（江苏省电力公司常州供电公司 常州 213003）
摘要：随着我国产业结构完善和人民整体生活水平的改善，对电能的需求逐年加大，同时对电力质量的要求也越来越高，对电网建设和布局提出了更高的要求。电力工业在国民经济中扮演着越来越重要的角色，电力负荷的正确预测显得尤重要。
关键词：电力负荷预测 作用 影响因素 预测方法
一、电力负荷预测概述
电力负荷预测是指通过对电力系统负荷历史数据的分析和研究，运用统计学、数学、计算机、工程技术及经验分析等定性定量的方法，探索事物之间的内在联系和发展变化规律，对未来的负荷发展做出预先估计和推测。正确地预测电力负荷，既是为了满足国民经济各部门及人民生活对电力的需要，也是电力工业自身健康发展的需要。
二、影响电力负荷预测的因素
在电力负荷预测中，很多因素不同程度地影响着电力荷的预测值，并且各个因素对负荷的影响可能是不一样的，而且同一因素的不同水平对负荷的影也是不同的。
1、时间因素
目前系统中的最大负荷小时数越来越小，时间对负荷的影响越来越大。对负荷预测有重要影响的时间因素主要有3种：季节变化、周循环、法定节假日。其中季节变化和气候有不少的关联，周循环则与工作日的情况有关系，这些还是比较好考虑的。
2、工农业等宏观产业用户因素的影响
工农业等宏观产业经济因素可以包括：供电区域人口多少、工业生产水平以及工业的类型、电器设备的数量和变化特性也即负荷的特性、政策发展趋势变化和经济趋势，另外，电力系统的管理政策也将对负荷变化产生影响。在季节变化及年度变化时，根据这些因素对负荷预测值的修正是十分重要的。其中国家经济政策对电力系统的影响尤为重要。可以说他可以决定一个电力系统乃至一个地区的发展方向。因为各地区用电大户一旦增多。必然会有一些大用户用电存在无序性，使得调度部门难以准确掌握大用户负荷特性以及用户的停产、设备检修等情况，从而影响负荷预测的准确性。其次电气化铁路等冲击负荷也对负荷预测准确率造成一定的影响。
3、负荷特性分析和预测方法的影响
目前，由于很多地区在负荷种类结构以及变化因素上的统计分析工作不够深入系统，导致在需要历史数据进行对照时无法展开工作，对于负荷特性和相关变化规律的总结也就无从谈起。而现实当中，不少电网的省调及地调在预测曲线的制作时仅凭预测人员的经验办事，科学使用的预测软件应用率比较低。而人工经验为主要手段预测由于数据性不强、方式单一，其预测结果也有一定的局限性。
4、管理与政策的影响
负荷预测是一项技术含量很高的工作，然而负荷预测工作在很多地区还没有得到足够的重视，基础工作薄弱，考核标准过于宽松，与大用户的信息沟通不畅，大用户的用电缺乏计划性和有序性；预测人员缺乏良好的综合素质、较高的分析能力和丰富的运行经验，不适应高标准工作的要求。
期刊文章分类查询,尽在期刊图书馆
三、电力负荷预测的方法
1、单耗法
主要是依据计划产品数量生产间和用电单耗计算出年用电总量，这种负荷预测方法对部分农业负荷和单耗指标的工业比较实用，是—个最直接最有效对部分农业负荷和单耗指标的工业的电力负荷预测方法。负荷预测时，可以根据城市经济发展的整体规划，利用规划期内各年份的农业工业生产目标，对过去国民经济的各部门产品生产中的单位耗电量，亿元耗电量进行分析统计，找出其中存在的规律，找出各种产值的单位耗电量。单耗法的丰要缺点有：调研工作任务量大，统计数字结果也不够准确。其优点有：预测方法相对简单，对眼前的电力负荷预测效果良好。负荷预测的主要是电气化铁路负荷、日常工农业用电负荷等构成。使用单耗法进行电力负荷预测的企业通常是能耗高的造纸和建材业，使用这种负荷预测方法基本能够和企业的实际电力使用相同。
2、负荷密度法
其指的是每km2平均电力负荷值。对整个城市的电力负荷密度并不是直接预测，而是根据城市的功能分区或城市区域进行预测。首先，计算出城市过去和现在的电力负荷密度，依然依据城市地区的规划建设和电力负荷发展特点，计算出个区域年电力负荷密度预测值；对分区中存在的几个用电大户，可单独对其进行电力密度负荷预测。使用负荷密度法对某地进行电力负荷预测时，要考虑到该地区社会经济发展和电力负荷不伴随某种因素发生跳跃式变化。
3、神经网络法
神经网络是有许多简单的神经元非线性构成的一个系统。虽然每一个神经元的功能和结构相对简单。但是这些简单的神经元构成的神经网络系统结构比较负责，功能智能化，比如，具有较强的计算能力、记忆能力、学习能力、容错能力等。现在，国际的研究和适用最普遍的是这四种基本模型或改进模型，即概率网络神经、多层感知器、自组织神经网络，Hopfield神经网络。 带有隐层的前馈型神经网络是现在电力系统负荷预测中使用最广的一种，其是有若干层隐层构成的。目前最简单使用的误差法训练算法，其本质是梯度算法。其把所有的相关数据作为输入数据、在对其进行样本模拟训练后，便可使用电力负荷预测。优点是：①类似人脑那样智能化处理；②具有自适应那些非精确．非结构性的能力；③能记忆信息、会自主进行学习、优化计算和推理知识等优点。缺点是：①无法使用已有的信息对初始值进行确定；②学习过程比较缓慢，处理突发事件的能力不够强。
四、负荷预测技术的发展趋势
电力系统将是一个数字化、信息化、互联、交直流并存、电能质量大大提高的强大系统。使得负荷预测技术具有如下发展趋势:
1、近现代方法取代经典、经验方法,
综合考虑影响负荷的各种因素，二十世纪60年以来提出的回归法、时间序列法、指数平滑法主要基于负荷形状及函数形式对负荷进行研究,主要把负荷预测的不确定性归为随机性,运用概率论与数理统计的方法进行处理,存在的缺点有:模型的定阶、求解、识别困难;模型的适应性不强;模型与数据不分离,建模所需数据量大,运算速度慢;精度低等。灰色预测法、专家系统法、卡尔曼滤波法、小波分析法和神经网络法除了考虑负荷形状等因素外,还涉及影响负荷的许多外在因素,因而精度进一步提高,具有较好的发展前景。
2、人工智能技术与现代数学理论结合应用
包括神经网络在内的人工智能技术可以广泛应用于短期甚至中长期负荷预测。除了各种单一人工智能技术的应用负荷预测外,还有神经网络和模糊系统的结合、神经网络与遗传算法的结合、神经网络与混沌方法的结合、神经网络与专家系统及模糊系统的结合、神经网络与小波分析方法的结合等正成为研究热点。
五、总结
电力负荷预测是电力系统调度、实时控制、运行计划和发展规划的前提，是一个电网调度部门和规划部门所必须具有的基本信息，是电力调度、用电、计划、规划等部门的重要工作，电力负荷的正确预测显得尤为重要。
参考文献：
[1]袁慧.影响电力负荷预测因素的探究[J].大科技，2011，04.
[2]王大鹏.电力系统负荷预测影响因素及方法探讨[J].大科技，2010，12.
论文作者:严以臻,陆政
论文发表刊物:《电力设备》2015年第10期供稿
论文发表时间:2016/4/22
标签：负荷论文; 电力论文; 神经网络论文; 因素论文; 方法论文; 电力系统论文; 密度论文; 《电力设备》2015年第10期供稿论文;