摘要：我国为了对于环境污染进行有效地整治，采用了煤改电的政策来尽量地减少供暖当中的煤炭燃烧所占的比例，但是在执行过程当中，可能会给电网带来一定的波动，利用ARIMA模型可以有效地对其发展情况进行预测，最终可以有针对性地进行负载的调整，实现电网负载的均衡化，避免能源的浪费。
关键词：ARIMA；煤改电；电力负荷
1 引言
在一些传统的火力发电场，只通过火力来进行发电，只进行能量的利用而浪费了大量的物质，同时造成了较为严重的污染。因此我国目前开始推行煤改电政策，供暖尽量采用电而不使用煤，这样的节能技术就能使得能源的利用率提升，但是这对于处理技术也有了较高的要求。企业通过煤改电技术，可以极大的提升能源的利用效率，利用较为先进的工艺来减少能源的浪费，全面的从源头上来控制能源的利用，同时这样就可以使得企业的经济效益和社会效益都能够提升，因此这是我国工业发展的一个重要趋势。通过物料热量的高速交换，可以有效的节约能源，因此我们应当大力推广这个技术，以此来降低燃料的浪费。
在过去的电力系统中，主要采用发电机的功率调整来实现负荷的平衡运转，但是在智能电网中这样是无法进行的，因为分布式的电源太多了，它对于环境的因素变化是非常敏感的，如果系统无法做到它们之间的相互平衡，就可能会导致严重的事故，引起电机烧毁或者是大区域的停电，给国民经济带来严重的损失，这就需要电力系统供电的设备，有一定的电能储存量，但是如果电储存量较大，不仅在技术上有难度，也会使得整个电网的运行，效率降低，最好方法就是采用模型来对其符合进行预测，避峰错谷来解决供需之间的不平衡关系，实现资源的合理优化调配。
2 ARIMA模型概述
在统计学和计量经济学，特别是时间序列分析中，自回归移动平均（ARIMA）模型是自回归移动平均（ARMA）模型的推广。这两种模型都适用于时间序列数据，以更好地理解数据或预测系列中的点。ARIMA模型适用于某些数据显示非平稳性证据的情况，其中初始差分步骤可以应用一次或多次以消除非平稳性。ARIMA的AR部分表明，被研究的变量是在其自己的滞后值上回归的。MA部分表明，回归误差实际上是误差项的线性组合，其值在过去的不同时间同时发生。数据值已经被它们的值和先前的值之间的差异所替代，并且这个差异化过程可能已经被执行了多次，目的都是为了使模型尽可能符合数据。非周期ARIMA模型通常表示为ARIMA（p，d，q），其中参数p、d和q是非负整数，p是自回归模型的阶数，d是差分，q是移动平均模型的阶数。周期ARIMA模型通常表示为ARIMA（P，D，Q）m，其中m代表周期数，大写P、D、Q代表自回归、差分和ARIMA模型的移动平均项。当三个项中的两个为零时，可以基于非零参数来引用该模型，ARIMA模型可以根据Box-Jenkins方法进行估计。
3 基于ARIMA模型的煤改电电力负荷预测
3.1 预测步骤
（一）根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律，对序列的平稳性进行识别。一般来讲，经济运行的时间序列都不是平稳序列。
期刊文章分类查询,尽在期刊图书馆
（二）对非平稳序列进行平稳化处理。如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理，如果数据存在异方差，则需对数据进行技术处理，直到处理后的数据的自相关函数值和偏相关函数值无显著地异于零。
（三）根据时间序列模型的识别规则，建立相应的模型。若平稳序列的偏相关函数是截尾的，而自相关函数是拖尾的，可断定序列适合AR模型；若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可断定序列适合MA模型；若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适合ARMA模型。
（四）进行参数估计，检验是否具有统计意义。
（五）进行假设检验，诊断残差序列是否为白噪声。
（六）利用已通过检验的模型进行预测分析。对原始数据进行一次差分规范后，序列数据符合的ARIMA模型的要求条件，进行模型识别。识别的过程先拟合ARMA(1,1),并检验拟合结果，如果检验后拒绝ARMA(1,1)的拟合结果，则认为p=1,q=1是合理的，否则适当提高阶数再进行拟合，直到检验结果不拒绝拟合的模型为止。
3.2 预测结果
我们通过分析可以得到，在煤改电的初期可能会给电网带来较大的波动，因此我们必须，模型中的实际情况，在合理的时间采用同步电机等方式来纠正相位，电网当中的无功分量较少。目前我国的电能浪费的情况比较严重，在配电和用电等环节都可能会造成电网无法进行高效率的运行，造成供需不够平衡，引起严重的经济损失，解决这些问题的主要方法就是通过合理有效的算法来对于负荷进行优化，但是我国对于这方面的研究还不多，为了使得发电负荷和损耗之间能够保持动态平衡，需要建立更加科学的模型，以此来使得用户的需求得到满足，电力系统的供电稳定性也不会随着外界的干扰而引起严重的变化。
4 总结
在现阶段持续深化的电力行业改革发展背景下，针对十分突出的能源形势，应对面临的各种发展不稳定因素，应该在创新进程中持续强化负荷预测措施。强化电力稳定发展的责任，这是建立安全环境的需要，也是强化电力利用的客观需要，彰显出当前强化电力负载平衡手段迫切性与必要性。怎样根据被电力负载的特征，将电力设施的智能监控、快速处置、智能分析、高清监督等作用有效发挥出来，怎样持续性提升电力负荷运转能力，这值得我们当前做出更为深入的探索。
参考文献：
[1]王喜平,王雅琪.夏季短期电力负荷ARIMA-SVR组合预测模型[J].黑龙江电力,2016,38(02):104-108.
[2]李晨熙.基于ARIMA模型的短期电力负荷预测[J].吉林电力,2015,43(06):22-24.
[3]刘亚,张国忠,何飞.基于ARIMA模型和BP网络的电力负荷预测[J].湖北电力,2003(02):13-15.
作者简介：毛剑龙（1988-03-02），男，汉族，天津武清人，本科，电力调度方向
论文作者:毛剑龙
论文发表刊物:《电力设备》2017年第35期
论文发表时间:2018/5/14
标签：模型论文; 序列论文; 电力论文; 负荷论文; 平稳论文; 函数论文; 数据论文; 《电力设备》2017年第35期论文;