基于小波分析的电力负荷数据研究

龙源期刊网 https://www.360docs.net/doc/8516906122.html,

基于小波分析的电力负荷数据研究

作者：朱加豪赵振华李建涛

来源：《中国新技术新产品》2017年第10期

摘要：本文针对电力负荷短期预测问题，首先对原始异常数据进行小波多尺度分解，找

出信号突变点，其次对模极大值点处小波分解系数进行重建，然后对异常数据进行修正，最后利用BP神经网络算法求得预测日电力负荷数据。

关键词：小波多尺度分解；异常数据；信号突变点；小波系数；BP神经网络

中图分类号：TM241 文献标识码：A

电力负荷的预测是电网系统中十分重要的部分。因此，精确的电力负荷预测对电能的合理分配甚至国民经济的平稳发展意义非常重大。目前，对电力负荷预测的主要方法有指数平滑法、趋势外推法、时间序列法、专家系统方法、神经网路理论、模糊负荷预测等，本文在利用小波分析理论对异常数据进行修正的基础上结合BP神经网络理论来对电力负荷进行预测。

1.异常数据的辨识与修正

异常数据的辨识与修正是预测前极为重要的工作，常用的方法有指数平滑法、均值滤波法、经验修正法等，这些方法虽然容易实现，但是处理得很粗糙，结果不准确，并且需要人工干预，增大了工作量。

1.1 小波变换理论

1.3 小波分解与重构

多分辨率分析是在L2（R）函数空间内，将函数描述为一系列类似函数的极限。每一个近似都是函数f的平滑版本，而且是越来越细节的近似函数，这些近似都是在不同尺度上得到的。设j为要分解的尺度，由Mallet算法，可知其分解公式为：

1.4 小波分析对异常数据处理步骤

第一步：运用式（6）选择合适的小波和分解层数将数据分解至j层，得到小波分解系

数。

第二步：处理经小波分解后的数据：

第三步：小波重构。将处理过的小波系数用式（7）重构，得到去除伪数据的负荷，再对处理后的历史负荷数据进行归一化处理。