基于灰色模型和Kalman平滑器的多母线短期负荷预测

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (320 KB)
输出: BibTeX | EndNote (RIS)

摘要提出一种基于灰色模型和Kalman平滑器的多母线短期负荷预测方法。首先利用频域分解消去母线负荷序列的周周期分量, 建立序列的灰色模型；利用系统负荷预测方法得到系统负荷预测值。然后基于灰色模型, 将各母线负荷的累加序列作为状态, 系统负荷的累加序列作为观测, 建立线性离散随机系统模型, 利用Kalman平滑器计算各母线负荷累加序列的最优估计值, 最后经过累减还原并加上周周期分量得到母线负荷的预测值。Kalman平滑器利用高准确率的系统负荷预测结果对母线负荷预测进行调整, 降低预测误差。在实际系统中进行了仿真验证, 证明了该方法的有效性。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	魏少岩
	吴俊勇

关键词 ：负荷预测, 灰色模型, Kalman平滑器, 母线负荷预测

Abstract：A short-term bus load forecasting method based on grey model and Kalman smoother is proposed. The weekly component of the load of each bus is subtracted and the grey model is constructed. The system load is forecasted. Then based on the grey model, a linear discrete random model is formed. The bus load cumulative series are the states and the system load cumulative series is the observation. The Kalman smoother is utilized to compute the optimal estimate of the bus load cumulative series. The forecast of bus load is the sum of the weekly component and the result of successive subtracting of the cumulative series. The Kalman smoother uses the system load forecasting result to adjust bus load forecasts and reduces the errors. The validity of the method is verified by simulation in a practical system.

Key words： Load forecasting grey model Kalman smoother bus load forecasting

收稿日期: 2008-12-26 出版日期: 2014-12-12

PACS:

TM715

作者简介: 魏少岩男, 1977年生, 博士, 主要从事电力系统自动化、电力系统安全稳定研究。吴俊勇男, 1966年生, 博士, 特聘教授, 主要从事电力系统分析与控制、电力市场、铁道电气化研究。

引用本文:

魏少岩, 吴俊勇. 基于灰色模型和Kalman平滑器的多母线短期负荷预测[J]. 电工技术学报, 2010, 25(2): 158-162. Wei Shaoyan, Wu Junyong. Short-Term Bus Load Forecasting Based on Grey Model and Kalman Smoother. Transactions of China Electrotechnical Society, 2010, 25(2): 158-162.

链接本文:

http://dgjsxb.ces-transaction.com/CN/Y2010/V25/I2/158

[1] 刘晨晖. 电力系统负荷预报理论与方法[M]. 哈尔滨: 哈尔滨工业大学出版社, 1987.
[2] 牛东晓, 曹树华, 赵磊, 等. 电力负荷预测技术及其应用[M]. 北京: 中国电力出版社, 1998.
[3] 肖国泉, 王春, 张福伟. 电力负荷预测[M]. 北京: 中国电力出版社, 2001.
[4] 康重庆, 夏清, 刘梅. 电力系统负荷预测[M]. 北京: 中国电力出版社, 2007.
[5] 刘梦良, 刘晓华, 高荣. 基于相似日小波支持向量机的短期电力负荷预测[J]. 电工技术学报, 2006, 21(11): 59-64.
[6] 余贻鑫, 吴建中. 基于事例推理模糊神经网络的中压配电网短期节点负荷预测[J]. 中国电机工程学报, 2005, 25(12): 18-23.
[7] Amjady N. Short-term bus load forecasting of power systems by a new hybrid method[J]. IEEE Transactions on Power Systems, 2007, 22(1): 333-341.
[8] 于尔铿, 刘一广, 周京阳. 能量管理系统(EMS)[M]. 北京: 科学出版社, 1998.
[9] 徐珊珊. 电力系统运行方式预测及其应用[D]. 北京: 华北电力大学, 2006.
[10] 韩力, 韩学山, 贠志皓, 等. 多节点超短期负荷预测方法[J]. 电力系统自动化, 2007, 31(21): 30-34.
[11] 康重庆, 牟涛, 夏清. 电力系统多级负荷预测及其协调问题(二)基本协调模型[J]. 电力系统自动化, 2008, 32(8): 14-18.
[12] 张俊芳, 吴伊昂, 吴军基. 基于灰色理论负荷预测的应用研究[J]. 电力自动化设备, 2004, 24(5): 24-27.
[13] 李鹰, 卢炎生, 蔡碧野, 等. 灰色模型GM(1, 1)在短期电力负荷预测中的应用[J]. 贵州工业大学学报(自然科学版), 2002, 31(5): 36-40.
[14] 谢开, 汪峰, 于尔铿, 等. 应用Kalman滤波方法的超短期负荷预测[J]. 中国电机工程学报, 1996, 16(4): 245-249.
[15] Al-Hamadi H M, Soliman S A. Short-term electric load forecasting based on Kalman filtering algorithm with moving windows weather and load model[J]. Electric Power Systems Research, 2004, 68(1): 47-59.
[16] 邓自立. 卡尔曼滤波与维纳滤波——现代时间序列分析方法[M]. 哈尔滨: 哈尔滨工业大学出版社, 2001.