摘要：智能电网是未来电网的发展方向，随着国家能源战略的调整，大量新能源设备投入电网中，电力负荷组成越来月复杂，为电网负荷分析和预测带来了新的问题和挑战。负荷水平与负荷特性是评价电网负荷状况的两个主要特征指标，从负荷水平可以看出电网用电负荷高低的现状以及增长的趋势；基于此，本文主要针对电力负荷预测在智能电网中的应用进行了分析。
关键词：电力负荷预测；智能电网；应用
一、智能电网及电力负荷预测概述
智能电网也就是电网系统的智能化，以集成、高速双向通行网络结构为依托，借助传感技术及自动控制技术为依托，能够实现各类电力需求提供决策支持，具有较高的信息化水平。智能电网不仅能够电力需求对其供电过程进行合理调整，最大限度上满足用户的需求，还能够自动检测故障问题，并且能够实现自动修复。在硬件设备产生问题的情况下，也可以实现对故障点的精准定位，同时为操作人员检修工作的开展给以充分的数据支持。
开展电力负荷的预测工作，是以建立起来的电力负荷模型为研究对象，其最主要的构成包括，电力负荷的时空特性、电网系统的负荷电压以及电力的频率特性等内容。所谓的电力负荷的时空特性：是指随着空间位置改变和时间变动，电网负荷也会发生改变，而且通常这一改变较为复杂，需要通过分析负荷时间的曲线体现时空的特性，所以根据时间的区别，负荷曲线可以被划分为年负荷、季负荷、月负荷和日负荷；根据用电性质又可以划分为生活、农业、工业和市政4个研究领域等。关于电力负荷预测的模型，不仅要对短期实时电力负荷进行预测分析，还要发挥对电网规划以及电力发展进行长期预测的作用，一般情况下会通过概率统计对负荷进行评估。值得注意的是预测电网长期的负荷情况时，存在客观上的误差，而导致这一误差出现的原因是电网运行的不稳定、负荷变化的不确定。但是总体而言，负荷预测准确度还是非常高的。
二、负荷预测方法
2.1传统电力负荷预测方法
常用的传统负荷预测方法包括趋势外推法、时间序列法、回归模型法等。具体方法如下：
趋势外推法是指通过对一段时间的电力负荷的变化趋势进行推测达到预测未来负荷的方法。虽然电力负荷处于不断变化的状态，但依然有固定的变化规律存在。常见规律有线性、非线性、周期性等，一般可以通过算法处理，得到未来电力负荷的发展趋势。这种方法比较适用于短期电力负荷预测，由于该方法使用固定算法，不能随着负荷变化作出相应调整，对于长周期的负荷预测存在较大误差。
时间序列法是指根据电力负荷的历史数据，统计负荷在随时间变化中的规律，并将其用数学模型描述出来。该方法以月、周、天、小时等时间单位对负荷数据进行实际值和预测值的对比。具体流程为模型识别、模型参数计算、模型检验、负荷预测、精度校正几个步骤。这种方法算法较少，适合电力负荷分布均匀的短期预测。
回归模型法是指通过数学统计建立合理的数学模型，以一元线性回归方程为基础，对其中各项数据进行统计分析。对于非线性回归方程则需通过一定的数学手段将其转换为线性方程。该方法精度较高适用于中期负荷预测。
2.2现代负荷预测方法
目前较为成熟的现代负荷预测方法有专家系统预测法、神经网络预测法、模糊预测法、小波分析法等。具体情况如下：
专家系统负荷预测是指通过历史数据构建数据库，并由专业人员进行数据提取和分析。
期刊文章分类查询,尽在期刊图书馆这种方法充分发挥了专业人员的工作经验，并且可以人为加入一些影响因素进行分析，使得分析结果更加实际和具体。但是该方法不能提供定量的分析结果。
神经网络负荷预测方法是指参考生物神经网络特性，建立分布并行式的数学模型进行数据处理。这种方法拥有自主更新、优化计算等优点，可以提供精度较高的分析结果。但是该方法对历史数据要求较高，并且不能很好的处理突发事件的处理和预测。
上述方法各有优缺点，只有将几种方法有机结合起来，相辅相成，才能更好的提高分析精确度和可靠性。
三、智能电网环境下的负荷预测
3.1储能装置对负荷预测的影响
近年来，电力行业逐渐增加了对风能、太阳能等清洁、安全能源的研究，智能电网对于清洁性能源的引入，将改变传统电网中对于负荷和电源的定义。智能电网有新型集中发电设备也有小型分布的发电设备，相比于传统电网中负荷、电源的单向流动，智能电网中用户有使用电能和输送电能两个功能，电源流向也从单向流动，变成了双向流动。智能电网的负荷变化相比于传统电网更加复杂多变，负荷预测更加困难。智能电网中的储能装置多出现在风能、太阳能等间歇性输出能源的电力系统中。储能装置在电力低峰储存电能，电力高峰则将储存的电能释放出来。储能装置在电网系统中既是负荷也是电源，这就要求负荷预测时要充分考虑储能装置的负荷特性。
3.2基于智能电网测量体系的电力负荷预测
智能电网测量体系具体功能是收集、存储并分析用电数据。该系统主要由智能电表、通信设备、测量数据管理系统以及用户网络组成。该系统以用户智能用电管理中心为核心，智能电表将收集来的数据传输给用电管理中心，用电管理中心通过对数据的计算分析，将结果传输给智能用电信息显示终端、用户智能电器、用户储能装置等终端装置中，并对这些装置反馈的数据进行进一步的整理分析。与此同时，智能电表还会将采集的数据通过双向通信网络传输给数据管理中心，为智能配电和智能输电提供数据支持。此外，用户智能用电管理中心处理数据之后还可以提供更加高级的服务功能，如特助装置充放电等。
一个用电网络的总负荷是由该电网所有种类的负荷汇总而成的，而每个负荷的运行特性和影响因素都不尽相同。如果对各个负荷进行分别预测来完成对整个电网的负荷预测必将极大的提高系统预测精度。传统电网没有统一的用电信息收集分析平台，没有办法对所有负荷进行分析预测。智能电网测量体系的构建，为电网所有负荷分别进行预测提供了基础，完善了负荷体系。通过对智能电表采集数据的分析计算，切实考虑负荷具体特性，采用合适的预测方法，并对各负荷预测结果进行统一整理汇总，从而得到整个电网的预测结果。
结语
负荷预测主要通过科学合理的数学计算方法对历史负荷数据进行分析计算，从而得到未来某时段的负荷预测。电力系统为了满足日益增长的供电需求，其预测的计算精度必将越来越高。电力负荷预测作为电力系统分析功能的基础，负荷建模分析的精度直接影响到仿真的最后结果。随着智能电网应用的普及，负荷预测的数据采集体系也更加完善，预测方法也日趋成熟。智能电网测量体系可以为负荷预测提供一个良好的数据平台，通过对负荷点精确的特性分析和计算，将极大的提高负荷预测精度。
参考文献：
[1]王德文，孙志伟。电力用户侧大数据分析与并行负荷预测[J]。中国电机工程学报，2015。
[2]张文亮，汤广福，查鲲鹏，贺之渊。先进电力电子技术在智能电网中的应用[J]。中国电机工程学报，2010。
[3]王建军。智能电网环境下的自适互动智能负荷预测研究[J]。陕西电力，2010。
论文作者:韩雪辉
论文发表刊物:《电力设备》2018年第27期
论文发表时间:2019/3/12
标签：负荷论文; 电网论文; 智能论文; 电力论文; 方法论文; 数据论文; 是指论文; 《电力设备》2018年第27期论文;