梯度采样下的市场用电短期能耗优化预测仿真_高迪.pdf

第 41 卷，总第 237 期2023 年 1 月，第 1 期 节 能 技 术 ENEGY CONSEVATION TECHNOLOGYVol.41，Sum.No.237Jan 2023，No.1梯度采样下的市场用电短期能耗优化预测仿真高迪1，梁东1，王骏1，杨峰1，王艺霏2，陆鑫3(1 国网冀北电力有限公司，北京100052;2 国网冀北电力有限公司信息通信分公司，北京100053;3 国网信通亿力科技有限责任公司，福建福州350003)摘要:为了提高市场用电短期能耗预测正确率，降低二次规划与用电能耗，提出梯度采样下的市场用电短期能耗优化预测方法。根据最小二乘支持向量机回归算法，将湿度、气温、气压、节假日变量作为输入，构建市场用电短期能耗预测模型，依据梯度采样序列二次规划方法优化用电能耗预测模型参数，进行了梯度采样序列二次规划，逐步优化求解 LS SVM 模型目标函数，完成市场用电短期能耗优化预测。实验结果表明:湿度、温度、气压、节假日因素对用电能耗产生影响，采样数量越大，优化性能越好，且能耗预测误差小。实现市场短期用电能耗的预测，预测准确度高，预测能力突出。关键词:梯度采样;用电短期能耗;优化预测;最小二乘支持向量机回归算法;预测模型;二次规划中图分类号:TP391文献标识码:A文章编号:1002 6339(2023)01 0068 05收稿日期2022 06 20修订稿日期2022 08 10作者简介:高迪(1985 )，女，硕士，高级工程师，从事电力数据管理与分析应用专业。Optimal Prediction and Simulation of Short term Energy Consumptionof Market Electricity under Gradient SamplingGAO Di1，LIANG Dong1，WANG Jun1，YANG Feng1，WANG Yi fei2，LU Xin3(1 State Grid Jibei Electric Power Company Limitied，Beijing 100052，China;2 State Grid Jibei Information Telecommunication Company，Beijing 100053，China;3 State Grid Info Telecom Great Power Science and Technology Co，Ltd，Fuzhou 350003，China)Abstract:In order to improve the accuracy of short term energy consumption prediction in the marketand reduce the secondary planning and energy consumption，an optimization prediction method of short term energy consumption in the market under gradient sampling is proposed According to the leastsquares support vector machine regression algorithm，humidity，air temperature，air pressure and holidayvariables are used as inputs to build a short term energy consumption prediction model for market elec-tricity Based on the gradient sampling sequence quadratic programming method，the parameters of the e-lectricity consumption prediction model are optimized The gradient sampling sequence quadratic pro-gramming is carried out，and the LS SVM model objective function is gradually optimized to completethe short term energy consumption optimization prediction for market electricity The experimental re-sults show that humidity，temperature，air pressure and holidays have an impact on power consumptionThe larger the number of samples is，the better the optimization performance is，and the prediction error86of energy consumption is small ealize the prediction of short term power consumption in the market，with high prediction accuracy and outstanding prediction abilityKey words:gradient sampling;short term power consumption;optimize prediction;least squares supportvector machine regression algorithm;prediction model;quadratic programming0引言我国能源耗用量巨大，各市场区域因人口稠密性、所处位置信息等方面的不同，其用电能耗表现出不同的水平。对各市场区域的用电能耗进行精准预测是电力企业实现电力合理调度的前提条件。用电能耗预测是智慧电网核心工作之一，可有效改善电能利用率。彭文等1 提出基于 Attention LSTM 的负荷预测方法，该方法先对历史、当下负荷及电价的变化关系进行分析，在此基础上构建负荷预测模型，并通过 Attention 机制对影响负荷预测结果的重要参量进行强化。但该方法可达到较好的预测效果，但收敛速度较慢;丁飞鸿等2 提出利用遗传优化决策树模型对其进行改进，以提升模型预测准确度，但该方法效果不够突出。国外研究重点主要集中于能源消耗控制与政策制定方面，如euterMatthias 等3 分析能源使用总量的变化分为活动水平、社会因素和能源效率收益，识别能源效率政策对中观分析观察到的变化的贡献，自上而下的将实际能源效率指标与政策评估联系起来。SathishkumarVE 等4 分析了具有径向基核的支持向量机，一般线性回归等问题，使用基于物联网的系统收集能耗数据并用于预测，优化智能城市的能源消耗和政策制定。对能耗优化预测的研究内容较少。梯度采样的基本原理是通过搜索确定迭代点的邻域，从中任意选择若干采样点，求解其梯度，获取梯度凸包实现次梯度的拟合，再在原点至凸包的下降方向上进行搜索解决凸二次规划问题。因此，本文提出梯度采样下的市场用电短期能耗优化预测方法，提升其短期用电能耗预测的准确度。1市场用电短期能耗优化预测1 1LS SVM支持向量机(SVM)算法的设计初衷即是实现模式识别问题的求解，同时该方法在回归问题的解决上也具有一定成效，其核心是对具有线性约束的凸二次规划问题的求解。(x1，y1)，(x2，y2)，(xn，yn)，xi，yi 表示已知训练样本数据集合，其回归函数可利用下式进行描述f(x)=LTx+b(1)其中:参数表示为 L，偏置量表示为 b。基于最低结构风险准则，可通过规划问题对其求解过程进行描述minJ(L，b，*)=LTL2+C(+*)(2)s ty (LTx+b)+LTx (b+y)+*，*0(3)其中:松弛变量表示为、*，b=bAn，其中 An代表列向量，其内各元素均是 1，n 为其长度。不同于 SVM 算法，最小二乘支撑向量机回归算法(LS SVM)则用等式约束对公式(3)的不等式约束进行替换，以降低运算复杂度，此时，对应的优化目标则用下式进行描述minJ(L，b，)=LTL+T2(4)s ty (LTx+b)=(5)根据拉格朗日对偶性原理，本文通过将其变换为对偶问题以实现该问题的解决。拉格朗日函数的描述公式为L(L，b)=J(L，b，)+y (LTx+b)(6)其中:拉格朗日乘子表示为。在满足 KKT 条件的情况下，分别计算 L、b的偏导数，令各式等于 0，确定此时的最佳值，由此可确定的矩阵方程为0ATnAn+1Ib=0 y(7)其中:=(xi，yTj)，i，j=1，2，n，矩阵 I 阶数为 n。利用非线性函数 实现低维空间原始数据的映射，将其投影于高维特征空间，完成回归问题的求解5。k(xi，yj)=(xi)(xj)，i，j=1，2，n 为核函数表达式。核函数的选择决定了市场用电短期能耗优化预测模型的预测性能的优劣6，本文选取高斯径向基核函数，映射公式用下式进行描述k(xi，yj)=e xi xj22(8)96令 =k(xi，yj)，将其代入到公式(7)中，可确定、b。由此估计函数表达式为f(xi)=nj=1jk(xi，xj)+b(9)1 2短期能耗优化预测模型1 2 1市场用电短期能耗影响因素市场用电短期能耗水平受到设备时间因素影响之外，还与节假日、天气因素具有紧密关联。与非节假日相比，在节假日，市场人员流动大、密集度高，其用电短期能耗水平与平日具有较大差异14。不同气象条件下，气温、空气湿度、气压值呈现出差异性，这将对市场舒适度产生一定影响，采暖、冷气设备的使用将使市场用电短期能耗量大幅提升。通过气温、气压的相互作用，市场用电短期能耗特征为夏冬两季大、春秋季节小。因此，本文将湿度、气温、气压、节假日作为市场用电短期能源优化预测模型的输入，其输出为市场用电短期能耗值。1 2 2梯度采样序列二次规划本文采用梯度采样序列二次规划方法对市场用电短期能耗优化预测模型参数进行优化，提高短期用电能耗预测精度。将非线性凸二次规划问题描述为minf(x)s tgg(x)g(10)其中:f n 用于描述目标函数，g nmg用于描述不等式，约束条件数量表示为 mg。基于梯度采样序列二次规划方法的基本原理是在满足 t 次迭代条件下通过公式(11)(14)实现下降方向的获取mind，z，r，rz+mgj=1rj+r()j+dTtHtdt2(11)s tf(xt)+f(x)Tdtz，xBf，t(12)gj(xt)+gj(x)Tdtrj+gj，xBgj，t(13)gj(xt)gj(x)Tdtrj gj，xBgj，t，(r，r)0(14)其中:惩罚系数表示为，下降方向表示为 dt，公式(10)的拉格朗日近似海森矩阵表示为 Hk，松弛变量表示为 r、r。对于目标函数，其采样点集合表示为 Bf，t，对于约束条件，其采样点集合表示为 Bgj，t，其公式分别描述为Bf，t:=xft，0，xft，1，xft，p，xft，0:=xt(15)Bgj，t:=xgjt，0，xgjt，1，xgjt，p，xgjt，0:=xt(16)其中:采样点数量表示为 p，各采样点为 B(xt)采样区域内的任意一点，该区域半径为。t(xt)为不可行度，是用于反映迭代进度的指标7，其公式为t(xt):=max(g(xt)g，0)max(g g(xt)，0)(17)对于市场用电短期能耗预测模型，其对偶不可行度指标可通过下式进行描述qt:=f(xt)+t(xt)maxxBf，t f(xt)+f(x)TdtdTtHtdt2+mgj=1maxxBgj，t max gj(xt)+gj(