母线负荷预测的边缘模糊理论架构及其核心方法研究

准确的短期母线负荷预测是现代智能电网实现节能降耗与调度精细化管理的基础，而信息不完备、负荷变化快、不同母线间用电特性差异大等不利因素制约着负荷预测精度的提高。本项目运用数理方法、构建适用于母线负荷预测的边缘模糊理论体系。在“数据处理”方面，提出了压缩过滤与迁移扩充相结合的母线负荷数据处理策略：压缩后的数据既包含负荷变化周期性规律又包含节假日等干扰因素造成的随机波动性；近邻迁移学习方法实现了对缺失、稀疏负荷数据的补充和对突变负荷数据的修正；选取气象、季节、日期、节假日和经济增速共五大类二十多项数据作为负荷变化主导因素扩充至负荷数据集中，为探究负荷变化机理提供了预测关联分析的大数据样本。在“特征提取”方面，对比分析了相关系数法和互信息评价方法，建立了基于EMD分解和小波分解的特征提取方法，揭示了特征的时标属性并发现存在未知特征。在“训练集构造”方面，提出了大数据与日日拓扑网络结合的最优相似日选取与训练数据集构造方案，在网络中采取随机游走算法，体现了历史信息可信度和相似日选择时分类边界模糊的特点。在“预测模型构建”方面：以大数据分析和模型融合为核心，提出了多算法多模型与二次学习相结合的动态竞争预测模型库，克服了单算法适用范围受限和单模型易过拟合的缺陷，解决了近因效应问题；此外，针对节假日负荷波动剧烈的问题，提出了节假日和非节假日分离的单纯节假日权重迁移预测方法，进一步提升了整体预测效果。研究成果揭示了气候、社会等多种随机和非随机因素对负荷的影响机制，为有效提高智能电网中母线负荷的整体预测精度探索了一条新途径。 项目组共发表论文10篇，其中本基金为第一标注的论文9篇、SCI论文5篇（含中科院SCI-1区且为TOP期刊论文1篇，中科院SCI-2区且为JCR-Q1区1篇，中科院SCI-3区3篇）、EI 论文1篇、CCF-C类会议1篇，获软件著作权2项，培养博士2名、毕业研究生6名。

准确的短期母线负荷预测是现代智能电网实现节能降耗与调度精细化管理的基础，而信息不完备、负荷变化快、不同母线间的用电特性差异大等不利因素制约着负荷预测精度的提高。本项目运用数理方法、提出构建适用于母线负荷预测的边缘模糊理论体系，突破传统母线负荷预测在负荷突变时预测精度显著下降的局限性。项目研究内容包括：研究区分样本点性质的特征向量以及评价方法，制定合理的坏数据处理策略；研究负荷水平与曲线形状相统一的最优相似日选取方法，体现历史信息可信度以及相似日选择时分类边界不分明的特点，为预测工作提供高质量的数据样本；研究日负荷曲线的分段竞争预测与动态综合预测机制，构建预测模型适应库，同时增强母线负荷预测的批处理能力。 项目旨在揭示气候、社会等多种随机和非随机因素对负荷的影响机制，为有效提高智能电网中母线负荷的整体预测精度探索一条新的途径。

本项目如期在3年内完成了计划研究内容，取得了较为丰硕的成果，完善了母线负荷预测的理论体系，从预测前、预测中、预测后三个阶段，建立了更为广泛的应用于母线负荷预测的理论架构，达到了项目申请时的预期目标。 在“预测前”阶段，本项目建立了由粗辨识、细辨识构成的坏数据辨识与修正方法，提出了虚拟母线辨识算法以及基于虚拟母线的母线负荷预测策略；在“预测中”阶段，提出了针对母线负荷特点的自适应方法，实现了综合预测模型与单一预测方法的联合参数自适应，提出了母线极值负荷及其出现时刻的概率化预测方法；在“预测后”阶段，提出了系统负荷和母线负荷曲线的协调方法。 所取得的成果总共发表论文10篇，申请专利1项（已受理）。其中4篇被SCI收录或SCI源刊录用，9篇被EI收录或EI源刊录用，包括IEEE Transactions on Power Systems、Scientific Reports、Electric Power Systems Research、International Journal of Electrical Power & Energy Systems、《中国电机工程学报》、《电力系统自动化》等杂志。部分成果收入专著《电力系统不确定性分析》于2011年由科学出版社出版。同时，已经完成了《电力系统负荷预测》（第二版）专著的初稿，其中在原有内容基础上，新增了本基金的研究成果“母线负荷预测”，大约占全书的1/4~1/3篇幅，预计2014年在中国电力出版社出版。部分基础理论研究成果在全国多家省市电力公司获得了应用，大大提高了母线负荷预测精度。 研究成果已经初步形成了母线负荷预测新型理论框架，并产生了一系列预测策略和方法，为提高电网精益化水平、提升调度部门驾驭大电网能力、提高电网节能发电调度水平提供了强有力的理论支持。 2100433B

母线负荷预测是在电力系统运行中安全校核、节能发电调度等方面的决策基础。相对于系统负荷预测，母线负荷预测研究较为缺乏。母线负荷具有量大面广、复杂多变的特点，加之大量异常数据的干扰，使得母线负荷很难直接套用系统负荷预测的思路来解决。本课题的目标是建立更加完整的母线负荷预测理论框架，从预测前、预测中、预测后三个阶段剖析母线负荷预测中的关键问题。在预测前阶段，建立由粗辨识、细辨识构成的坏数据辨识与修正方法，研究基于虚拟母线的聚类生成技术并将其应用于预测策略的探索；在预测中阶段，提出针对母线负荷特点、考虑分布式能源影响的的预测方法，提出母线极值负荷不确定性预测方法；在预测后阶段，提出考虑网损的系统负荷和母线负荷曲线的协调方法。本课题将形成母线负荷预测新型理论框架、预测策略和方法，为提高电网精益化水平、提升调度部门驾驭大电网能力、提高电网节能发电调度水平提供强有力的理论支持。

模糊多准则决策是近年来国际学术界极其活跃的研究领域之一，现已取得大量研究成果，但也存在某些相互矛盾的结论和县而未决的问题。故系统研究模糊多准则决策的理论和方法，解决模糊多属性决策与模糊多目标决策中存在的若干疑难问题，不仅具有重要的理论价值，且可促进模糊技术的发展，创造良好的应用前景。 2100433B