第一章绪论
1.1研究背景和意义
电力工业是我国国民经济的重要基础。随着人民生活水平的提高和产业结构的改善，对电力的需求正在逐年增加，同时对电力质量的要求也越来越高，而且因为电能生产和消费的同时性的存在，对电网建设和布局提出了更高的要求。电力工业在国民经济中的地位也变得越来越重要。电力系统由发电、输电、配电及辅助系统组成。提供优质电能、满足负荷需求是电力系统最基本的服务项目。在满足供电安全、可靠等前提下，应当合理的利用现有的设备和能源，以降低成本，提高系统的经济性。在电力市场中，发电企业、电网经营企业、供电企业以及市场运营机构等，一般都是通过市场分析与预测系统，预先获得未来的发电目标、负荷预测、交易价格趋势及系统安全水平等，以便于作出科学合理的交易决策和组织交易。以期获得最大的经济效益。负荷，是导线、电缆和电气设备(变压器，断路器等)中通过的功率和电流。电力负荷一般是指电力需求量或用电量，或者说成是电力系统中所有使用电能的用电设备在某一时间段所消耗的电功率之和。预测是指对尚未发生或者目前还不清楚知道的事物进行预先的估算和判测。所谓负荷预测就是在考虑负荷的众多影响因素的条件之下，研究一套系统科学的数学方法，经过处理过去的历史负荷，以对将来某一时刻或时期的负荷值做出具有一定精度的判断推测，以便管理人员做出科学合理的决策，就称为负荷预测。
电力系统负荷预测是指从电力负荷、经济、社会、气象等的历史数据出发，探索电力负荷历史数据变化规律，寻求其对未来负荷的影响及电力负荷与各种相关因素之间的内在联系，从而进行对未来电荷的科学预测。川电力系统负荷预测是电力部门进行系统的规划设计与计划管理工作的一个重要的基础项目，电力系统的各项管理工作，如:电力调度、用电计划等都要依据电力负荷预测的结果。负荷预测的准确率的高低决定了发电机组能否合理启停，电网运行的安全稳定性的高低，用电管理与机组检修的合理性。准确的负荷预测能够带来良好的经济和社会效益，具体表现在:节煤、节油、降低发电成本等。给我们日常的生产、生活带来了便利，也给电网的建设和发展带来了巨大的动力。负荷预测已经成为电力的经济合理调度与电力市场化的重要基础。社会经济的发展与电力的市场化要求电力系统进一步提高其电能的质量，进一步加深重视负荷预测的准确性己迫在眉睫。为了使电力系统能够安全、可靠、经济的运行，同时也为了使电网公司能够获得较大的经济收益。在这样的要求之下，电力调度部门也对负荷预测提出了更高的要求，具体表现在针对准确性、实时性、可靠性和智能性的更高要求上。
1.1.2电力负荷预测的分类
电力负荷预测有很多种不同的分类方式，以下是从不同的角度将电力负荷预测分为了如下几类:
(l)依据使用的不同范围，负荷预测可以分为:居民用电、工业用电、商业用电、农业用电负荷和其他用电负荷等的预测。居民用电负荷一般是指城市居民的用电负荷，主要包含:照明用电负荷及各类家用电器的用电负荷。其最明显的特点表现在:年增长性、季节波动性和日变化等。工业用电负荷是指各种工业生产的用电负荷。其特点是用电量大，用电比较稳定。电力负荷在月内、季度内和年度内的变化不大、较均衡。商业负荷是指从事各类商业行业的活动时所消耗的照明用电、空调用电、动力用电等的负荷，其特点表现在:占有比重较小、季节性变化特性和日变化特性等，且它的电力负荷明显的受到节假日因素的影响。农业负荷主要指农村居民用电和农业生产用电，从负荷特性上看农业用电在日变化相对较小，但月、季度和年负荷变化很大，呈现不均衡的特点。其他用电负荷预测一般包括政府办公用电、公共事业用电、交通运输用电等的负荷预测。
(2)按照表示特性进行划分，负荷预测可以分为:最高、最低及平均用电负荷、负荷峰谷差、高峰平均负荷、低谷平均负荷、负荷率等类型的负荷预测，用来满足电力系统各部门的管理工作需要。
(3)最经常使用的电力负荷预测分类方法是按照时间进行分类，通常一般分为:长期负荷预测、中期负荷预测、短期负荷预测和超短期负荷预测。
长期负荷预测是以年为单位的负荷预测，是指对未来一年到未来几年的负荷进行预测，一般是10年以上。中期负荷预测也是以年为单位，主要指对未来5年左右的负荷进行预测。短期负荷预测是指以月、周、天、小时为单位的负荷预测，通常指预测未来一天到一周、一个月的负荷。超短期负荷预测以小时为单位，主要指对未来凡小时甚至几十分钟的负荷进行预测。超短期负荷预测一般用于安全监视、预防性控制及紧急状态处理;短期负荷预测主要用于启停机组、分配负荷、检修设备等方面;中期负荷预测的作用主要是水库运行方式的确定、设备大检修;而数年至十年的长期负荷预测主要用于电力的长期规划和发展。
第二章电力负荷预测相关理论知识
2.1电力负荷预测方法
早期的电力负荷预测大部分都是依靠经验，缺乏相应理论的正确指导，所以往往欠缺科学合理性，达不到预想的结果。直到二十世纪七十年代，数学的统计方法、预测理论被逐步引入到了电力负荷预测之中，为其提供了新的科学依据。目前已经出现了许多经典的电力预测方法和预测工具。目前常见的预测方法主要有以下几种:
(1)趋势外推法该方法通过对历史负荷数据的分析，寻找出其负荷的变化趋势，并在这一趋势的基础上对原来的负荷序列做外推，以此来求得未来负荷的预测值。该方法存在两个依据的假设条件:历史的负荷数据不产生跳跃式的变化;负荷的发展因素决定负荷未来的发展趋势，其条件是不变或变化不大。趋势模型的选择有两种基本的方法:图形识别法和差分法。趋势模型的选择是趋势外推法的关键环节，其优劣直接关系到趋势外推预测技术的准确率。趋势外推法的优点是:所需的数据量较少，只需要历史数据;存在的缺点是:如果负荷的波动幅度过大，存在较大误差，准确率过低。当负荷出现大的波动时变动，会引起较大的误差。
(2)回归模型法该方法与趋势外推法相似，但不同的是它引入了数理统计中的回归分析法，使用它来对历史负荷数据进行统计分析，并以此来实现对未来负荷的预测。回归分析中存在着随机的自变量和非随机的因变量两个变量，回归分析就是通过对多组存在的历史资料中的自变量和因变量关系的研究分析来形成回归方程。常用的回归模型有以下几种:一元线性回归、多元线性回归、非线性回归模型等。
第三章 电力负荷特性分析..................... 27-43
3.1 电力负荷的影响因数 ..................... 27-29
3.2 电力负荷的变化特点..................... 29-32
3.2.1 电力负荷的特点..................... 29-30
3.2.2 电力负荷的规律..................... 30-32
3.3 聚类分析..................... 32-38
3.4 时间序列模型..................... 38-42
3.4.1 时间序列相关概念..................... 38-40
3.4.2 三种常用的时间序列模型..................... 40-42
3.5 本章小结..................... 42-43
第四章 基于属性分类的时间序列模型..................... 43-63
4.1 电力负荷时序的非平稳性..................... 43-45
4.2 建立属性分类机制 ..................... 45-54
4.3 预测任务分解规则..................... 54-55
4.4 获取样本..................... 55-56
4.4.1 样本空间筛选规则..................... 55
4.4.2 训练规则..................... 55-56
4.5 模型识别..................... 56-59
4.6 参数估计..................... 59-61
4.7 本章小结..................... 61-63
第五章 仿真实验..................... 63-71
5.1 实验准备..................... 63-64
5.1.1 收集历史数据..................... 63
5.1.2 Matlab程序设计..................... 63-64
5.2 任务描述 ..................... 64-66
5.3 预测流程..................... 66-67
5.4 基于属性分类的时序模型..................... 67-68
5.5 试验结果及分析..................... 68-70
5.6 本章小结..................... 70-71
结论
本文从时间序列预测模型及其存在的问题出发，分析了电力负荷内部与外部属性，引入基于属性分类的时序预测方法。基于属性分类的电力负荷时序预测方法考虑了时刻、天气、节日对电力负荷的影响，同时以预输入的属性值为依据选取预测样本可以快速得到电力负荷的平稳时间序列，降低了建立时序模型的难度和复杂度，同时按相似属性选取样本的方式加强了预测样本与预测对象之间的关联，提高了预测的准确度。本文提出的方案弥补了电力负荷时序预测存在的缺陷，对时间序列预测方法在电力负荷预测领域的应用与推广做出了有益的探索，可供电力部门参考。
(1)详细介绍了电力负荷预测的研究现状以及时间序列数据挖掘的研究内容、用于时间序列数据挖掘各类方法的基本思想和研究进展。
(2)研究了目前常用的电力负荷预测方法和预测模型。在了解和学习各种预测方法的原理的基础上，分析了各个预测方法的适用范围，及其优缺点及限制。
(3)研究电力负荷的特点。通过对大量电力负荷历史数据的收集和分析，掌握电力负荷的内在变化规律和外部规律，以及电力负荷与其他影响的因素的关系性。从而为寻找合适的预测方法打下基础。
(4)根据电力负荷的特征和规律，并结合时间序列预测方法理论的原理，提出基于属性分类的电力负荷预测方案。本文中详细描述了电力负荷的属性分类机制、预测任务分解规则、筛选样本流程、建立模型过程。基于属性分类的电力负荷预测方法把预测样本按属性进行关联，在预测时以属性为依据筛选预测样本，并对筛选出子样本空间进行训练，得到一个与预测目标有更大相似度的预测样本。在选定预测样本后，再按时序预测原理，建立模型，推算预测结果。
参考文献
张峰.电力负荷管理技术[D].北京:中国电力出版社，2005.
康重庆，夏清，刘梅.电力系统负荷预测[D].北京:中国电力出版社，2007.
李冬伟.基于数据挖掘的电力系统短期负荷预测研究[D].硕士学位论文，大连，大连理工大学，2007.
黄舒宁.基于数据挖掘技术的短期电力负荷预测[D].硕士学位论文，泉州:华侨大学.2007.
程其云.基于数据挖掘的电力短期负荷预测模型及方法的研究[D].博士学位论文，重庆:重庆大学，2004.
刘小华.数据挖掘在电力系统短期负荷预测智能化建模中的应用研究[D].硕士学位论文，武汉:华中科技大学，2003:6-7.
牛东晓，曹树华，赵磊等.电力负荷预测技术及其应用[D].北京:中国电力出版社，1998，10.
张特来.基于时间序列的数据挖掘方法在电力负荷预测中的应用研究[D].〔硕士学位论文〕，阜新:辽宁工程技术大学，2006.
朱六璋，袁林，黄太贵.短期负荷预测的实用数据挖掘模型[D].电力系统自动化，2004，28(3):49-52.
王志勇著.数据挖掘方法在短期负荷预测中的应用研究[D].博士学位论文，杭州:浙江大学，2007.