电力系统负荷预测技术

电力系统负荷预测技术（精选11篇）

电力系统负荷预测技术 篇1

1 概述

21世纪, 电力系统负荷预测技术成为越来越重要的研究领域。科学的预测是正确决策的依据和保证。电力系统负荷预测实际上是对电力市场需求的预测。在商业化运行体制下, 电力系统负荷预测更加成为越来越重要的研究领域。电力负荷系统准确的预测有利于压低峰荷、增加谷荷, 沟通了供电商到用户的信息通道, 实现了数据实时采集、存储、计算、统计、分析自动化, 提高了从发电、供电到用电的经济效益和供电可靠性, 可以挖掘发、供、用电设备潜力, 可以延缓建设投资, 是城网改造中通过小投入换取大收入的示例, 是通过内涵发展生产的典型。总之, 电力负荷管理信息系统的应用建设具有显著的经济和社会效益。

1.1 电力系统负荷预测的组成特点和作用

电力系统负荷一般可以分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷等, 不同类型的负荷具有不同的特点和规律。

城市民用负荷主要来自城市居民家用电器的用电负荷, 它具有年年增长的趋势, 以及明显的季节性波动特点, 而且民用负荷的特点还与居民的日常生活和工作的规律紧密相关。

商业负荷, 主要是指商业部门的照明、空调、动力等用电负荷, 覆盖面积大, 且用电增长平稳, 商业负荷同样具有季节性波动的特性。虽然商业负荷在电力负荷中所占比重不及工业负荷和民用负荷, 但商业负荷中的照明类负荷占用电力系统高峰时段。此外, 商业部门由于商业行为在节假日会增加营业时间, 从而成为节假日中影响电力负荷的重要因素之一。

工业负荷是指用于工业生产的用电, 一般工业负荷的比重在用电构成中居于首位, 它不仅取决于工业用户的工作方式 (包括设备利用情况、企业的工作班制等) , 而且与各行业的行业特点、季节因素都有紧密的联系, 一般负荷是比较恒定的。

农村负荷则是指农村居民用电和农业生产用电。此类负荷与工业负荷相比, 受气候、季节等自然条件的影响很大, 这是由农业生产的特点所决定的。农业用电负荷也受农作物种类、耕作习惯的影响, 但就电网而言, 由于农业用电负荷集中的时间与城市工业负荷高峰时间有差别, 所以对提高电网负荷率有好处。

从以上分析可知电力负荷的特点是经常变化的, 不但按小时变、按日变, 而且按周变, 按年变, 同时负荷又是以天为单位不断起伏的, 具有较大的周期性, 负荷变化是连续的过程, 一般不会出现大的跃变, 但电力负荷对季节、温度、天气等是敏感的, 不同的季节, 不同地区的气候, 以及温度的变化都会对负荷造成明显的影响。

负荷预测的目的就是提供负荷发展状况及水平, 同时确定各供电区规划年供用电量, 供用最大负荷和规划地区的总负荷发展水平, 确定各规划年用电负荷构成。它为经济合理地安排电网内部机组的启停与检修, 保持电网运行的安全稳定性, 电网的发展速度, 电力建设规模, 电力工业布局, 能源资源平衡, 电力余缺调剂以及电网资金和人力资源的需求与平衡等方面提供了可靠的依据。

1.2 电力系统负荷预测的基本要求

1.2.1 负荷预测的特点

由于负荷预测是根据电力负荷的过去和现在推测它的未来数值, 所以负荷预测研究的对象是不肯定事件, 从而使得负荷预测具有以下特点:a.不确定性。由于电力负荷未来的变化趋势要受多种复杂因素的影响, 而且影响因素也是不断变化的, 有的能够预先估计, 有些很难预先估计, 这就决定了负荷预测的结果具有不确定性或不完全确定性。b.条件性。负荷预测是在一定假设条件下做出的。假设条件不能凭空假设, 应根据研究分析, 综合各种因素而得到。给预测结果加预测的前提条件, 便于预测结果的使用。c.时间性。由于负荷预测属于科学预测的范畴, 因此负荷预测有一定的时间范围, 需要确切地指明预测的时间, 这也叫预测期限。d.多方案性。由于负荷预测的不确定性和条件性, 所以负荷预测一般都是在各种情况可能的发展状况下进行预测的, 从而就会得到各种条件下不同的预测方案。

1.2.2 电力系统负荷预测的基本过程

电力系统负荷预测技术的第一关键就是收集工作, 而负荷预测工作的关键在于收集大量的历史数据, 建立科学有效的预测模型, 采用有效的算法, 以历史数据为基础, 进行大量试验性研究, 总结经验, 不断修正模型和算法, 以真正反映负荷变化规律。其基本过程如下:a.调查和选择历史负荷数据资料。多方面调查收集资料, 包括电力企业内部资料和外部资料, 从众多的资料中挑选出有用的一小部分, 即把资料浓缩到最小量。挑选资料时的标准要直接、可靠并且是最新的资料。如果资料的收集和选择得不好, 会直接影响负荷预测的质量。b.历史资料的整理。一般来说, 由于预测的质量不会超过所用资料的质量, 所以要对所收集的与负荷有关的统计资料进行审核和必要的加工整理, 来保证资料的质量, 从而为保证预测质量打下基础, 即要注意资料的完整无缺, 数字准确无误, 反映的都是正常状态下的水平, 资料中没有异常的“分离项”, 还要注意资料的补缺, 并对不可靠的资料加以核实调整。c.对负荷数据的预处理。在经过初步整理之后, 还要对所用资料进行数据分析预处理, 即对历史资料中的异常值的平稳化以及缺失数据的补遗, 针对异常数据, 主要采用水平处理、垂直处理方法。数据的水平处理即在进行分析数据时, 将前后两个时间的负荷数据作为基准, 设定待处理数据的最大变动范围, 当待处理数据超过这个范围, 就视为不良数据, 采用平均值的方法平稳其变化;数据的垂直处理即在负荷数据预处理时考虑其24h的小周期, 即认为不同日期的同一时刻的负荷应该具有相似性, 同时刻的负荷值应维持在一定的范围内, 对于超出范围的不良数据修正, 为待处理数据的最近几天该时刻的负荷平均值。d.建立负荷预测模型。负荷预测模型是统计资料轨迹的概括, 预测模型是多种多样的, 因此, 对于具体资料要选择恰当的预测模型, 这是负荷预测过程中至关重要的一步。当由于模型选择不当而造成预测误差过大时, 就需要改换模型, 必要时, 还可同时采用几种数学模型进行运算, 以便对比、选择。在选择适当的预测技术后, 建立负荷预测数学模型, 进行预测工作。由于从已掌握的发展变化规律, 并不能代表将来的变化规律, 所以要对影响预测对象的新因素进行分析, 对预测模型进行恰当的修正后确定预测值。

2 电力系统负荷预测的方法

2.1 电力系统负荷预测的基本原理和分类

2.1.1 负荷预测的基本原理

负荷预测工作是根据电力负荷的发展变化规律, 预计或判断其未来发展趋势和状况的活动, 因此必须科学地总结出预测工作的基本原理, 用于指导负荷预测工作。

2.1.2 负荷预测的分类

负荷预测按时间分类:长期负荷预测, 中期负荷预测, 短期负荷预测, 超短期负荷预测。

负荷预测按行业分类:负荷预测按行业分类可以分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷的负荷预测。

2.1.3 负荷预测技术方法

电力负荷预测的方法种类繁多有主要依靠专家或专家组的判断, 而不依靠数学模型的经验预测技术, 还有经典预测技术和现代预测技术。

2.2 电力系统负荷预测的基本方法

负荷预测是从已知的用电需求出发, 考虑政治、经济、气候等相关因素, 对未来的用电需求做出的预测。电力需求量的预测决定发电、输电、配电系统新增容量的大小;电能预测决定发电设备的类型。负荷预测的目的就是提供负荷发展状况及水平, 同时确定各供电区、各规划年供用电量、供用电最大负荷和规划地区总的负荷发展水平, 确定各规划年用电负荷构成。传统数学模型预测方法主要有回归模型、时间序列模型、灰色预测法、指数平滑模型等。现代负荷预测方法主要包括神经网络、模糊理论、专家系统、支持向量机等。

3 结论

介绍了电力系统负荷预测技术的基本概况, 负荷预测的特点等。随着21世纪的科技发展, 电力体制向市场的转变而越来越具有更加重要的现实意义, 并成为近年来人们研究的热点。负荷预测的核心问题是利用现有的历史数据, 采用适当的数学模型对预测的负荷值进行估计, 因此有效地进行负荷预测需要具备两方面的条件, 一是可靠的历史数据, 二是预测方法和相应的软件。由于现在电力系统调度运营部门管理信息系统的逐步建立, 各种历史数据的获取已不再困难, 因此负荷预测的核心问题是预测模型的水平高低。科学、准确的电力负荷预测将更有利于提高电力系统运行的经济性和安全性。

电力系统负荷预测技术 篇2

（1）目前，我国工业化进程基本过半，已处于建设全面小康社会的关键时期。近年来，我国全社会用电量保持了较快增长态势，其中主要拉动力来自工业用电量的快速增长。分地区来看，华东、华北电网地区用电量比重大、增长快，是我国用电增长的领头者。

（2）“十二五”期间，我国经济仍将保持较快增长，但较“十一五”期间年均增速有所回落。第一产业比重进一步下降，第二产业比重先升后降，2015年回复到目前水平，第三产业稳步提高。全国整体进入工业化后期，华北和华东电网地区工业化进程快于全国。

（3）“十二五”期间，我国电力需求仍将保持较快增长，但较“十一五”期间年均增速有所回落。预计2015年，全国全社会用电量将达到5.97万亿千瓦时，“十二五”期间年均增长8.4%，较“十一五”期间年均增速回落1.6个百分点。人均用电量将稳步提高，2015年达到4260千瓦时/人年。电力消费弹性系数同“十一五”期间基本持平，仍在1以下。2015年产值单耗将达到1300千瓦时/万元，较2010年有所下降。第二产业用电量仍在全社会用电量中占主导地位；发电用能占一次能源比重较快上升，将达到49%左右，电能占终端能源消费比重上升到25%左右；中西部加快发展，东部地区仍为负荷中心。

（4）“十二五”期间，最大用电负荷的增长速度将放缓，负荷率将有所上升。预计2015年，公司经营区的全社会最高用电负荷将达到8.17亿千瓦，年均增长8.3%，略低于同期用电量增速0.2个百分点；预计2015年的平均负荷率和最小负荷率将分别上升到0.895和0.771。

（5）2018年前后，我国将基本完成工业化，逐步进入后工业化阶段。2015～2030年，全国经济增长、电力需求增速进一步回落，电力消费弹性系数继续下降；2020、2030年，全国全社会用电量将分别达到7.67和10.37万亿千瓦时，“十三五”期间和2021～2030年年均增速分别为5.1%和3.1%；第二产业用电量仍在全社会用电量中占主导地位；电气化水平进一步上升；2020、2030年，公司经营区的全社会最高用电负荷将分别达到10.63和14.42亿千瓦，“十三五”期间和2021～2030年年均增速分别为5.4%和3.1%；负荷率基本稳定；中西部地区继续加快发展，东部地区仍为负荷中心。

电力系统负荷预测方法及特点 篇3

关键词 电力系统 负荷预测 方法 特点

中图分类号：TM6 文献标识码：A

0引言

负荷预测是从已知的用电需求出发，考虑政治、经济、气候等相关因素，对未来的用电需求做出的预测。负荷预测包括两方面的含义：对未来需求量（功率）的预测和未来用电量（能量）的预测。电力需求量的预测决定发电、输电、配电系统新增容量的大小；电能预测决定发电设备的类型（如调峰机组、基荷机组等）。

负荷预测的目的就是提供负荷发展状况及水平，同时确定各供电区、各规划年供用电量、供用电最大负荷和规划地区总的负荷发展水平，确定各规划年用电负荷构成。

1负荷预测的方法及特点

1.1单耗法

按照国家安排的产品产量、产值计划和用电单耗确定需电量。单耗法分“产品单耗法”和“产值单耗法”两种。采用“单耗法”预测负荷前的关键是确定适当的产品单耗或产值单耗。从我国的实际情况来看，一般规律是产品单耗逐年上升，产值单耗逐年下降。单耗法的优点是：方法简单，对短期负荷预测效果较好。缺点是：需做大量细致的调研工作，比较笼统，很难反映现代经济、政治、气候等条件的影响。

1.2趋势外推法

当电力负荷依时间变化呈现某种上升或下降的趋势，并且无明显的季节波动，又能找到一条合适的函数曲线反映这种变化趋势时，就可以用时间t为自变量，时序数值y为因变量，建立趋势模型y=f（t）。当有理由相信这种趋势能够延伸到未来时，赋予变量t所需要的值，可以得到相应时刻的时间序列未来值。这就是趋势外推法。

1.3弹性系数法

弹性系数是电量平均增长率与国内生产总值之间的比值，根据国内生产总值的增长速度结合弹性系数得到规划期末的总用电量。弹性系数法是从宏观上确定电力发展同国民经济发展的相对速度，它是衡量国民经济发展和用电需求的重要参数。该方法的优点是：方法简单，易于计算。缺点是：需做大量细致的调研工作。

1.4回归分析法

回归预测是根据负荷过去的历史资料，建立可以进行数学分析的数学模型。用数理统计中的回归分析方法对变量的观测数据统计分析，从而实现对未来的负荷进行预测。回归模型有一元线性回归、多元线性回归、非线性回归等回归预测模型。其中，线性回归用于中期负荷预测。优点是：预测精度较高，适用于在中、短期预测使用。缺点是：①规划水平年的工农业总产值很难详细统计；②用回归分析法只能测算出综合用电负荷的发展水平，无法测算出各供电区的负荷发展水平，也就无法进行具体的电网建设规划。

1.5时间序列法

就是根据负荷的历史资料，设法建立一个数学模型，用这个数学模型一方面来描述电力负荷这个随机变量变化过程的统计规律性；另一方面在该数学模型的基础上再确立负荷预测的数学表达式，对未来的负荷进行预测。时间序列法主要有自回归AR（p）、滑动平均MA（q）和自回归与滑动平均ARMA（p，q）等。这些方法的优点是：所需历史数据少、工作量少。缺点是：没有考虑负荷变化的因素，只致力于数据的拟合，对规律性的处理不足，只适用于负荷变化比较均匀的短期预测的情况。

1.6灰色模型法

灰色预测是一种对含有不确定因素的系统进行预测的方法。以灰色系统理论为基础的灰色预测技术，可在数据不多的情况下找出某个时期内起作用的规律，建立负荷预测的模型。分为普通灰色系统模型和最优化灰色模型两种。

普通灰色预测模型是一种指数增长模型，当电力负荷严格按指数规律持续增长时，此法有预测精度高、所需样本数据少、计算简便、可检验等优点；缺点是对于具有波动性变化的电力负荷，其预测误差较大，不符合实际需要。而最优化灰色模型可以把有起伏的原始数据序列变换成规律性增强的成指数递增变化的序列，大大提高预测精度和灰色模型法的适用范围。灰色模型法适用于短期负荷预测。灰色预测的优点：要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、短期预测精度高、易于检验。缺点：一是当数据离散程度越大，即数据灰度越大，预测精度越差；二是不太适合于电力系统的长期后推若干年的预测。

1.7德尔菲法

德尔菲法是根据有专门知识的人的直接经验，对研究的问题进行判断、预测的一种方法，也称专家调查法。德尔菲法具有反馈性、匿名性和统计性的特点。德尔菲法的优点是：①可以加快预测速度和節约预测费用；②可以获得各种不同但有价值的观点和意见；③适用于长期预测，在历史资料不足或不可预测因素较多尤为适用。缺点是：①对于分地区的负荷预测则可能不可靠；②专家的意见有时可能不完整或不切实际。

2结束语

负荷预测是电力系统调度、实时控制、运行计划和发展规划的前提，是一个电网调度部门和规划部门所必须具有的基本信息。提高负荷预测技术水平，有利于计划用电管理，有利于合理安排电网运行方式和机组检修计划，有利于节煤、节油和降低发电成本，有利于制定合理的电源建设规划，有利于提高电力系统的经济效益和社会效益。因此，负荷预测已成为实现电力系统管理现代化的重要内容。

电力系统负荷预测技术 篇4

1 数据挖掘技术系统概述

1.1 技术内容简介

数据挖掘技术简称DW, 所谓挖掘就是指分析已知数据进行深入探索, 进而发现潜在具有价值的信息内容, 通过技术手段将未知信息转变为人们可理解内容的一个过程, 也可以从大量复杂难懂、不完全的信息中提取已知内容和获得隐藏至深尚未清楚的新信息。数据挖掘技术主要综合集成、清洗、选择、转换、挖掘、评估、输出等多方面内容, 同时涉及领域较广泛, 各个学科相互交叉融合。数据挖掘技术打破了传统机器学习的束缚, 在其基础上改革和创新, 开创了一项新技术和优势最大化体现的综合性手段。数据挖掘技术优势涵盖内容如下:第一点、采用传统的机器学习主要是审核学习能力, 通过机器能力的好坏来评判学习的高低。但是数据挖掘技术弥补了这一点, 可以将一些复杂难懂的信息进行转换变为理解性强、实用性高、目的性明确的内容, 因此普遍被人们接受和认可。第二点、数据挖掘技术相比传统机器学习具有数据涵盖量广泛、内容丰富等优势, 改变了传统以小数据作为中心的局限性, 以海量数据库为中心, 高效处理复杂、完整性低、干扰性强的数据内容。数据挖掘技术可参考全方位多角度理念, 系统全面的整理和归纳, 开拓学习思路和方法, 灵活运用理论知识, 科学系统的对未知有待考究的知识进行提示和激发。

1.2 数据挖掘具体功能分析

数据挖掘主要具有数据分类、数据估值、知识预测、相关性分组或关联规则、聚类以及可视化等内容。具体分析如下: (1) 数据分类, 就是将数据类别进行区分, 并选出训练集, 再利用分类技术于训练集上建立模型; (2) 数据估值, 估值与数据分类相似, 其不同点主要在于, 估值是处理连续值的输出; (3) 知识预测, 这是在分离与估值的前提下进行的, 根据数据分类或估值得到数据模型, 以便进行预测未知变量; (4) 相关性分组与关联规则, 这是在分析记录与数据之间的关联性基础上, 决定事情发生的可能性; (5) 聚类, 这主要是指对数据记录进行分组, 将相似记录划分在一个聚集中; (6) 可视化, 就是对数据进行归纳、总结, 利用图形等多种形式呈现出来。

1.3 工作流程

数据挖掘技术主要是通过数据准备、发掘以及解释评价等三个步骤进行工作, 数据准备主要是对数据进行筛选、变换以及预处理;数据发掘主要是以任务具体特点为依据建立数据模型;解释评价就是对数据模式进行评价、解释。

1.4 数据挖掘方法

利用数据挖掘技术主要可通过以下几种方法: (1) 机器学习方法, 这是最基础的方法, 其中包括归纳学习与范例学习两种方法; (2) 统计方法, 包括判别分析、回归分析、探索性分析以及聚类分析; (3) 数据库方法, 主要是利用在线分析或多维数据分析方法进行数据统计; (4) 神经网络方法。

2 数据挖掘技术在电力系统负荷预测中的应用分析

近年来, 数据挖掘技术的不断发展, 在电力系统中的应用也取得了良好的应用效果。数据挖掘技术在电力系统中的应用主要体现在负荷经济调度、动态安全评估、负荷预测以及故障处理上, 本文主要分析数据挖掘技术在电力系统负荷预测中的具体应用。

2.1 电力系统负荷预测

电力系统负荷主要是电力系统中全部用电设备消耗功率相加的总和;电力预测主要是在已知电力系统的社会、经济、气象基础上分析其历史数据, 探索期内在联系以及规律变化, 以便于评估与推测负荷发展。电力负荷预测作为电力系统调度、规划以及用电的重要依据, 提高其预测水平, 对电源管理、规划以及企业的经济效益、社会效益均具有重要意义。

2.2 数据挖掘技术在电力系统负荷预测中的具体应用

2.2.1 利群数据分析。

对采集数据进行预处理是进行电力系统负荷预测的前提, 数据预处理主要是对不良数据或坏数据的校正与识别, 可通过自然数据补足或冲击数据剥离对不良数据进行校正, 或对坏数据进行修正。在电力系统负荷预测中实施离群数据挖掘, 可准确查找出异常数据, 并得出异常数据处可发生的设备故障, 为决策判断提供资料。

2.2.2 负荷模式判定。

在不同的天气条件、运行条件下, 电力负荷会出现不同的负荷模式, 但是负荷周期与总趋势具有相似性, 如负荷曲线的波峰、波谷均具有一定规律性, 利用相似性数据挖掘找到相应的负荷状态, 在不同天气条件或运行条件下找到负荷相似性, 有利于建立不同的负荷模式。

2.2.3 电力系统负荷预测。

现阶段, 主要是采用BP神经网络进行负荷预测, 神经网络变量输入主要有预测日的日期类型、历史数据、温度以及曲线特性因素, 这是决定未来负荷水平的重要因素。要提高网络计算速度与效率, 必须要选择合理的训练对象, 因此确定输入对象具有重要意义。利用数据挖掘技术可通过处理、分析输入变量, 来改善神经网络预测的性能与准确性, 提高工作效率。

结束语

综上所述可知, 数据挖掘技术相比传统技术在电力系统中应用更为广泛, 深受企业认可, 提前预知潜在知识和数据内容、准确进行分析归纳、应用便捷广泛等特点使得数据挖掘技术应用价值大幅度提升。电力系统行业需要专业人员进行科学化预测, 基本来讲就是通过现有行情和发展势头对未来市场规划进行预测, 预测结果作为电力系统建设的规划依据, 这项工作不可忽视, 奠定了电力系统行业稳中求进、科学发展, 实现科学现代化管理的重要举措。数据挖掘技术大大降低了原有技术的不足, 增强数据完整性、信息时效性、奠定预测结果, 为电力系统行业发展做出了杰出的贡献。

摘要：随着我国近代经济科学发展进程化步伐的迈进, 信息技术领域逐步开拓融入进各行各业, 为了进一步适应社会的基本需求, 改革创新的脚步也在稳中求进。企业要想在发展的潮流中站稳脚跟就必须不断汲取新技术和引进专业先进配备。数字化技术作为一门新兴技术在电力行业保持安全和稳定方面做出了杰出的贡献, 极大的促进了电力各相关企业的发展和经济建设。数据挖掘技术是数字化技术领域中的一项新兴技术, 通过采用人工智能措施来分析数据, 深入分析并挖掘规律从而获得新知识。本文通过大量研究分析, 探讨数据挖掘技术应用领域的详细内容。

关键词：数字化技术,电力负荷,系统预测,发展前景,应用领域

参考文献

[1]纪怀猛.电力系统中的数据挖掘技术[J].长春工业大学学报:自然科学版, 2014, 35 (2) :143-147.

电力系统负荷预测技术 篇5

关键词：电力系统;规划;短期负荷预测

中图分类号：TM715     文献标识码：A      文章编号：1006-8937（2014）35-0046-02

电力工业的发展对国民经济的发展及和谐社会的构建有很大的影响，在新环境下，电力系统的建设规模越拉越大，电力系统的主要作用就是为各个用户提供经济、可靠、安全、稳定、符合标准的电能，从而满足用户的用电需求。在进行电力系统规划中，科学、准确的电力负荷预测不仅能为电力系统的快速发展提供保障，还能为国民经济发展提供充足的电力资源，因此，在电力系统规划中，做好电力负荷预测工作有十分重要的意义。

1  短期负荷预测

电力负荷预测是指通过分析电力系统的运行特性、自然环境、社会环境、增容情况等各种因素，利用能处理过去、现在、未来负荷的数学方法，在符合相关精度要求的前提下，得出某一时间段的负荷数值。短期负荷预测的预测周期在1～5 a，由于短期负荷预测的周期比较短，与电力系统的短期发展有很大的关系，因此，短期负荷预测的准确性对电力系统规划有十分重要的作用。

2  负荷预测的特点及原理

2.1  负荷预测的特点

在进行电力负荷预测时，是根据电力负荷的过去值推测未来值，因此，电力负荷预测本身具有不确定性，这就需要采用合理的预测技术，预测负荷可能达到的情况。电力负荷预测的特点有以下几点。

2.1.1  不准确性

电力负荷的发展状况是不确定的，它会受各种因素的影响发生变换，加上影响负荷预测的因素也在不停的发生变换，因此，电力负荷预测的结果具有不完全准确的特性。

2.1.2  时间性

电力负荷预测是有时间限制的，负荷预测是一种科学预测，有比较准确的数量概念，在进行负荷预测时，需要明确预测的时间。

2.1.3  条件性

电力负荷预测是在一定的条件下进行的，这些条件可以分为必然条件和假设条件两种情况，当预测人员掌握了电力负荷的规律，那么预测的条评就属于必然条件，做出的预测可靠性比较强。在很多情况下，由于电力负荷的发展情况不确定，需要假设一些条件进行预测，尽可能提高预测的准确性。这些假设条件是根据相关信息得出来的，不能凭空捏造。

2.1.4  多方案性

由于负荷预测具有不准确性和条件性，因此，在对负荷发展情况进行预测时，会根据不同的条件得出不同的预测方案。

2.2  负荷预测的原理

电力负荷预测工作是根据电力负荷的发展变化规律进行的，因此，必须总结电力负荷预测的原理，从而保证负荷预测的可靠性。电力负荷预测的基本原理有以下几点。

2.2.1  可知性原理

可知性原理是指被预测对象的发展规律、发展趋势是能被人们认知的，人们不仅能认识被预测对象的过去及现在，还能通过分析过去、现在，推测其未来的发展。可知性原理是预测活动的基本原理。

2.2.2  可能性原理

事物的发展变化是在外在因素和内在因素共同作用下完成的，外在因素和内在因素的作用大小不同，其发展的趋势也是不同的，因此，在进行预测时，需要根据其发展的多种可能性，进行方案预测。

2.2.3  连续性原理

连续性原理是指被预测对象的发展是一个连读、不间断的过程，它是从过去发展到现在，再从现在发展到未来，同样的道理，电力系统的发展变化也是连读不断的，某些负荷指标会在原来的趋势下延续下去，因此，在进行电力负荷预测时，要掌握电力负荷的过去及现在规律，对其发展趋势进行连续性预测。

2.2.4  相似性原理

虽然客观事物的发展不同，但事物发展之间有一定的相似，因此，可以利用相似性原理进行预测。在很多情况下，被预测事物的发展过程与另一个事物在某一阶段的发展过程比较相似，这时就能根据另一个事物的发展过程，来预测被测对象的发展过程。

2.2.5  系统性原理

被预测对象是一个完整的系统，其本身有一个完整的内在系统，它与外在事物的联系又能形成一个外在系统，对被预测对象进行预测，就是对这个系统的发展过程进行分析，只有保证系统的预测质量，才能高质量地完成预测工作。

3  短期负荷特性分析

电力负荷是不断变化的，它会按年、月、日、小时变化，同时电力负荷是以天为单位不断起伏变化的，具有很强的周期性。一般情况下，负荷变化是一个连续的过程，不会发生较大的变化，但电力负荷对天气、温度、季节等因素十分敏感，根据这个特性，可以将电力负荷分为典型负荷分量、天气敏感负荷分量、随机分量、异常事件负荷分量等4种成分。其中典型负荷分量也可以称为正常负荷，具有周期变化和线性变化的特点，周期变化是指以24 h为周期的变化规律，线性变化主要用于反映日平均负荷变化规律;天气敏感负荷分量与天气因素有很大的关系，由于天气因素影响负荷的方式不同，因此天气敏感负荷分量具有季节性周期变化规律。

4  短期电力负荷预测方法

4.1  单耗法

单耗法是根据电力负荷的单耗推算出总用电量，这种预测方法常用在有单耗指标的工业电力负荷预测中，单耗法是一种直接预测方法。采用单耗法进行电力负荷预测时，需要根据当地的经济发展情况，分析单耗指标在规划期限内的产值指标，同时对过去的单位耗电量进行统计，根据产业的发展规律推算出单耗。单耗法比较简单，能取得良好的短期负荷预测效果，但单耗法需要耗费大量的人力、物力。

4.2  趋势分析法

趋势分析法又可以称为曲线回归法、趋势曲线分析法，这种方法是当前应用最多的一种定量预测方法。趋势分析法是根据以往的相关资料，绘制一条曲线，从而将负荷的发展趋势反映出来，然后根据曲线的变化趋势估算出未来一段时间内负荷变化情况。目前，常用的趋势模型有多项式趋势模型、对数趋势模型、线性趋势模型、指数函数趋势模型等，选择合理的趋势模型，能有效地提高预测结果的准确性。

4.3  回归分析法

回归分析法又可以称为统计分析法，这种方法的应用也十分广泛，在电力负荷预测中，回归分析法主要是对某区域内历史用电量情况及影响因素进行统计分析，得出影响因素和用电量之间的函数关系，从而完成电力负荷预测。回归分析法是一种行之有效的预测方法，但回归分析法有一定的限制，主要原因是选用的影响因素及因素的表达方式都是需要推测的，因此，采用回归分析法进行短期电力负荷预测时，需要有准确的影响因素参数。

4.4  负荷密度法

对于不同的用电区域，其负荷密度是存在差异的，负荷密度法是将被预测区域分成多个小用电区域，用生活区、商业区等，根据各区域的经济发展情况、居民收入情况等，结合相似区域的用电水平，估算出密度指标，从而得出该区域的用电负荷，其计算公式为：

W=Ad，

其中A表示该区域的面积，d表示该区域的用电密度。

负荷密度法比较适用于土地规划比较明确的地区，不适合人口分布散乱、用地类型混乱的地区。

4.5  电力负荷预测方法的分析比较

通过分析各种负荷预测方法可以看出，不同的预测方法其使用条件、需要的数据样本、建模出发点等都是不同的。

从使用条件看，趋势分析法和回归分析法适用于大样本，主要用于研究、描述统计规律，能同时预测分析历史、现在、未来发展趋势;单耗法需要依靠历史数据进行分析，采用这种方法进行短期电力负荷预测，需要根据当地的经济发展情况及单耗指标确定。

由于城市新区的功能划分比较明确，干扰因素比较少，因此，负荷密度法适用于城市新区的电力负荷预测。

5  结  语

电力负荷预测对电力系统规划有很大的影响，因此，在进行电力系统规划时，要根据实际情况，选用合理的电力负荷预测方法，最大限度地提高预测结果的准确性，为电力系统的快速发展提供保障，从而满足社会发展的用电需求，进而促进和谐社会的构建。

参考文献：

[1] 曹钰.电力规划中的短期负荷预测方法河[J].河南建材，2013，（5）：125-126.

[2] 陈素华，贺凌霄.电网短期负荷预测管理系统的应用研究[J].电气传动，2013，（S1）：114-115.

[3] 胡晓钢.电力系统负荷预测方法及其在配电网规划中的应用[J].华东电力，2007，（12）：178-179.

[4] 陈定.浅谈负荷预测方法在配电网规划工作中的应用[J].黑龙江科技信息，2014，（1）：132-133.

[5] 张祥生.县级配电网规划电量负荷预测方法及其应用[J].水电与新能源，2014，（1）：145-146.

[6] 金祎.城市配电网规划中电力负荷预测的应用研究[J].中国新技术新产品，2012，（24）：71-72.

电力系统负荷预测方法综述 篇6

关键词：电力系统,负荷预测,预测模型

电力系统负荷预测是基于经济和气象上的因素, 通过研究电力系统负荷的变化情况和变化规律对历史数据进行分析[1], 以求对电力的负荷需求提前推测[2,3,4,5,6,7,8,9,10,11,12], 这将有效地帮助电力系统调度对未来负荷变化情况做出正确的估计。

其中预测负荷的系统作为能量管理系统中电力市场运行管理的重要组成部分, 预测结果同电力系统的安全、经济运行密切相关[3], 现在负荷预测的手段已由人工预测逐步转向智能预测, 为提高预测精度创造了有利条件。负荷预测的核心是利用现有数据, 对未来时间段内的运行数据进行估计。

1 负荷预测分类

电力系统负荷预测分为电量、电力两类。其中电量预测有:网供电量、社会电量、企业单位电量等[16];电力预测有:最大和最小负荷、负荷峰谷差、负荷率等。以上是按指标分类, 而按期限的不同, 又可分为:长期预测、中期预测、短期预测、超短期预测, 如表1所示。

2 负荷预测方法

电力系统总负荷一般可描述为

其中, L (t) 为在t时刻时电力系统的总负荷;B (t) 为在t时刻时正常基础负荷;W (t) 为在t时刻对气象的敏感负荷;S (t) 为t时刻可能会发生的特别事件的负荷;V (t) 为在t时刻时的随机部分。

3 经典预测方法

3.1 回归分析法

一般根据变量数分为单元回归分析和多元回归分析, 单元回归分析是单个变量的, 多元回归分析则是多元变量, 在给定的变量下, 研究其间的关系就可求出回归方程;因为自变量是随机变量如电力负荷等, 而因变量是非随机的, 如人口、经济、气候等, 所以给定自变量的数值便可求出因变量[15], 其共同决定了电力系统的负荷变化。

其优点为:速度快, 对各类情况都可以较好地处理。缺点:对数据要求高, 尤其在历史数据残缺或有较大误差的情况下, 效果不理想[9], 因为只有在用线性法化解非线性公式的情况下能够较好的求解, 但是非线性模型中只能加入部分不确定因素, 如温度或湿度, 因为不确定因素过多, 不能全部考虑, 算法也不具有自适应性, 所以难以得到准确的结果[15]。

3.2 趋势外推法

趋势外推法是一种利用当前负荷变化趋势预测未来负荷的方法, 由于电力系统负荷变化趋势明显, 所以第一步选定负荷规律趋势模型, 然后利用线性或非线性图形识别法、差分进化法求出负荷预测结果[2]。

3.3 时间序列法

时间序列外推法是将数据按照周期性排列形成有规律的序列, 此时因变量负荷和自变量时间均是随机变量, 将实际负荷和预测负荷间的差值当作平滑的变化过程处理。

优点:对数据库中数据量的依赖性较低, 该算法目前的研究成果成熟, 在实际生产中得到了广泛应用。缺点:因需要过去实际的负荷数据, 不允许问题数据存在。算法中矩阵系数计算繁琐, 且无法采用过多的非随机变量。

3.4 灰色模型法

灰色理论的微分方程模型, 又叫灰色模型, 其是建立在以下4个基础之上: (1) 模型的范围和时区是给定的, 而且模型中的随机部分、随机过程也是变化的。 (2) 在数据序列随机叠加后会生成伴随指数增长的有规律的上升序列。 (3) 可以根据模型中灰数的生成方式、数据的筛选分别和残差GM模型的修正来调整和提高该模型的精度。 (4) 高阶下系统建模的GM模型群是一阶微分方程组组成的随指数增长的灰色模型[6]。

优点:当负荷值按指数增长时, 灰色模型法的精度较高, 也由于其所需计算的初始样本数据少, 无需对数据有过多依赖性, 所以方便检验。缺点:随着数据离散程度增大, 预测精度也变差, 因此不适合长期预测[8], 而有意义的精度较高的预测值只是最近的几个数据, 所以由于数据少而带来的误差较大, 在实际生产中的应用率低。

3.5 指数平滑法

该算法的基本思想是加权平均, 在数据越新时的加权越大[9], 对总数据的影响则越大, 因此通过加权的方法强调新数据的影响, 逐步减弱老数据的影响, 使曲线拟合后变得平滑。

优点:可减少数据的异方差性, 保证数据序列的变化准确性, 消除序列中的随机波动。缺点:对数据在转折点上的分辨能力低, 加权的方法也存在局限性。

4 人工智能预测方法

随着人工智能技术的发展, AI和FLS在负荷预测领域逐步得到应用。这些算法的特点是具有较强的自适应性和学习性, 可对大部分非随机变量进行考虑, 但对过去数据的要求也变得更高[5]。

4.1 专家系统法

专家系统法, 顾名思义就是用专家的知识、方法、经验对数据进行预测。该算法相当于将人类的经验抽象为公式或模型应用于实际预测中, 是一种独特的算法[2]。

优点:集中多位专家过去预测的数据, 通过寻找专家预测的规律, 将其转化为负荷预测的能力, 并得出正确的预测结果。这可保持和过去预测结果的一致性。缺点:不具有自适应能力, 对不断变化的事件适应性差, 因此受知识种类和总量的限制。

4.2 模糊预测法

该算法是来自于控制领域内的模糊控制和预测控制的产物, 由于干扰因素过多, 因此只能将长远的时间序列看作是近期的时间序列进行预测[1]。优点:能够实际地考虑到工业生产中的情况, 且应用成熟。缺点:该算法缺少自适应能力, 无法对变化的非线性电力系统进行预测和修正参数, 预测精度较差。

4.3 人工神经网络法

近年来, 以AI技术为代表的多类人工智能技术由于具有较强的自适应学习能力和非线性处理能力在负荷预测中得到了广泛应用[5], 通过自适应的学习训练来处理自然界存在的大量非线性组成部分和不精确的规律。优点:人工神经网络法具有很强的学习能力, 能够通过感知器和前向网络对非线性函数线性化。缺点:算法过于复杂, 运算时间较长[17]。

4.4 小波分析预测法

作为一种时频域分析法, 小波分析能随频率变化调节信号采样的疏密, 可轻易地探测并分析出任意信号和图像上的任意部分, 在时频域上表现出了良好的局部化性质[12]。其是将信号信息以系数形式表示来方便存储和传递、分析甚至于重建原始信号, 因而有效地应用于负荷预测的研究。先将不同频率组成的混合信号经其分解成不同的子信号, 然后将其划分到不同尺度上, 即每个尺度上的子序列就代表了原序列中不同的子信号, 展现了序列的周期性, 最后根据这一结果对不同的子负荷序列进行分步预测就可以得到准确的预测结果[8]。

5 与动态过程结合的预测方法

5.1 混沌理论预测法

该算法也是将控制论中的混沌理论用于负荷预测中, 通常是解决非线性的能源系统的负荷预测情况。其主要核心是将各个分布式能源后的电力系统看成是非线性的系统模型[7], 然后找出与混沌系统共同的特点, 最终通过构造混沌的时间序列对负荷进行描述, 就可以在形成的相空间中实施预测[14]。

5.2 卡尔曼滤波算法

是用一种高效逐次计算方法来估计动态的状态, 得到最小误差的最优估计, 并将负荷作为状态变量, 用递推的滤波算法进行预测, 一般用于在线预测。因精度最为关键, 所以预测中需要尽可能地使用已掌握的信息以减少预测时间;目前被应用基于极大似然估计的卡尔曼滤波方法实施超短期下的负荷预测中, 其在滤波过程中先后做到了参数辨识、偏差处理和负荷预测, 提高了预测精度, 缩短了预测时间[14]。

6 结束语

浅论电力系统负荷预测方法 篇7

关键词：电力系统,负荷,预测

1 前言

负荷指电力需求量或用电量。负荷预测是从已知的用电需求出发, 考虑政治、经济、气候等相关因素[1], 对未来的用电需求做出的预测, 从而调整相应的输电和配电容量。随着现代科学技术的迅猛发展, 各种各样的电力系统负荷预测方法不断涌现。电力系统负荷具有不可控性和一定相似性, 即可按天、按季、按月以及按年的周期性变化, 而负荷预测的影响因素很多, 想用某单一理论去研究是很困难的, 所以需要大量研究各种负荷预测方法。

2 影响电力负荷预测的因素

电力负荷预测的影响因素有: (1) 自然灾害。若发生洪涝、大旱、雪灾等自然灾害, 会造成电力负荷的大幅度波动。 (2) 国家政策。国家政策的变化会引起电力需求的相应变化。 (3) 虚报负荷。有些地区提供的数据与实际情况相距甚远, 虚报负荷增长率, 导致系统出力短期内出现较大幅度的变化。 (4) 预测方法。各预测方法有其各自的优缺点以及适用范围, 需要分析并根据场合使用, 否则会导致预测结果出现较大的偏差。

3 电力负荷预测的有关方法

3.1 时间序列法

负荷时间序列预测方法是根据一段时间的历史负荷记录, 建立描述电力负荷随时间变化的数学模型, 在此模型的基础上确立负荷预测的数学表达式, 对未来负荷进行预测。时间序列法是目前电力系统中比较成熟的短期负荷预测方法, 可分为自回归 (AR) 、滑动平均 (MA) 和自回归滑动平均 (ARMA) 等, 具有所需历史数据少, 工作量小和计算速度快的优点, 缺点是没有考虑负荷变化因素, 只致力于数据的拟合, 对规律性的处理不足, 限制了其预测精度的提高, 只适用于负荷变化比较均匀的短期预测。

3.2 回归分析法

回归预测[2]是根据负荷过去的历史资料以及一些影响负荷变化的外在因素, 建立可以进行数学分析的数学模型, 用数理统计中的回归分析方法实现对未来的负荷进行预测。回归分析法包括一元线性回归、多元线性回归、非线性回归等。回归分析法的优点是预测速度快、精度高, 外推性能好, 适用于中、短期负荷预测。存在的不足在于对历史数据要求较高, 无法详细描述各种影响负荷的因素, 不能真实的反映出负荷与影响因素之间的变化关系。

3.3 灰色预测法

灰色预测法将一切随机变化量看作是在一定范围内变化的灰色量, 常用累加或累减生成的方法, 将原始负荷数据整理成规律性较强的生成数据列, 并采用灰色模型的微分方程作为电力系统负荷的预测时, 求解微分方程的时间响应函数表达式即为所求的灰色预测模型。对模型的精度和可信度进行校验并修正后, 即可预测未来的负荷。灰色预测法的优点是要求负荷数据少、不考虑分布规律与变化趋势、运算方便、短期预测精度高、易于检验;不足之处是当数据离散程度越大, 预测精度越差, 不大适合于电力系统的长期预测。

3.4 专家系统法

专家系统法[3]是对数据库里存放的过去几年的, 每小时的负荷和天气数据进行细致的分析, 从而汇集有经验的负荷预测人员的知识, 提取有关规则, 按照一定的规则推理进行负荷预测。专家系统是对人类的不可量化的经验进行转化的一种较好的方法, 专家系统可以克服单一算法的片面性, 能够同时综合考虑多个影响因素, 该方法全过程程序化, 具有建模简单和快速决断的优点, 且不受时间和空间的限制而广泛使用。不足之处在于在预测过程中容易出现人为差错, 并且由于各地区负荷具有不同特征, 开发的专家系统无法直接应用于其他系统。

3.5 神经网络法

神经网络法利用人工神经网络选取过去一段时间的负荷作为训练样本, 然后构造适合的网络结构, 用某种训练算法对网络进行训练, 使其满足精度要求之后, 再用神经网络作负荷预测。一般而言, 神经网络应用于短期负荷预测要比应用于中长期负荷预测更为适宜。神经网络法的优点在于不需任何负荷模型, 具有很好的函数逼近能力, 较好地解决了天气和温度等因素与负荷的对应关系;不足之处是训练时间长, 易陷于局部极小状态等。

3.6 小波分析法

小波分析法在负荷预测中, 通过选择合适的小波, 对不同性质的负荷进行分类, 从而可以针对某种性质的负荷, 根据其规律采用相应的预测方法, 对分解出的序列分别进行预测, 再将预测得到的序列进行重构, 得到负荷的预测结果。其优点是能对不同的频率成分采用逐渐精细的采样步长, 从而可以聚集到信号的任意细节, 尤其是对奇异信号很敏感, 能很好的处理微弱或突变的信号。

本文将目前的电力系统负荷预测方法作了一个综合的比较和分析, 指出了各种负荷预测模型的优缺点, 未来的预测工作有待加强对历史数据的处理, 准确估计预测模型中的参数, 并可采用组合预测技术来改善预测效果, 在实际应用中应根据具体情况采用合适的预测方法。

参考文献

[1]郭华安, 加玛力汗?库马什, 常喜强, 等.电力系统短期负荷预测精度研究[J].科技资讯, 2011 (21) :132-133.[1]郭华安, 加玛力汗?库马什, 常喜强, 等.电力系统短期负荷预测精度研究[J].科技资讯, 2011 (21) :132-133.

[2]胡杰, 文闪闪, 胡导福, 等.电力负荷预测常用方法的分析比较与应用[J].湖北电力, 2008, 32 (2) :13-15.[2]胡杰, 文闪闪, 胡导福, 等.电力负荷预测常用方法的分析比较与应用[J].湖北电力, 2008, 32 (2) :13-15.

电力系统负荷预测方法的比较 篇8

关键词：负荷预测,回归分析模型,灰色系统,趋势外推,组合预测

0 引言

电力负荷预测作为电力规划工作的重要组成部分,已经成为一个地区或电网的电力发展速度、电力建设规模、能源资源平衡的标志,也为地区或电网间的电力余缺调剂、电力工业布局以及地区或电网的资金和人力资源的需求与平衡提供可靠的依据,它对于保证电力工业的健康发展,乃至对于国民经济的发展都有着十分重要的意义[1,2,3]。电力负荷预测的方法分为经典预测技术、传统预测技术、现代预测技术和组合预测技术,每一种不同的预测方法对应于不同的负荷预测周期。本文在对回归分析模型、灰色系统预测法和趋势外推法有一定了解的基础上,研究结合以上三种方法的组合预测法,并将组合预测法的预测结果与单一预测方法的预测结果进行分析对比,得出最后的结论。

1 传统负荷预测方法简述

本文主要研究传统预测方法中的回归分析模型法、灰色系统法和趋势外推法,在上述三种单一预测方法的基础上,进一步研究综合以上三种方法的组合预测方法。

回归分析模型预测用数理统计中的回归分析方法对数据进行统计分析,从历史数据的变化规律寻找自变量(影响预测目标的因素)和因变量(预测目标)之间的回归方程,通过对影响因子和用电量的历史数据进行分析,确定用电量和影响因子之间的函数关系,进而确定模型的参数,对未来的负荷进行预测[4,5,6,7]。在解决负荷预测的实际问题时,需要根据负荷的历史资料,用假设检验的方法检验求得的回归方程是否具有实用价值。一般用相关系数法进行检验,在研究因变量y与自变量x相关关系时,定义它们的相关系数为:

相关系数介于-1和1之间,当相关系数越接近于1时,说明因变量和自变量之间的相关关系越显著;相关系数越接近于-1时,说明因变量和自变量之间的负相关关系越显著。一般来说,回归分析模型的重点在于统计规律的研究和描述,适合在大样本的情况下使用。

灰色系统理论将无规律的原始数据进行累加生成,得到规律性较强的生成数列后再重新建模,由生成模型得到的数据再通过累减生成得到还原模型,由还原模型作为预测模型进行负荷预测[8]。灰色系统预测法可以保持原来系统的特征,且所需要的信息较少,适合于无规律或者服从任何分布的任意光滑离散的原始序列[9,10,11]。

当电力负荷随着时间的变化呈现某种上升或下降的趋势,并且没有明显的季节波动,如果能找到一条合适的函数曲线反映这种变化趋势时,就可以用时间t为自变量,时序数值y为因变量,建立趋势模型y=f(t)。假设这种趋势能够延伸到未来某一时刻,赋予变量t所需要的值,可以得到相应时刻的时间序列的预测值,这就是趋势外推法的原理[1]。趋势外推法的原理较为简单,适合用于负荷变化规律性较强而随机因素影响较弱的极少数电力系统。本文在趋势外推法的众多模型中选择二阶自适应系数模型进行重点研究。

2 组合预测方法的概述

组合预测方法是通过建立一个组合模型,把多种单一的预测方法得到的预测结果进行综合。使用组合预测方法可以避免单一预测方法的局限性,扩大了适用范围,提高了预测精度。本文研究了组合预测方法中两种确定权系数的方法:一是误差平方和最小法,二是等权法。

使用平方和误差最小法进行预测时,回归分析模型法、灰色系统预测法、趋势外推法在组合预测方法中所占的权重分别为k1、k2、k3[12]:

其中,yt是组合预测的值,分别是回归分析模型法、灰色系统预测法和趋势外推法的预测值,et是组合预测的误差,Yt是预测模型的实际值。利用拉格朗日乘子法求解之后可以得到:

其中,e1t、e2t、e3t分别是回归分析模型法、灰色系统预测法和趋势外推法的预测误差。

使用等权法组合预测即每种单一预测方法在组合预测中所占的权重都相等,即

3 算例分析

使用广东中山地区1992~1997年的历史数据进行预测,历史数据如表1所示。

运用一元线性回归分析模型预测时首先要根据相关系数来判断该模型是否有用,运行求解相关系数的程序后得到的结果如下:

(1)负荷随国民生产总值的变化相关系数为0.995 4。

(2)负荷随第一产业总值的变化相关系数为0.990 9。

比较程序运行后得到的两个相关系数,选择相关系数较大的国民生产总值进行预测,即y=0.130 228x+3.312 764,用该公式对1992~1997年的年用电量进行预测,分别代入每年的国民生产总值,计算出每年的预测用电量,并根据实际的用电量计算出预测的相对误差。

随后运用灰色系统和趋势外推法中的二阶自适应系数模型进行预测,三种单一预测方法的预测结果的相对误差百分比的比较如表2所示。

%

由表2数据可知,回归分析模型预测的相对误差百分比在-2.00%~3.00%之间,对历史时刻的拟合程度较好;灰色预测的相对误差百分比在-1.00%~1.05%之间,对历史时刻的拟合程度更好;二阶自适应系数法的相对误差百分比最高达到了-11.20%,这是因为在1993年时,二阶自适应系数法还没有开始进行预测,当年的预测值还是为上一年的值,当二阶自适应系数模型开始预测后,对误差百分比保持在-4.00%~1.00%之间,对历时刻的拟合程度较好。在单一预测方法的基础上写了一个组合预测的程序,运行程序得到的预测与单一预测方法的预测结果比较如表3所示。

%

综合分析误差可知,使用组合预测方法后并不是每一年的预测误差都比单一的预测方法小。例如1997年,使用灰色系统预测的相对误差是-0.10%,而使用误差平方和最小法和等权法的相对误差是0.18%和2.14%。这是由于线性组合预测方法是每一种单一的预测方法乘以权系数的组合:当各种预测方法均为正或是均为负时,只能保证组合预测的最大误差小于单一预测方法的最大误差,但不一定比任意单一的预测方法的误差小;而当各种预测方法的预测误差有正有负时,才可能使组合预测方法的预测误差比任意一种单一的预测方法的误差小。

4 结语

总的来说,使用组合预测方法可以有效避免单一预测方法的局限性,能够提高负荷预测精度和准确程度。

不同的负荷预测方法适合在不同的场合下使用,选择合适的方法能够减小预测的误差。各种预测方法都具有各自的优点、缺点和适用范围,在实际的应用中,应该从预测的目标、预测范围、精确度和预测花费等方面考虑,选择合理的预测方法。

电力系统负荷预测不仅受历史数据影响,还受各种经济因素、气象因素、政治因素等影响,其中经济因素和政治因素都是人为活动,一般有预先的安排和估计,在此基础上的负荷预测会相对比较准确;而气象因素等本身就是不确定的预测值,在实际应用中应该对这一类数据进行预处理,以降低误差。

参考文献

[1]牛东晓,曹树华,赵磊,张文文.电力负荷预测技术及其应用[M].北京:中国电力出版社,1998.

[2]康重庆,夏清,刘梅.电力系统负荷预测[M].北京:中国电力出版社,2007.

[3]原媛.电力负荷特性分析及中长期负荷预测方法研究[D].上海:上海交通大学,2008.

[4]Barakat E E,Al-Rasher S A.Long Range Peak Demand Forecasting Under Conditions of High Growth[J].IEEE Transactions on Power Systems,1992,7(4):1483-1486.

[5]Kandil M S,El-Debeiky S M,Hasanien N E.Overview and Comparison of Long-term Forecasting Techniques for a Fast Developing Utility[J].Electric Power Systems Research,2001,58(1):11-17.

[6]尚金成,黄永皓,夏清.电力市场理论研究与应用[M].北京:中国电力出版社,2002.

[7]甄利玲.中长期电力负荷预测的回归模型及其应用[J].雁北师范学院学报,2002,18(5):54-56.

[8]吴熳红,杨继旺.几种电力负荷预测方法及其比较[J].广东电力,2004,17(1):17-21.

[9]王学萌,张继忠,王荣.灰色系统分析及实用计算程序[M].武汉:华中科技大学出版社,2001.

[10]邓聚龙.灰理论基础[M].武汉:华中科技大学出版社,2002.

[11]邓聚龙.灰预测与灰决策[M].武汉:华中科技大学出版社,2002.

电力系统短期负荷预测精度研究 篇9

短期负荷预测精度的不断提高, 不但为电力系统的安全、经济运行提供可靠保障, 而且为市场环境下合理安排调度计划、供电计划、交易计划提供了依据[2]。因此, 短期负荷预测已经成为现代电力系统运行和管理中的一个重要研究课题。本文正是基于这一目的, 紧紧围绕提高短期负荷预测精度[3]这一目标, 对短期负荷预测的特点和影响电力系统短期负荷预测精度的因素进行了全面的分析和总结, 接着提出了提高负荷预测精度的措施, 最后对未来负荷预测的工作进行了展望。

1 短期负荷预测的特点和影响负荷预测精度的因素

1.1 短期负荷预测的特点

短期负荷预测是对未来的负荷曲线提出预告, 以便根据预测的结果对电力系统的检修计划、发电计划以及机组起停计划等做出安全、经济、全面、高效的安排。但是, 电力系统工作人员在预测过程中, 由于受经济, 政治, 气象, 时间等多种随机性因素的影响, 使短期负荷呈现随机性和不确定性。总的来说, 短期负荷预测具有以下明显特点。

(1) 条件性。

未来负荷发展的不确定性, 导致条件无法确定, 因此就需要一些假定条件对负荷进行预测。

(2) 周期性。

由于人们在长期的社会活动过程中形成了特定的生产和生活方式, 使负荷变化具有了一定的规律性, 其中最典型的是年周期性、周周期性、日周期性, 其中日周期性是日短期负荷预测和超短期负荷预测的依据和基础。

(3) 时间性。

精确的负荷预测, 要求有比较确切的数量关系和概念, 在预测过程中, 工作人员要指明预测和历史样本的起止时间。

(4) 不确定性。

电力负荷受多种复杂因素的影响, 且这些影响因素有时难以准确确定, 这就会导致负荷预测结果的不准确。

(5) 多方案性[4]。

不同地区的负荷情况所采用的预测方案是不一样的, 我们需要对各种情况下可能的负荷发展状况进行预测, 这样短期负荷预测就具有多方案性。

(6) 连续性。

短期电力负荷是连续的, 在负荷变化过程中, 无论是负荷增加还是减少都要求负荷变化量在一定的范围之内, 其外在表现就是负荷的连续性。

(7) 相似性。

在实际的负荷预测过程中, 负荷预测结果在相对应的阶段呈现相近的情况, 事实上, 我们在负荷预测过程中使用类推法和历史类比法, 就是基于这个特点。

(8) 非线性。

短期负荷的变化与其影响因素基本上不存在正比关系, 这样在短期负荷预测中应用线性模型进行预测效果就会比较差。

1.2 影响负荷预测精度的因素

精度是负荷预测最重要的指标。在电力系统短期负荷预测中, 影响短期负荷预测精度的因素是多方面的, 但主要是以下几方面。

(1) 历史数据。

历史负荷数据在很大程度上决定了未来预测负荷的水平, 然而负荷预测所需的大量历史资料并不能保证其绝对准确可靠, 在一定程度上必然会带来一些预测误差。

(2) 经济因素。

经济环境的好坏和经济发展状况对负荷预测是有重要影响的。一般来说, 经济发展比较好的情况下, 负荷水平就提升的比较快;反之, 负荷水平就会下降。

(3) 政治因素。

例如军事冲突等, 此类事件出现的概率很小, 但是一旦出现就会对负荷造成重大影响。

(4) 气象因素。

影响负荷的天气因素很多, 在进行负荷预测时, 往往预测模型只考虑研究对象的主要因素, 而忽略了许多次要的因素, 另外, 再加上气象预报本身的不准确, 会造成双重误差。

(5) 时间因素。

时间的周期性和季节性变化、节假日等时间因素使负荷曲线在不同的时间范围内呈现出不同的特征。

(6) 样本因素。

影响短期电力负荷预测的样本因素包括样本数量、样本质量和样本范围。在进行短期电力负荷预测时, 不能仅仅考虑时间、历史数据因素, 应该综合考虑影响负荷的各种因素, 同时对各个因素进行定量和定性的分析, 进而选择最佳样本, 使预测更加准确。

(7) 预测模型。

不同负荷预测模型所得出来的预测结果有时是有较大差别的, 我们应根据地区实际和特点, 选择精确的负荷预测模型。

(8) 其他因素。

在确保电力市场经济性的的情况下, 执行峰谷分时电价, 在一定程度上对负荷曲线产生了影响;难以确定反映负荷周期性、趋势性以及与影响因素之间关系的样本数;有些突发事件, 如拉闸限电、冲击负荷、停电检修和重大活动等都可能会对系统负荷产生很大的影响;大电网 (网、省级) 负荷变化一般都有较强的统计规律性, 预测结果比较准确, 而地区级电网的统计规律则不是很明显, 不能有效地指导负荷预测等, 上述情况都会对进行精确的负荷预测产生不同程度的干扰。

2 提高电力系统短期负荷预测精度的措施

2.1 电力系统短期负荷预测基本流程图

负荷预测所有工作的中心是围绕如何提高负荷预测准确率展开的, 图1为短期负荷预测的基本流程图。

2.2 提高短期负荷预测[5,6,7,8,9,10,11,12,13]精度的几条措施

根据短期负荷预测的特点以及影响负荷预测精度的因素, 结合短期负荷预测的基本流程图, 我们应在以下几个方面来提高短期负荷预测的精度。

(1) 历史数据的正确与否在一定程度上决定了预测结果的精确度, 有效的利用高质量的样本数据既是非常基础也是非常重要的工作。

(2) 加强对运行人员的培训力度, 增强运行人员的理论修养和经验知识的积累。

(3) 预测部门工作人员要加强与非统调之外电厂 (站) 的沟通与协调, 掌握准确的负荷信息, 对提高负荷预测精度将产生重要意义。

(4) 加强与气象预报部门的沟通, 提高天气预测的准确率, 它是提高负荷预测准确率的前提和基础。

(5) 建立电力负荷的大用户中心, 实时掌握大客户的负荷调整信息, 这样就能缓解在特殊情况下对负荷预测造成的不利影响, 提高预测精度。

(6) 加大对负荷预测研究工作的资金投入力度, 不断尝试用新理论和新技术对负荷进行预测, 建立完整的负荷预测体系。

(7) 针对预测地区的负荷特性分析和负荷特点, 选择精确的预测模型。

(8) 加强各地区电网的管理和协调, 实现信息共享, 建立特殊情况下的应急体系, 及时调整负荷预测的工作进度和工作方法。

3 结语

短期负荷预测是电力系统调度运营部门一项重要的基础工作, 预测精度的高低直接影响到电网运行的安全性、经济性以及电能质量。作者认为未来的负荷预测工作, 在加强对基础数据进行处理的同时, 要运用科学的技术手段不断完善负荷预测模型, 并积极探索负荷预测的新思路和新方法, 在实际中, 有针对性的对特定地区和特定情况选用特定的负荷预测模型, 建立全面的和不断更新的负荷预测数据库, 不断提高负荷预测精度和负荷预测工作水平。

摘要：电力系统短期负荷预测精度的高低直接影响到电网运行的安全性、经济性以及电能质量, 特别是随着我国电力市场的建立和不断完善, 短期负荷预测在电力系统调度运营部门中的作用越来越重要。本文首先对影响电力系统负荷预测精度的因素进行了深入的分析, 然后提出了提高负荷预测精度的几项措施, 并对未来需要进行的工作进行了展望。

电力系统负荷预测技术 篇10

电力负荷预测是发电和配电的基础，科学的进行预测可以使各方获得较为满意的经济效益，同时也会获得巨大的社会效益。预测失误可能会带来不可弥补的损失，目前用于中长期预测方法有很多，回归分析法通过观察数据的统计分析和处理，来寻找负荷与影响因素之间的因果关系，建立回归模型进行负荷预测；时间序列分析法依据过去统计数据，找到随时间变化的规律，建立时序模型，推断未来负荷；智能预测法只需要知道过程模型的结构和参数的相关知识，不需要建立过程数学模型，主要有神经网络预测和灰色系统理论预测[7]等，效果都较为不错。

以往运用系统动力学对电力负荷预测进行预测时，往往把第一、二、三产业分为几个系统进行预测，所需要的各种数据较为复杂。本论文从系统学的观点出发，结合线性回归思想对电力负荷进行系统分析，从影响电力负荷的各个方面出发建立系统动力学模型，然后得出预测结果，作为一种新的预测方法不免存在某些缺陷，所以模型需要得到不断的改善，使该理论在负荷预测中能够更好的得到应用。

二、电力负荷预测模型建立

1、系统动力学建模 系统动力学模型的建立首先需要确定流位和流率变量等指标体系，见表1。

2、模型程式 系统动力学模型的仿真运算不需要编程，但是需要确定每个变量间的数学逻辑关系，从系统动力学流图中可以得到各个变量间的逻辑关系和系统构造，但是无法显示其定量关系，因此需要建立系统动力学方程，本系统规模较小，因此程式较为简单。

首先缺电流位变量间的主要方程：

电力负荷=INTEG(发电量年均增长率*电力负荷，电力负荷初始值)；

GDP总值=INTEG(GDP增长率*GDP总值，GDP总值初始值)；

其次确定辅助变量的方程：

每元GDP用电量=电力负荷/GDP；

流率变量的确定采用回归分析方法来确定各个变量之间关系的系数。以1993年到2004年的数据作为样本来确定其参数，如表2。

一元线性回归模型为：y=a+bx+ε (公式1)

需要对参数a和b进行估值计算，可以通过公式2、3得到估值结果。

通过matlab进行计算可以得到a，b的估计值，a＝0.0139，b＝0.5575。

因此可以得到GDP增长率的方程为：

GDP增长率=0.0139+0.5575*每元GDP用电量。

电力弹性系数设为常量：电力弹性系数=0.9。

可以看到整个系统分为两个子系统分别为GDP增长系统和电力负荷增长系统，子系统间的连接是通过每元GDP用电量辅助变量实现的，形成了一个较为完整的系统，因此其可以相互影响，相互制约。较为合理的模拟了电力负荷与GDP之间的相互关系。

三、仿真预测

1、仿真模拟 中长期预测无法达到很精确，因此允许存在一定的误差。将上节所建立的方程和系统动力学模型用计算机表述为系统动力学程式，应用Vensim PLE软件所提供的编译捡错和跟踪功能对模型的正确性和合理性进行检验[13]。

初始设置为：INITIAL TIME=1994；FINAL TIME＝2004；SAVEPER=0.1；

TIME STEP=1。电力负荷的初始值为1994年的负荷值为9278亿千瓦时，GDP总量为48197.9亿元，电力弹性系数[14]设为预测区间内的平均值0.9。2004年实际值为21870，预测值为22806.3，误差为4.1%,在5％以内，拟和程度较好，因此模型能够进行长期电力负荷预测，仿真所得到的预测数据和实际数据如表3。

从上表可知2000年到2002预测值与实际值出入较大，主要原因是因为1999年和2002年间国家禁止建设电厂，使得电力增长速度降低，带来了各个因素的不确定变化，由于政府政策的干涉使得模型预测模拟程度较差，直接原因是设置的电力弹性系数过大，需要把其设置为一个表函数，这样可以更真实的反映事实，因此这是模型改进的地方之一。虽然存在某些误差，但是对整个预测结果影响不使很明显。

2、仿真预测

根据以上参数值以1994年为起始年拟和了2004年的电力负荷，模型的结构具有一阶反馈回路，因此在对电力负荷预测的同时，各个变量也会随之变化，根据系统动力学模型原理，其他变量的结果只是作为参考，不需要太高的预测精度。具体结果见图1。

从图2中可以看到， 2020－2030年电力负荷增长较快，因此需要做好充分的准备，通过预测到2030年我国的电力负荷将达到235859亿千瓦时。按照国家规划，2020年国内生产总值要在2010年基础上翻一番，按照预测值，可以达到国家规划要求，这离不开电力工业的支持，因此当时的电力负荷也应该在2010年翻一番，因此本模型的预测具有一定的科学合理性。

四、结论

运用系统动力学方法建立长期电力负荷预测仿真模型，并对我国的未来需电量进行了长期预测，得到了较好的效果，偏差符合要求，从而为电力企业进行决策提供了一种理论依据。同时对该模型的各个流位变量和辅助变量需要进行进一步分析，使模型更加完善。能够更精确的预测未来长期的需电量。

农电负荷预测考核系统研究 篇11

目前, 我局按照地区局对下属各农电局下发的指标进行考核, 由于技术条件的不足, 长期以来, 我局负荷预测采用人工预测, 各供电所及大用户负荷预测不准, 管理不善, 对各供电所和大用户负荷预测的准确程度无法进行考核, 各供电所和大用户负荷预测的上传数据采用电话联系, 手工记录, 负荷预测专工没有时间去分析数据, 影响负荷预测的精度和准确度。为了更好地适应电力市场下的内部模拟市场运营对考核的要求, 尽快地开发并完善负荷预测考核系统, 随着电力市场改革进程的推进, 这一需求日益迫切。

为此, 我们从供电企业的实际情况出发, 结合农村电力市场的要求及其未来电力市场理论的发展, 建立合理的供电系统考核系统的整体设计思路, 借鉴电力企业三级数据网的思想, 实现短期、超短期负荷预测、检修计划优化制定及其管理和供电系统考核的规范化、科学化、系统化, 为农村电网内部模拟电力市场下的优化管理提供合理的建设规划和分步实施提供科学的依据。

2 理论和实践依据

电力市场在国内已经逐步走向深化, 发电侧电力市场正日渐成熟。供电侧作为电力系统的一部分, 在电力市场下, 供电侧也逐步进行内部模拟运行, 即地区电力公司对下属的农电公司进行与电力市场相关的技术指标 (负荷预测准确性、供电可靠性和优质服务等) 考核, 各供电企业内部也随之开展了一些内部模拟市场的工作, 主要集中在进行并重视供电网的短期、超短期负荷预测、优化检修计划的制定等问题上, 研究开拓用电市场的措施、可靠供电和优质服务等, 目的是在模拟市场的运作中积累经验为将来真正开放的电力市场做好准备。

从现场实际经验出发, 设备检修往往会对部分负荷产生影响, 从而改变了负荷的变化规律, 使负荷预测结果产生一定的偏差, 影响预测的准确度。通过计算分析, 检修计划得出相应的影响负荷量的大小, 传递给负荷预测软件进行修正, 提高负荷预测的准确性, 将检修计划与负荷预测系统有机的结合到一起, 提高在电力市场下考核对准确度的要求, 从而提高农村地区电网运行可靠性和经济性, 给电力企业和用户均带来利益。并且有利于树立良好的电力企业形象, 带来了社会效益。

3 课题研究内容

3.1 负荷预测。

(1) 数据采集功能:负荷的采集是负荷预测软件基础功能之一, 但工作量大且较为烦琐, 因此, 为了将预测人员从中解脱出来, 本软件提供自动的数据采集功能, 提供多种数据采集接口, 满足实际需要。 (2) 数据效验与修正功能:由于多种原因, 负荷历史数据中存在大量的伪数据, 它们的存在对负荷预测的准确度具有较大的影响, 通过预测软件提供的伪数据效验与修正工具, 可以有效降低伪数据对预测结果的影响。 (3) 预测方法的组态功能:软件提供标准预测算法功能模块, 用户可以利用以有的预测模块, 根据实际情况自由组合成复杂的预测方法;软件提供标准的数据接口, 用户可以自行开发预测方法, 提高软件的适用性与实用性。 (4) 预测决策功能:由于各种预测均具有一定的适用范围, 在进行预测之前, 为预测人员提供预测决策功能, 可以有效的减轻预测人员的工作压力, 提高预测的准确度, 使得预测人员由经验型转变为分析型。 (5) 预测功能:提供多种预测方法以适应地区负荷变化的特点, 努力提高负荷预测的准确度。 (6) 预测结果的修正功能:软件提供完善的人机交互功能, 可以将预测人员的经验与软件完美的结合起来。

3.2 考核系统检修计划。 (1) 检修计划制定功能:数据接收:对于各

工区的申报数据, 采用设计规范的数据表进行网上数据传递;数据校验:a.对不合要求的数据进行提示;b.提取出属于省局管辖的设备;自动安排:对于上报的计划进行优化调整、安排, 原则是满足安全性与经济性协调统一;手动调整:可以对于自动安排后的结果, 进行手动调整。 (2) 检修计划的执行管理功能。记载数据:对于完成的计划, 记入“已完成计划”数据库中, 并提示是否按计划指定日期完成;对于没有完成的计划, 记入“未完成计划”数据库中;历史记录查询:按设备查询:对于指定的设备, 查询其历史检修次数及时间。按时间查询:对于指定的具体时间或时间范围, 查询相应时间 (时间段) 所有的检修设备。 (3) 网络信息管理功能。通过图形建模, 对网络信息进行管理, 具有显示直观、数据库保护性好的优点。

3.3 考核系统。

具体考核内容如下: (1) 电量考核。依据计划电量、实际电量的发生情况, 按照误差水平和电量合格率考核标准对下属公司进行总量考核及其峰谷平电量考核, 包括日电量考核、旬 (上、中、下) 电量合格率考核、月电量合格率考核、季度电量合格率考核和年电量合格率考核等考核指标; (2) 电力考核。依据计划电力、实际电力的发生情况, 按照误差水平和电力合格率考核标准对下属公司进行电力和峰谷平电力考核, 包括日电力考核、日电力合格率考核、旬 (上、中、下) 电力合格率考核、月电力合格率考核、季度电力合格率考核和年电力合格率考核等考核指标; (3) 利率考核。依据无功控制的要求、制定合理的利率考核标准, 结合实际的发生情况, 按照误差水平和利率合格率考核标准对下属公司进行利率和峰谷平利率考核, 包括日利率考核、日利率合格率考核、旬 (上、中、下) 利率合格率考核、月利率合格率考核、季度利率合格率考核和年利率合格率考核等考核指标; (4) 电压考核。依据电网电压控制要求并结合实际电压的发生情况, 按照误差水平和电压合格率考核标准对下属供电所进行电压考核和峰谷平电压考核, 包括日电压合格率考核、日电压合格率考核、旬 (上、中、下) 电压合格率考核、月电压合格率考核、季度电压合格率考核和年电压合格率考核等考核指标。

4 预期目标和成果

依据农村电网的特点开发适合农村电网的优化调度辅助决策支持系统, 形成短期负荷预测、检修计划的优化制定及其管理功能和地区电网的考核技术支持系统的集成于一体的系统。

该负荷预测考核系统将为我局带来巨大的经济效益和社会效益。2000年, 我局负荷预测准确率为46.7%, 采取考核系统后, 负荷预测合格率每提高10%, 可以少罚电量1465万千瓦时, 折合成人民币439.5万元。可见经济效益相当可观。随着“厂网分开、竞价上网”的深化, 发电侧电力市场正逐步走向成熟。黑龙江省作为试点单位之一正在进行电力市场运营的深化工作。配网作为电力系统的一部分, 也逐步进行内部模拟运行, 即省电力公司对下属的供电所进行与电力市场相关的技术指标 (负荷预测准确性、供电可靠性和优质服务等) 考核, 各供电企业内部也随之开展了一些内部模拟市场的工作, 主要集中在进行并重视配电网的短期负荷预测、优化检修计划的制定等问题上, 研究开拓用电市场的措施、提高可靠性和优质服务等, 目的是在模拟市场的运作中积累经验为将来真正开放的电力市场做好准备。

摘要：随着“厂网分开, 竟价上网”的不断深化, 各供电企业内部开始模拟市场运营工作, 在这种情况下, 强化电网经济调度, 合理确定机组和送变电设备的检修计划, 燃料订购计划, 合理利用电能, 负荷预测便显得尤为重要。虽然是在模拟市场试运行阶段, 但有必要认真做好短期负荷预测, 提高负荷预测的准确率, 为将来真正开放的电力市场做好准备。

关键词：自动化,负荷预测,电力系统

参考文献

[1]国家电网人力资源部组.电能 (用电) 信息采集与监控[M].北京:中国电力出版社.