扩展短期负荷预测方法的应用
摘要：扩展短期负荷预测方法利用最新的历史负荷数据，预测当日当前时刻以后若干小时的未知负荷，其预测精度明显高于常规的短期负荷预测。为满足电力市场实时交易对负荷预测的新要求，将这种方法应用于修改历史负荷坏数据和补足当日未知负荷数据，以协助提高短期负荷预测的准确度。文中详细介绍了这两种应用的背景和实现原理，并以实际电力系统的应用结果数据证实了这两种应用方案是有效的和实用的。
关键词：电力市场 负荷预测 扩展短期 不良数据处理
1 引言
短期负荷预测是电力市场运营中不可少的计算。短期负荷预测结果准确与否，对系统运行的经济性、安全性有很大影响[1]。
对于任何负荷预测系统，要提高预测的准确度，需要具备两个条件：第一，良好的预测基础；第二，充足的参考信息。在电力领域，对于常规的短期负荷预测系统，这两个条件体现为：首先，给负荷预测系统提供充足的、完整而且准确的历史数据样本；其次，在预测过程中充分的引入最新的负荷相关信息（包括负荷信息，负荷敏感因素的变化信息等。下同）。基于当前实际情况，需要解决的问题是：
（1）修正历史负荷数据中的坏数据；
（2）充分应用预测当日已知的最新负荷信息参与次日的负荷预测。
扩展短期负荷预测的原理是[2]：在已知当日部分负荷的条件下，引入最新获得的负荷相关信息，预测当日未知的多点负荷。它主要应用于电力市场环境下调整当日负荷计划。该方法为解决短期负荷预测的上述两个问题提供了非常理想的实现方案，应用效果非常明显。
2 扩展短期负荷预测方法
扩展短期预测的基本思想是[3]：利用预测时刻（例如11:00）以前的历史负荷数据，用几种不同的方法做预预测，可以预测该时刻以前的系统负荷，根据各方法的预测精度确定这些方法在综合模型中的权重[3, 4]；利用这一权重，使用昨天及以前的历史负荷数据，做今天预测时刻后的全日未知负荷的预测。由于利用了预测时刻以前的最新的负荷信息，因此，用这种方法大大提高了负荷预测的精度。
扩展短期负荷预测方法的关键是：以当日已经发生的负荷的变化模式作为全日未知负荷变化规律的参考，在此基础上预测出未知的负荷值。其隐含的原理是：对于同一日，在一天内的天气等负荷敏感因素不发生突变的情况下，其全日负荷的变化模式不会发生突变。
下面用这个方法解决限制短期负荷预测准确度提高的两个问题。
3 应用1：修正历史负荷坏数据
3.1 概述
历史实况负荷数据是负荷预测系统（尤其短期负荷预测系统）建立算法模型的基础，其数据质量的好坏直接影响负荷预测准确度。历史负荷中的坏数据需要处理。
传统的短期负荷预测方法一般凭靠人工经验完成这些坏数据的修正，或采用简单的辨识、平滑方式处理坏数据，这些方式均有很大的局限性，其效果也不理想。
采用扩展短期负荷预测方法对历史坏数据点进行修正（补足），具有简单有效、适应性好、准确度高的特点。
3.2 应用背景
负荷预测应用中的历史负荷坏数据有两类。一是数据采集系统（SCADA）采集设备或传输设备质量不高，造成一些瞬时丢失的坏负荷数据点（称为通道坏数据）；二是电力系统中，一些人为或非人为的突发事件（如重大事件、电网故障、停电检修、大用户不规律用电等）影响用电负荷，造成持续时间较长的畸变负荷数据点（称为畸变坏数据），这是不可预见的负荷变化。图1给出了这两种坏数据的特征示例。
这些坏数据点（包括通道坏数据、畸变坏数据，）若不作处理，直接作为数据样本参与预测，必然降低负荷预测的准确度。
对于图1左下方所示的瞬时通道坏数据点，传统的负荷预测系统处理的方法是：参考该点前后负荷点的数据，采用线性插值法或者3阶或多阶平滑法的方式完成该坏数据点的修正，其修正准确度通常可以接受。然而，对于图中右上方持续时间较长的畸变坏数据，传统的修正方式则难以达到理想的修正效果。相反，采用扩展短期负荷预测方法对坏数据点进行修正却简单、实用、高效。
3.3 实现方案
采用扩展短期负荷预测方法对坏数据点进行修正的原理是：辨识出历史日中的正常数据点和可疑数据点；以正常数据点为已知条件，采用扩展短期负荷预测方法完成对可疑数据点的预测，用预测结果修正这些可疑数据点。其修正步骤如下：
（1）辨识可疑数据点
坏数据点往往具有数值突变的特征。通过这个特征可以辨识出历史负荷数据中的可疑坏数据点（简称可疑数据点）。实现辨识的方案并不唯一，笔者采用的方案为负荷数据突变辨识。
首先，对于某日负荷数据中的某点（第i点），计算它与其前面最近1个正常负荷数据点（第j点，参考点）的负荷变化率。
然后，统计历史上各日的这两时刻点间的负荷变化率（在概率意义上[5]）的正常范围。对比待检测日的这两点的负荷变化率是否在该正常范围，以认定该点是否为可疑数据点。
对于不同的电力系统，其负荷数据中存在的正常的随机变化量幅度不同，通过提高或降低判断标准，即可收紧或放宽对可疑数据点的认定。任何一种可疑数据判断机制都可能造成一定的误差（误判或漏判），但是，在采用扩展短期负荷预测进行坏数据修正时，由于依据的是有规律的预测结果完成修正，所以所认定的可疑数据点多几个点或少几个点并不会对修正结果造成太大的影响。这正是这种修正方案独特的优势所在。
（2）修正可疑数据点
修正历史数据中的可疑数据是短期负荷预测系统的要点和难点之一。准确的修正可疑数据点的数据要比辨识它难得多。因此，传统的负荷预测系统无法很好地处理坏数据修正问题，只能依靠预测人员的人工经验来解决。采用扩展短期负荷预测方案进行坏数据修正则可代替人工修正方式，减少预测人员的工作量，同时减少由于人工修正带来的人的主观因素影响。
负荷坏数据修正方案如下（以每日采样96点为例）：
首先，对某日负荷数据点进行逐一的辨识，记其正常负荷数据点的矢量为Xr=(xr1,xr2,…，xrm)，不正常数据点（即：可疑数据点）的矢量为Xe=(xe1,xe2,…,xen)，m n=96。这里的下标r1,r2,…,rm和e1,e2,…,en并不一定连续。
然后，依据前述的扩展短期负荷预测实现方案，在已知Xr条件下，可以获得Xe的估计值，采用估计结果替代原值Xe，即完成该日坏数据修正。
为了确保历史负荷数据曲线平滑，可以在修正后的可疑数据点与其前后2点数据间作平滑处理，这样得到的修正效果更好。
统计表明，实际电力系统中每日坏数据点数一般不超过10点，即：n﹤10，正常数据点m≥86。则上述修正方案相当于，在以已知的（多于）86点数据为优化目标的情况下，对该日96点数据进行扩展短期负荷预测，统计表明，这样条件下的预测准确度高达98.42%以上。可见，修正效果非常理想。
3.4 应用实例
采用上述历史坏数据修正方案对我国某电力系统2002年1月11日历史数据进行模拟修正：在该日正常负荷数据（图2中的虚线）基础上，人为地模拟制造一些坏数据，包括通道坏数据及畸变坏数据，如图2中的实线，以此模拟实际电力系统中的带有坏数据的“实际负荷曲线”。然后，对这些坏数据进行修正，观察其修正效果。
从图2可见，该日的“实际负荷曲线”基本上失去了正常负荷数据具有的特征，即便一个有经验的预测人员也不可能准确地修正出正常的负荷数据。然而，采用上述扩展短期负荷预测方案进行修正，其结果如图2中的短划线所示，它与正常负荷曲线非常贴近。
分别将修正后的预测结果和“实际负荷曲线”与正常负荷曲线相对比，所得结果列于表1。
从表1可知，采用上述坏数据修正方案对负荷数据进行修正，将日负荷误差均方差从9.32%降低到0.77%。该结果表明，采用扩展短期负荷预测进行历史负荷坏数据的修正相当有效。
该方案具备如下优点：
（1）算法简单，准确度高，修正效果明显；
（2）对畸变坏数据有很好的修正效果；
（3）对可疑数据点的辨识要求不严。
实际应用中，由于错判或漏判几个坏数据点对修正结果无太大影响，因此，该方案尤其适用于正常负荷曲线比较平滑，而系统突发事件又比较频繁的电力系统。
4 应用2：补足当日未知多点负荷值
4.1 概述
短期负荷预测主要应用于提前一天完成用电计划的制定。传统的负荷预测系统往往只是依赖昨日以前的历史数据样本，及相关的负荷影响因素数据，完成明日用电计划负荷的预测。这种预测方案没有利用最新的、含信息量非常丰富的当日的已知负荷信息（及负荷相关信息），使得预测准确度难以进一步提高。
如何利用最新获得的当日的负荷信息参与明日的用电预测，是提高短期负荷预测的预测精度的关键之一。采用扩展短期负荷预测对当日未知的负荷数据进行虚拟补足，并利用这些数据和当日已发生的负荷数据一起作为已知数据参与预测，可以提高第二日负荷的预测精度。其应用背景及实现方法如下所述。
4.2 应用背景
目前，国内适用的短期负荷预测系统绝大多数采用的是综合模型预测方案[4]。该方案的实现原理是：寻找出与预测日各种影响因素相似的历史日期（即相似日）；采用不同的预测算法对其进行虚拟预测；比较该日实际历史负荷与虚拟预测结果的拟合准确度以确定各种算法的权重分配；应用所得到的各算法的权重做第2日负荷预测。
在这样的预测机制下，有一个矛盾需要解决，即在对寻找到的相似日（历史日）进行虚拟预测时，该日前1日的负荷已经知道，而且参与了对相似日负荷结果的预测；然而，采用同样的算法对预测日（明日）进行预测时，其前一日（当日）的负荷不全，例如。只有11时之前的负荷数据，缺少11时之后到24:00这段时间的负荷。因此，只能取昨天的负荷做预测，影响预测精度。为此，必须尽可能准确的补足这些缺失负荷，并用它们参与预测。采用扩展短期负荷预测实现对当日负荷数据的补足是一个有效、合理的方案。
4.3 实现方案
该方案原理是：以当日及以前已知的实况信息（包括负荷信息、气象信息）为已知条件，采用扩展短期负荷预测对当日未知负荷点的数据进行预测，并用预测结果作为这些点的数据的合理估计值，从而“弥补”上当日缺失的负荷值。
假设当日已知的前m点负荷值矢量为：Xr=(x1,x2,…,xm)T，未知的后96-m点负荷值矢量为：Xe=(xm 1,xm 2,…,x96)T。
参照前述扩展短期负荷预测实现方案，以Xr为已知条件，确定综合模型参数，再用昨日负荷预测今日负荷，可以得到Xe的合理估计值。采用“补足”当日缺失的Xe的负荷数据，即可虚拟的得到当日全日的负荷数据。
统计数据表明，在已知当日1/3以上的负荷数据（比如已知该日0:00~11:00的负荷数据）的基础上，对当日进行扩展短期负荷预测，统计14:00后平均预测准确度可达96.08%[2]；且全年半数以上的日期的扩展短期负荷预测准确度在98%以上，因此，用该结果作为虚拟实况负荷补足当日负荷，参与明日的短期负荷预测，可以提高预测精度。
4.4 应用效果
对国内某电力系统利用近几年的负荷数据进行预测，按上述方案补足当日负荷数据，并应用它参与次日的短期负荷预测，与传统的短期负荷预测方法相比，其预测准确度可提高约2%。而且，由于扩展短期负荷预测充分应用了当日最新的负荷信息和气象信息，对日负荷变化跟踪迅速，因此，它尤其适用于负荷变化幅度大、日负荷影响因素多的电力系统。
5 结论
要提高短期负荷预测的准确度，需要确保预测系统积累有足够的、准确的历史参考样本信息，并尽可能的利用最新的负荷（相关）信息。扩展短期负荷预测方法为这两种需求提供了理想的实现方案。实际应用表明，该方法对提高短期负荷预测准确度的作用是明显的。
