1、目 录中文摘要 1英文摘要 21引 言 31.1 负荷预测 .31.2 电力负荷预测常用方法 41.3 负 荷 预 测 的 研 究 现 状 及 发 展 .51.4 毕 业 设 计 主 要 工 作 62基于指数平滑法的短期负荷预测模型 72.1 指数平滑法 72.2基于指数平滑法的 短期负荷预测模型 103短期 负荷 预测的软件实现 .113.1 C语言 简介 113.2短 期负荷预测软件实现 124负荷预 测结果分析 .174.1 原始数据处理 .174.2 输入变量 .184.3 一次指数平滑法负荷预测 .194.4 二次指数平滑法负荷预测 .214.5 负荷预测比较分析 .255结 论 .
2、295.1 结 论 295.2 展 望 29谢 辞 .31参考文献 .32附录一 程序代码 .331基于指数平滑法的短期负荷预测摘 要：负荷预测是电力系统领域的一个传统研究问题，随着我国电力事业的发展，电网的管理日趋现代化，电力系统负荷预测问题的研究也越来越引起人们的注意。指数平滑法是一种简单常用的负荷预测方法，他能用较少的原始数据，对未来的负荷情况进行预测。本文将使用这种方法进行短期负荷预测。选取某地某年全年每小时的负荷数据作为可参加运算的数据，用选择的方式，对以小时为单位或者以一整天为单位的负荷进行预测，最后输出结果，计算误差及误差率。并用 C语言程序设计对其进行实现。本设计以探究输入变量
3、对一、二次指数平滑法负荷预测的影响，选用适当的数据，改变各个输入变量（平滑常数 a，参与计算的数据量 t等）得到具体的结果，通过对结果的分析，得到这些输入变量对一、二次指数平滑法负荷预测的影响。关键词：短期负荷预测；一次指数平滑法；二次指数平滑法；C 语言；输入变量的影响。2Based on Exponential Smoothing Short-term Load ForecastingAbstract: The field of power system load forecasting is a traditional research problem, as Chinas power
4、industry development, the management of an increasingly modern power grid, power system, the problem of load forecasting are increasingly attracting attention. Exponential smoothing method is a simple, common load forecasting method, he can use less of the original data, to predict the future load c
5、onditions. This article will use this method for short-term load forecasting. Select the year, somewhere, the hourly load data as the data may participate in operations, with the choice of method of in hours or in a days load forecast for the unit, the final output, error and error rate calculation
6、. And use C language programming to achieve them. To explore the design of the input variables on the first and second load forecasting exponential smoothing effect, choose the appropriate data, changing the various input variables (smoothing constant a, t the amount of data involved in the calculat
7、ion, etc.) are concrete results, through the results analysis, these input variables on the first and second load forecasting exponential smoothing effect.Keywords: Short-term Load Forecasting; An Exponential Smoothing; Double Exponential Smoothing Method; C Language;Input Variables.31 引 言电力负荷预测是电力系
8、统规划决策、经济运行的前提和基础，电力负荷的准确预测对电力系统的经济运行和国民经济的发展具有重要意义。由于电能难以大量储存的特点，导致了在供电过程中，电能的生产和消费必须时刻达到平衡：电能过量，会导致电网安全稳定性的降低；而电能不足，又会影响社会正常生产和生活。所以电力负荷的准确预测，对国民经济，国家发展等问题上至关重要。电力系统负荷预测问题的研究也越来越引起人们的注意，现在已经成为了现代电力系统运行研究中的重要课题之一 1。1.1 负荷预测1.1.1 负荷预测在研究电力负荷预测之前，我们有必要了解一下电力负荷的含义。电力负荷是指电力需求量或用电量，即能量的时间变化率，也可以说是发电厂、供电地
9、区或电网在某一瞬间所承担的工作负荷。电力负荷经常变化，可按小时、天、周、月、年等时段变化，同时负荷又是以天为单位不断起伏的，具有较大的周期性，负荷变化的过程是连续的，一般不会出现大的突变，但电力负荷对季节、温度、天气等较为敏感的，不同的季节，不同地区不同的气候，以及温度的变化都会对负荷造成一定的影响。这是电力负荷的最重要特点。而负荷预测是根据系统的运行特性、增容决策、自然条件与社会影响等诸多因数，在满足一定精度要求的条件下，确定未来某特定时刻的负荷数据，其中负荷是指电力需求量（功率）或用电量；负荷预测是电力系统经济调度中的一项重要内容，是能量管理系统(EMS)的一个重要模块，对电力系统安全经济
10、运行和国名经济发展具有重要意义 21.1.2 电力负荷预测的分类 根据对电力负荷进行预测的目的不同，我们可将其分为四类即：超短期、短期、中期和长期预测。超短期负荷预测。用于对未来一小时以内的负荷进行预测，在安全监视4状态下，需要5至10秒或1至5分钟的预测值，当紧急状态处理和预防性控制的情况下需要10分钟至1小时的预测值。中期负荷预测。指一个月到一年的负荷预测，主要用于确定机组运行方式和设备的大规模修理计划等情况。长期负荷预测。主要指未来3至5年甚至更长时间内的负荷预测，用于电网规划部门根据国民经济的发展和对电力负荷的需求，所作的电网改造和扩建工作的远景规划。对中、长期负荷预测，要特别研究国民
11、经济发展、国家政策等的影响。短期负荷预测。指日负荷预测和周负荷预测，分别用于安排日调度计划和周调度计划，包括确定水火电协调、机组起停、联络线交换功率、负荷经济分配、水库调度和设备检修等，对短期预测，需充分研究电网负荷变化规律，分析负荷变化相关因子，特别是天气因素、日类型等和短期负荷变化的关系。短期负荷预测作为电力市场中的一项经济信息，是各级电力市场的重要组成部分，对于建立电量计费系统、实行峰谷分时电价和建立模拟电力市场等均有深刻影响。随着我国电力市场的进一步发展，短期负荷预测在电力系统的经济运行方面的影响会愈来愈明显，主要表现在：对实时电价制定的影响、对用户用电情况的影响、对转运业务的影响、对
12、合同电量分配的影响、对系统充裕性评估的影响。1.2 电力负荷预测常用方法负荷预测的方法发展到现在，虽然已经积累了不少的经验,但是由于电力系统的负荷要受到诸多因素的影响（负荷的构成，负荷与时间的关系，负荷的随机波动以及气象变化的影响）迄今为止还没有开发出一种适合用于不同地区的通用的方法，因此负荷预测的方法也是多样性的。目前实际运用中使用的负荷预测方法主要有回归分析法、移动平均法、二次指数平滑法、动态分析预测法、灰色模型预测法、组合预测法、回归分析法、卡尔曼滤波法、专家系统法、人工神经网络法、模糊推理与模糊控制理论方法等。本文从以上算法中选取了适合于短期负荷预测的一次、二次指数平滑法预测，对他们的
13、算法给予了透彻的分析研究，结合实验数据作出比较。在本章节，我们简单介绍一下几种常见的负荷预测方法。5回归分析法。回归预测属于相关法预测，它通过建立某些解释变量与负荷之间的因果关系获得负荷预测，是研究变量与变量之间的一种数学方法。其表达式如下：（1-1）()0()1int tiyabx1,2.n其中 为t时刻影响负荷变化的因素变量的取值， 为回归系数。1()x 01,.nab回归分析法的特点是：(1)原理、结构简单；(2)预测速度快；(3)外推特性好，对于历史上未出现过的情况有较好的预测值。灰色系统预测法。灰 色 数 学 理 论 是 把 负 荷 序 列 看 作 真 实 的 系 统 输 出 ，它
14、是 众 多 影 响 因 子 的 综 合 作 用 结 果 。灰色预测法要求历史数据少，运算方便且易于检验，但与其他方法相比也具有一定的局限性：数据灰度越大，则预测精度越差，并且其微分方程指数解比较适合于具有指数增长趋势的负荷指标，对于具有其他趋势的指标则有时拟合灰度较大，精度难以提高。神经网络理论。神 经 网 络 理 论 是 利 用 神 经 网 络 的 学 习 功 能 ， 让 计 算 机学 习 包 含 在 历 史 负 荷 数 据 中 的 映 射 关 系 ， 再 利 用 这 种 映 射 关 系 预 测 未 来 负 荷 。该 方 法 具 有 很 强 的 鲁 棒 性 、 记 忆 能 力 、 非 线 性
15、 映 射 能 力 以 及 强 大 的 自 学习 能 力 ， 因 此 有 很 大 的 应 用 市 场 ， 但 其 缺 点 是 学 习 收 敛 速 度 慢 ， 可 能 收 敛 到局 部 最 小 点 ； 并 且 知 识 表 达 困 难 ， 难 以 充 分 利 用 调 度 人 员 经 验 中 存 在 的 模 糊知 识 。 模 糊 负 荷 预 测 。 模 糊 控 制 是 在 所 采 用 的 控 制 方 法 上 应 用 了 模 糊 数 学 理论 ， 使 其 进 行 确 定 性 的 工 作 ， 对 一 些 无 法 构 造 数 学 模 型 的 被 控 过 程 进 行 有 效控 制 。模 糊 负 荷 预 测 的
16、 缺 点 是 模 型 精 度 不 高 ， 训 练 时 间 太 长 。 此 种 方 法 的 模 型物 理 意 义 明 显 ， 精 度 高 ， 收 敛 快 ， 属 于 改 进 型 算 法 。 指 数 平 滑 法 。 在 后 面 的 章 节 中 将 详 细 介 绍 。61.3 负 荷 预 测 的 研 究 现 状 及 发 展日负荷预测是电力负荷预测中的重要一环，是调度中心制订发电计划及发电厂报价的依据，可以为发电计划程序、离线网络分析和合理的调度安排提供数据，而其准确率的高低直接决定了电力系统运行的安全性和经济性，对电力系统的运行、控制和生产计划都有着非常重要的影响。为了准确的预测市场对电力这一商品的
17、需求，当前世界各个电力公司和供电公司都在积极进行满足电力市场要求的日负荷预测研究。英国研究表明日负荷预测的误差每增加l导致每年增加成本1千万英镑；在挪威1的日负荷预测误差的增加将导致510百万克朗的附加运营成本。所以准确的日负荷预测具有很大的经济效益，必须进行深入研究 3。随 着 电 力 市 场 的 发 展 ， 负 荷 预 测 的 重 要 性 日 益 显 现 ， 并 且 对 负 荷 预 测 精度 的 要 求 越 来 越 高 。 传 统 的 预 测 方 法 比 较 成 熟 ， 预 测 结 果 具 有 一 定 的 参 考 价值 ， 但 要 进 一 步 提 高 预 测 精 度 ， 就 需 要 对 传
18、 统 方 法 进 行 一 些 改 进 ， 同 时 随 着现 代 科 学 技 术 的 不 断 进 步 ， 理 论 研 究 的 逐 步 深 入 ， 以 灰 色 理 论 、 专 家 系 统 理论 、 模 糊 数 学 等 为 代 表 的 新 兴 交 叉 学 科 理 论 的 出 现 ， 也 为 负 荷 预 测 的 飞 速 发展 提 供 了 坚 实 的 理 论 依 据 和 数 学 基 础 。 相 信 负 荷 预 测 的 理 论 会 越 来 越 成 熟 ，预 测 的 精 度 越 来 越 高 4。1.4 毕 业 设 计 主 要 工 作（ 1） 熟 悉 短 期 负 荷 预 测 的 概 念 ， 性 质 以 及 意
19、 义 。 对 其 进 行 了 解 ， 是 进 行 负荷 预 测 的 首 要 任 务 。（ 2） 介 绍 C 语 言 的 主 要 知 识 ， 以 及 对 本 设 计 进 行 软 件 实 现 的 整 体 流 程 和 设计 思 路 ， 对 下 面 进 行 的 实 力 计 算 也 具 有 指 导 意 义 。（ 3） 实 例 计 算 。 应 用 以 上 的 知 识 对 一 组 具 体 的 数 据 进 行 计 算 。 输 入 某 年中 某 时 间 段 的 负 荷 数 据 ， 设 定 计 算 模 式 以 及 平 滑 常 数 a 的 值 ， 演 示 一 、 二次 指 数 平 滑 法 的 计 算 过 程 。 本
20、 设 计 采 用 两 种 预 测 方 法 ， 一 种 以 小 时 为 单 位进 行 预 测 ， 另 一 种 以 整 天 为 单 位 进 行 预 测 。（ 4） 取 不 同 的 输 入 变 量 （ 平滑常数 a，参与计算的数据量 t等） ， 应 用 所 设计 的 程 序 ， 反 复 进 行 计 算 ， 通 过 控 制 变 量 法 ， 得 出 这 些 变 量 对 一 、 二 次 指7数 平 滑 法 的 影 响 。2 基于指数平滑法的短期负荷预测模型2.1 指数平滑法图 2.1 指数平滑法图例指 数 平 滑 法 （ Exponential Smoothing， ES） 是 布 朗 (Robert.
21、G.Brown)所提 出 ， 布 朗 认 为 时 间 序 列 的 态 势 具 有 稳 定 性 或 规 则 性 ， 所 以 时 间 序 列 可 被 合理 地 顺 势 推 延 ； 他 认 为 最 近 的 过 去 态 势 ， 在 某 种 程 度 上 会 是 持 续 的 未 来 ， 所以 将 较 大 的 权 数 放 在 最 近 的 资 料 。 图 2.1 即 为 指 数 平 滑 法 的 预 测 某 未 来 趋势 的 图 例指 数 平 滑 是 一 种 重 要 的 时 间 序 列 预 测 法 ， 它 的 基 本 思 想 是 先 对 原 始 数 据进 行 处 理 ， 然 后 再 根 据 处 理 后 的 数
22、据 (即 平 滑 值 )经 过 计 算 构 成 预 测 模 型 ，用 于 测 取 未 来 预 测 值 。指 数 平 滑 法 是 生 产 预 测 中 常 用 的 一 种 方 法 。 可 用 于 中 短 期 电 力 负 荷 的 预测 ， 所 有 预 测 方 法 中 ， 指 数 平 滑 是 用 得 最 多 的 一 种 。 简 单 的 全 期 平 均 法 是 对时 间 数 列 的 过 去 数 据 一 个 不 漏 地 全 部 加 以 同 等 利 用 ； 移 动 平 均 法 则 不 考 虑 较远 期 的 数 据 ， 并 在 加 权 移 动 平 均 法 中 给 予 近 期 资 料 更 大 的 权 重 ； 而
23、 指 数 平 滑法 则 兼 容 了 全 期 平 均 和 移 动 平 均 所 长 ， 不 舍 弃 过 去 的 数 据 ， 但 是 仅 给 予 逐 渐减 弱 的 影 响 程 度 ， 即 随 着 数 据 的 远 离 ， 赋 予 逐 渐 收 敛 为 零 的 权 数 。也 就 是 说 指 数 平 滑 法 是 在 移 动 平 均 法 基 础 上 发 展 起 来 的 一 种 时 间 序 列 分析 预 测 法 ， 它 是 通 过 计 算 指 数 平 滑 值 ， 配 合 一 定 的 时 间 序 列 预 测 模 型 对 现象 的 未 来 进 行 预 测 。 其 原 理 是 任 一 期 的 指 数 平 滑 值 都
24、是 本 期 实 际 观 察 值 与 前8一 期 指 数 平 滑 值 的 加 权 平 均 。根 据 平 滑 次 数 的 不 同 ， 指 数 平 滑 法 可 分 为 ： 一 次 指 数 平 滑 法 、 二 次 指数 平 滑 法 和 三 次 指 数 平 滑 法 等 。 本 文 只 涉 及 到 一 次 与 二 次 两 种 指 数 平 滑 法 。2.1.1 一次指数平滑法预测指数平滑法的基本公式是： 。式中， -时间 t 的平滑值； -时间 tntSty的实际值； -时间 t-1 的实际值；a-平滑常数，其取值范围为0,1。由该公1tS式可知：1. 是 和 的加权算数平均数，随着 a 取值的大小变化，决
25、定 和 tty1t ty对 的影响程度，当 a 取 1 时， = ；当 a 取 0 时， = 。1tSt tStytS1t2. 具有逐期追溯性质，可探源至 为止，包括全部数据。其过程中，t 1t平滑常数以指数形式递减，故称之为指数平滑法。生产预测中，平滑常数的值取决于产品本身和管理者对良好响应率内涵的理解。3.尽管 包含有全期数据的影响，但实际计算时，仅需要两个数值，即tS和 ，再加上一个常数 a，这就使指数滑动平均具逐期递推性质，从而给ty1t预测带来了极大的方便。4.根据公式 =a +(1-a) ，当欲用指数平滑法时才开始收集数据，则不1Sy0S存在 。无从产生 ，自然无法据指数平滑公式求
26、出 ，指数平滑法定义0y0 1S为初始值。初始值的确定也是指数平滑过程的一个重要条件。1S如果能够找到 以前的历史资料，那么，初始值 的确定是不成问题的。1y 1数据较少时可用全期平均、移动平均法；数据较多时，可用最小二乘法。但不能使用指数平滑法本身确定初始值，因为数据必会枯竭。如果仅有从 开始的数据，那么确定初始值的方法有：1y1）取 等于 ；S2）待积累若干数据后，取 等于前面若干数据的简单算术平均数，如：1S=（ + + ）/3 等等。1y23指数平滑常数 a 的取值至关重要。平滑常数决定了平滑水平以及对预测值与实际结果之间差异的响应速度。一 次 指 数 平 滑 法 是 指 以 最 后
27、的 一 个 第 一 次指 数 平 滑 。 如 果 为 了 使 指 数 平 滑 值 敏 感 地 反 映 最 新 观 察 值 的 变 化 ， 应 取 较 大a 值 ， 如 果 所 求 指 数 平 滑 值 是 用 来 代 表 该 时 间 序 列 的 长 期 趋 势 值 ， 则 应 取 较9小 a 值 。 同 时 ， 对 于 市 场 预 测 来 说 ， 还 应 根 据 中 长 期 趋 势 变 动 和 季 节 性 变 动情 况 的 不 同 而 取 不 同 的 a， 一 般 来 说 ， 应 按 以 下 情 况 处 理 ：1.如 果 观 察 值 的 长 期 趋 势 变 动 接 近 稳 定 的 常 数 ， 应
28、 取 居 中 a 值 (一 般 取0.6-0.4)使 观 察 值 在 指 数 平 滑 中 具 有 大 小 接 近 的 权 数 。2.如 果 观 察 值 呈 现 明 显 的 季 节 性 变 动 时 ， 则 宜 取 较 大 的 a 值 (一 般 取0.6-0.9)， 使 近 期 观 察 在 指 数 平 滑 值 中 具 有 较 大 作 用 ， 从 而 使 近 期 观 察 值 能 迅速 反 映 在 未 来 的 预 测 值 中 。3.如 果 观 察 值 的 长 期 趋 势 变 动 较 缓 慢 ， 则 宜 取 较 小 的 a 值 (一 般 取 0.1-0.4)， 使 远 期 观 察 值 的 特 征 也 能
29、 反 映 在 指 数 平 滑 值 中 。 在 确 定 预 测 值 时 ， 还应 加 以 修 正 ， 在 指 数 平 滑 值 S， 的 基 础 上 再 加 一 个 趋 势 值 b， 因 而 ， 原 来 指数 平 滑 公 式 也 应 加 一 个 b。2.1.2 二次指数平滑法预测二次指数平滑法是对一次指数平滑值作再一次指数平滑的方法。它不能单独地记性预测，必须与一次指数平滑法配合，建立预测的数学模型，然后运用数学模型确定预测值。二次指数平滑法只利用三个数据和一个 a值就可进行计算。在大多数情况下，人们一般更喜欢用线性二次指数平滑法作为电力负荷预测的方法。 二次指数平滑法的计算 线性二次指数平滑法的
30、公式为：（2-1）(1) (1)tt tSaYS式中： ， 分别为 t期和 t1期的二次指数平滑值；a 为平滑系数。(2)tS()1t在 和 已知的条件下，二次指数平滑法的预测模型为：(1)tt（2-1）tTtb（2-2）(2)(1)(2)1tttSaS（2-3）()(2)ttt（2-4）(1)()tttbaT为预测超前期数 5102.2 基于指数平滑法的短期负荷预测模型既然我们想将一、二次指数平滑法应用于电力负荷预测当中，就必然要知道他们之间的联系，这里就不得不提到一个新名词拟合。拟合是函数逼近或者数值逼近的重要组成部分是通过已知一些离散点集 M上的约束，求取一个定义在连续集合 S(M包含于
31、 S)的未知连续函数，从而达到 获取整体规律的目的，即通过“窥几斑“来达到“知全豹“ 6。简单的讲，所谓拟合是指已知某函数的若干离散函数值 , , ，1f2nf通过调整该函数中若干待定系数 f( , , ), 使得该函数与已知点集的2n差别最小。如果待定函数是线性，就叫线性拟合或者线性回归(主要在统计中)，否则叫作非线性拟合或者非线性回归。表达式也可以是分段函数，这种情况下叫作样条拟合。从几何意义上将，拟合是给定了空间中的一些点，找到一个已知形式未知参数的连续曲面来最大限度地逼近这些点。指数平滑法与负荷预测都属于拟合技术，所以在本质上他们很近似，所以可将一、二次指数平滑法应用于电力负荷预测当中
32、 7。113 短期负荷预测的软件实现本设计采用 C 语言对一、二次指数平滑法负荷预测进行实现。下面将对 C语言进行简单介绍。3.1 C 语言简介C 语 言 是 一 种 面 向 过 程 的 计 算 机 程 序 设 计 语 言 ， 它 是 目 前 众 多 计 算 机 语言 中 举 世 公 认 的 优 秀 的 结 构 程 序 设 计 语 言 之 一 。 它 由 美 国 贝 儿 研 究 所 的D.M.Ritchie 于 1972 年 推 出 。 1978 后 ， C 语 言 已 先 后 被 移 植 到 大 、 中 、 小及 微 型 机 上 。 C 语 言 发 展 如 此 迅 速 ， 而 且 成 为 最
33、 受 欢 迎 的 语 言 之 一 ， 主 要 因 为 它 具 有强 大 的 功 能 。 Microsoft Visual C+是 一 个 比 较 好 的 软 件 。 界 面 友 好 ， 功能 强 大 ， 调 试 也 很 方 便 。C 语 言 的 主 要 特 点 如 下 ：1. C 是 中 级 语 言 。 它 把 高 级 语 言 的 基 本 结 构 和 语 句 与 低 级 语 言 的 实 用性 结 合 起 来 。 C 语 言 可 以 像 汇 编 语 言 一 样 对 位 、 字 节 和 地 址 进 行 操 作 ， 而 这 三 者 是 计 算 机 最 基 本 的 工 作 单 元 。 2.C 是 结
34、构 式 语 言 。 结 构 式 语 言 的 显 著 特 点 是 代 码 及 数 据 的 分 隔 化 ， 即程 序 的 各 个 部 分 除 了 必 要 的 信 息 交 流 外 彼 此 独 立 。 这 种 结 构 化 方 式 可 使 程 序层 次 清 晰 ， 便 于 使 用 、 维 护 以 及 调 试 。 C 语 言 是 以 函 数 形 式 提 供 给 用 户 的 ，这 些 函 数 可 方 便 的 调 用 ， 并 具 有 多 种 循 环 、 条 件 语 句 控 制 程 序 流 向 ， 从 而 使程 序 完 全 结 构 化 。 3.C 语 言 功 能 齐 全 。 具 有 各 种 各 样 的 数 据
35、类 型 ， 并 引 入 了 指 针 概 念 ，可 使 程 序 效 率 更 高 。 而 且 计 算 功 能 、 逻 辑 判 断 功 能 也 比 较 强 大 ， 可 以 实 现决 策 目 的 的 游 戏 。 4. C 语 言 适 用 范 围 大 。 适 合 于 多 种 操 作 系 统 ， 如 Windows、 DOS、 UNIX等 等 ； 也 适 用 于 多 种 机 型 7。本 设 计 中 主 要 应 用 了 如 下 几 种 命 令 ：1.选 择 命 令 switch： switch 命 令 可 以 根 据 用 户 输 入 的 指 令 ， 选 择 所 要执 行 的 命 令 ， 如 该 程 序 中
36、当 输 入 1 时 ； 则 进 行 以 小 时 为 单 位 的 负 荷 预 测 ， 当12输 入 2 时 ， 将 进 行 以 天 为 单 位 的 负 荷 预 测 ； 当 输 入 其 他 时 将 跳 出 程 序 ， 报 错 。2.判 断 命 令 if（ ） else： 该 命 令 能 根 据 用 户 输 入 的 指 令 进 行 判 断 ， 如果 满 足 if 指 令 的 要 求 ， 则 只 执 行 if 后 面 的 命 令 ； 如 果 不 满 足 if 指 令 的 要求 ， 则 只 执 行 else 后 面 的 命 令 。3.循 环 命 令 for（ ） ： for 指 令 能 设 定 循 环
37、的 初 值 ， 循 环 的 终 值 ， 即 从哪 开 始 循 环 ， 循 环 到 哪 里 结 束 。 是 改 程 序 的 最 重 要 的 部 分 ， 是 实 现 迭 代 必 不可 少 的 命 令3.2 短期负荷预测软件实现3.2.1 短期负荷预测软件功能分析既然是负荷预测，我们需要方便快捷的得到所要预测时段的预测值，需要得到预测值与真实值的误差以及误差率，以便分析比较。进行一、二次指数平滑法负荷预测的输入量有需要预测的时间段（天/小时），参加负荷预测的原始负荷数据数量，参加负荷预测的原始负荷起始时间，平滑常数，参加运算的原始数据。所以我们所需要得到的程序应该具有输入以上变量就能得到一、二次指数
38、平滑法负荷预测值的功能。如图 3.113启动输入输入变量输入原始数据得到一 、 二次指数平滑法负荷预测结果终止图 3.1 程序功能图本设计采用 C语言编写其具体功能、特点如下： 通过使用选择语句 switch对需要整天的负荷预测还是每小数段得负荷预测做出选择。当 mold=1时，程序将进行每小时段得负荷预测；当 mold=2时，程序将进行整天的负荷预测。 采用文件调用方式输入所需要的原始数据，省去了手动输入的步骤，使操作更为简单。 较为快速的计算负荷预测值，并将结果输出到一个 txt文档中，能保存，复制取出，便于之后的分析研究 自动计算一、二次指数平滑法负荷预测值与真实值之间的误差以及误差率，
39、能够很好的反映出预测的情况。3.2.2 短期负荷预测软件功能实现本程序首先使用选择语句 switch对需要整天的负荷预测还是每小数段得负荷预测做出选择。当 mold=1时，程序将进行每小时段得负荷预测；当 mold=2时，程序将进行整天的负荷预测。下面我们就来分析一下当 mold=1时的具体程序流程（当 mold=2时，流程与其完全相同） 。如下图 3.2。14启动输入原始数据设置最初时刻的平滑值 S 1设置迭代次数 d a y = td a y t + s t a r t计算一次预测值d a y + 1将一次的结果输入输入错误 ， 报错否是设置迭代次数 d a y = td a y t +
40、s t a r t计算二次预测值d a y + 1计算误差及误差率输出一 、 二次预测结果终止是否输入原始数据的天数 tt 是否在 7 到 2 1 之间输入即将预测的时间 hh 是否在 0 至 2 3 之间输入原始数据第一天的编号 s t a r tS t a r t 是否符合输入平滑常数 a否否否是是是图 3.2 指数平滑法流程图下面对图 3.2.进行详实的流程阐述：1. 创建一个结构体，在结构中创建一下数组结构：Rdata30，用于存放实际数据；15Fdata30,用于存放一次预测数据：Sdata230,用于存放二次平滑值；Fdata30，用于存放二次预测数据；Ready36423，用于总
41、原始数据输入后储存。2. 打开数据文件历史小时负荷数据 ，将其输入到二维数组 Ready中备用。3. 输入自变量，一次指数平滑法的原始数据天数，即将预测的小时段，参与运算的原始数据第一天的编号。4. 将即将参加运算的原始数据从 Ready中取出，放入到 Rdata中。5. 令一次起始平滑值 Fdata0=Rdata0，然后根据公式：，对其进行一次指数平滑法负荷预测，并将预测值1()tttSayS储存在数组 Fdata中。6. 令二次起始平滑值 Sdata20=Fdata0，然后根据公式)2(1)1()2( ttt SS，求其二次指数平滑值，并将其储存在数组Sdata2中。7. 根据公式： ，计
42、算出该预测点的预测值并将(1)(2)1tttay其储存在数组 Fdata2 中8. 读取该预测时段的真实值，计算出误差及误差率。9. 将数据输出到“结果数据.txt”的文档中。如图 3.3：16图 3.3当 mold=2时情况与以上基本相同，就不在详述。174 负荷预测结果分析根据毕业设计任务书的要求，将利用指数平滑法来对负荷进行预测。依照前面两部分对负荷预测基本知识的说明和对指数平滑法这种算法的分析，接下来将在他们的基础上将指数平滑法用于对负荷的预测上。其具体步骤如下：首先介绍数据形式，并对数据进行简单处理。其次将逐一介绍输入的变量的性质以及含义。然后在同一变量同一时段的原始数据的基础上，用
43、一次指数平滑法与二次指数平滑法对负荷进行预测，并计算误差。再在不同变量同一时段的原始数据的基础上进行一次、二次指数平滑法负荷预测。反复试验，多重比较，得出结论。4.1 原始数据处理本文原始数据选择的是 1998年某地全年的负荷值，其中的主要数据有日期、1-24小时的负荷值、日最低温度、日最高温度、星期、天气类型、节假日类型以及日平均温度。例如表 4.1： 表 4.1 1998 年负荷数据日期 1h 2h 24h 日最低气温日最高气温星期 天气类型节假日类型日平均温度1998-1-1 270 256 264 3 9 4 -1 8 -11998-1-2 246 232 256 4 10 5 -1
44、8 -11998-1-3 246 243 279 3 9 6 -1 8 -1 1998-12-31 257 255 277 0 10 4 -1 8 -1由于指数平滑法具有较大的周期性，负荷变化的过程是连续的，一般不会出现大的突变，虽然电力负荷对季节、温度、天气等极为敏感的，不同的季节，不同地区不同的气候，以及温度的变化都会对负荷造成影响，但不是主导原因，所以本论文暂不涉及到日最低温度、日最高温度、星期、天气类型、节假日类型以及日平均温度的影响，只是对 1-24小时的负荷值作为原始数据。所以将全18年中每天的 1-24小时负荷值提取出来，不在以日期命名，而是用 0-354（闰年加一）个数字顺序便
45、编号，并按顺序放在历史负荷数据.txt 文档中，每个数据间均用一个空格隔开，便于之后用 C语言程序直接调用此 txt文档。如图4.1：图 4.1 处理好的 1-24 小时负荷值如果要负荷的时段选择为一天，需将每天的 1-24小时负荷相加（用Microsoft Excel的求和功能即可），将结果放在 txt文档中，每两个数据间依然用空格隔开，便于之后用 C+语言程序直接调用此 txt文档。如图 4.2 图 4.2 处理好的一天的负荷值4.2 输入变量输入变量是控制负荷预测的关键。在应用指数平滑法对负荷预测中，变量主要有：平滑常数a 。本软件设计中还涉及到的输入变量有：作为一次指数平滑法原始数据的
46、天数t；预测模式选择mold；即将预测的时间段h；作为一次指数平滑法原始数据第一天的编号start。指数平滑常数 a 的取值至关重要。平滑常数决定了平滑水平以及对预测值与实际结果之间差异的响应速度。a 的具体选择方式以及对指数平滑法的影响在 2.1.1 节中已经详细的介绍过了，在这里就不在叙述了。一次指数平滑法原始数据的天数 t 是指，用多少天的负荷数据作为原始数据输入到设计的程序中，本设计中支持 7 天至 21 天的负荷值作为一次指数平滑法的输入数据。如果输入其他数值，软件将报错跳出。预测模式选择 mold 是对以小时为单位和以天为单位预测方式的切换。当需要预测某小时段得负荷值时选择 1；需
47、要预测某天的总负荷值的时候请输入 2。如果输入其他数值，软件将报错跳出。即将预测的时间段 h 是未来要预测的时间段或时间点，是一次指数平滑法与二次指数平滑法预测的终点。其范围在 1 至 24 小时之间，如果输入其他数值，19软件将报错跳出。原始数据第一天的编号 start 则是一次指数平滑法与二次指数平滑法预测的起点。原始数据第一天的编号与一次指数平滑法原始数据的天数的和（这个和在程序中，我们用 day 表来示）应小于 365，否则会超出预测范围，软件将报错跳出。介绍完本软件设计的输入变量，知道了他们各自的含义作用之后，接下来将开始正式对负荷进行预测运算基于指数平滑发的负荷预测（一次指数平滑法
48、与二次指数平滑法） 。4.3 一次指数平滑法负荷预测一次指数平滑法的负荷预测是整个预测算法的核心部分，是二次指数平滑法的前提条件，其具体步骤如下。1.原则所需要进行预测的目标时段。在短期负荷预测中，目标时段一般应为当前时间的下一天。如，现在时间为 2011 年 6 月 1 日，那么即将预测的目标时段为 2011 年 6 月 2 日的时段。由于本设计所给予的负荷历史数据为 1998 年的负荷值，所以目标时段为 1998 年 1 月 8 日至 1998 年 12 月 31 日。可用实际值与预测值进行比较，计算误差。2.选择原始数据的数量，即有多少个负荷数据值将要参加到指数平滑法的负荷预测中来。在不
49、考虑日最低温度、日最高温度、星期、天气类型、节假日类型以及日平均温度的影响的前提下，参加运算的数据越多，计算越为平滑，计算得到的负荷预测值也越为准确，但这是在理论上来讲的，在实际中或多或少会出现偏差。3.平滑常数 a值的选定。平滑指数 a的选择对整个运算具有决定性的作用，根据历史经验，在本设计中暂选取 0.4进行运算。之后我们还将对 a值进行更改，用控制变量法选取不同的 a来进行计算，试图找出一定的规律，的出结论。4.初值的选择。在上面的章节中，我们介绍了提到了全期平均、移动平均法、最小二乘法、前面若干数据的简单算术平均数的方法以及取最初的平滑值等于起始实际值。由于本设计数据较少，直接选用取最初的平滑值等于起始实际值的方法确定初值 8。5.实例运算。20一次指数平滑法的公式为 ，接下来应用一次指数平滑法1()tttSayS预测 1998年 1月 12日全天负荷值为例，详细阐述指数平滑法的过程。1998年 1月 5日（周一）至 1998年 1月 11日（周日）的负荷值为
