一種基于李雅普諾夫指數(shù)的電力系統(tǒng)負(fù)荷預(yù)測(cè)方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及電力系統(tǒng)負(fù)荷預(yù)測(cè)領(lǐng)域，更具體地，設(shè)及一種基于李雅普諾夫指數(shù)的 電力系統(tǒng)負(fù)荷預(yù)測(cè)方法及裝置。
【背景技術(shù)】
[0002] 在電力系統(tǒng)運(yùn)行、控制和計(jì)劃管理中，負(fù)荷預(yù)測(cè)決定了發(fā)電、輸電和配電的合理安 排，是電力系統(tǒng)規(guī)劃的重要組成部分。其中，短期負(fù)荷預(yù)測(cè)最主要的應(yīng)用是為發(fā)電計(jì)劃程序 提供數(shù)據(jù)，用來確定滿足安全要求、運(yùn)行約束、W及自然環(huán)境和設(shè)備限制的運(yùn)行方案，對(duì)電 網(wǎng)運(yùn)行的安全性、可靠性和經(jīng)濟(jì)性起著重要作用。如何提高預(yù)測(cè)精度是目前研究短期負(fù)荷 預(yù)測(cè)理論與方法的中屯、和重點(diǎn)，準(zhǔn)確的短期負(fù)荷預(yù)測(cè)已成為實(shí)現(xiàn)電力系統(tǒng)管理現(xiàn)代化的重 要內(nèi)容之一。
[0003] 長(zhǎng)期W來，國(guó)內(nèi)外學(xué)者對(duì)電力系統(tǒng)負(fù)荷預(yù)測(cè)理論進(jìn)行了廣泛而深入的研究，提出 了許多有效的方法，如回歸分析法，時(shí)間序列法，神經(jīng)網(wǎng)絡(luò)法，小波分析法等。然而在實(shí)際問 題中，短期電力負(fù)荷往往表現(xiàn)為非線性，近年來，基于混濁理論的非線性時(shí)間序列預(yù)測(cè)模型 在日負(fù)荷預(yù)測(cè)中的應(yīng)用引起了人們的廣泛興趣，越來越多的基于混濁理論的預(yù)測(cè)方法應(yīng)用 于電力系統(tǒng)短期負(fù)荷預(yù)測(cè)。其中，基于最大Lyapunov指數(shù)預(yù)測(cè)法W其簡(jiǎn)單的原理、較小的計(jì) 算量得到了較為廣泛的應(yīng)用。但在某些實(shí)際預(yù)測(cè)中，該方法然存在預(yù)測(cè)精度不高的問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明提供一種提高預(yù)測(cè)精度的基于李雅普洛夫指數(shù)的電力系統(tǒng)負(fù)荷預(yù)測(cè)方法。
[0005] 本發(fā)明的有一目的在于提供一種基于李雅普洛夫指數(shù)的電力系統(tǒng)負(fù)荷預(yù)測(cè)裝置。
[0006] 為了達(dá)到上述技術(shù)目的，本發(fā)明的技術(shù)方案如下：
[0007] -種基于李雅普洛夫指數(shù)的電力系統(tǒng)負(fù)荷預(yù)測(cè)方法，包括W下步驟：
[0008] (1)對(duì)電網(wǎng)的負(fù)荷數(shù)據(jù)進(jìn)行采集和處理，形成可用的負(fù)荷時(shí)間序列{x(t)，t=l， 2…，N}，其中，N為負(fù)荷序列長(zhǎng)度；
[0009] (2)對(duì)于負(fù)荷時(shí)間序列^(*)八=1，2-，，的，利用自相關(guān)函數(shù)法計(jì)算延遲時(shí)間1、利 用G-P算法計(jì)算嵌入維數(shù)m;
[0010] (3)根據(jù)所求的延遲時(shí)間τ和嵌入維數(shù)m進(jìn)行相空間重構(gòu)，
[0011] X(t) = [x(t) ,x(t+T),,x(t+(m-l)T) ]τ，t = 1,2,... ,M，M=N-(m-l)T;
[0012 ] (4)利用改進(jìn)小數(shù)據(jù)量法計(jì)算重構(gòu)相空間相軌跡的最大Lyapunov指數(shù)λ;
[0013] 所述改進(jìn)小數(shù)據(jù)量法，是在計(jì)算最大Lyapunov指數(shù)過程中，取多個(gè)初始相點(diǎn)的演 化過程，讓鄰近軌道隨時(shí)間演變多步，并取多個(gè)局部發(fā)散率的平均值；
[0014] (5)確定預(yù)測(cè)中屯、點(diǎn)X(M)，在重構(gòu)相空間尋找預(yù)測(cè)中屯、點(diǎn)的最近鄰點(diǎn)X化），并利用 歐幾里德公式計(jì)算兩相點(diǎn)間的距離Lo，
[0015] L〇= ||X(M)-X化）I I ;
[0016] (6)確定最近鄰點(diǎn)X化)的下一演化點(diǎn)X化+1)，貝IJX(M+1)的預(yù)測(cè)值為：
[0017]
[0018] 式中，只有X(M+1)的最后一個(gè)分量x(化1)未知，則x(化1)的預(yù)測(cè)值為：
[0019]
[0020] (7)判斷預(yù)測(cè)值的正、負(fù)取值。
[0021] 進(jìn)一步地，所述利用自相關(guān)函數(shù)法計(jì)算延遲時(shí)間τ的方法為：
[0022] 首先利用自相關(guān)法求取時(shí)間延遲，對(duì)于負(fù)荷時(shí)間序列^(〇八=1，2-，，的，時(shí)間跨 度為jT的自相關(guān)函數(shù)為：
[0023]
[0024] 其中，τ為延遲時(shí)間，j為整數(shù)；
[0025] 固定j，做自相關(guān)函數(shù)關(guān)于τ的函數(shù)圖象，τ = 1，2，···，當(dāng)自相關(guān)函數(shù)下降到初始值 的1 -1 /e倍時(shí)，所得的時(shí)間τ即為重構(gòu)相空間的延遲時(shí)間τ。
[00%] 進(jìn)一步地，采用改進(jìn)G-P算法計(jì)算嵌入維數(shù)m，其主要步驟如下：
[0027] (a)對(duì)于混濁時(shí)間序列{X(t)，t = 1，2，…，N}，根據(jù)自相關(guān)法求取的時(shí)間延遲τ，先 給定一個(gè)較小的值m，對(duì)應(yīng)一個(gè)重構(gòu)的相空間Χ( t);
[0028] (b)計(jì)算關(guān)聯(lián)積分
[0029]
[0030] 其中，MX(i)-X(j)M表示相點(diǎn)X(i)與X(j)之間的距離，運(yùn)里用范數(shù)來表示，Θ (·)為Heaviside單位函數(shù)；
[0031] (C)對(duì)于r^O某個(gè)取值范圍，關(guān)聯(lián)維數(shù)D與函數(shù)Cn(r)應(yīng)滿足對(duì)數(shù)線性關(guān)系
[0032] dD(m)=d(lnCn(r))/d(lnr)；
[0033] (d)增加嵌入維數(shù)m，重復(fù)計(jì)算
(lnCn(r))/d(lnr)式，直到相應(yīng)的D隨m的增長(zhǎng)在一定誤差內(nèi)不變?yōu)橹?，此時(shí)的D即為關(guān)聯(lián)維 數(shù)，根據(jù)m > 2D+1得m即為嵌入維數(shù)。
[0034] 進(jìn)一步地，所述改進(jìn)小數(shù)據(jù)量法具體包括：
[0035] (a)設(shè)定相空間中Nc個(gè)初始點(diǎn)，尋找各初始點(diǎn)X(t)的化個(gè)鄰近點(diǎn)X化）；
[0036] (b)對(duì)相空間中每個(gè)初始點(diǎn)X(t)，計(jì)算各鄰點(diǎn)對(duì)經(jīng)i步演化后的距離dt(i，k)
[0037] dt(i，k)= |X(t+i)-X化+i) |i = l，2，...，I [003引其中，I是最大演化時(shí)間步，取30-40;
[0039] (C)計(jì)算化個(gè)鄰點(diǎn)對(duì)的i個(gè)演化時(shí)間步后的平均距離山(i)
[0040]
[0041] (d)對(duì)每個(gè)演化時(shí)間步i，計(jì)算所有初始點(diǎn)對(duì)應(yīng)的dt(i)的對(duì)數(shù)平均值y(i)
[0042]
[0043] (e)作y(i)隨i變化的曲線，對(duì)其直線部分用最小二乘法作回歸直線，則直線的斜 率就是最大Lyapunov指數(shù)。
[0044] 進(jìn)一步地，所述歐幾里德公式為改進(jìn)的歐幾里德公式：
[0045] Lo= ||X(M)-X化）I I ;
[0046] 設(shè)，兩者間的歐幾里德距離公式為：
[0047]
[004引其中:A、B是兩個(gè)時(shí)間序列，η為序列長(zhǎng)度;山和bi分別為時(shí)間序列A、B的各分量，m平 衡偏移量因子。
[0049] 一種基于Lyapunov指數(shù)的電力系統(tǒng)負(fù)荷預(yù)測(cè)方法的裝置，包括依次串行連接的數(shù) 據(jù)采集模塊、輸入模塊、相空間重構(gòu)模塊、混濁特性判別模塊、預(yù)測(cè)模塊、預(yù)測(cè)效果仿真分析 模塊、預(yù)測(cè)結(jié)果評(píng)價(jià)模塊、輸出模塊，電網(wǎng)的歷史負(fù)荷通過數(shù)據(jù)采集模塊后，經(jīng)過輸入模塊 進(jìn)行數(shù)據(jù)處理，處理后的可用數(shù)據(jù)進(jìn)入相空間重構(gòu)模塊，重構(gòu)后的空間向量為混濁特性判 別模塊的輸入，如果最大Lyapunov指數(shù)大于零則進(jìn)入預(yù)測(cè)模塊、否則返回?cái)?shù)據(jù)采集模塊重 新進(jìn)行其他時(shí)段的數(shù)據(jù)采集，仿真分析模塊及結(jié)果評(píng)價(jià)模塊對(duì)預(yù)測(cè)結(jié)果進(jìn)行精度要求檢 驗(yàn)，如果符合要求則進(jìn)入輸出模塊、如果不符合要求則返回?cái)?shù)據(jù)采集模塊重新進(jìn)行其他時(shí) 段的數(shù)據(jù)采集。
[0050] 與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是：
[0051] 本發(fā)明方法同時(shí)對(duì)計(jì)算關(guān)聯(lián)維數(shù)的G-P算法、計(jì)算Lyapunov指數(shù)的小數(shù)據(jù)量法、對(duì) 歐幾里德公式進(jìn)行改進(jìn)，利用運(yùn)Ξ種改進(jìn)方法對(duì)最大Lyapunov指數(shù)預(yù)測(cè)法進(jìn)行改進(jìn)，使預(yù) 測(cè)精度更進(jìn)一步提高，預(yù)測(cè)結(jié)果更準(zhǔn)確;本發(fā)明裝置采用了模塊化結(jié)構(gòu)，模塊化結(jié)構(gòu)利于裝 置升級(jí)和維護(hù)；同時(shí)在線實(shí)時(shí)采集負(fù)荷數(shù)據(jù)、在線建模、在線預(yù)報(bào)，是實(shí)時(shí)在線預(yù)報(bào)裝置。
【附圖說明】
[0052] 圖1為本發(fā)明裝置的模塊組成框圖；
[0053] 圖2為本發(fā)明方法的流程圖；
[0054] 圖3為實(shí)施例中的仿真結(jié)果圖。
【具體實(shí)施方式】
[0055] 附圖僅用于示例性說明，不能理解為對(duì)本專利的限制；
[0056] 為了更好說明本實(shí)施例，附圖某些部件會(huì)有省略、放大或縮小，并不代表實(shí)際產(chǎn)品 的尺寸；
[0057] 對(duì)于本領(lǐng)域技術(shù)人員來說，附圖中某些公知結(jié)構(gòu)及其說明可能省略是可W理解 的。
[005引下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的說明。
[0化9] 實(shí)施例1
[0060] 如圖1所示，本發(fā)明的基于李雅普洛夫化yapunov)指數(shù)的電力系統(tǒng)負(fù)荷預(yù)測(cè)方法 的裝置采用了模塊化結(jié)構(gòu)，模塊化結(jié)構(gòu)利于裝置升級(jí)和維護(hù)；同時(shí)在線實(shí)時(shí)采集負(fù)荷數(shù)據(jù)、 在線建模、在線預(yù)報(bào)，是實(shí)時(shí)在線預(yù)報(bào)裝置;與W往裝置相比提出增加了預(yù)測(cè)效果仿真分析 模塊、預(yù)測(cè)結(jié)果評(píng)價(jià)模塊，使應(yīng)用者實(shí)時(shí)掌握預(yù)測(cè)誤差，做出正確的判斷、和決策。該裝置由 數(shù)據(jù)采集卡、計(jì)算機(jī)系統(tǒng)、數(shù)據(jù)輸出接口組成，具體包括數(shù)據(jù)采集模塊、輸入模塊、相空間重 構(gòu)模塊、混濁特性判別模塊、預(yù)測(cè)模塊、預(yù)測(cè)效果仿真分析模塊、預(yù)測(cè)結(jié)果評(píng)價(jià)模塊、輸出模 塊，運(yùn)些模塊應(yīng)用C++語言和MATLAB語言實(shí)現(xiàn)。所述數(shù)據(jù)采集模塊用于對(duì)電網(wǎng)每天24小時(shí)整 點(diǎn)負(fù)荷(單位為:MWA)進(jìn)行采集;所述輸入模塊可W用于輸入歷史負(fù)荷數(shù)據(jù)W及數(shù)據(jù)處理； 所述相空間重構(gòu)模塊用于計(jì)算重構(gòu)相空間的參數(shù)-延遲時(shí)間和嵌入維數(shù);所述混濁特性判 別模塊用于計(jì)算最大Lyapunov指數(shù)，根據(jù)其值來進(jìn)行負(fù)荷序列的混濁特性的識(shí)別;所述預(yù) 測(cè)模塊用于利用最大Lyapunov指數(shù)預(yù)測(cè)模型進(jìn)行負(fù)荷預(yù)測(cè);所述預(yù)測(cè)結(jié)果評(píng)價(jià)模塊用于檢 驗(yàn)預(yù)測(cè)精度的各種誤差指標(biāo);所述預(yù)測(cè)效果的仿真分析模塊用于對(duì)負(fù)荷預(yù)測(cè)效果進(jìn)行模擬 測(cè)試及分析;所述輸出模塊用于顯示和輸出負(fù)荷的預(yù)測(cè)結(jié)果。
[0061] 各模塊之間的信號(hào)流程為數(shù)據(jù)采集模塊、輸入模塊、相空間重構(gòu)模塊、混濁特性判 別模塊、預(yù)測(cè)模塊、預(yù)測(cè)效果的仿真分析模塊、預(yù)測(cè)結(jié)果評(píng)價(jià)模塊和輸出模塊依次串行連 接。各模塊必須按順序執(zhí)行，上一模塊的輸出是下一模塊的輸入。電網(wǎng)的歷史負(fù)荷通過數(shù)據(jù) 采集模塊后，經(jīng)過輸入模塊進(jìn)行數(shù)據(jù)處理;處理后的可用數(shù)據(jù)進(jìn)入相空間重構(gòu)模塊;重構(gòu)后 的空間向量為混濁特性判別模塊的輸入;如果最大Lyapunov指數(shù)大于零則進(jìn)入預(yù)測(cè)模塊， 否則返回?cái)?shù)據(jù)采集模塊，重新進(jìn)行其他時(shí)段的數(shù)據(jù)采集;利用仿真分析模塊及結(jié)果評(píng)價(jià)模 塊對(duì)預(yù)測(cè)結(jié)果進(jìn)行精度要求檢驗(yàn)，如果符合要求則進(jìn)入輸出模塊，如果不符合要求則返回 數(shù)據(jù)采集模塊，重新進(jìn)行其他時(shí)段的數(shù)據(jù)采集。
[0062] 實(shí)施例2
[0063 ]如圖2所示，本發(fā)明的基于Lyapunov指數(shù)的電力系統(tǒng)負(fù)荷預(yù)測(cè)方法，是一種新的、 更有效的預(yù)測(cè)方法。對(duì)計(jì)算關(guān)聯(lián)維數(shù)的G-P算法、計(jì)算Lyapunov指數(shù)的小數(shù)據(jù)量法、對(duì)歐幾 里德公式進(jìn)行改進(jìn)，利用運(yùn)Ξ種改進(jìn)方法對(duì)最大Lyapunov指數(shù)預(yù)測(cè)法進(jìn)行改進(jìn)，使預(yù)測(cè)精 度更進(jìn)一步提高，預(yù)