摘要：现代化的脚步还在继续向前，高科技引领时代尖端，人们的工作生活都以快节奏的方式进行着，在这当中，电能所起到的作用是不可替代的，我们每天的生产、生活都离开电的帮助，可以说，即使只是出现短暂的停电情况，都会令很多事情处理起来显得非常棘手。所以，准确的进行电力负荷预测对于电网规划及电力市场的发展具有重要的作用。本文分析了电力系统规划中负荷预测中几种预测方法，简单介绍了负荷预测方法的原理以及优缺点，总结归纳了现有常见的几种负荷预测方法。
关键词：电力系统；短期负荷预测；方法
1 引言
为了提高电力系统的稳定性对电网中进行准确有效的负荷预测是非常必要的。通过对电网中历史数据的分析和研究，从而对短期和长期的电力部门用电作出较为准确的预测。电力负荷预测的结果直接影响电力市场中部门之间的决策和方案，尤其是对发电和供电部门影响最大。电力负荷预测可以准确有效的帮助发电部门安排合理的发电和检修任务，同时也是对各个部门系统制定合理用电价格的重要依据。供电部分可以根据负荷预测制定合理的购电计划，以确保电网可以经济可靠的稳定运行。因此，电力负荷预测对于电网规划的发展是非常重要的。
2 负荷预测的分类
负荷预测依据所预报时间段的长短，可划分为三种类型，即短期、中期与长期。对于长期负荷预测而言，多指时间为5年或超过5年；中期负荷预测多指5年以下1年以上；短期符合则为几个月、几天、几小时甚至更短的时间。为了能够获取更为准确且合理的预测结果，需合理考量如下问题：
2.1 预测方法的多样性
因负荷预测完成与某个特定（假设）的条件下，其中往往存有诸多难以确定的各项因素，如若对其预测选用单一方法完成，则最终结果往往存有偏差，难以令人满意，所以，需选择多种预测方法联合应用，且与本地区所存特点及现实情况相结合，开展全面、合理、系统化的分析工作，最终获取详实的预测结果。
2.2 统计分析的全面性
需对各种相关资料进行科学、系统化研究与分析，客观的进行统计分析，此乃将预测工作做好的前提与基础。
2.3 基础资料的可靠性
对大量准确、全面资料进行掌握与搜集，善于去除劣质资料，准确辨识那些不良数据，做到去伪存真。
3 短期负荷预测方法
3.1 灰色预测法
灰色预测法将信息系统分为两部分，一部分是信息已知的，另一部分是信息未知的。所研究的就是“己知的部分信息和未知的部分信息”存在一定关联的不确定系统。该方法将不确定的变化量视为灰色，利用累加或者累减的计算方法，将毫无规律可言的数据序列生成含有某种规律的数据序列。利用灰色模型（GM- Grey Model）建立微分方程，从而完成灰色预测模型的建立。其不足，当数据离散程度大，那么此方法将不再适用，特别是长期负荷预测，因为其预测精度会很差。又由于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，对于具有其它趋势的指标则有时拟合灰度较大，精度难以提高。
3.2 极限学习机预测法
在传统的人工神经网络中，网络中的隐层节点参数需要通过一定的迭代计算优化确定其参数。在这些迭代的运算过程中参数的训练过程会占用大量的内存和时间，导致了网络的训练过程的效率不容易得到保证。为了达到提高网络整体性能的作用，Huang G.B.等人提出了极限学习机（extreme learning machine，ELM）算法。
期刊文章分类查询,尽在期刊图书馆ELM 对多数非精确性规律具有自适应能力和自主学习的特点，只需在训练前选取合适的隐含层神经元数，执行过程一次完成，无需迭代就可获得最优解。该方法可以有效的克服局部最小化和学习率等问题。针对 ELM 随机设定隐含层神经元节点和连接权值，基于遗传算法优化 ELM 中隐含层节点数和隐含层输入权值的方法，以此来确定最优的预测模型，确保较高的预测准确率。
3.3 趋势分析法
“趋势分析法”，顾名思义就是把先前收集到的各种资料进行整合，使其成为一条直线，与此同时，以曲线趋势为依据来确定电力的负荷值，这种方式又称曲线回归法或曲线拟合法，是最为常见的预测方式，也具有显著的研究成果。这种方式在模型选择上相对来说较简便，但是为了保证电力负荷的预测结果，在进行曲线拟合时必须保障拟合区与精度相一致。可是无论怎样小心，依然会出现或大或小的误差，这就要求把模型和电网发展相关情况相结合，由此确定出更具科学性的模型。
3.4 人工神经网络法
人工神经网络对非结构性、非精确性具有很强的自适应功能。同时，它的先进性还体现于可以自主学习信息记忆以及优化计算的特点。因此，现如今很多学者热衷于将人工神经网络理论应用在负荷预测中，尤其是短期负荷预测，并且在国际上也得到了广泛的认可。当前多数采用前馈神经网络模型，通过 BP（Back Propagation）算法或者以其为基础的变种改进算法作为训练方法，凭经验选取预测模型结构（神经元个数和网络层数）。以神经网络所特有的功能和自身特点，使其极其适用于短期负荷预测。由于长期负荷预测，相对而言历史数据获得较少，故少用于长期负荷预测。
3.5 时间序列预测法
时间序列法是应用较早且较为广泛的一种电力负荷预测方法。该方法根据历史统计数据总结电力负荷发展的年增长率或负荷平均增长率与时间的顺序关系。把时间序列作为一个随机变量，用概率统计方法，尽可能忽略偶然因素的影响。从而建立数学模型描述电力负荷的变化过程，在该模型基础上归纳出数学表达式，以此来进行电力负荷预测。在时间序列法中常用的技术有状态估计、卡尔曼滤波和自回归动平均模型等。但是该预测方法建模过程较为复杂，对历史数据的准确度要求较高，而且预测步长越长，预测精度越差。
3.6 灰色预测法
顾名思义，这种方法就是利用生活中的颜色对所能获取的信息资源进行描述，一般情况下，这种方法非常简单明了，白色代表已经获知的信息内容，黑颜色代表未知，灰色地带相当于对信息掌握相对模糊、不清晰。所说的电荷就属于典型的灰色地带，其主要特点是只需要知道少量的数据，就可以对预测结果有大致判断，对参数进行估算，通常运用最小二乘法，当然，这只适用于对小数据的预测应用。将负荷数据进行变权缓冲预处理后，再利用灰色理论进行负荷预测，取得了较理想效果。
4 结束语
本文对于当前常用的电力负荷预测方法进行了分析，并且提出了适用于电网负荷预测的方法。从当前电网负荷的复杂程度分析，预测方法往往需要多种结合才能确保得到更准确的预测准确率。根据当地电网的具体电力系统负荷分析，找出适合的负荷预测方法是电网规划中必不可少的部分。因此，应该在今后的学习中不断探索新的负荷预测方法，为提高电力负荷预测准确率进行大量的研究。
参考文献：
[1]廖旎焕，胡智宏，马莹莹，卢王允.电力系统短期负荷预测方法综述[J].电力系统保护与控制，2011，01：147-152.
[2]彭显刚，胡松峰，吕大勇.基于RBF神经网络的短期负荷预测方法综述[J].电力系统保护与控制，2011，17：144-148.
[3]雷绍兰.基于电力负荷时间序列混沌特性的短期负荷预测方法研究[D].重庆大学，2005.
[4]张德玲.电力系统短期负荷预测方法的研究[D].郑州大学，2007.
论文作者:覃寿福
论文发表刊物:《电力设备》2017年第8期
论文发表时间:2017/7/17
标签：负荷论文; 方法论文; 电力论文; 电网论文; 神经网络论文; 电力系统论文; 模型论文; 《电力设备》2017年第8期论文;