【摘要】随着电力行业突飞猛进的发展，在大数据背景下，对电力负荷预测也提出了更为严格的要求，电力负荷预测能够在很大程度上为电力系统的安全稳定运行提供保障。因此，还需要电力系统转变传统人工操作方式，促进电力系统科学化、自动化发展。基于此，本文将对大数据环境下的电力负荷预测进行研究。
【关键词】大数据环境下；电力系统；电力负荷；预测研究
随着我国社会经济的持续发展，对电力资源也有了更大的需求，因此为了满足人们对电力资源的需求，电力部门要深入研究负荷预测的相关数据，为安排机组出力提供参考，保障电力系统的稳定运行。同时若想确保电力供需平衡，满足社会发展及广大人民群众的用电需求，还需要结合不同地区的电力负荷，合理规划电力负荷量，确保电力负荷预测方式更加具备精准性和有效性。
1大数据环境下电力负荷预测的分析
负荷是在某一地域的某段时间所需总电力资源量，综合性是负荷预测的最大特点。若想确保电力负荷预测数据的精准性，还需要结合地域经济及社会因素等，准确分析实际的用电情况，在对大量数据进行分析之后，才能够对电力负荷做出合理预测。电力预测不同的依据，其划分种类也存在很大的差异。普遍来讲，主要是依靠人们对时间标准去规划的，如长期、中期、短期、超短期、以及节日预测等。10年以上为长期；而5年左右为中期。针对短期、超短期和节日预测来讲，并没有明确规定，需要结合实际情况对其确定。比如：在春节等大型节日时，对电量也会有更大的需求量，针对此现象，电力系统还需要提前预测，并制定切实可行的解决方案。除此之外，电力负荷也可以通过商业负荷、农村负荷、城市居民负荷、工业负荷、以及其他负荷等进行划分，当然，负荷特性也可以进行种类划分。
2大数据环境下电力负荷预测现状分析
现阶段，社会对电力预测重视程度不断加深加大，这主要和其内在意义有着密不可分的联系。无论是我国用电领域，还是用电人数都在不断增加和扩大，并且目前的电力开发依然无法满足现阶段全部用电要求。在大数据环境下，只有对电力负荷做出科学合理的预测，才能够结合测试数据划分电力，保障人们和工厂正常生活和施工，同时也能使得国家实现长治久安，提升我国社会经济，构建和谐社会。就目前的实际情况来看，政策因素、经济因素、以及天气因素等都会对电力负荷预测造成干扰，再加上经济因素和政策因素有着密不可分的联系，会为电力负荷预测造成较为复杂的影响。针对天气影响因素来讲，无法准确预测出未来天气情况，从而为电力负荷预测工作带来了更大的难度。由此可见，大数据环境下电力负荷预测有很重大的研究意义。
4大数据环境下电力负荷预测方式
众所周知，传统电力负荷预测有很多种方式，并且应用过程极其复杂，因此还需要技术人员结合实际情况，综合考虑该项技术的优势及局限性，从而选择出最适宜的电力负荷测试方式。
4.1电力弹性预测方式
国内生产总值和电量平均增长率之间的比值为电力弹性系数。具体来讲，电力弹性系数法的优点具体体现在能够全面掌握电力负荷增长的范围和趋势，但是由于目前产业结构的调整，导致弹性系数意义在不断减弱，相关数据也出现较大的变动，因此，在长期电力负荷预测中，更加适合应用电力弹性预测法。如果应用在短期电力负荷预测，其预测数据并不具备较为突出的准确性。
4.2灰色预测方式
我国在上个世纪研究了灰色预测法，从始至今，灰色预测法的实践应用效果较为突出。具体来讲，灰色系统主要是将一切随机过程看为在一定范围内变化，并且与时间相关的灰色阶段。在利用灰色预测技术对电力负荷进行预测时，不需要对分布规律、变化趋势等进行考虑，并且针对短期电力负荷预测来讲，有着较高的精准度，要求数据少。
期刊文章分类查询,尽在期刊图书馆当然，其中也存在着一定的缺点，如数据离散程度和预测精度有直接联系。简单而言，离散程度越大，预测精度越低。灰色预测方式并不适宜应用在长期若干年的电力负荷预测当中。
4.3弹性系数预测方式
国内生产总值和电量平均增长率之间的比值为弹性系数。以国内生产总值的增长速度为基础，在融合弹性系数便能够得到规划期内全部电量。在对电力负荷进行预测时，应用弹性系数法的过程中需要进行大量且全面的调查，但是相对来说弹性系数法也有着一定的优点，如方便计算、方式简单等。
4.4回归分析法
这种方式主要是结合电力负荷之前的资料，建立可以进行数学分析的数学模型。合理利用其统计中回归分析法，能对观测数据做出有效的统计与深入分析，以此来有效地预测出未来负荷。相对来说，回归模型中的线性更加适宜应用在中长期的电力负荷预测。
4.5时间序列法的讨论
时间序列法主要是结合负荷历史资料，建立相应数学模型，然后再通过数学模型，对电力负荷随机变量变化阶段统计规律性做出了解，并在此基础上明确负荷预测的数学表达方式，以此来实现未来负荷预测的准确性。
4.6专家系统法
专家系统预测方式可以对数据库内以往每小时的负荷和天气数据做出分析，从而获取到经验较为丰富的预测知识，在结合相关规则，科学合理的对其进行负荷预测。专家系统法主要是转化人类不可量化的经验，但由于专家系统分析会消耗掉大量的时间，并且天气等因素也会对其预测造成影响。因此，在中长期电力负荷预测中更加适宜应用专家系统预测法。
4.7神经网络法
这种预测方式可以模拟人脑对其进行智能化处理，针对非确定性规律、以及大量非结构性等有着极其良好的适应能力。通过对比短期和中长期的负荷预测来讲，vnn更加适宜应用在短期负荷预测当中，其主要原因是短期负荷变化较为平稳。而长期负荷预测，可能会因为经济因素、政治等因素，而对其模型的数学基础造成损坏。
4.8小波分析预测技术
小波分析预测技术属于一种频域和时域的分析方式。具体来讲，无论在频域，还是时域分析法上，小波分析技术的局部化性质都极其突出，同时能够结合信号频率的高低情况，实现自动调节采样操作。针对信号和图像上的任意细小部分，或者极其微弱的信号来讲，小波分析预测技术也能够实现快速捕捉，并对其进行深入分析。
总结：
综上所述，电力负荷预测和我国电力资源输送与规划有着密不可分的联系，同时电力负荷预测也是我国电力系统的重要组成部分。在大数据环境下，我国有很多种电力负荷测试方式，并且每一种负荷测试方式都有着其自身独特的特点、及应用范围，若想为电力负荷预测提供较高的精准性，还需要工作人员对各种电力负荷预测方式作出全面了解。在实际开展预测的过程中，要结合实际情况科学合理的选择预测方式，在必要的情况下，也可以利用综合集中方式，对电力负荷同时进行预测。总而言之，我国仍然要不断的完善与优化现有预测技术，为我国电力系统提供参考依据，促进我国电力系统的持续运行。
【参考文献】
[1]郑建宁. 用电大数据环境下的电力负荷预测研究[J]. 信息技术,2019,43(01):84-87+92.
[2]李重春,祝安琪,王烁罡,刘宇丽,周定均,刘昌新,云卿. 电力大数据下的短期电力负荷预测[J]. 电力大数据,2019,22(01):66-70.
[3]高晗,段艳涛,毕贵红. 基于MEEMD加窗改进方法和GRNN组合的电力负荷预测[J/OL]. 软件导刊:
[4]徐晴,周超,赵双双,刘建,龚丹,赵永春. 基于机器学习的短期电力负荷预测方法研究[J/OL]. 电测与仪表:
[5]翁金芳,黄伟,江育娥,林劼. 基于多因素加法模型的中期电力负荷预测[J]. 计算机系统应用,2016,25(03):14-20.
论文作者:朱仰榷
论文发表刊物:《中国电业》2019年17期
论文发表时间:2019/12/17
标签：负荷论文; 电力论文; 数据论文; 方式论文; 弹性论文; 因素论文; 系数论文; 《中国电业》2019年17期论文;