（国网营口供电公司 辽宁营口 115000）
摘要：在电力系统中，负荷指电力需求量或用电量。需求量是指能量随时间的变化率，即指功率。负荷预测包括两个方面的含义：对未来需求量的预测和用电量的预测。电力负荷的准确预测是不仅是电力系统安全运行的前提，还是电力市场分析的基础，对电力生产和国民经济都有重要意义，随着我国电力事业的不断发展，高质量、高效率的电网管理已经受到国家和电力部门的高度重视，高质量的电力负荷预测问题研究已经成为现代电力系统运行研究的重要课题之一。
关键词：负荷预测；电力市场；时间序列法；回归分析法
在社会发展过程中，电力工业是国民经济发展的基础产业，对整个国民经济的发展起着举足轻重的作用，电力市场需求、电力系统规划建设的基础、依据是负荷预测。保证负荷预测的精准度具有非常重要的意义与作用，它不仅影响到电网的投资建设与营运，甚至会影响到电网安全、稳定、经济运行。同时，预测结果要为后续工作服务。如若要确定规划年输配电系统所需的设备容量，就需要对规划年供电区域的负荷总量进行预测；如需确保变电站设备分布的合理性，就要对供电区域分块负荷进行预测，以增强配电设备布局的分辨度，使电网系统布局与其所需负荷的电量保持一致。
一、电力负荷的分类及组成
电力系统负荷一般可以分为长期负荷、中期负荷、节假日负荷、短期负荷和超短期负荷，不同类型的负荷具有不同的特点和规律。电力系统的负荷是经常变化的，不但按小时、按日变，还按周及年变，所以负荷通常由正常分量B(t)、气候敏感分量W(t)、特别事件负荷分量S(t)和随机负荷分量V(t)这几个部分组成，也即电力系统的总负荷L(t)可按公式: L(t)=B(t)+W(t)+S(t)+V(t)所示的形式表示。
长期以来，人们对电力系统负荷预测进行了大量的理论研究，提出了许多有效的方法。近些年，随着科学技术的迅速发展，预测理论技术也取得了长足的发展，新的预测方法，特别是人工智能与模式识别领域的新方法层出不穷，成为研究电力负荷预测问题的有力工具。负荷预测可以分为传统预测法和现代预测法两类。其中，传统预测法主要利用传统的数学工具，主要有回归分析法、时间序列法等;现代预测方法是随着人工智能的发展而兴起的，它结合了人工智能领域里的神经网络、专家系统以及小波理论等学科的研究成果。
二、电力负荷预测的方法
电力负荷预测按预测方法可以分为经典预测方法和现代预测方法。其中，现代预测方法是基于非参数模型的，主要采用专家系统、灰色系统、模糊逻辑和人工神经网络理论建立的方法。
期刊文章分类查询,尽在期刊图书馆
1）专家系统预测法。专家系统预测法是一个用基于专家知识的程序设计方法建立起来的计算机系统（在现阶段主要表现为计算机软件系统），它拥有某个特殊领域内专家的知识和经验，并能像专家那样运用这些知识，通过推理在某个领域内作出智能决策，所以，一个完整的专家系统由4个部分组成：知识库、推理机、知识获取部分和解释界面。专家系统技术应用到负荷预测上，可以克服单一算法的片面性；同时全过程的程序化，使本方法还具有快速决断的优点。此方法虽然有较广泛的使用前景，但由于预测专家比较缺乏，预测过程容易出现人为差错，在建数据库及将专家经验转化为数学规则时存在一系列的困难。目前，此方法在实践中应用不广泛。
2）灰色系统预测法。灰色系统预测法是利用部分明确信息，通过形成必要的有限数列和微分方程，寻求各参数间的规律，从而推出不明确信息发展趋势的分析方法。灰色预测又称GM模型。GM（1，N）表示一阶的N变量的微分方程模型，GM（1，1）则是一阶一个变量的微分方程模型，灰色预测模型的优点是，建模时不需要计算统计特性量，从理论上讲，可以适用于任何非线性变化的负荷指标预测；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拟合灰度较大，精度难以提高。
3）模糊逻辑预测法。模糊逻辑预测法是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的非线性智能控制，它基于模糊推理，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制。它是模糊数学同控制理论相结合的产物，模糊控制器的设计依赖于实践经验。但是，有时人们对过程认识不足，或者总结不出完整经验，这样模糊逻辑势必粗糙，不完善用于负荷预测，难以满足对精度的要求。
4）人工神经网络法。人工神经网络法是以人类大脑神经网络为基础，模拟人类神经活动的仿生系统。具有以下很多优于传统人工计算负荷量的特点：①高度的非线性。不是单纯的数学计算，会综合考虑到经济、时间、天气、地域等影响负荷的因素，可以连续多日进行负荷预测电力系统，这样就保证了负荷预测的精准度。②良好的自学习和自适应性。从真正意义上来说，不只是一个单板的计算机，可以对大量非结构性、非精确性规律具有自适应功能，可以根据自己的学习要求，来适应各方面的发展和变化，其自学习和自适应功能是常规算法和传统技术所不具备的。③良好的容错性和联想记忆能力。新增的这一能力就保证了计算机的智能化和自动化，可以把历史预测数据记录下来，降低再出现的出错率，并且可以根据这些历史数据，预测出可能出现的问题，这就大大提高了预测的准确性。④人工神经网络结构简单。它是由许多的简单处理单元组合而成，是理论化的人脑神经网络的模型，它的工作工程是通过模仿大脑神经网络结构和功能，建立信息处理系统，将收集和记录的负荷数据，预测未来的用电量。
三、电力市场环境下对负荷预测的要求
负荷预测是电力系统安全并且经济运行的一个重要手段，是电力交易的主要数据源，在电力市场环境里，存在着大量的不确定性因素，并且各个因素之间有着比较复杂的影响关系。在电力市场进行负荷预测通常需要考虑商品价格、国民经济发展水平、气温、电网结构和管理水平等多方面因素的影响，这就对负荷预测工作提出了新的要求，即负荷预测软件要能与电力市场的各类应用软件有效地接口，要具备较高的预测精度及算法速度，同时，负荷预测还必须考虑负荷对实时电价的响应。
在电力市场条件下，电力负荷需求技术除了前面介绍的负荷预测技术外，更应该强调对相关量的研究，将明显影响电力市场需求的因素考虑到模型中来，使预测不再仅仅依赖于传统的历史负荷数据、电量数据，而是在综合研究影响电力市场需求预测量因素的基础上，通过对相关量的详细调查分析得出。在考虑电力市场需求预测的要求和应用情况的基础上，对原始数据进行改造、月度预测、专家干预等。
四、小结
总之，随着电力市场化的发展，解决负荷预测问题已成为电力科技工作者面临的重要而艰巨的任务之一。如何充分利用现有的数据资料，建立正确的预测理论和方法，建立相应的预测模型，提高预测速度和精度，以满足电力市场对负荷预测的要求，已成为电力系统不容忽视的研究课题。电力市场条件下的电力需求预测是一个复杂的系统工程，还存在许多问题亟待解决。
参考文献
[1]沈沉，秦建，盛万兴，方恒福.基于小波聚类的配变短期负荷预测方法研究[J].电网技术.2016(02)．
[2]史杰.负荷预测对电网安全运行的重要性[J].企业改革与管理.2014(05)．
[3]杨城雨，杨建国.影响电负荷预测因素分析[J].科技创新与应用.2013(06)．
[4]李历波．城市配网空间负荷预测方法及应用研究[D]．重庆大学，2002．
论文作者:沈阿美,刘紫玲,李欣蔚
论文发表刊物:《电力设备》2017年第25期
论文发表时间:2017/12/20
标签：负荷论文; 电力论文; 方法论文; 神经网络论文; 电力系统论文; 专家系统论文; 模糊论文; 《电力设备》2017年第25期论文;