电力系统负荷预测

９３
　科技资讯　ＳＣＩＥＮＣＥ　＆　ＴＥＣＨＮＯＬＯＧＹ　ＩＮＦＯＲＭＡＴＩＯＮ１．负荷预测概念
电力负荷预测是实时控制、运行计划和发展规划的前提在电力系统中，负荷指电力需求量或用电量。

需求量是能量的时间变化率，即功率。

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。

对功率的预测用来决定发电设备的容量，以及相应的输电和配电的容量。

对能量的预测则决定了应当安装何种类型的发电容量。

２．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，所以负荷预测工作研究对象是不肯定时间、随机时间，需要采用适当的预测技术和模型，推出负荷的发展趋势和可能达到的状况。

其特点如下：负荷预测的不准确性；负荷预测的条件性；负荷预测的时间性　；负荷预测的地区效应；负荷预测的多方案性；３．负荷预测的具体方法
时间序列法：时间序列法是对给定的一段时间的历史负荷记录，提取出基本负荷分量、天气敏感负荷分量和特别事件负荷分量后，剩余的残差即为各时刻随机负荷分量，可以看成是随机时间序列。

目前最有效的方法是Ｂｏｘ—Ｊｅｎｋｉｎｓ的时间序列法。

卡尔曼滤波分析法：把负荷作为状态变量建立状态空间模型，用卡尔曼滤波算法实现负荷预测。

这种算法是在假定噪声的统计特性已知的情况下得出，事实上估计噪声的统计特性是该方法应用的难点所在。

此算法适用于在线负荷预测。

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，对未来的负荷进行预测。

其特点是将预测目标的因素作为自变量，将预测目标作为因变量。

回归分析法中，自变量是随机变量，因变量是非随机变量，根据给定的多组自变量和因变量资料，研究各种变量之间的相互关系。

利用得到的经验回归方程式来表示变量之间的定量关系，预测系统将来的负荷值。

指数平滑预报法：用过去数周的同类型日的相同时间的负荷组成一组时间上有序的ｙ（ｔ）、ｙ（ｔ—１）、ｙ（ｔ一２），对该数组进行加权平均，计算时应该加大新近数据的权系数，减小陈旧数据的权系数，以体现过程的时变性。

模糊预测法：应用模糊逻辑和预报人员的专业知识将数据和语言形成模糊规则库，然后选用一个线性模型逼近非线性动态的系统负荷。

从实际应用来看，单纯的ｒｕｍ，方法对于负荷预测，精度往往不尽如人意。

这主要是因为ｒｕｍ，预测没有学习能力，这一点对于不断变化的电力系统来说，是极为不利的。

人工神经网络方法：利用人工神经网络（ＡＮＮ），选取过去一段时间的负荷作为训练样本，然后构造适意的网络结构。

用某种训练算法对网络进行训练，使其满足精度要求之后，用ＡＮＮ作负荷预测。

一般而言，ＡＮＮ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，因为短期负荷变化可以认为是一个平稳随机过程，而长期负荷预测与国家或地区的政治、经济政策等因素密切相关，通常会有些大的波动，而并非是一个平稳随机过程。

优选组合预测法：优选组合预测有两类概念：一是指将几种
预测方法所得地预测结果，选取适当地权重进行加权平均；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离差最小的预测模型进行预测。

组合预测方法是建立在最大信息利用的基础上，它最优组合了多种单一模型所包含的信息。

在建立模型时有两方面的限制：一个是不可能将所有在未来起作用的因素全包含在模型中；另一个是很难确定众多参数之间的精确关系。

所以其预测精度提高很受限制。

灰色模型法：灰色系统理论将一切随机变化量看作是在一定范围内变化的灰色量，常用累加生成（ＡＧＯ）和累减生成（ＩＡＧＯ）的方法，将杂乱无章的原始数据整理成规律性较强的生成数据列。

用灰色模型（ＧＭ）的微分方程作为电力系统单一指标（如负荷）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，即可据此模型预测未来的负荷。

此法适用于短、中、长三个时期的负荷预测。

在建模时不需要计算统计特征量，从理论上讲，可以使用于任何非线性变化的负荷指标预测。

但其不足之处是其微分方程指数解比较适合于具有指数增长趋势的负荷指标，对于具有其它趋势的指标则有时拟和灰度较大，精度难以提高。

专家系统法：所谓专家系统法，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报人员的知识，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。

若能将它与其他方法有机地结合起来，构成预测系统，将可得到满意地结果。

但专家系统分析本身就是一个耗时的过程，并且某些复杂的因素（如天气因素）即使知道其对负荷的影响，但要准确、定量地确定他们对负荷地影响也常常是很困难的事。

小波分析侦测技术：小波分析是一种时域一频域分析法，它在时域和频域上同时具有良好的局部化性质，并且能根据信号频率高低自动调节采样的疏密，它容易捕捉和分析微弱信号以及信号、图像的任意细小部分。

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，其目标是将一个信号的信息转化成小波系数，从而能够方便地加以处理、储存、传递、分析或被用于重建原始信号。

这些优点决定了小波分析可以有效地应用于负荷预测问题的研究。

４．小结
负荷预测是ＡＮＮ在电力系统应用中最合适得到一个领域，也是到目前为止研究的较多的一个课题。

初步成果表明，预测结果可能比其他方法更准确，具有实用的前景。

但这种方法在实施时有很多实际问题需要解决，且这些问题与具体系统情况有关，针对不同的需要因选择最适合的负荷预测方法。

参考文献
［１］牛东晓．曹树华．赵磊．张文文．电力负荷预测技术．中国电力出版社．１９９９
［２］肖国泉．王春．张福伟．电力负荷预测．中国电力出版社．２００１
电力系统负荷预测
巩丽荣
（大庆市林甸县电业局 １６２３００）
摘　要：负荷预测在电力系统规划和运行方面能发挥重要的作用，产生明显的经济效益，负荷预测实质上时对电力市场需求的预测。

本文系统介绍和分析了负荷预测的基本概念、种类、和预测方法。

关键字：电力系统 负荷 预测
中图分类号：ＴＭ７ 文献标识码：Ａ。