摘要：电力系统的作用就是给各个行业和社会提供优质可靠电能，满足各个用户的需求。无论负荷的大小，对电力系统以后的规划或者运行研究来说，都有着重要的作用。随着电力系统的逐步发展，负荷预测也越来越显得重要。负荷预测是电力系统控制和行的基础，预测的准确与否对整个电力系统的运行、检修、规划等都有着至关重要的作用。
关键字：负荷预测 电力系统 短期负荷预测
1 短期负荷预测
1.1 短期负荷预测的意义
短期负荷预测的精确度越高，就更有利于提升发电设备的利用率和经济调度的有效性。在电网运行的整个过程中，由于调度误差导致的任何环节的功率缺额都将影响整个系统运行的经济性，而准确的负荷预测则是提高调度质量的重要手段之一。
1.2短期负荷预测的特点
与长期负荷预测相比，短期负荷预测所受到的随机因素的影响更多，波动性与非线性更加明显。影响短期负荷预测的因素包括：经济水平、天气变化、历史数据、政策调整等。
但从另一方面来讲在每次预测的过程中又有自身的周期性。比如，不同日的24h内的负荷变化具有相似性；工作日与休息日各自具有相似性；不同节假日的负荷变化也具有相似性等。因而也可以利用相似性原理来完善短期负荷预测。
2短期负荷影响因素及数据预处理方法
2.1力系统负荷预测的特点
短期电力负荷预测是根据前史数据，构建科学的数学模型，能够预测将来短时刻内电力负荷变动。电力体系短期负荷具有不断定性和随机性特征，这就使得电力体系负荷预测具有四个显着特征:(1)预测成果具有不断定性:负荷预测要遭到许多杂乱因素影响，且各影响因素多是时变的，故被预测目标的变动规则难以保证实时的精确性;(2)预测做法的条件性:不管负荷特性是什么性质的，预测均在必定的条件下进行的，故预测成果受多种特定条件约束。
2.2影响短期负荷预测的主要因素
2.2.1经济因素
国家经济变动，直接致使电力用户变动。现在，中国经济迅速增长使得电力用户数量不断添加。国家的职业计划、经济环境以及方针倾向等均会对负荷水平以及曲线散布发生主要的导向效果。除此之外，电力体系网络所在地的经济环境也会对负荷需要有着显著的影响。
2.2.2内部因素
内部因素的主要特征是周期变动以及线性变动，根据线性变量能够预测出24小时的负荷变动状况。
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。
期刊文章分类查询,尽在期刊图书馆
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。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。
4电力系统负荷预测在未来的发展方向
首先，随着社会不断的发展，我国科技水平逐渐提高，在各个行业中得到了广泛的应用，尤其是在电力市场条件的支持下，电力行业应该跟上社会发展的脚步，将现有电力系统负荷预测技术进行不断的创新、完善，只有这样才满足电力系统在未来发展时对于负荷预测的需求。其次，我国电力行业应该不断的借鉴一些西方国家的优秀经验与技术，将我国的负荷测量技术进行突破，找出一项属于自己的电力系统负荷预测技术。最后，应该将现有的电力系统负荷预测技术功能进行扩大，更好的解决电力系统中的预测问题。在开展电力系统负荷预测过程中不仅要进行预测，同时还要建立一支高素质、高水平、高专业的电力系统负荷预测队伍。
电力系统的负荷预测是促进电力企业快速发展的重要基础，做好电力系统预测工作可以有效的保证电力系统在运行过程中的安全性、稳定性、经济性，提高社会经济效益，促进电力企业快速发展。
总结：随着社会不断的发展，电力系统与负荷预测工作对于电力行业的发展来说起到了非常大的作用，随着我国科学技术水平不断的提升，我国现有的电力系统预测技术的精准度也会不断的提升，从而保证其预测工作可以顺利进行下去。
参考文献：
[1]周潮,邢文洋,李宇龙.电力系统负荷预测方法综述[J].电源学报,2012,06:32-39.
[2]王倩.电力系统负荷预测研究综述与发展方向的探讨[J].中国高新技术企业,2013,29:117-118.
论文作者:孙美琪
论文发表刊物:《电力设备》2020年第2期
论文发表时间:2020/5/8