（国网天津市电力公司 天津市 300143）
摘要：电力是现代社会发展的重要动力，科学合理地进行电网规划是保障电网安全稳定、高效运行的必然需求。负荷预测是电网规划中的基础工作，是制定电力发展规划的重要依据，其准确性直接影响着电网规划的科学性、合理性、可行性。本文从研究电力负荷预测的背景及意义出发，结合国内外电力负荷预测的研究方法与策略，提炼电力负荷预测关键点，构建组合预测模型，以天津影响数据为基础，预测天津未来最大负荷水平。
关键词： 最大负荷预测 回归分析法 灰色模型 时间序列法
一、引言
电力系统的作用是对各类用户尽可能经济地提供可靠而合乎标准要求的电能，负荷的大小与特性，对于能源、电力系统的设计和运行，电力市场分析和预测、公司决策的正确性具有关键性作用，是制定电力系统发展规划和运行计划的依据和保障。长期以来，我国的电力系统发展建设过程中普遍存在一种重视建设、忽视规划，特别是缺乏整体的长远规划的问题。而在规划过程中又忽视电力负荷预测在规划方面的基础性作用，没有形成一套科学合理的电力负荷预测技术，导致电力系统在制定发展规划方面依据不够充分。因此提高电力负荷预测的精度，对于提高电网运行的安全性、为电力企业创造更大的经济效益和社会效益，并且保证社会生产和社会生活的正常运行，有很大的意义。
二、基于组合预测模型的最大负荷预测
由于影响电力负荷因素之间存在着非线性，因素之间存在冗余信息，单一的数学模型在电力负荷预测中精度较低，为了有效提高电力负荷的预测精度，提出了组合电力负荷预测方法。以回归分析法、灰色模型预测法与时间序列法为预测基准预测方法，以预测方法的标准偏差度为权重，构建组合预测模型，对未来十年天津市全社会的最大负荷做出预测。
（一）回归模型预测
查阅相关资料可知，地区最大负荷的主要影响因素为气候因素和社会因素，其中气候因素有最高气温、平均气温，社会经济因素有GDP、制造业产值、人均可支配收入，将上述影响因素与最大负荷进行相关性性检验，得到最大负荷与规模以上制造业产值、GDP、人均可支配收入的相关系数大于0.9，显著性水平为0<0.05，最大负荷与规模以上制造业产值、GDP、人均可支配收入存在极高正相关关系，是最大负荷的关键影响因素。最大负荷与平均温度、最高温度的相关系数小于0.5，显著性水平分别为0.21、0.228，大于0.05，因此无法拒绝最大负荷与平均温度、最高温度无关。
以规模以上制造业产值、GDP、人均可支配收入开展多元线性回归分析，进行全社会最大负荷的定量预测。由于规模以上制造业产值、GDP、人均可支配收入之间的相关系数大于0.9，存在极高的相关性，因此首先进行因子分析进行降维处理。
从总方差解释表可知，三个因素中提取出一个主成分，初始特征值为2.975，该公共因子解释的方差已经达到了99.165%，能够较好地解释原有变量所包含的信息，代表经济因子（F）。由成分得分系数矩阵得到经济因子公式为：
F=0.334*人均可支配收入+0.335*规模以上制造业产值+0.335*GDP
将从三个因素里提取出的经济因子与全社会最大负荷进行回归可得回归方程：
ML=344.688+0.037*F
ML=344.688+0.012358*X1+0.012395*X2+0.012395*X3
其中，ML全社会最大负荷，X1：人均可支配收入，X2：规模以上制造业产值，X3：GDP
将最大负荷预测值与真实数据进行比较，通过误差检验来验证多元线性回归方法的有效性，部分结果如表3所示。
可以看到，回归方程的相对误差较小，拟合效果较好。通过对人均可支配收入、规模以上制造业产值和GDP进行合理预测来确定社会最大负荷的预测值。对居民可支配收入、规模以上制造业产值采用指数平滑法进行预测。查阅天津市“十三五”规划，GDP增长目标为年均增长8.5%，根据2016-2020年天津市GDP预期值，得到未来5年全社会最大负荷的预测值:
（二）灰色模型预测
将2011-2015年度的全社会最大负荷数据作为原始数据序列开始建模，得到灰色模型：x(t+1)=32814.857901exp(0.035226t)-31716.177901
其中，-a=0.035226<0.3，而通过C与P综合评定模型的精度，结果表明需要继续对残差序列进行建模分析，得到对残差序列分析的灰色模型：
x(t+1)=142.685839exp(0.242638t)-85.541579
其中-a=0.1242638<0.3，GM(1，1)模型预测精度较高，可用于中长期预测。通过C与P综合评定模型的精度，得到当前模型精度较好。将最大负荷预测值与真实数据进行比较，通过误差检验来验证灰色预测方法的有效性，如表6所示。
（三）时间序列预测
1．原始数据平稳化
在全社会最大负荷总具有很强的非平稳性，因此要对数据进行平稳化处理，通常可以对其进行差分来消除非平稳性，对一阶差分进行ADF检验得到t=-3.53<-3.4，p=0.0429，一阶差分后，时间序列基本平稳，因此该数据一阶差分后基本符合平稳化的要求。
2．时间序列模型参数确定
对上述经处理好的基本符合要求的时间序列数据计算自相关系数ACF和偏自相关系数PACF，具体数值和图形如图1所示。
一阶差分的自相关函数、偏自相关函数PACF的数值表现出一定的趋势特征，所以认为该时间序列适合ARMA模型，考虑p=2，q=2，建立ARIMA(2，1，2)模型：最大负荷bct=68.172-0.843bct-1-0.993bct-2-0.665εt-1-0.859εt-2+εt
在图2中可以看出残差序列的自相关与0无显著不同，基本落入随机区间，可以认为残差序列为白噪声序列，模型通过检验。
4．最大负荷预测
根据上述天津市最大负荷ARIMA（2，1，2）模型可知，最大负荷不仅与上一期、上二期的最大负荷有关，而且与上一期、上二期的扰动有关。上一期最大负荷增长1%，本期会下降0.843%；上二期最大负荷增长1%，本期会下降0.993%。另外本期的最大负荷增长还与上一期、上二期的随机因素εt-1，εt-2有关，系数分别为-0.665，-0.859，模型部分拟合值与误差如表8所示：
四、结论
本文基于回归分析法、灰色模型预测法、时间序列法构建组合预测模型，对天津市整体用电量的最大负荷进行了拟合预测，预测得到了2016-2020年天津市最大负荷用电量的预测值，本文提出的组合预测方法，利用组合预测方法的组合优势，有效消除了输入变量冗余信息和线性相关性，有效的提高了电网负荷预测的有效性和预测精度。
参考文献
[1]彭舟. 考虑季节因素的产业用电量关联分析及预测[D].长沙理工大学,2014.
[2]侯汝锋,蔡泽祥,尹亮,王昌照,马捷然. 基于最大负荷预测的地区电网静态安全分析[J]. 电网技术,2004,23:38-42.
[3]张建平,刘杰锋,陈屹东,杨宗麟,马则良,程浩忠. 基于人均用电量和人均用电负荷的饱和负荷预测[J]. 华东电力,2014,04:661-664.
[4]赵永良. 灰色预测理论及其在电网最大负荷预测中的应用[J]. 电工技术,2008,05:4-6.
[5]贾竹青. 基于ARIMA模型的呼和浩特地区10kV配电网负荷预测[D].华北电力大学（北京）,2011.
论文作者:马朝1,王莹2,史雷3
论文发表刊物:《电力设备》2017年第3期
论文发表时间:2017/4/26
标签：负荷论文; 模型论文; 序列论文; 组合论文; 电力论文; 天津市论文; 电网论文; 《电力设备》2017年第3期论文;