电力负荷预测方法浅析

电力负荷预测方法浅析

发表时间：2017-11-01T12:06:24.003Z 来源：《电力设备》2017年第16期作者：李俊辉

[导读] 摘要：电力系统负荷预测是电力系统发电计划的重要组成部分，也是电力系统经济运行的基础。在当前电力发展迅速和供应紧张的情况下，合理地进行电力系统规划和运行及其重要。

（广东电网有限责任公司东莞供电局计划发展部广东东莞 523122）

摘要：电力系统负荷预测是电力系统发电计划的重要组成部分，也是电力系统经济运行的基础。在当前电力发展迅速和供应紧张的情况下，合理地进行电力系统规划和运行及其重要。

关键词：负荷预测；建立；模型；构成

1 电力负荷预测综述

负荷预测的前提是充分考虑关键系统参数、自然环境、社会政策和增容决策等条件，探索出一套能够科学处理过往数据、有效预测未来数据的数学算法，并保证预测结果只在小范围内波动，确定某些特殊时刻的负荷值。根据预测期限，负荷预测分为超短期预测、短期预测、中期预测和长期预测。

2 负荷预测的内容与分类

电力系统负荷预测包括最大负荷功率、负荷电量及负荷曲线的预测。最大负荷功率预测对于确定电力系统发电设备及输变电设备的容量是非常重要的。为了选择适当的机组类型和合理的电源结构以及确定燃料计划等，还必须预测负荷及电量。负荷曲线的预测可为研究电力系统的峰值，抽水蓄能电站的容量以及发输电设备的协调运行提供数据支持。

负荷预测根据目的的不同可以分为超短期、短期、中期和长期：①超短期负荷预测是指未来1h以内的负荷预测，在安全监视下，需要5~10s或1~5min的预测值，预防性控制和紧急状态处理需要10min至1h的预测值。②短期负荷预测是指日负荷负荷预测和周负荷预测，分别安排日调度计划和周调度计划，包括确定机组起停、水火电协调、联络线交换功率、负荷经济分配、水库调度和设备检修等，对短期预测，需充分研究电网负荷变化规律，分析负荷变化相关因子，特别是天气因素、日类型等和短期负荷变化的关系。③中期负荷预测是指月至年的负荷预测，主要是确定机组运行方式和设备大修计划等。④长期负荷预测是指未来3~5年甚至更长时间段内的负荷预测，主要是电网规划部门根据国民经济的发展和电力负荷的需要，所作的电网改造和扩建工作的远景规划。对中、长期负荷预测，要特别研究国民经济发展、国家政策等的影响。

3电力负荷预测方法综述

传统的电力负荷测试的方法有很多，应用起来比较复杂，相关的技术人员应该根据实际的需要，结合该技术的局限性和优质特性进行综合的考量，最终选择合适的方法，下面对各种常用的方法，进行简单的阐述。

3.1电力弹性预测法

电力弹性系数是电量平均增长率与国内生产总值之间的比值。电力弹性系数法的优点是能较好地把握电力负荷增长的趋势及范围，但是由于近年来产业结构的调整，使得弹性系数意义在淡化，相关的数据出现较大的波动现象，所以该种方法更适合于中长期负荷预测，短期的符合预测数据部可靠。

3.2灰色预测法

该种预测方法是上个世纪我国的首创测试法。自从研发以来，取得了良好的实践应用效果。灰色系统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。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，预测精度越差，不适合电力系统的长期若干年的预测。

3.3模糊预测法

该方法基于模糊理论，先行分析过往的工作经验、历史数据，以一种规则的形式呈现出来，并抽象出可在计算机上运行的机读代码，进而展开各种计算工作。模糊预测法能够很明确地描述专家意图，对电力系统中不规则现象进行描述，很适用于中长期电力负荷预测；但模糊预测法学习能力差，极易受到人工干扰。模糊理论应用于电力负荷预测时，有三种常见数学模型，即：指数平滑过渡法、线性回归法、聚类预测法，三种数学模型各有千秋，它们的预测精度都很高，相比传统算法测量误差也小得多。有研究表明，基于最佳聚类F选优法的改进型模糊聚类电力负荷预测算法，在计算年度用电量时，预测结果很准确。有部门基于该算法对增城地区2005年和2010年的年度用电量进行预测，结果与实际测量相差不大。神经网络与模糊逻辑算法组合使用，相比单一神经网络算法，充分利用了神经网络强大的学习功能，又洗去了模糊逻辑主观经验方面的劣势，考虑了温度变化和节假期对系统负荷的影响，能够提高负荷预测结果准确度，特别是对周末和节假期负荷预测很有效。也有学者通过RBF试图寻找负荷变化的一般规律，结合模糊理论计算负荷尖峰值和低估值，一定程度上解决了负荷影响因素不明确的问题。该方法充分利用了神经网络和模糊推理理论在处理不确定参数方面的独到之处，很好地改善了预测精度。

3.4数据挖掘

顾名思义，数据挖掘就是从浩如烟海的数据中挖掘出隐含信息，并尽力将其表述为直观易懂的形式。在处理大数据、剔除冗余信息方面优势很大。决策树、神经网络、关联规则、聚类分析、统计学模糊集、粗糙集在各领域的数据挖掘工作中得到了重要应用。有人根据数据挖掘过程中时间序列的相似性原理，研究电力负荷预测方法，获得了很好的应用效果。基于最优区间划分和单调递减阈值函数聚类法，结合KOHONEN网绘制负荷变化曲线，修正死区数据。也有学者利用数据挖掘技术的结果作为向量机训练样本，减少了数据处理规模，提高了预测速度和运算精度。

3.5 电网负荷预测新技术

趋势外推预测技术。电力的使用情况具有随机性和不确定性的特点，但电力负荷也有着明显的变化。根据不同行业用电量负荷的发展规律，制定相应的策略，结合趋势外推的预测技术对电网负荷进行预测，可以得到比较好的效果。趋势外推预测技术是根据现有的信息进行归纳总结，从事物的共性方面进行探讨和延伸，来得到预测的结果。趋势外推预测方法包括有线性趋势预测、二次曲线趋势预测、多项式趋势预测、累计趋势预测、对数趋势预测等。使用趋势外推方法进行预测处理，只需要运用历史数据就可以，不需要专业的方法，操作方便简捷，易于实现。然而如果电网负荷在变动的情况下使用外推技术进行预测，会出现较大的误差，对电网负荷预测的准确性带来影