摘要：近年来，随着电力行业的不断发展，电力系统日趋复杂，电力负荷将不断增长。而正确的预测电力负荷是电力规划的基础，可以为地区和电网的电力发展速度、电力建设规模、电力工业布局、能源资源平衡以地区或电网资金和人力资源的需求和平衡提供可靠的依据。要明确具体的不同地域和区间的电力负荷，根据负荷量进行合理规划，从而做到电力供需的平衡，充分保证每一个用户的实际用电需求。本文在此凑够电力负荷预测的原理出发，对电力系统负荷预测的几个有效方法做了一定的研究。
关键词：电力系统；负荷；预测技术
前言
电力负荷预测是保证电力系统安全稳定运行的关键，电力行业必须通过电力规划，才能保障电力事业的稳定发展。电力行业规划电力项目时，深化了负荷预测，利用负荷预测，保障电力规划的科学与合理，在负荷预测的基础上，提高电力规划的可靠性。
一、电力系统负荷预测概述
负荷预测是从已知的用电需求出发，考虑政治、经济、气候等相关因素，对未来的用电需求做出的预测。电力系统负荷预测包括最大负荷功率、负荷电量及负荷曲线的预测。最大负荷功率预测对于确定电力系统发电设备及输变电设备的容量是非常重要的。为了选择适当的机组类型和合理的电源结构以及确定燃料计划等，还必须预测负荷及电量。负荷曲线的预测可为研究电力系统的峰值、抽水蓄能电站的容量以及发输电设备的协调运行提供数据支持。
负荷预测的目的是提供负荷发展状况及水平，同时确定各供电区、各规划年供用电量、供用电最大负荷和规划地区总的负荷发展水平，确定各规划年用电负荷构成。负荷总量预测属于战略预测，是将整个规划地区的电量或负荷作为预测对象，它的结果决定了未来城市对电力的需求量和未来城市电网的供电容量。负荷总量预测的结果对城市供电电源点的确定和发电规划具有重要的指导意义，是城网规划的重要依据。
二、电力负荷预测原理
电力负荷模型对于电力负荷预测可以说是最为有效的方式之一，电力负荷模型则主要包含了电力负荷的时空特性、负荷电压和频率特性。电力负荷时空特性主要指的是电网随空间分布和时间变化而出现不同负荷，而对于这些负荷模型来说，它们大多数都较为复杂，一般采用负荷时间曲线来描述此时空特性，负荷曲线以时间来划分可以分为年度负荷、季度负荷、月度负荷和日负荷；按照负荷的性质可以分为生活负荷、农业负荷、工业负荷和市政负荷等。负荷预测模型不仅需要对电网进行实时或者短期的负荷预测，还需要对电网规划和发展做长期的负荷预测，通常采用概率统计来预测负荷，需要注意的是，预测电网未来的负荷，在客观上必定存在一定的误差，产生误差的根源是存在一些影响电网运行的不确定因素以及与电网负荷变化规律不相符合等，总体上负荷预测模型的准确性还是很高。
三、负荷预测的几个有效方法应用
1、电力弹性预测法
电力弹性系数是电量平均增长率与国内生产总值之间的比值。电力弹性系数法的优点是能较好地把握电力负荷增长的趋势及范围，但是由于近年来产业结构的调整，使得弹性系数意义在淡化，相关的数据出现较大的波动现象，所以该种方法更适合于中长期负荷预测，短期的符合预测数据部可靠。
2、回归分析法
回归分析法运用的主要是统计学中的相关理论为基础，通过对一定时期内的变量的变化形势和数据进行统计分析，并且建立起相应的数据模型体现变量之间的关系，然后根据该模型对未来的负荷节能型预测。通常在运用回归分析法时，需要建立回归预测模型，其中包括线性回归和非线性回归两种。在当前的电网规划中，较为常用的是一元线性回归方法。运用回归分析方法的关键在于对回归方程的建立，该方法的预测结果准确性较高，一般适用于中长期的负荷预测，但是在资料的统计方面具有较大的难度。
期刊文章分类查询,尽在期刊图书馆
3、灰色模型法
灰色模型法，在电力系统负荷预测当中的应用，本质上是将灰色理论作为发展基础，开展灰色预测技术。灰色系统理论是研究与解决灰色系统分析、建模、预测、决策以及控制的基本理论内容。该预测方法已经成功被运用到现代的气象与农业等领域当中。对于电力负荷预测的影响，通常可分为确定性因素与不确定性因素两种，在此可以看作是一个灰色系统。
灰色模型的预测方法，在应用的过程中，计算方法简单、快捷、精准度性与实用性良好。与弹性系数发以及回归分析法相比较而言，在电力系统负荷预测当中的运用具有较高的价值。并且对负荷预测的短期、中期以及长期等各个阶段并无影响，能够适应于各个阶段的非线性变化当中，作为一种负荷指标预测内容。灰色模型运用，在数据表现的方面，所需的负荷数据较少，并不需要对分布式的结构与规律变化进行明确，便于开展检验。当然，该方法在开展电力负荷预测的过程中，会受到灰度变大的影响，预测精准度随之发生变化。
4、人工神经网络
人工神经网络是利用数学、信息处理等方法对人脑神经元网络进行模拟抽象，建立模型。由于其具有强大的自学习、自组织、自适应能力因而在电力负荷预测中获得了广泛的应用。其中BP网络是目前应用最广泛的人工神经网络。BP神经网络是一种三层结构的网络，包含输入层，输出层和隐含层，它是一种前向多层网络。权值的调整采用误差反向传播算法，将输入样本数据通过模型自动“学习”训练，从而生成最优网络结构。
BP神经网络的优点是具有较强的非线性拟合能力，而且学习规则简单，便于计算机实现。缺点是收敛速度慢、容易陷入局部极小值，以及难以确定隐含层节点的个数。
5、小波分析预测法
小波变换分析法具有良好的时频局部化特性，通过不断调整一个聚焦过程的尺度参数，小波变换可以聚焦于信号的局部结构，能很好地捕捉并放大突变信号。负荷信号通常表现为以日、周、年等为周期的变化特性，即各分量均有不同的频率特性；而各时刻的随机负荷分量，则可以看成随机时间序列，反映到周期性上，可以以各种高频或者低频信号来表示。负荷信号的变化过程具有连续频谱的特性。以此为理论基础，小波分析的电力系统负荷预测法，通过小波变换，将各序列分量分别投影到不同尺度上，并对不同的子负荷序列分别采用相应的模型进行预测。最后通过序列重构，得到完整的负荷预测结果。
6、模糊负荷预测
模糊负荷预测是近几年比较热门的研究方向。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。模糊系统不管其是如何进行计算的，从输入输出的角度讲它是一个非线性函数。模糊系统对于任意一个非线性连续函数，就是找出一类隶属函数，一种推理规则，一个解模糊方法，使得设计出的模糊系统能够任意逼近这个非线性函数。
四、负荷预测的发展前景
系统全面地对现有电网负荷预测的各种方法进行研究、分析和评价的基础上，结合地区电网负荷预测特点，部分地区电网负荷预测确立了基于人工免疫系统对电网负荷预测进行研究的新方向，并进行了实地调研和具体实践。以负荷预测为出发点对城区电网设备优化进行优化设计，提出设计一个特别的免疫系统来提高蚂蚁算法在局部搜索时的效率，将免疫思想引入到蚂蚁算法中，构成改进人工免疫优化算法，这种算法综合了蚂蚁和免疫系统的优点。蚂蚁算法是相互协同工作来寻找良好的解，同时能完成全局的搜索并避免局部的最优化，为ETA问题提供了合理求解的途径。
五、结语
综上，随着电力市场的发展，对负荷预测精度的要求越来越高。工作中要针对实际情况来对区域电力规划进行负荷预测，确定未来一段时间内用电需求量，将其作为电网规划的数据支持，提高电网建设的综合效果。
参考文献：
[1]牛东晓.电力负荷预测技术及其应用[M].北京：中国电力出版社，2006.
[2]赵娜.关于电力规划中负荷预测方法的探究[J].消费电子，2014（24）：98.
论文作者:郑建文
论文发表刊物:《基层建设》2019年第17期
论文发表时间:2019/9/11
标签：负荷论文; 电力论文; 电网论文; 模型论文; 方法论文; 电力系统论文; 灰色论文; 《基层建设》2019年第17期论文;