线上下随机波动

□已知：

□预测值：

□预测方法：

•全平均法、一次滑动平均预测法、一次指数平滑预测法、一阶自适应系数预测法

1、全平均法

※在t（t<

=T）时刻,用t期以前的全部数据作平均

全平均法的循环计算公式：

适用于数据波动不大的场合

※很强的平滑作用（消除波动）

※权重一样，跟踪数据变化的能力差

2、一次滑动平均预测法

※基本思想：

近期数据对预测影响大，远期数据影响小

※方法：

对近N期数据加上等权1/N

循环计算公式：

3、一次指数平滑预测法

重近轻远，对数据加以不同权

权系数按指数变化

一次指数平滑法平滑系数的选取：

※数据序列波动大

•突出新数据作用，强化误差修正项

•平滑系数取大

※数据序列变化平缓

•平滑系数取小

※通过计算机程序对平滑系数选取优化

4、一阶自适应系数预测法

※问题的提出：

•最优平滑系数变化，如何选取？

•根据情况变化，不断修正a值，使预测效果更佳

•自适应系数

※自适应方法

一个时期内出现系统偏差（偏差均为正或均为负）

•调大a

没有系统偏差（偏差正负间或交替）

•a维持不变

例：

一次指数平滑法

二、线性趋势预测方法

•水平趋势预测法对直线趋势负荷预测滞后

※解决方法：

•两次滑动

※预测方法

•二次滑动平均法

•二次指数平滑法

•二阶自适应系数预测方法

1、二次滑动平均法

2、二次指数平滑法

3、二阶自适应系数预测方法

※根据预测误差情况不断调整平滑系数

二次指数平滑法

三、多项式趋势预测方法

•负荷曲线具有多项式形式

※解决方法：

•多次滑动

三次指数平滑法：

四、季节性趋势预测方法

•负荷曲线具有某种增长趋势

•负荷曲线存在多种周期性变化

•四季、月、星期、日，统称为季节型趋势

●先定线性趋势方法

•先确定线性趋势（滑动跨度取为周期的整数倍）

•从数据中扣除线性趋势因素再确定季节指数

●先定周期趋势方法

•先确定周期趋势（区周期内平均值代替线性趋势）

•从数据中扣除周期趋势因素再确定线性指数

五、增长趋势预测方法

•负荷曲线具有非线性增长趋势

•对函数与变量进行变换

※增长趋势预测技术

•指数曲线模型

•非齐次指数模型

•龚帕兹（B.Compertz）模型

•逻辑斯蒂（Logistic）模型

1、指数曲线模型

※历史用电量数据大致为指数增长趋势

※取对数

※令

※Y与时间t为线性关系，可用线性趋势方法预测

小结：

※所需数据：

•历史负荷数据

•不需要其他任何数据

•负荷仅为时间的函数

※函数形式

•多种：

水平，线性，多项式，指数等

•需要首先根据数据判断负荷符合哪种形式

例1、趋势外推预测方法

例1：

图

例2：

例3：

例4：

2.3回归模型预测方法

电力负荷回归模型预测方法：

※问题的提出

●电力负荷不仅仅是时间的函数

•GTP,温度，雨量，风力，风向，能见度

●未来负荷还受很多随机因素的影响

•不是一个确定的数值，是一随机变量

※解决办法：

●将未来负荷表示为依赖于一些可以观察的变量的随机变量

其中：

•y:

待测的负荷

•S:

预测模型的参数向量

•X:

负荷相关因素组成的向量

•t:

时间

•e：

随机误差，或随即干扰，服从正态分布

•

GTP

平均温度

※预测方法：

●观察以前的相关数据，选择适

当的模型

•一元线性，多元线性，非线性…

•用某种方法确定模型的参数S

□y关于X的回归方程：

一元线性回归模型

※回归模型：

※问题：

已知两变量x与y的n对试验值，即样本

，且满足下式：

※求：

a与b

用最小二乘法估计参数a与b

※定义：

离差平方和

※问题：

选取a何b,使得Q（a,b）最小？

求极值法，偏导数为零

回归模型的检验：

•假定了负荷y关于参数X的回归具有某种形式

•这种假定是否成立?

※方法

•根据负荷的历史资料，用假设检验方法进行判断

•检验求得的回归方程是否具有实用价值

※具体的检验方法

•线性假设的显著性检验

•相关系数检验

※特点：

●可以考虑多个因素对负荷的影响

●可以确定负荷在一定置信度下的预测值和置信区间，而不是一个简单的数

●将影响未来负荷的参数视为确定

●实际上，未来的参数也是不确定的

•GTP,气温，降雨量，能见度

2.4时间序列预测方法

•影响未来负荷的变量为随机变量

※解决办法：

•将预测目标的观测值构成的序列看为某个随机过程的实际体现

•通过对过去数据的分析建立该随机过程的数学模型

※时间序列预测方法

•将未来（待测）负荷看为过去负荷的函数

•自变量为负荷自身的过去值

•自变量和因变量都是随机变量

：

趋势项

周期项

随机项

时间序列预测方法的预测步骤：

2.5灰色系统理论预测方法

信息不全（灰色系统）

●白色系统：

信息完全已知（电路）

•具有明确的映射关系

●黑色系统：

信息完全未知（遥远的星球）

●灰色系统：

部分信息未知，部分信息已知

•没有明确的映射关系

•电力系统

–发电能力，电网容量，大用户情况

–影响负荷的天气情况，突发事件

解决灰色问题的方法：

※基于概率统计的方法（回归分析方法）

•需要大量样本

•必须先知道分布规律、发展趋势

※时间序列法

•致力于数据的拟和，不注重规律的发现

※灰色理论

•在可利用数据不多的情况下，找到较长时间起作用的规律

灰色理论的基本思想：

※任何随机过程都是在一定范围、一定时区内变化的灰色量，即灰色过程

※灰色过程：

●通过原始数据的整理来寻找数的规律——数的生成

•根据数寻找数的现实规律

•基于概率统计的方法：

按先验规律处理问题

灰色生成：

※生成：

将原始数列

中的数据

按某种要求作数据处理（数据变换）

※累加生成：

原始数列：

一次累加生成序列

※灰指规律：

•对原始非负数列作1-AGO后得到的生成数列具有近似的指数规律

•原始数列的光滑度越大，则生成数列的灰度越小

灰指数律原因：

※灰指数律

※对任意非负数列，经过若干次累加生成，可以将其变为具有指数规律的上升形状序列

※原因：

•大多数系统都是广义的能量系统

•指数规律是能量变化的一种规律

灰色理论负荷预测方法步骤：

※对原始数据作i-AGO,得到灰指数律具有指数规律的上升形状序列

※计算灰色模型微分方程的相关参数

※建立灰色预测模型，带入数据计算

※对计算结果进行累减计算（还原），得到预测值

※对模型精度进行检验

※预测结果误差分析

※优点：

•要求负荷数据少

•不考虑分布规律，不考虑变化趋势

•运算方便

•短期预测精度高

•易于检验

※缺点

•数据离散程度越大，即灰度越大，预测精度越差

•仅对最近的一、两个数据的预测精度较高

•不适合电力系统长期后推若干年的预测

2.6负荷预测新方法

1.小波分析方法

2.神经网络预测方法

3.专家系统预测方法

4.组合分析方法

1、小波分析预测方法

※问题的提出

•电力负荷具有特殊的周期性

•负荷以天、周、年为周期发生波动，大周期中套小周期

※如何将不同周期的分量分解？

※小波分析

•一种变换方法，可以将交织在一起的不同频率组成的混合信号分解成不同频带上的块信号

※小波分析用于负荷预测

•对负荷序列进行小波变换，可以将负荷序列分别投影到不同的尺度上

•对不同的负荷序列分别进行预测

2、神经网络预测方法

•电力负荷受很多因素的影响（天气）

•之间大多是非线性关系

•难以确定负荷与这些因素之间属于何种函数关系

※神经网络：

•通过一个n层的神经网络模型，建立一种输入输出变量之间的映射关系

•三层人工人神经网络，可以实现从输入到输出间的任意非线性映射

神经网络预测方法ANN：

※神经网络负荷预测方法：

●确定神经网络的结构

•输入变量，输出变量，中间层数目

●通过样本对神经网络进行训练，调整神经元的阀值和连接权值

●根据训练好的神经网络进行预测

※关键问题

●不同情况下适用的ANN模型不同

●根据系统的具体情况选取不同的输入量，不同的数据处理方法，不同的ANN模型与结构

3、专家系统预测方法

•多种负荷预测方法，适用于不同的情况

•不能绝对说一种方法比另一种方法好

•在一定情况下，该市用哪种方法？

※专家系统方法：

•对某种预测问题，通过建立的专家系统对多种不同的模型进行分析，比较

•寻找最适合的负荷预测模型，以其结果作为预测值

专家系统：

※专家系统：

●用基于知识的程序设计方法建立起来的计算机系统

●拥有某个特殊领域内专家的知识和经验

●可以像专家一样运用这些知识进行推理，作出智能决策

●组成：

知识库、推理机、知识获取部分、解释界面

※专家系统用于负荷预测

●关键是专家知识的建立

•例如：

认为一些地区第三产业用电比率呈上升趋势，如预测结果相反，则淘汰该方法

4、组合分析方法

●不同方法预测的结果不同

●如何判断不同方法的优劣？

组合分析方法

●将几种预测方法所得的预测结果，选取适当的权重进行加权平均

•不同方法权数的确定——等权，回归组合预测

●对几种预测方法进行比较，选择拟和最优或标准离差最小的模型作为最优模型进行预测

2.7对异常原始数据的处理

※采样得到的历史负荷数据常常含有异常值

●历史负荷数据可能会有丢失或不准确

※数据异常原因

●人为因素造成

•数据通道通信错误、数据丢失、数据整理错误

●突发事件或某些特殊原因

•奥运会直播

•非典

•拉闸限电

※异常数据的存在

•影响预测体系的预测精度，甚至误导预测系统的预测结果

※必须排除异常数据带来的不良影响

•修正法

•解析分析法

•不良数据辨识

※修正法

•适用于不常见的突发事件

•对影响的负荷进行估计，并给予直接修正

•恢复自然发展情况下用电需求的“本来面目”

※解析分析法

•利用同样星期类型、相邻日等各种曲线的相似性

•对某些表现出特殊异常的点进行修正

※不良数据辨识

•应用电力系统状态估计中不良数据检测与辨识理论

•要求大量样本，辨识结果可能漏检或误检

小结-负荷预测方法：

※长期预测（年度）

※中期预测（月度）

※短期预测（日）

※超短期预测（小时）

※比较

•预测对象与内容、作用、预测特点、主要影响因素、主要的成熟预测方法

长期负荷预测：

※研究对象与内容：

某物理量（负荷/电量）的年度统计数据

※作用:

提供电源、电网规划的基础数据，确定年度检修计划、运行方式等

※预测特点：

数据基本上单调变化（递增），无周期性

※主要影响因素：

国民经济发展情况，人口，产值单耗，产业结构调整情况，电价政策

※主要预测方法：

自身规律外推法（回归分析、滑动平均、指数平滑、灰色预测），考虑主要影响因素的各类相关预测法

中期负荷预测：

某物理量（负荷/电量）的月度统计数据

安排月度检修计划、运行方式、水库调度计划、电煤计划

周期性长，各个年度的12个月具有相似的规律

大用户生产计划，气象条件，产业结构调整情况，电价政策等

历史同月数据的外推预测：

考虑年度周期性的时间序列预测，考虑主要影响因素的各类相关预测法

短期负荷预测：

某日内某个时刻的负荷（如24，48或96点），日电量

日开停机计划和发电计划

在年、月、星期、日不同期限上均具有明显的周期性

星期类型，气象因素（温度，湿度，降雨等）、电价