資源描述：
《基于HHT的電力系統(tǒng)負荷預(yù)測》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、第32卷第3期四川電力技術(shù)Vo1．32，No．32009年6月SichuanElectricPowerTechnologyJun．，2009基于HHT的電力系統(tǒng)負荷預(yù)測白瑋莉，劉志剛，王奇。周登登(西南交通大學(xué)電氣化自動化研究所，四川成都610031)摘要：針對電力系統(tǒng)負荷序列既具有波動性又具有特殊周期性，目前常用負荷分析方法多依賴主觀經(jīng)驗的問題，而提出基于HHT的電力系統(tǒng)負荷預(yù)測方法，將原本復(fù)雜的時間序列分解成具有一定規(guī)律和周期性的分量之和，求其頻譜，對各個分量進行頻率特征分析，分別選用相適應(yīng)的預(yù)測
2、方法，最后將各個分量預(yù)測結(jié)果相加得到最終預(yù)測值。此方法克服了負荷數(shù)據(jù)波動性大，頻率復(fù)雜難于精確預(yù)測的問題。用此種方法對短期和中期負荷數(shù)據(jù)進行預(yù)測分析，仿真結(jié)果表明此方法有較高的精度。關(guān)鍵詞：負荷預(yù)測；HHT；頻譜；短期和中期Abstract：Theloadsequenceofpowersystemhasbothvolatilityandperiodicity，butthecommonloadanalysismethodsmostlydependonsubjectiveexperiencesatpres
3、ent．AmodelbasedonHHTisproposed．Thecomplexloadseriescanbedecomposedtoseveraldifferentserieswithcertainregularityandperiodicity．Throughcalculatingthespectrumofdecomposedseries，thedifferentforecastingmethodscanbechosenaccordingtothefeaturesofdecomposedcomp
4、onents．Thesuperpositionofforeeas-ringresultsofthecomponentscanbeobtainedastheultimateforecastingvalueatlast．Theproblemsthatthefaultofloaddatahasthecomplexfrequencyandisdifficulttobepredictedaccuratelycanbeovercome．Theshort—timeandmonthlyloadfore—casting
5、resultsshowthattheproposedmethodcanimproveforecastingaccuracyefectively．Keywords：loadforecasting；HHT；spectrum；short—timeandmonthly中圖分類號：TM715文獻標識碼：A文章編號：1003—6954(2009)03—0009—05長期以來，國內(nèi)外學(xué)者對負荷預(yù)測的理論和方法一定的干擾，文獻[9]對EMD分解后的子序列全部做了大量的研究，提出了各種各樣的預(yù)測方法，除傳利用SVM進行
6、預(yù)測，沒有考慮每個分量的特點及預(yù)統(tǒng)的時間序列法外，研究較多的是以人工神經(jīng)網(wǎng)絡(luò)法測方法的適應(yīng)性，具有一定的不合理性。文獻[10]為代表的新型智能方法，它由于具有并行分布信息、將EMD分解后的子序列重構(gòu)成三個分量，用三種不自學(xué)習(xí)及任意逼近連續(xù)函數(shù)的能力，尤其能實現(xiàn)非線同的預(yù)測方法進行預(yù)測，這與利用EMD分解提高預(yù)性映射，能捕獲電力負荷的各種變化趨勢，受到研究測精度的初衷自相矛盾。這里提出基于HHT的電力人員的青睞。另外模糊理論¨。J、專家系統(tǒng)J、卡爾系統(tǒng)負荷預(yù)測法，通過實際數(shù)據(jù)檢驗，此方法可提高曼濾波J、
7、聚類分析J、混沌分型理論J、數(shù)據(jù)挖預(yù)測精度。掘等方法均有成功應(yīng)用，它們共同的特點是考慮天氣濕度等外界因素對負荷數(shù)據(jù)直接進行整體性預(yù)1HHT算法簡介測，分析方法多依賴于主觀經(jīng)驗，對數(shù)據(jù)序列的內(nèi)在規(guī)律提取不夠。電力系統(tǒng)負荷序列既具有波動性又HHT(Hilbert—HuangTransform)¨是全新的信具有特殊的周期性，可看作多個不同頻率分量的疊號處理方法，它由經(jīng)驗?zāi)B(tài)分解法EMD及Hilbert變加。每個分量呈近似周期變化，具有相似的頻率特性換兩部分組成。EMD算法的目的是將性能不好的信和一致的變化規(guī)
8、律，也具有更強的可預(yù)測性。因此，號分解為一組性能較好的具有瞬時頻率的固有模態(tài)在對負荷進行頻域分解的基礎(chǔ)上，根據(jù)各頻率分量特函數(shù)(IMF)和具有單調(diào)性或一個極值點的余項尺。點進行建模是提高預(yù)測精度的有效途徑。文獻[8]該方法分解過程基于數(shù)據(jù)信號局部特征，不需要預(yù)先利用小波方法有一定的改進，但小波的固有缺點是小設(shè)定參數(shù)，是自適應(yīng)的。分解得到的IMF分量都是波基的選擇對分析結(jié)果的影響較大，對分析過程造成平穩(wěn)的，包含原始信號的局部特征信息，尤其適用于基金項目：教
