基于灰色关联分析的短期电力负荷预测系统

徐英，李满君，段振兴，丛贇，陈伟杰

（1.国网舟山供电公司，浙江舟山 316002；2.舟山启明电力设计院有限公司，浙江舟山 316002）

所谓关联度是指存在于两个系统之间的影响因素条件，可随时间或对象的变化，改变其自身的关联性度量性能[1]。在系统的发展过程中，若两个自变量因素的变化行为满足一致性要求，也就是二者之间的同步变化程度相对较高，就可以理解为这两个自变量因素之间的关联度水平较高[2]。灰色关联分析法可根据相关因素之间的相似性或相异性程度，衡量变量参数之间的实际关联能力，从而在短时间内提取所需的变量参数，实现对关联度信息的安排与处理。

在电力负荷网络中，为满足短期电量信息的传输需求，极易导致电量数据出现混乱传输的现象[3]。传统小波阈值型预测系统通过去噪处理的方式，屏蔽短期电力负荷信息中的无用数据，再借助数据库主机实现对电量信息的实时存储。然而此系统的应用能力有限，并不能完全满足电量数据传输的处理需求。为解决此问题，引入灰色关联分析法则，搭建一种新型的短期电力负荷预测系统，借助GVMS 平台，完成灰色关联分析的基本特征定义，再利用预测核函数，得到最终的数据挖掘预处理结果。

1 系统硬件设计

1.1 传输电子量预测电路

传输电子量预测电路可在灰色关联分析法则的作用下，对电网环境中的短期电量负荷水平进行管控与调节，从而满足关键电信号主机电流与电压的应用需求。传输电子量预测电路中存在多个C 级、R级、L 级电阻，且由于连接功能的不同，这些电阻的实际接入数值水平也有所不同[4]。一般情况下，C 级电阻的分布范围相对较为广泛，能够按照短期电力负荷量的分布水平，传输电子量预测电路中主要在左侧部分（R1，R2），调节电阻参量两端的电压负载数值。H 级电阻分布在传输电子量预测电路的中部（R3，R4），负责整合待传输的短期电力负荷量，并将其转换成全新的连接形式[5]。F 级电阻分布于传输电子量预测电路的右下部（R5，R6），负责调度短期电力负荷量的传输能力，并借助输入信道，将这些电信号参量存储于系统数据库主机中。传输电子量预测电路如图1所示。

图1 传输电子量预测电路

1.2 GVMS平台

GVMS 平台可面向电网主机提供电量信号处理服务，在短期执行环境中，数据库主机中存储的电力负荷量越多，GVMS 平台所具备的电力负荷预测能力也就越强。整个平台体系的顶层为GVMS 应用框架，可按照短期电力负荷量的传输情况，对相关信息资源进行管理，从而有序安排预测系统中的各项高级应用服务[6]。GVMS 技术框架位于平台体系中部，可遵循灰色关联分析法则的应用需求，记录电力信息的访问行为，并从中获取大量的电力数据存储信息[7]。GVMS 物理架构存在于平台体系底部，同时包含网络、主机等多种硬件设备结构体，通常情况下，其执行能力与短期电力负荷量的输出行为完全匹配。GVMS 平台结构如图2 所示。

图2 GVMS平台结构

1.3 负荷预测功能模块

由于灰色关联分析算法的存在，负荷预测功能模块可按照电网终端用户对于短期电力负荷的消耗需求，将客户端软件分成多个应用成分，并将这些文件以信息协议的形式，分配至各级系统应用结构体系之中[8]。系统电力负荷预测主机需要同时具备负荷查询、负荷预测、电量查询与电量管理的能力，且随着传输信道覆盖面积的增大，这些短期电力负荷数据也可快速存储至系统数据库主机中[9]。一般情况下，负荷查询与电量查询指令总是呈现对应连接状态，前者可根据负荷预测的实际运行情况，将待管理电力负荷数据整合至同一模块结构之中，从而使得电量信息的查询与分布语句可以同时实施[10]。负荷预测功能模块结构如图3 所示。

图3 负荷预测功能模块结构

2 系统软件设计

在各级硬件设备结构的支持下，按照灰色关联分析基本特征研究、预测核函数定义、数据挖掘预处理的操作流程，实现预测系统的软件执行环境搭建，两相结合，完成基于灰色关联分析的短期电力负荷预测系统设计。

2.1 灰色关联分析的基本特征

在灰色关联分析算法中，关联度是描述电力负荷量离散函数之间远近程度的物理衡量指标[11]，其着重强调多个离散函数对于核心离散函数的影响，简单来说，在计算与处理的过程中，忽略关联度数值大小的重要性，按照既定关联规则对待预测数值参量进行排序，从而实现对预测信息的合理处置与整合[12]。灰色关联分析算法能够打破数据信息之间的关联性影响条件，并在所存储数据参量间形成两两对应的框架，一方面通过数据对比的方式，说明所采用预测算法的实际应用能力，另一方面也可实现对数据传输行为的准确预测。设ΔT代表短期电力负荷量的单位预测时长，Rmax代表最大的短期电力负荷量特征值，联立上述物理量，可将灰色关联分析的基本特征定义为：

其中，q代表数据信息的灰色度处理权限，Q代表最基本的数据信息关联性系数，β代表预测量提取系数，k代表电力负荷数据的短期预测行为量[13]。

2.2 预测核函数

预测核函数是以灰色关联分析基本特征为前提建立的短期电力负荷量筛查条件，由于数据信息传输量始终处于相对变动的存在状态，因此预测核函数也很难长时间保持绝对稳定的存在状态[14]。若不考虑其他物理条件的干扰，预测核函数同时受到原始电力负荷量、实际电力负荷量两项物理数值指标的影响。原始电力负荷量可表示为p，在灰色关联分析法则的作用下，该项物理量具备极高的数值计算水平。实际电力负荷量可表示为p′，为避免错误预测行为的出现，该项物理指标的数量级水平始终小于原始电力负荷量。在上述物理量的支持下，联立式（1），可将预测核函数条件表示为：

其中，χ代表短期电力负荷量的实值预测指标。

2.3 数据挖掘预处理

数据挖掘预处理也叫短期电力负荷量的初步处理，在系统数据库主机中，已存储的短期电力负荷数据由完整、非完整、模糊、非模糊、有噪声、无噪声等多种形式共同组成[15]。为获得较为理想的短期电力负荷预测结果，首先需要区分已存储数据的所属类型，再根据灰色关联分析法则，对这些数据信息进行整理，将其中传输能力较强的信息参量，平均分配至各级系统应用主机之中，再将其中传输能力较弱的信息参量，留在数据库主机中继续进行存储，直至检测主机中所反馈出的电力负荷信息与实际应用需求完全匹配[16]。数据挖掘预处理流程图如图4 所示。

图4 数据挖掘预处理流程图

至此，完成各级软硬件预测环境的设计，在灰色关联分析法则的支持下，实现短期电力负荷预测系统的顺利应用。

3 系统应用能力测试

通过人工安装的方式，将搭载实验组预测系统与对照组预测系统的应用主机与两个相同的电力负荷元件相连，其中实验组主机配置基于灰色关联分析的短期电力负荷预测系统，对照组主机配置小波阈值型预测系统。预测系统调试如图5 所示。

图5 预测系统调试

ALT 指标描述了电网输出电子对于电力负荷需求的满足能力，一般情况下，ALT 指标数值越大，电网输出电子对于电力负荷需求的满足能力越强，反之则越弱。表1 记录了实验组、对照组ALT 指标数值的实际变化情况。

表1 ALT指标对比

表1 所记录的实验组ALT 指标在前35 min 的实验时间内，一直保持上升的数值变化趋势，而从第40 min 起，这种上升变化行为开始逐渐趋于缓慢，最终进入绝对稳定的数值相持阶段。对照组ALT 指标则在连续上升趋势后，进入了小幅平稳状态，最后又开始呈现不断地小幅下降。整个实验过程中，实验组最大值72.47%与对照组最大值48.63%相比，上升了23.84%。

UCR 指标反映了电网主机对于短期电力负荷量的记录准确性，指标参量的数值水平越高，电网主机对于短期电力负荷量的记录准确性越强。表2 记录了实验组、对照组UCR 指标的实际数值情况。

表2 记录的实验组UCR 指标始终保持相对稳定的数值波动状态。对照组UCR 指标则在一段时间的数值稳定状态后，开始逐渐进入连续下降的数值变化状态。整个实验过程中，实验组最大值达到了80.33%，与对照组最大数值51.26%相比，得到了明显提升。

表2 UCR指标对比

总结上述数值记录结果，则有如下结论：

1）基于灰色关联分析短期电力负荷预测系统的ALT 指标数值更大，在应用过程中，能够较好满足电力负荷的基本需求；

2）基于灰色关联分析短期电力负荷预测系统的UCR 指标数值也相对较大，可在确定电量数据传输方向的同时，实现对短期电子负荷量的妥善安排与处理。

4 结束语

在灰色关联分析法则的作用下，短期电力负荷预测系统可以借助GVMS 平台，将传输电子量预测电路与负荷预测功能模块相连，一方面满足了预测核函数的建立需求，另一方面也实现了对数据挖掘结果的初步预处理。实验结果表明，随着ALT 指标数值、UCR 指标数值的增大，短期电子负荷量可得到妥善地安排与处理，在满足电力负荷基本需求方面，具备较强的实际应用能力。