随着电力系统的发展,电力市场的产生以及新能源的引入带来的负荷的随机性和周期性给电力系统短期负荷的预测带来了一定的难度。本文就电力系统短期负荷的预测模型进行分析,采用了时间序列模型和卡尔曼滤波模型,并针对负荷的数量的不同采用不同的模型,进而用Eview软件和matlab程序做相应的仿真和验证。最后得出,若是负荷数量比较少时,利用时间序列比较简单;若是负荷数量比较多时,采用卡尔曼滤波比较精确。 模型的辨识和参数估计2.4.1模型辨识模型的辨识即为确定模型的阶数，基本途径就是对时间序列进行分析，即计算时间序列的均值，自相关系数，偏相关系数，从而确定模型的阶数。荷预测中的应用-电动折弯机数控滚圆机滚弧机张家港电动缩管机滚弧机由自相关和偏相关的“拖尾”和“截尾性”可知，p阶开始的所有偏相关系数均为0;从q阶开始的所有自相关系数均为0［25］。图1数据的偏相关，自相关系数图由图1分析可知，偏相关系数在k=2阶的时候为0，即在2阶截尾，因此可以确定p=1;自相关系数呈现周期性，无法判断q的值，因此确定为AＲ(2)。同样在利用matlab程序数据进行处理，通过残差方差的大小和AIC的值来确定AＲ的阶数。 本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com表1matlab程序中阶数与残差方差以及AIC阶数12345残差方差综上所述，AＲ模型的阶数为p=2。2.4.2参数的估计利用matlab程序对数据进行处理，得出相关的表达式即yt=0.614yt－1+0.053125yt－2+0.0616yt－3+a(t)2.5模型的检验用相关图检验拟合后的残差是否为白噪声［26］。若是，则模型合理。因为白噪声过程是序列无关的，所以白噪声过程的自相关函数和偏相关函数在相关图中均为零。利用Eview软件作出残差的自相关和偏相关关系图，如图2所示。由图2分析可知，残差的自相关系数基本上为0，因此预测模型有效。《电气开关》(2016．No．2)93荷预测中的应用-电动折弯机数控滚圆机滚弧机张家港电动缩管机滚弧机 本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com