刘钰霆
（广东南海电力设计院工程有限公司 广东省佛山市 528200）
摘要：电力系统负荷预测是电力系统规划的重要组成部分，也是电力系统经济运行的基础，它从已知的用电需求出发，充分考虑政治、经济、气候等相关因素的影响，预测未来的用电需求。电力系统负荷预测对电力系统的调度运行和生产计划有很大影响，准确的负荷预测有助于提高电力系统的安全性、稳定性、经济性，随着电力市场的建立与发展，负荷预测将发挥越来越重要的作用。
关键词：电力系统 负荷预测 方法
1、负荷预测的基本原理
○1知性原理。即预测对象的发展趋势和状况可以被人们知道，客观世界是可以被认知的，不但可以知道其过去和现在，而且可以通过总结它的过去和现在来推测未来。②可能性原理。由于事物的发展是多种因素导致的，所以事物发展会有多种可能。对某一指标进行预测，往往需要按照发展变化的规律，进行多方案预测。③连续性原理。强调事物总是从过去发展到现在，有现在发展到未来，而在这个发展过程中某些原有的特征或趋势将会延续下去。④相似性原理。预测对象现在的发展过程和状况可能和其它事物过去的某一阶段类似，这时人们可以根据后一事物的已知状况，来对预测对象未来发展进行预测。⑤反馈性原理。反馈就是把输出返回到输入端，在调节输出结果。运用反馈性原理是为了提高预测的准确性。当预测结果就与实践中实际值存在偏差时，首先分析偏差产生的原因，然后根据查明的原因适当改变输入数据，是预测结果更好。⑥系统性原理。此原理认为预测对象是一个完整的系统，其本身有内在的系统，而它与外界联系有形成了外在系统。系统性原理强调系统整体最佳，系统整体最佳才称得上高水平的预测。
2、电力系统负荷预测方法分类
电力负荷预测方法按照预测的时间范围来划分，可分为长期、中期、短期和超短期预测。长期负荷预测通常指10a以上的预测，中期负荷预测通常指5a左右的预测，中、长期负荷预测是以年为单位进行预测的，主要用于为电力系统规划建设，包括电网的增容扩建及装机容量的大小、位置和时间的确定提供基础数据，确定年度检修计划、运行方式等，同时还为所处地区或电网电力发展的速度、电力建设的规模、电力工业的布局、能源资源的平衡、地区间的电力余额的调剂、电网资金及人力资源需求的平衡提供有效的依据；短期负荷预测通常为1a以内的预测，它的预测单位包括月、周、天、小时，主要用于调节、指导电力部门的日常运行，合理安排月度检修计划、运行方式及日开停机、发电计划；超短期负荷预测通常指对未来1h、0.5h、10min的负荷进行预测，主要用于对电力系统进行实时的安全分析与调度，满足运行要求，控制发电成本[6,7]。图1为按照预测时间范围划分的负荷预测方法对比。
图1同预测时间范围的负荷预测方法对比
3、负荷预测方法
电力负荷的一大特点是其明显受到各种环境因素的影响,如季节更替、天气因素突然变化、设备事故和检修、重大社会活动等,这使得负荷时间序列的变化出现非平稳的随机过程。:
3.1趋势外推法
趋势外推法是根据负荷的变化趋势对未来负荷情况进行预测。电力负荷虽然具有随机性和不确定性,但在一定条件下,仍存在着明显的变化趋势,例如农业用电,在气候条件变化较小的冬季,日用电量相对稳定,表现为较平稳的变化趋势。这种变化趋势可为线性或非线性,周期性或非周期性等等。选择合适的趋势模型是应用趋势外推法的重要环节,图形识别法和差分法是选择趋势模型的两种基本方法。
3.2时间序列法
时间序列法把负荷数据看作是一个按季节、按周、按天以及按小时周期性变化的时间序
列并将实际负荷和预测负荷之间的差值看作一个平稳的随机过程进行分析和处理。时间序列法又分为确定型时序法和随机型时序法,前者包括时间序列平滑法、时间序列分解法和谱展开法等;后者包括马尔可夫法、Box-Jer-kins法(又称ARMA模型法)和状态空间法等。
3.3回归分析法
回归分析法是根据负荷过去的历史资料,建立可进行数学分析的数学模型,对未来的负荷进行预测。其特点是将预测目标的因素作为自变量,将预测目标作为因变量,具有较强的内插能力。回归分析法属于相关法预测,它通过建立某些解释变量与负荷之间的因果关系(用函数表达)而获得负荷预测。由于影响负荷因素的多样性、突发性和随机性,造成传统的负荷预测误差大,在扰动情况下不具备鲁棒性,对节假日等特殊负荷模型的预测效果差,无法满足实用化的精度要求。
3.4灰色模型法
灰色系统理论是研究解决灰色系统分析、建模、预测、决策和控制的理论,近年来,它已在气象、农业等领域得到广泛应用。从电力系统的实际情况可知,影响电力负荷的诸多因素中,一些因素是确定的,而另一些因素则是不确定的,故可以把它看作是一个灰色系统。灰色系统具有计算简洁、精度高、实用性好的优点,它在电力负荷预测中已有很多成功的应用。该方法适用于短、中、长三个时期的负荷预测。在建模时不需要计算统计特征量,可以使用于任何非线性变化的负荷指标预测。但其不足之处是其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和灰度较大,
精度难以提高。
3.5人工神经网络法
由于负荷的变化受到多种因素（如天气状况、人们的社会活动）的影响，含有大量随机性及非线性关系，这些因素对负荷预测的精度造成很大的影响，因此，学者将人工神经网络模型引入负荷预测技术中。人工神经网络法首先利用人工神经网络选取一段历史负荷作为训练样本，建立合适的网络结构，然后用训练算法对其训练，在满足精度要求后，用人工神经网络进行负荷预测。人工神经网络的主要研究工作是如何将对人工神经网络的模型进行
改进或结合其它方法来提高预测精度及网络的收敛速度，研究最多的基本模型为Hopfield神经网络、多层感知器、自组织神经网络及概率神经网络。
3.6指数平滑法
指数平滑法是利用过去数周的同类型日相同时间的负荷组成一组时间上有序的数组y（t），y（t-1），y（t-2），……，将其加权平均，利用负荷趋势外推技术预测未来负荷，公式为：
Lt+1=αXt+α（1-α）Xt-1+a（1-α）2Xt-2+…
式中：Lt+1为t+1时刻的负荷值；α=1/n，n为所有数据积累的个数。加权平均是指数平滑法的基本原理，计算过程中根据“近大远小”的原则分配加权系数，从而能够体现数据的时变性，反映新近数据对未来负荷的影响程度，序列中的随机波动可通过平滑作用消除。
4、结语
负荷预测是电力系统规划与运行的前提与基础，它的预测精度对电力系统的安全性、稳定性、经济性有很大影响。将现有的负荷预测方法进行了综合的阐述，指出了各种预测方法的优点与不足之处。在未来的负荷预测工作中，应加强对负荷历史数据的处理，尽可能的挖掘负荷变化的规律性，提高预测模型参数估计的准确度，将多种预测方法进行有效的融合，并对新的方法、模型进行不断的探索。
参考文献：
[1]斐乐萍.县级区域短期电力负荷预测研究[D].华北电力大学，2014.
[2]尹立.基于支持向量机的某区域电网电力需求的预测研究[D].北京交通大学，2014.
[3]蔡剑彪.基于云计算的智能电网负荷预测平台研究[D].湖南大学，2013.
论文作者:刘钰霆
论文发表刊物:《电力设备》2016年第12期
论文发表时间:2016/8/25
标签：负荷论文; 神经网络论文; 电力系统论文; 时间论文; 方法论文; 因素论文; 电力论文; 《电力设备》2016年第12期论文;