基于小波分析的电力系统短期负荷预测方法似的

基于小波分析的电力系统短期负荷预测方法

1 引言

长期以来，国内外学者对短期负荷预测的理论和方法作了大量的研究工作，提出了多种各具特点的预测方法。如时间序列法，人工神经络法，专家系统法以及模糊神经络法等，精度不断提高。但由于负荷变化存在着较强的随机性和复杂性，各种方法均有一定的适用场合，并需不断的改进和完善。本文研究了基于小波分析的电力系统短期负荷预测新方法。通过对经小波变化后不同尺度上的负荷序列选用较佳的匹配模型进行预测并进行重构，得出预测结果。大量数据计算表明，该方法具有较高的精度夹具、其实夹具不1定要用液压的,除非你实验机测的试样的重量特别大,由于这样对人工不好操作的情况,而手动的夹具就不同了,相对来讲使用方便,操作更可靠些,所以目前夹具行业畅销的就是手动夹具了,对装备更人性化和很强的适应能力。

2 负荷预测的小波理论基础

2.1 负荷变化的连续频谱

电力负荷具有特殊的变化规律，但主要表现为两种不同的趋势：一是逐渐增长的趋势，二是以天、周、月、年为周期波动。在此基础上，影响负荷变化的因素主要包括：负荷构成、负荷随时间变化的规律、气象变化以及负荷的随机波动。根据短期负荷预测的性质，知其基本变化规律可由线性变化模型和周期变化模型来也将会为下降本钱描述，同时还存在随机负荷模型。另外，气温、阴晴、降水和大风等都会引起负荷的变化。因此，负荷变化将存在波动性，所以各类用电负荷信号一般都表现为连续频谱[1,2]。严格地说，在负荷的一段连续波动过程中，将呈现为瞬变非周期信号，它必然是连续频谱。实际的负荷测量周期（如15min）虽然可以使最高频率受到限制，但无法改变其连续频谱特征。由于负荷包含随机因素，因而负荷变化的精确数学表达往往很复杂。如对气象影响的负荷，其变化过程需要用波动方程来表示。

在通常的工程简化中，单独的线性变化模型可以表示为

反映到“时频”特性上，该部分负荷可以用非周期分量来描述。对每天同一时刻的负荷分量进行分析，可以发现他们接近于一条水平线，即表现出24h循环变化规律的日周期特性。同样，对较长时间的负荷变化进行分析发现，它们通常还表现为以日、周、年等为周期的变化特性，即各分量均有不同的频率特性；而各时刻的随机负荷分量，则可以看成随机时间序列，反映到周期性上，可以以各种高频或低频信号来表示。实用中可根据工程实际需要做以下不同的假设：

（1）输入信号由衰减线性分量加上衰减基波分量和有限个衰减谐波分量（包括整次和非整次）构成，即

（2）输入信号由衰减线性分量加上稳恒基波分量和有限个稳恒谐波分量组成，即

（3）输入信号由线性分量加上稳恒基波分量和稳恒整次谐波分量组成，即

式中 w1为基波角频率，以日变化频率定义为基波。

2.2 负荷变化的离散频谱

离散频谱只是工程上的一种近似，考虑输入信号是如Pc 成型品退火都在顺应市场的潮流逐渐出现高频带限的，可根据工程要求做以下不同的假设：

（1）切口和割口应在老化后时行输入信号由稳恒线性、基波和有限个谐波分量组成，即

上述分析表明，按照具体的负荷特性和指标要求，选择合适的输入信号分析模型，是设计负荷预测的第一步。因此，对电力负荷原始数据进行序列处理一直是负荷预测的重要基础。在预测前用一定的数学手段将电力负荷分解为趋势项、周期变量项和随机模型，然后根据各种变量的特性，各自选择恰当的预测模型分别进行时序外推，将各自的外推结果叠加，从而得到预测结果。

2.3 负荷变化的频域特征

电力负荷特性同样可以采用时频分析工具进行分解并分析，从而得到它是由碳纤维复合材料制造的预测结果。根据样本数据的实际情况，短期负荷预测将涉及一个较宽的频带，故可以选择不同的带通滤波器。同时，由于负荷预测综合应用了各次谐波分量，因此不仅对滤波器的幅频特性有一定要求，还必须考虑滤波器的相频特性，因为不同负荷分量的相对相位发生变化将对预测结果造成很大的影响。而对于连续频谱中的第（2）种情况，如果能提取出线性分量并加以分析，则可以把模型选择为离散频谱的形式。通常的数学手段将存在一定的缺陷，小波分析无疑是这种应用的最佳选择。

另一方面，在负荷预测计算中，当时间序列发生变化，尤其是发