摘要：电力系统负荷预测是指从已知的电力系统、经济、社会、气象等情况出发，通过对历史数据的分析和研究，探索事物之间的内在联系和发展变化规律，对负荷发展做出预先的估计和推测。电力系统负荷预测是发电部门制定发电计划和燃料计划的首要工作之一，是电力系统调度部门保证系统安全、稳定运行的重要基础，是电力规划部门统筹电力系统发展的有力依据。本文就电力系统负荷预测方法的进行分析。
关键词：负荷预测；电力系统；预测方法
1电力系统负荷预测原理
建立负荷模型是电力系统负荷预测最为直接和有效的方法，这一模型包括两方面涵义：①频率特性和负荷电压；②负荷的时空特性。所谓负荷时空特性，主要是指负荷分布会伴随空间和时间变化而不同。基于负荷模型的复杂性，所以研究人员对这种特性进行描述通常采用的是负荷时间曲线。以时间作为依据，负荷曲线可以分为日负荷、周负荷、季负荷和年负荷。但若是划分依据定为时空角度，则该负荷曲线又有系统、用户和节点三种之分。除此之外，负荷曲线按照负荷性质划分还包括生活负荷、市政负荷、农业负荷以及工业负荷等。负荷模型在正常的安全运行中主要是指未来的时空特性，所以这也可视为负荷预测的模型。系统运行过程中负荷预测模型的内容十分广泛，既可在电力系统规划时进行长期预测，同时也可涉及到短期或实时负荷预测。概率统计是通常负荷预测所采用的方法，时间序列分析是工具，考虑到是对未来负荷的预测，因此误差的存在不可避免。比如自然灾害引起的断电就会导致事故时段负荷曲线的变化，诸如此类不确定因素以及负荷变化规律的影响，就是未来负荷预测误差产生的主要原因。因为人为干预存在，负荷预测模型所得到的结果就不可完全依靠。但需要注意，对负荷预测模型所计算而得的结果不能全盘否定，通常情况下这些结果的准确度还是较高的。
2中长期负荷预测方法
2.1趋势外推法
伴随时间变化电力负荷会呈现出上升或是下降的趋势，但这一趋势并没有明显的季节性波动，倘若可以寻找到波动函数曲线，便可完成趋势模型的建立，这个我们用函数y=f（t）表示，其中y是时序数值因变量，而t是时间自变量，如若随着时间变化电力负荷会呈现出上升或是下降的趋势，而这种趋势的延伸又可适用未来情况，那给出一个所属值t时，便可以得到这一时间的序列未来值，我们称这一方法为趋势外推法。趋势外推法的种类很多，常用的有生长曲线趋势、二次曲线趋势、指数曲线趋势和线性趋势等。预测过程只需历史数据便可，这是趋势外推法的优点，但这一方法也有缺点，那就是负荷一旦发生变动便会出现较大的误差。
2.2灰色模型法
灰色预测技术是以灰色理论作为基础，所谓灰色系统理论主要是对灰色系统建模、预测以及决策控制等理论的系统化研究，这一方法被广泛应用在农业、气象等领域。影响电力负荷预测的因素有可确定的和不可确定的，这就可以视为一个灰色系统，这一系统在电力负荷预测中应用效果较好，不仅实用性强，且精确度高、计算简单。该防范可以使用在长、中、短三个时期的负荷预测当中，任何非线性变化负荷指标预测均可适用。灰色预测无需对变化趋势和分布规律加以考虑，且短期预测数据少，更加易于检验。但是，一旦数据灰度变化较大时就会降低预测的精度。
期刊文章分类查询,尽在期刊图书馆
2.3回归分析法
回归模型即通过对选定的因变量和各自变量的观测数据进行统计分析，确定变量之间的相关关系，得到具体的数学模型。这一方法的特点是具有较强的内插能力，能够将预测目标作为自变量，而因变量也与之相关，常用的回归模型包括非线性、多元线性和一元线性等。线性回归法常用于中短期的负荷预测，其所得的准确度较高，但却不能够对规划水平年的各种产业总值进行详细统计，同时也无法对各个区域负荷发展进行计算。分析负荷预测的影响因素特点，包括随机性、突发性和多样性等，这势必会导致负荷预测误差的存在，很难达到预期的精度要求。
3短期负荷预测方法
3.1时间序列法
时间序列法根据负荷时序的特点及其自、偏相关函数的性质，分别对应有自回归模型AR(p)、滑动平均模型MA(q)、自回归滑动平均模型ARMA(p,q)和累积式自回归滑动平均模型ARIMA(p,q)，其中ARIMA(p,q)模型可以适用于非平稳时间序列。电力负荷的历史数据是按照一定采样间隔记录的时间序列，具有较强的随机性。时间序列模型作为处理随机序列的有效方法，在短期预测中有着广泛的应用。
3.2神经网络法
负荷预测中由于存在着大量的线性和非线性的数学关系，因此可以用神经网络方法处理相关问题。国内外已经有许多学者将神经网络应用于负荷预测并取得了一定的研究和实践成果。采用神经网络的方法主要是以某段时间内的负荷为训练的样本，通过构建适宜的网络结构和训练算法来达到训练的目的，在满足精度要求后将该神经网络作为模型进行负荷预测。神经网络法具有对非精确性和非结构性规律进行自主学习、优化计算和信息记忆的优点，同时还具有强大的复合映射能力、智能处理能力和计算能力，具有其他方法不具备的自主学习和自适应的功能。这种方法的不足之处是要依赖主观经验来确定神经元的个数，无法科学地确定网络的结构，同时可能出现局部的最优解等。
3.3组合预测法
由于电力负荷数据具有复杂性与随机性，并且每种预测方法都有其适用范围，单一的预测模型往往难以实现准确地预测。因此，研究人员提出了组合模型预测方法，即根据各种算法的优缺点以及误差大小，将几种算法模型合理地组合起来，从而达到提高预测结果精度的目的。组合模型预测法在中长期和短期负荷预测中应用都较为广泛，其优点是克服了单一模型的不足，综合了多种预测模型的有利方面，使各种方法的优势得到互补，较好地改善了负荷预测的质量。单一模型权重的分配是预测模型的关键，可分为定权和变权2种分配方式，目前对于变权方式的研究较少。
4结束语
综上所述，作为电力系统运行与规划的重要基础，电力系统负荷预测的精准度直接关系到系统运行的经济性、稳定性及安全性。在综合阐述现有的负荷预测方法后，相信对于各种预测方法的优劣也能够了然于心。未来的负荷预测过程中，在负荷历史数据处理方法应当更加全面完善，对负荷变化的规律性积极探索，有效融合多种负荷预测方法促进预测模型参数准确性的提高。为了提高电力系统运行的经济效益与社会效益，需要不断创新电力系统负荷预测方法，有效管理用电情况，合理控制发电费用，保障电力系统的经济、有序运行。
参考文献：
[1]王大鹏,汪秉文.基于变权缓冲灰色模型的中长期负荷预测[J].电网技术,2013,37(1):168-171.
[2]电力用户侧大数据分析与并行负荷预测[J].王德文,孙志伟.中国电机工程学报.2015(03)
[3]主动配电网规划中的负荷预测与发电预测[J].钟清,孙闻,余南华,柳春芳,王芳,张鑫.中国电机工程学报. 2014(19)
论文作者:李朝春 张学武 孙淼,张艳 杨丽敏
论文发表刊物:《电力设备》2017年第17期
论文发表时间:2017/10/17
标签：负荷论文; 模型论文; 方法论文; 电力系统论文; 这一论文; 趋势论文; 时间论文; 《电力设备》2017年第17期论文;