中长期负荷预测方法综述1

中长期负荷预测方法综述

摘要:负荷预测是电力系统规划、供电、调度等部门的重要的基础工作,讨论了负荷预测的特点、分类及各种成熟的负荷预测技术,研究了现代负荷预测技术的发展动态,并指出未来主要的研究方向。

中长期负荷预测各种预测方法都具有其各自的优缺点和适用范围,在实际预测工作中,必须根据实际情况,着重从预测目标、期限、精确度等诸多方面作出合理选择,寻求能获取所需精度的预测方法。本文针对电力系统中长期电力负荷预测方法做出分析。

关键字：负荷预测、中长期负荷、负荷预测方法、负荷预测综述

正文：负荷预测是从已知的电力需求出发,通过对历史数据的分析,

并考虑政治、经济、气候等相关因素,对未来的用电需求做出估计和预测。负荷预测是电力系统规划、供电、调度等部门的重要的基础工作。对于经济合理地安排发电机组的启停及检修计划,保持电网安全稳定运行以及未来电网的增容和改建等有十分重要的用。

电力系统负荷预测是电力系统安全经济调度、规划、设计研究的基础和前提，准确的负荷预测结果将意味着在满足供电质量要求的条件下对系统建设资金最大可能限度的利用和有限投资的最大社会经

济效益的获得,负荷预测工作因而引起了人们的普遍关注随着电力

系统的迅速发展尤其是我国电力工业市场化改革的推行负荷预测

工作面临如何准确合理地考虑电力工业市场化后对实际电力负荷从大小到特性上的影响和给整个系统运行规划带来的变化的难题可以

设想在强大的市场压力和竞争机制作用下适用于电力市场环境下

的负荷预测理论和算法必将获得突破性研究成果

随着我国国民经济的快速发展和人民生活水平的不断提高,人们对电量需求量以及电能质量的要求也越来越高。、

一、基于参数模型的中长期电力负荷预测方法

1.趋势外推方法。将已有的各年度的电力负荷看作一个时间序列,利用最小二乘拟合等方法寻求电力负荷与时间的函数关系,并利用这个函数关系预测以后年度的电力负荷。趋势外推方法可以保证对历史数据的拟合是最好的,但不能保证外推效果的可靠性。

2.回归分析方法。回归分析预测是电力系统负荷预测的一种常用方法,根据回归分析涉及变量的多少,可以分为单元回归分析和多元回归分析。在回归分析中,随机变量是自变量,非随机变量是因变量,由给定的多组自变量和因变量资料究二者之间的关系,形成回归方程。回归方程求得后,给定各自变量数值,就可求出因变量值。回归方程根据自变量和因变量之间的函数形式,又可分为线性回归方程和非线性回归方程。在负荷回归分析法方法简单、预测速度快、外推性好,对于历史预测问题中,回归方程的因变量一般是电力系统负荷,自变量是影

响电力系统负荷的各种因素,如经济、人口、气候等。上未出现的情况有较好的预测性。但它对数据的要求高,特别是历史数据残缺或存在较大误差的情况下,预测效果很不理想;用线性方法描述比较复杂

的非线性情况过于简单,而非线性回归分析模型的确定和参数估计较为复杂;考虑气象因素时只能考虑诸如温度、湿度等定量条件,不能比较详细地考虑到各种影响负荷的因素,缺乏自学习能力,负荷结构变化，模型不修正,难以得到较准确的预测结果。

3.指数平滑方法。该方法是常用的预测方法之一,指数平滑法的基本思想是加权平均,选取一组时间上有序的历史数据一次指数平滑预测所有数据记录的个数。

对越近期的数据加权越大,这反映了近期数据对未来负荷影响更大这一实际情况,同时能通过平滑作用消除序列中的随机波动,尤其是那

些不符合统计规律的偶然性波动。

二、基于非参数模型的中长期电力负荷预测方法

1.灰色预测技术。灰色系统理论是20世纪80年代由我国邓聚龙教授提出,用来解决信息不完备系统的数学方法。它把模糊控制的观点和方法延伸到复杂的大系统中,将自动控制与运筹学的数学方法相结合,研究广泛存在于客观世界中具有灰色性的问题。部分信息已知、部分信息未知的系统称为灰色系统。它把一切随机过程看作是在一定范围内变化的、与时间有关的灰色过程。对灰色量不是从统计规律的角度应用大样本进行研究,而是采用数据生成的方法,将杂乱无章的原始

数据整理成规律性强的生成序列再作研究。GM ( 1, 1 )模型是最常用的一种灰色模型,它是由一个只包含单变量的一阶微分方程构成的

模型,是作为电力负荷预测的一种有效的模型。GM ( 1, 1 )模型是一种指数增长模型,当电力负荷呈严格指数增长时,从理论上已经证明,此方法具有预测精度高、所需样本数据少、计算简便和可检验等优点。灰色预测技术的优点是要求数据少,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、易于检验等。缺点是当数据的离散程度越大,即数据灰度越大,则预测精度越差,不适合电力系统的长期若干年的预测。真正具有意义的、精度较高的预测值,仅仅是最近一、两个数据,而其他更远的数据只反映长期规划性的预测。对于具有波动性变化的电力负荷,采用GM (1, 1)模型其误差可能较大,难以满足实际需要。

2.神经网络方法。运用神经网络技术进行电力负荷预测是近年兴起的又一新的预测方法。人工神经网络具有大规模分布式并行处理、非线性、自组织、自学习、联想记忆等优良特性。常用的是误差反向传播算法 ( 又称BP法 ),只需提出一个简单的人工神经网络模型,就能

实现从输入到输出间非线性映射任何复杂函数关系。因此,可将影响电力负荷最大的几种因素作为输入,得出预测结果。神经网络方法没有显式表达,因此无法得知负荷的变化规律和影响因素，学习效果受样本量影响极大,因素变化需重新学习。目前在中长期负荷预测中尚未达到实用水平。

3.优选组合预测技术。实践证明,对于复杂多变量、非确定性、多

方案性的中长期负荷预测,单独使用定性预测或定量预测的方法显然是不够的,为了充分利用各个负荷预测模型的有用信息,提出了优选

组合预测方法。优选组合预测技术成为目前中长期负荷预测方法的研究重点。优选组合预测理论认为,对于同一个预测问题,多个不同的预测模型的线性组合,在一定条件下能够改善模型的拟合能力和提高预测精度,一是指将几种预测方法所得的预测结果选取适当的权重进行加权平均的预测方法;二是指在几种预测方法中进行比较,选择拟和优度最佳或标准差最小的预测模型作为最优模型进行预测。