電力負荷預報中異常數(shù)據(jù)的補遺

電力負荷預報中異常數(shù)據(jù)的補遺

短期能源負荷預測是能量管理系統(tǒng)（ems）的基本功能之一。準確的報告結(jié)果是能源系統(tǒng)的安全運行和運營基礎，也是能源市場運營模式下分配計劃、供電計劃和交易計劃的基礎。電力負荷預測是依賴于大量歷史資料及相關(guān)因素資料的被動型預測,預報者占有資料的翔實可靠程度,對基于任何方法的預報結(jié)果都會有很大影響。目前,在我國各級電力調(diào)度中心,歷史負荷數(shù)據(jù)采集系統(tǒng)多為SCADA系統(tǒng)。在電力系統(tǒng)實際運行時,數(shù)據(jù)采集系統(tǒng)中的量測、記錄、轉(zhuǎn)換、傳輸過程的任意環(huán)節(jié)都可能引起故障而導致觀測數(shù)據(jù)的反常態(tài)勢,以致與大多數(shù)觀測值不一致;另一方面,當數(shù)據(jù)采集系統(tǒng)正常,由于特殊事件(如切負荷停電,線路檢修停電,大用戶、大事件沖擊等)引起負荷的異常變化,也會導致觀測數(shù)據(jù)的違背常規(guī)。所有這些非正常的觀測數(shù)據(jù)統(tǒng)稱為異常值。如果這些異常數(shù)據(jù)得不到有效的校正,它們將以偽信息、偽變化規(guī)律的方式提供給負荷預測作為參考,必然誤導負荷預測模型的建立,影響預測結(jié)果的精確度及可靠性。1干擾了對負荷的規(guī)律認識假設可以找一種萬能的預測方法,準確地預測未來某時刻的負荷值LF(t),而一個不良的負荷量測系統(tǒng)實際測得的負荷為LR(t),那么,對t時刻而言,負荷預測效果的評價仍存在一個誤差△L=LF(t)-LR(t)。這顯然不是預報方法的過錯。在實際負荷預報中,歷史數(shù)據(jù)中的異常值會產(chǎn)生兩方面的影響:其一,作為建模數(shù)據(jù)時,干擾了對負荷變化規(guī)律的正確認識;其二,作為檢測預測結(jié)果的預測值時,能導致對負荷預測結(jié)果的誤判。因而,異常數(shù)據(jù)猶如一把雙刃劍,其影響是嚴重的。假設量測系統(tǒng)是正常的,由于特殊事件的發(fā)生而產(chǎn)生的異常數(shù)據(jù)應當另行處理。在人們?nèi)粘５纳a(chǎn)生活中并不具有規(guī)律性。對于事先已知的特殊事件(如線路的檢修,計劃停電),和隨機發(fā)生的特殊事件(如線路的突然故障,大用戶負荷的突然投切等),他們對負荷的影響在數(shù)值上表現(xiàn)為規(guī)律性的負荷與沖擊負荷的疊加。對這樣的數(shù)據(jù)采取補足(對前者)或?qū)_擊負荷剝離(對后者)的措施,能夠減少由于數(shù)據(jù)的異常而對預報結(jié)果造成的影響。表1引用文獻中的Table9來說明異常數(shù)據(jù)對短期負荷預報的影響。從表1中可以看出,對于一組用于預報的不含異常值的歷史數(shù)據(jù)來說,無論采用何種預報方法,它的擬合誤差和預測誤差最小。當該組數(shù)據(jù)中含有異常值時,隨著異常值數(shù)目的增多,其擬合誤差和預報誤差都隨之增大。魯棒性強的負荷預測方法能夠在一定程度上抑制異常數(shù)據(jù)的作用,但是其擬合誤差卻仍然難以避免異常數(shù)據(jù)的負面影響,并且隨異常數(shù)據(jù)的增多而增大。2異常數(shù)據(jù)的分類在實際數(shù)據(jù)系統(tǒng)中,異常數(shù)據(jù)的產(chǎn)生往往是隨機的,以多種類型存在于數(shù)據(jù)庫中。可統(tǒng)分為兩大類。(一)鄰日峰、谷時段負荷異常A.缺失值。這類異常數(shù)據(jù)在數(shù)據(jù)庫中的表格單元中表現(xiàn)為空值;B.極大極小值。這類異常數(shù)據(jù)在數(shù)值上表現(xiàn)為在非負荷峰、谷時刻超出當日負荷的峰值或低于谷值。亦或在峰、谷時刻的負荷值大量超出相鄰日峰、谷時刻負荷值;C.負荷毛刺。這類異常數(shù)據(jù)在數(shù)值上表現(xiàn)為在相鄰時段數(shù)據(jù)間的突然增大或減小。有突變幅度大小之分,極大極小值屬于突變幅度過大的毛刺。(二)同時段和時段間負荷的影響這類數(shù)據(jù)通常是在量測系統(tǒng)正常情況下由于特殊事件的發(fā)生造成的。表現(xiàn)為自然正常數(shù)據(jù)疊加隨機事件引起的負荷波動而產(chǎn)生的負荷畸變。主要表現(xiàn)為兩類。A.待補足數(shù)據(jù)。這類數(shù)據(jù)主要由于線路檢修,某用電大戶設備停電檢修,或某些變電所在一段時期內(nèi)測量表計損壞等預知因素造成。這類異常數(shù)據(jù)在數(shù)值上看似正常值,但是如果與近期同類型日相同時段負荷比較,有明顯的增大或減小;B.含沖擊負荷數(shù)據(jù)。這類數(shù)據(jù)主要由于突發(fā)事件或某些社會政治經(jīng)濟生活中的大事件、或電力市場模式中的隨機因素造成。如某用電大戶的設備的突然停、投而引起的連續(xù)時段內(nèi)的負荷下降和負荷增加,沙塵暴天氣會造成人們照明負荷增加,為慶祝節(jié)日偶爾舉辦的燈會,奧運會等也會引起負荷增加。這類負荷應分解為正常的自然負荷和受諸類因素影響的沖擊負荷。3異常數(shù)據(jù)的修正異常數(shù)據(jù)產(chǎn)生是隨機的,因而在數(shù)據(jù)庫中分布也具有不確定性,各類異常數(shù)據(jù)或在某一時刻單獨出現(xiàn),或在同一日連續(xù)的時段內(nèi)交叉混合出現(xiàn),或在連續(xù)多日同一時段上交叉分布等眾多情形。為了進行準確的數(shù)據(jù)修正,必須綜合考慮多種因素,進行多方比較。在文獻都涉及到異常數(shù)據(jù)的識別及處理問題。對負荷進行修正,其潛在的前提是:(1)電力負荷既有規(guī)律性又具有隨機性。規(guī)律性決定了負荷是可以被修正的,隨機性決定修正值在概率統(tǒng)計意義下的置信度和置信區(qū)間;(2)電力負荷相鄰時段之間是具有粘性的,亦即前后相鄰時段的負荷不會發(fā)生突變;(3)相似日具有近似相同的負荷模式。在實際預測中對于待檢測的歷史負荷,常用的異常數(shù)據(jù)修正方法有以下幾類:(1)經(jīng)驗修正法。由現(xiàn)場負荷預測人員根據(jù)長期積累的經(jīng)驗對數(shù)據(jù)進行修正;(2)分時段設定閾值判別法。對不同時段區(qū)間內(nèi)的負荷,參照其波動范圍分別設定最大、最小閾值,然后對區(qū)間的各負荷數(shù)據(jù)進行篩選。該法可以將多數(shù)壞數(shù)據(jù)篩選出來。對篩選出的壞數(shù)據(jù),運用第(4)、(5)、(6)、(7)種方法進行修正;(3)曲線置換法。對大事故日負荷或明顯負荷曲線異常的日負荷進行剔除或用正常曲線置換;(4)數(shù)據(jù)橫向?qū)Ρ确?。將某一時刻的負荷與其前后時刻的負荷進行比較,如果差值大于某一閾值,則認為是負荷毛刺;(5)數(shù)據(jù)縱向?qū)Ρ确?。將某一時刻的負荷值,分別與其前1天,2天相同時刻的負荷值進行比較,如果偏差大于某一閾值,則取平均值代替;(6)插值法。運用多種插值算法對數(shù)據(jù)進行識別和修正;(7)概率統(tǒng)計法。先采用方法(1),對多數(shù)壞數(shù)據(jù)進行篩選和修正,然后對余下的部分壞數(shù)據(jù)和畸變數(shù)據(jù)用置信區(qū)間的方法進行識別和修正。從統(tǒng)計規(guī)律上看,多日同時段負荷近似成正態(tài)分布,多日相同連續(xù)時段的負荷變化率也近似成正態(tài)分布。以歷史多日同時段負荷數(shù)據(jù)作為樣本進行概率統(tǒng)計分析,完成該時段以上2個正態(tài)分布模型中的期望值和方差估計,然后設定置信度,完成該時段負荷水平的置信區(qū)間估計?？疾齑龣z測的負荷數(shù)據(jù)是否在置信區(qū)間內(nèi),從而判斷出該負荷是正常數(shù)據(jù)還是異常數(shù)據(jù)。對異常數(shù)據(jù),則提高置信度,對它進行雙邊假設檢驗,判別出它是壞數(shù)據(jù)還是畸變數(shù)據(jù),若是壞數(shù)據(jù),則用前述方法進行修正;若是畸變數(shù)據(jù),采用極大似然估計,估計出該點在正態(tài)分布下最可能的負荷值大小,即認為是該點的正常負荷值,用該值代替原數(shù)值,既完成了該點的修正,將修正前后數(shù)據(jù)偏差記為該時刻的沖擊負荷,即完成了沖擊負荷的剝離。4多負荷預測和互補在實際負荷預測中,預測人員通常在工作日的某一時間進行未來的負荷預測,并將預測結(jié)果上報。在實時數(shù)據(jù)庫中可利用的歷史數(shù)據(jù)也到預測時刻為止,預測時刻以后至24時的數(shù)據(jù)未知。由于未來日的負荷與最鄰近的日負荷相關(guān)性最大,在預測時希望盡可能多地利用預測日的數(shù)據(jù)信息。因而,有必要對預測時刻以后的未知數(shù)據(jù)進行有效的補足。對該類數(shù)據(jù)補足的方法有很多,可以借鑒異常數(shù)據(jù)的修正方法,本文介紹一種樣本均值增量法,這種方法簡便易行且對未知數(shù)據(jù)有較高的補足精度。設有連續(xù)N日和預測日預測時刻序號k(以96點負荷預測為例)以前的歷史負荷數(shù)據(jù),LAVE(t)=1Ν1∑i=1LR(i?t)?t=1,2,??96(1)LAVE(t)=1N∑i=11LR(i?t)?t=1,2,??96(1)ˉLk=1kk∑t=1LR(Ν+1?t)?t=1?2???k(2)Lkˉˉˉˉ=1k∑t=1kLR(N+1?t)?t=1?2???k(2)ˉLAVEk=1kk∑t=1LAVE(t)?t=1,2,?k(3)LAVEkˉˉˉˉˉˉˉˉˉ=1k∑t=1kLAVE(t)?t=1,2,?k(3)LR(Ν+1?t)=LAVE(t)-(ˉLAVEk-ˉLk)?t=k+1???96(4)LR(N+1?t)=LAVE(t)?(LAVEkˉˉˉˉˉˉˉˉˉ?Lkˉˉˉˉ)?t=k+1???96(4)其中,LR(i,t)為某日某時刻的實際負荷;LAVE(t)為N日某時刻的平均負荷;ˉLkLkˉˉˉˉ為預測日預測時刻前負荷的平均值;ˉLAVEkLAVEkˉˉˉˉˉˉˉˉˉ為歷史日各時刻前的平均值。電力負荷的規(guī)律性因時因地而異,因此對不同地區(qū)不同時段的負荷應選取不同的N值,表2顯示了對多個地區(qū)的負荷某時段仿真數(shù)據(jù)補足,補足值與真實值相對誤差的分布情況。從表2的數(shù)據(jù)中可以看出,只有當N取合適的數(shù)據(jù)時,補足數(shù)相對誤差才能達到統(tǒng)計最小值,其正態(tài)分布的方均根都較小。取N=3的地區(qū)負荷有:A,B,F,G,I;取N=6的地區(qū)負荷有:C,E,H;取N=7的地區(qū)負荷有:D。N的取值離解出三種類型的負荷,分別蘊含三種負荷規(guī)律。這與運用負荷規(guī)律性評價方法所得出的規(guī)律性是一致的。因此對N值的選取,每類負荷應區(qū)別對待。5歷史負荷數(shù)據(jù)的異常以某一實際電力系統(tǒng)的歷史負荷數(shù)據(jù)為例,用上述的未知負荷的補足方法,對預測日預測時刻后的負荷數(shù)據(jù)分兩種情況考慮。情況一:不對預測時刻后的數(shù)據(jù)進行補足,此時的建模誤差、預測誤差的分布情況。情況二:補足預測時刻后的數(shù)據(jù)范圍,運用此種數(shù)據(jù)的建模誤差、預測誤差的分布情況。分析2001-09-02至2001-12-06時段的歷史數(shù)據(jù),各種數(shù)據(jù)如表3所示。從表3可以看出:當選取足夠多的天數(shù)進行統(tǒng)計分析時,所得到的誤差統(tǒng)計量服從正態(tài)分布,情況一使得建模誤差略小,均值減小0.024%,標準差減小0.02%,卻使預測誤差和外推誤差的標準差分別增大0.59%和0.61%。即當預測日預測時刻以后的數(shù)據(jù)不予補足時,將增大對未來日的預報誤差。預測日預測時刻以后的數(shù)據(jù)可以看作歷史負荷數(shù)據(jù)中的異常數(shù)據(jù)的一種,可以看出對該種數(shù)據(jù)適當處理可以有效的提高預測負荷的精度。推而言之,要想取得準確、可靠的負荷預