哈尔滨电力职业技术学院 150030
摘要：电力的短期负荷预测是电力系统的一项重要工作，是实现供电可靠、经济管理的基础。由于电力负荷受到很多因素的影响，负荷预测方法发展至今，虽然已经积累了很多经验，但是还没有一种可靠的模型实用于不同地区。本文针对某市电力负荷的特点，提出了模拟退火BP神经网络电力短期负荷预测模型。经验证，该模型在实现负荷预测方面的可行性。
关键词：电力市场环境；短期电力；负荷预测
1 短期电力负荷特性
1.1电力系统负荷是不断在变化的，作为一个变化的时间序列，电力系统短期负荷具有以下特征：
（1）周期性：负荷以天、周、月、年等为周期发生波动，大周期中嵌套小周期，但负荷的周期性变化不是每一周期简单地重复上一个周期，在数值上是不同的。
（2）波动性：负荷序列在取值较小的时段，其波动的幅度较小；在取值较大的时段，波动幅度较大。
（3）随机性：短期负荷的变化有一定的随机性，并随着各种不同社会因素的影响，这种随机性具有一定增长的趋势。
1.2进行负荷预测，无论采用何种方法，输入变量的选择至关重要，传统的短期负荷预测通过对大量历史数据的分析，将短期负荷分为以下几个主要组成部分。
（1）典型负荷分量。典型负荷分量具有线性和周期变化的特点，主要代表了不同日类型的负荷组成。
（2）天气敏感型分量。天气敏感型分量主要和一些天气因素有关，如：温度、湿度等。不同天气因素影响负荷的方式不同，一年中不同时期天气因素影响负荷的方式也不同，这就形成负荷季节性周期变化的规律。
（3）异常或特殊事件负荷分量。异常和特殊事件对负荷有很大的影响，如：系统故障、政治事件、拉闸限电、特殊节目、自然灾害等。这类事件具有很强的随机性，一旦发生会使负荷特性在某一时段发生较大改变。
（4）随机负荷分量。负荷的随机分量是负荷中的不可说明部分，可以通过模型或算法来考虑这些分量。
2 负荷影响因素分析
2.1气候影响分析。天气情况的随机变化会对用电负荷产生很大的影响。例如，阴天下雨时，白天的照明用电负荷增加，高温炎热天气时，空调、电扇的用电负荷上升。随着空调、冰箱等制温设备的逐渐普及，气温的随机变化将成为影响用电负荷的一个比较敏感的因素。我国城市与乡村用电负荷差明显，农村地区由于空调负荷比较小，所以气温对负荷和负荷特性起不到显著的影响。目前在大中城市气温对负荷和负荷特性影响较明显。在电力系统中，气温主要影响最大负荷和日用电量。
期刊文章分类查询,尽在期刊图书馆
2.2电价政策的影响分析。电价政策对负荷特性的影响，主要表现峰谷电价政策。峰谷电价的实行，不仅有利于抑制高峰时间段内负荷的增长，而且能明显的抬高负荷率。同时，可以增加尖峰负荷在一整年内的持续小时数，缓和年持续负荷曲线的首端变化程度，一定程度上提高了电网设备利用率。
2.3电力供应能力的影响分析。当电力供应不足时，必须实行大规模的有序用电和拉闸限电，以保证电网安全和重要用户供电。这些人为改变负荷变化趋势的措施，在一定程度上改变了电网负荷的特性。
2.4城乡变化影响分析。我国的城市和农村用电负荷差异明显，农村地区由于空调负荷比较小，所以气温对负荷和负荷特性没有明显的影响。目前，在大城市气温对负荷和负荷特性的影响是很明显的。在电力系统中，温度对最大负荷和日用电量的影响最大。
2.5降雨量也是影响负荷预测的一个重要因素，但是这个因素具有很大的随机性。一般来讲，雨过之后气温会有所下降，继而影响负荷的变化。尤其是在夏季，降雨前由于天气闷热，湿度较大，人们会使用空调来降温，雨后，气温会有所降低，人们一般就会关闭空调、电扇等电器。由于环境和地理条件的差异，每个地区每年、每季的降雨量也会有很大的不同，降雨前后会使负荷有一定程度的波动。
2.6随机因素。一个完整的电力系统是由许多独立的用户组成的，不同用户选择用电的时间和方式千差万别，这就致使负荷的应用是不确定的，是随机的。比如工厂里机器的启停、居民家中家用电器的启停等一般都是不可预知的，具有很大的随机性。另外，一些特殊事件的发生如台风、地震等自然灾害，也会对负荷产生较大的影响。这些随机因素导致整个电力系统的负荷变化具有一定的随机性。
3 短期负荷预测的预处理
电力短期负荷尽管呈现出一定的规律性，但是其随机性也很明显。分析预处理所收集的资料，就是对历史资料中的突变值的平稳化与缺失数据进行补遗，如果出现异常数据，可以采取水平处理与垂直处理的方法。所谓的数据水平处理就是在数据分析过程中，以前后两个时间的负荷数据为基础，将待处理数据的最大变动范围设定出来，如果待处理数据超出了设定范围则为不良数据，利用平均值将其变化进行平稳。而数据的垂直处理则是指在预处理负荷数据时，将二十四小时内的小周期，即在不同日期的同一时刻的负荷具有相似性，则该时刻的负荷值要保持在相应的范围内，如果超出该范围则要进行修政，使其为待处理数据近几天该时刻的负荷平均值。
4 负荷预测的方法
负荷预测模型概括了统计资料的所有轨迹，模型的种类也各不相同，所以资料不同所选择的预测模型也应该有所不同。在建立预测模型时的注意事项包括以下几点：第一，要能够将电力负荷在季度、周、日等小周期内的波动特点反映出来；第二，可以将负荷的自然增长规律反映出来；第三，可以将气象因素，比如气温或者日照等反映出来；第四，节假日的负荷变化不同于正常日期，所以要另外建立针对性强的负荷模性，提前对节假日的用电负荷做出预测。
4.1神经网络预测方法
随着人工智能的不断发展，短期负荷预测中也开始应用人工神经网络，其优势主要体现在其具有模拟多变量，对于输入的变量无需做过多、复杂的相关假定。仅仅利用所观察的数据就能够从训练过程中通过学习来抽取与逼近隐含的输入与输出非线性关系，而无需凭借专家经验。神经网络的代表模型为误差反传网络，即BP网络，其属于带有隐层的前馈型神经网络，具备结构简单、算法完整且清晰的特点，所以电力负荷的短期预测大多数应用这种模型。在进行短期负荷预测时采用人工神经网络的方法，可以使得短期、平稳、随机过程的预测问题得到有效的解决，而且一些针对样本数据与参数以及神经网络级联的改进方法，使得神经网络预测法的精度在一定程度上得到了明显的提高。不过神经网络预测法也有一定的不足，比如较慢的收敛速度，可能收敛到局部最小点；且对训练样本要求比较高，要求训练样本数据的数量比较多，训练时间也相对较长，如果样本中存在不良数据或者坏数据，则神经网络对这些数据无法适应，造成其学习产生偏差，最终对预测的精确性产生影响；此外神经网络表达知识比较困难，无法将调度人员经验中的模糊知识充分的调用起来。
5 结论
在当代，随着社会的进步和国民经济的高速发展，电力系统负荷预测在电力市场中的地位日益凸显。负荷预测结果的精确程度不但会对电力企业的发展产生影响，同时也直接关系到电力用户的切身利益。
参考文献
[1]李慧，王来云.基于混沌蚁群算法的电力短期负荷预测[J].北京信息科技大学学报，2011，26（4）：40-43.
[2]高彩亮.基于奇异值分解和支持向量机的负荷预测新方法[J].科技广场，2012（03）：105-108.
[3]杨韬，刘崇新.基于神经网络与混沌理论的电力系统短期负荷预测[J].陕西电力，2008（06）：6-9.
论文作者:佘晓春,李俊,李向前
论文发表刊物:《防护工程》2017年第22期
论文发表时间:2017/12/28
标签：负荷论文; 神经网络论文; 电力论文; 数据论文; 因素论文; 随机性论文; 气温论文; 《防护工程》2017年第22期论文;