电网安全预警管理中的负荷预测研究及应用

电力系统安全预警管理，特别是安全预警管理中的异常负荷预测模型的研究是公认的世界性难题，长期以来，异常负荷预测与分析的研究一直滞后于电力工业的发展。本研究工作从两个方面进行，理论上进行预测理论与方法及多维异常数据检测、挖掘算法的研究；应用上进行负荷预测的研究，期望提出有效防止电网崩溃的异常负荷预测模型。具体的研究内容如下：（1）进行预测理论与方法的研究；（2）提出能应用到多维电力数据检测且免遭屏蔽效应的多维异常数据挖掘的新方法；（3）建立有效、实用的防止电网崩溃的异常负荷预测模型；（4）建立高扬程农灌冲击负荷预测模型，并定量评估农灌冲击负荷对所接入电力系统的影响；（5）根据负荷建模预测结果制定电网安全预警管理措施。本项目是预测理论与方法、数据挖掘与电网安全管理的交叉，它的完成不仅丰富了预测理论及信息数据处理技术，而且为电网安全运行提供了可靠的理论基础。

本项目围绕电网安全预警管理中的负荷预测研究及应用进行了深入的研究，在理论研究及应用研究中取得了一系列创新的研究成果：（一）在预测理论与方法的研究中我们着重进行了组合预测模型、混合预测模型及预测模型中的参数优化问题的研究，并取得了一系列实质性的研究成果：1）组合预测模型的研究：通过我们的研究发现目前还没有一种预测方法能够普遍适用于所有的时间序列预测，考虑到单个模型的局限性我们综合对比了各种模型的优缺点，提出不同的组合预测模型。这些预测模型分大体上分为常数权重组合预测模型(Constant weight combining models)和变权重组合预测模型(Various weight combining models)；2）混合预测模型的研究及应用：考虑到输入数据对预测模型精度也有很大的影响，我们提出了一系列基于输入数据预处理的混合预测模型，这类模型侧重于输入数据的噪声去除，缺失值的处理，高频和低频数据的处理等；3）预测模型中的参数优化的研究：我们所研究的预测模型中大多数都是带有参变量，因此，模型的参数优化也变得尤为重要，传统的最小二乘方法在参数优化系统中已经显得力不从心。近年来，项目组着力于包括PSO，GA，CSO，SA，COA等在内的基于群智能算法的参数优化模型的研究及应用。 （二）异常数据检测的研究：我们使用一种具有较强稳健性的多元回归模型检测异常数据，并且用加权最小二乘估计方法估计该回归模型的系数，然后采用三次样条插值方法对剔除的异常数据进行插值处理。（三）异常负荷预测模型的研究：针对电力负荷及冲击负荷建模与预测的复杂性，我们采用了各种基于参数优化和混沌效应分析的混合模型对电力负荷进行建模预测。在研究中，我们结合了自适应共振理论和神经网络模型，提出了分布式 ART & HS-ARTMAP模型，并将 ART & HS-ARTMAP模型用于电力负荷的预测，结果显示，相比于传统的BP模型和单项的HS-ARTMAP模型，我们提出的模型有着良好的预测能力。.项目执行期间共计发表和录用期刊论文46篇，其中SCI收录45篇，SCI检索论文中影响因子大于5的论文8篇、影响因子大于3的论文26篇。