摘要：在智能电网平台上ICT技术的迅速实施和推行，以及智能终端设备设施的广泛投入应用，对电力负荷预测的精确度、密集性要求更加严格，电力负荷预测的难度也跟着提高。与陈旧的电力负荷预测技术比较，它的发展走向完全从简单的负荷预测技术朝着电力负荷预测越来越详尽的人工智能化服务层面转型，这也是智能电网在信息化社会背景下的必然发展趋向和条件。
关键词：负荷预测；智能电网；应用
一、电力负荷预测方法
1.1传统电力负荷预测方法
①趋势推测预测法
它是针对当前电力负荷的变动趋向进行推测。尽管电力负荷的变化按照时间的变化在变动，其随机性比较强，但是可以通过算法处理找到电力负荷固有的变化特性和规律。对大量的数据进行分析发现，电力负荷具有的变化特性和规律大多为周期性或非周期性、线性或非线性的关系，将所有的电力负荷预测数值利用数学模型建立最小拟合曲线方程进行计算，该方式针对短期内的电力负荷预测特别适用，但缺乏动态调整能力，产生的误差比较高。
②时间序列预测法
该方法利用历史数据，对随机变化的电力负荷所体现出来的规律进行统计，利用数学模型描述出这种规律，从而确定电力负荷的数学方程式。它是根据季、周、天、时等随时间的推移变化形成的时间序列，对电力负荷预测数据的实际数值和预测数值的差值进行分析计算。时间序列法对数据的分析计算程序可分为识别模型、估计模型参数、检验模型、预测负荷、检验精度、修正预测值等诸多阶段。它的优点是计算量小，但不能覆盖影响电力负荷变化的全部因素，只能适用于电力负荷变化平稳的短期预测。
③回归模型预测法
该方法的主要思路是采用数理统计方法建立数学模型，人后对所有的变量数据进行计算。它的数学模型可以用线性回归方程表示如下：
一元线性回归方程：y=a+bx，式中a、b均为线性回归系数；多元线性回归方程：y=a0+a1x1+a2x2+…+anxn，式中an为回归系数，xn为线性变量，n≥0，且n∈N+。针对非线性回归方程必须利用数学计算方法将其转化为线性回归方程方可进行计算。该方法朱勇适用于中期的电力负荷预测，精确度非常高，但是在十分复杂的情况下无法精确地预测综合用电负荷。
1.2现代负荷预测方法
这几年中，许多新的电力负荷预测方法应用比较普遍，有以下就几种主要方法：
①专家系统预测法
该方法是收集大量的已有数据构建数据库，从具有丰富负荷预测经验的专家的知识中获取规律进行预测解析。其主要预测思想是利用工作人员的经验以及丰富的资料进行电力负荷预测，能够顾全所有的各项因素，有助于获得精准的预测结果。此方法的不足之处是在遇到十分繁杂的影响电力负荷预测的因素时定量分析非常困难，与此同时，该系统的自学能力为零，无法应对一些突发性事件。
期刊文章分类查询,尽在期刊图书馆
②神经网络预测法
它是借鉴动物的神经网络的行为特点，构建的数学模型算法为分布式并行信息处理算法。其优点是具有优化计算能力和自学能力，对于负荷变化的各种规律能够完全的考虑到位，有非常高的准确性。其不足之处为对原始数据的要求很高，对现有系统的初始值无法应用，具有较慢的收敛速度，因此该方法不能应用在突发事件的电力负荷预测中。
③其他电力负荷预测方法
例如模糊预测法、波频分析法等。它们各有各的优点与不足，但是单一的电力负荷预测方法精确性和可靠性无法满足需求，必须要将两种及以上电力负荷预测方法适当的结合在一起进行电力负荷预测，这也是未来电力负荷预测的进步方向。
二、智能电网环境下的负荷预测
2.1智能电网环境下的负荷分析
近期几年中对安全、可靠、灵活、准确等性能的智能电网的探索研究国内外相关人士和机构均有开展，智能电网已经转变了传统的电网中负荷点和电源点的观念，引进集中式发电或小型分布式发电的新能源严重影响了负荷预测行为。而对于分布式发电的智能电网，电力用户较传统的相比具有利用电能和输送电能的双向特性，电力用户再也不是单纯的用电负荷单位，所以传统的电力负荷预测技术必须迎接新的挑战。
2.2储能技术对负荷预测的影响
在电网中安装蓄电装置用来弥补风能、太阳能等间歇式能源发电的间歇缺陷是智能电网的特征之一。通过安装蓄电装置，完全可以解决能源间歇性带来的电力支配难题，在电力充足的时候将过量的电能储存，电力不足的时候释放储存电能进行利用，以及解决用电峰期的用电量。所以蓄电装置具有用电负荷和供电电源的双重身份，因此，在智能电网平台上进行电力负荷预测必须考虑这一因素。
2.3基于AMI的电力负荷预测
智能电网中的电力负荷预测体系（AMI）是基于电力负荷测量、数据收集、存储及分析的系统，其组成主要包括智能电表、信息输送、数据测量处理系统和用户网络组成。某一区域的总负荷是有该区域所有分负荷的累加，每一个分负荷的影响因素各有所异，其类型和运行特征也各有不同，假如对所有不同的负荷逐一进行预测，就会很大程度上提高总负荷预测的精确度。传统的电网缺乏健全的数据分析处理平台，无法对所有负荷进行深入的认识，伴随着智能电网的不断发展，构建AMI电力负荷预测体系，就能够构建健全的电力负荷预测平台。通过智能电表采集电力负荷数据，结合负荷自身的特征确定负荷预测方法，然后将各个分负荷的预测结构综合起来就获得总预测结果，这样不仅会很大程度上提高预测精度，而且得到的总数据也比较精确。
结语
电力负荷预测的主要实施过程就是对原有数据进行分析，应用合适的数学计算方法对将来某段时间的电力负荷值进行估算的过程。在智能电网迅速发展的环境中，采集各个电力负荷数据已经比较齐全和完整，但电力负荷预测能力水平的高低是由精准的电力负荷预测方法决定。就智能电网而言，AMI电力负荷预测体系可以提供一个健全的电力负荷预测平台，对负荷特征、分类做好精确地了解，并分别进行预测，从而增强电力负荷预测的精准度。
参考文献：
[1]曹金山.电力系统负荷预测研究综述与发展方向的探讨[J].电源技术应用，2013.
[2]袁柏秋.电力系统负荷预测方法分析及应用[J].中国高新技术企业，2011.
论文作者:吴国禄
论文发表刊物:《电力设备》2017年第5期
论文发表时间:2017/5/27
标签：负荷论文; 电力论文; 电网论文; 智能论文; 方法论文; 数据论文; 线性论文; 《电力设备》2017年第5期论文;