基于气象站选择方法的中长期电力负荷预测研究

刚刚好

基于气象站选择方法的中长期电力负荷预测研究王姣福建工程学院
摘要：中长期电力负荷预测为大地理区域的电力系统规划提供了数据支撑,对促进经济社会高质量发展具有重要意义。电力负荷的预测主要有两个关键部分,一个是模型的建立,另一个是数据的选取和处理。而后者又是实现精准建模的重要一环。尤其是在对中长期电力负荷预测时,良好的数据对建立精准预测模型和获得精确的预测结果都将产生积极的影响。但由于时间跨度大,相关历史数据的规模会成倍增长,这给数据的处理和应用带来极大困难。因此,本文主要研究预测模型建立所需数据的选取和处理。在电力负荷预测领域,温度是公认的驱动电力负荷需求的主要因素,而Vanilla基准预测模型是由温度数据驱动的,因此,本文将在Vanilla模型的基础上研究大地理区域的中长期电力负荷预测。模型训练所需的温度数据由分布在预测区域不定数量的气象站提供,这些数据通过加权平均等既定方式形成单一的时序向量。由于地理环境的复杂性以及气象站与电力节点匹配程度的差异性,不同气象站的温度数据对模型的训练及最终预测精度会产生不同影响。基于此,选取地理代表性强、所提供的温度数据与负荷紧密关联的气象站,组成气象站组合,是本文研究的重点。本文从不同角度探索了气象站的选择方法。首先,提出了一种新的元启发式算法。其模拟龙卷风移动过程,利用元启发式技术的随机性和启发性,并按照极简化原则设计提出。通过建立更加简洁的解更新的策略和机制,平衡解空间的探索和开发过程,最终达到快速高效搜索的目的。其次,提出了一种基于0)(6分布的进化算法。利用0)(6分布特性和累积分布逆映射简化算法结构,并完成每一代的单采样。这既维持了解的多样性,又避免占用大量计算资源。同时,本文也提出了一种基于多目标进化算法的气象站选择方法。该方法以NSGA-II(Non-dominated Sorted Genetic Algorithm-Ⅱ)为基础,利用低差异序列、(64)9)超立方采样建立新的初始化方法,以预测精度为主、气象站温度数据间的相似度和气象站组合数量为辅建立新的多目标评估及进化机制,通过快速非支配排序获得帕累托最优解集。该方法引入代理近似原始目标函数,参与解的评估,预测精度无明显下降的前提下缩减了运行时间,提升了算法工作效率。本文提出的三种气象站选择方法应用于中长期电力负荷预测,均取得了良好效果,解决了在单目标和多目标条件下气象站的选择问题,以及训练预测模型时遇到的大规模数据处理费时问题,有效改善了大地理区域中长期电力负荷预测的整体效能。