基于卡尔曼滤波理论的电力短期负荷预测模型
摘要:为了提高超短期负荷预测的精度, 通过卡尔曼滤波理论建立了实时调度子系统的超短期负荷预测模型,并用两种方法对基本模型进行改进。利用电能管理系统记录的各交易段实际调度负荷和各竞价电厂以机组申报的竞价数据,预测未来各时段的调度负荷。通过对3种模型所预测出的电力短期负荷预测结果比较,表明对原始数据进行比例变换的预测方法更为理想。
关键词:负荷;卡尔曼滤波;超短期负荷预测模型
引言
电力负荷的'预测是电力系统安全经济运行的前提,对电力生产、电网运行以及国民经济都有重要意义,随着我国电力事业的发展,高质量的电网管理越来越受到国家和电力部门的重视,高质量的短期电力负荷预测问题研究已经成为现代电力系统运行研究的重要课题之一。
卡尔曼滤波[1](KF)是KALMAN于1960年提出的,采用由状态方程和观测方程组成的线性随机系统的状态空间模型来描述滤波器,并利用状态方程的递推性,按线性无偏最小均方差估计准则,采用一套递推算法对滤波器的状态变量作最佳估计,从而求得滤掉噪声杂有用信号的最佳估计。由于卡尔曼滤波是一种递归的估计,所以卡尔曼滤波理论不仅在信号的滤波和估计中得到广泛应用,而且还可用于模型参数的估计中。鉴于卡尔曼滤波的特性分析,可将其应用于电力超短期负荷状况的预测模型中。本文中利用卡尔曼滤波理论建立了实时调度子系统的超短期负荷预测模型,假设研究实时调度子系统未来时段的可调负荷容量是上段和尾段上的前几个时段可调负荷容量的线性函数,并利用两周中同周次的两天调度可用负荷容量的差值和比值两种方法进行超短期负荷预测。
1基于卡尔曼滤波理论的超短期负荷预测模型
设QL(
【基于卡尔曼滤波理论的电力短期负荷预测模型】相关文章：