配电网短期负荷预测方法
配电网短期负荷预测方法
王宪安
04111978
电气10班
配电网短期负荷预测方法
摘要：随着市场经济的不断发展，负荷预测在配电网和运行方面发挥着越来越重要的作用，负荷预测也具有了更加明显的经济效益，其实质上是对电力市场需求的预测。该文在介绍和分析了几种负荷预测的方法及特点的基础上，对短期负荷预测的方法做了全面综述，并比较了各种方法的优缺点。
关键词：负荷预测；短期预测；支持向量回归模型；神经网络
0 引言
随着我国电力事业的发展，电网的管理日趋现代化，电力系统负荷预测问题的研究也越来越引起人们的注意，现在已经成为了现代电力系统运行研究中的重要课题之一。
负荷预测可以分为长期、中期、短期、超短期以及节日预测。其中短期负荷预测是电力系统安全运行的前提，随着分时电价方式的推广和电力市场化改革的深入，电力公司力求及时、准确地把握负荷变化的信息，将负荷预测的重要性和迫切性提到前所未有的高度，同时野队负荷预测的精度提出更高的要求，这必将推动我国对负荷预测新方法、新技术的研究。
1 市场环境下高精度的短期负荷预测的意义
在当前的电力市场条件下，短期负荷预测精度的高低直接决定了发电计划制定的准确与否，这使得预测精度直接和消息相关，主要表现在：
（1）在电力市场环境下，高精度的负荷预测是有效的维护各实体经济利益的前提条件之一；（2）准确的负荷预测为发电商投标竞价提供了真实的依据，它可以使发电商和电网公司签订的预购合同更接近实际交易合同，避免了因合同变更而产生的交易费用；
（3）准确的负荷预测能够使电网公司在保证电网安全的前提下，减少冗余的旋转备用，从而降低电网公司的运营成本；
（4）在电网公司与其他电网公司交换谈判时，准确的负荷预测起着非常重要的指导作用；（5）准确的负荷预测对电力市场的投资规划提供决策依据；
（6）负荷预测是电价预测的基础和未来电力市场预测期货交易的基础。
可见，电力短期负荷预测的精度直接影响到了电网及各发电厂的经济效益。同时，英国的研究表明，短期负荷预测的误差每增加1%导致每年增加灰色预测模型（Gray Model）简称GM模型，是以灰色模块为基础，用微分拟合法建立的模型。灰色系统预测法引入电力系统负荷预测领域以后，较好的克服了概率统计的弱点，使原始序列的随机波动性影响减弱，而且所需的信息量少、原理简单、运算方便、短期预测精度高，有效地解决了常规预测方法的难以解决的问题。但是，GM（1,1）模型也存在一定的局限性。目前，对于GM（1,1）模型的改进方法有对原始序列进行平滑、局部残差修正及等新息模型、无偏灰色模型和灰色递阶模型等几种。其中，残差GM（1,1）模型在实际应用汇总最为广泛，但其预测精度仍不够理想。
3.3混沌理论预测技术
混沌理论用于描述确定性非线性系统的内在随机性，具有对初始条件敏感、遍历性、规律性等特点，负荷电力系统负荷预测的内在要求。由于混沌是介于确定性和随机性之间的一种行为，因此，混沌运动长期是不可预测的，然而，由于混沌行为中奇怪吸引子的存在，使得短期预测是可行的。1994年，Mori和Urano提出了一种用混沌时间序列分析短期负荷预测的方法，几年后，国内学者也提出了基于混沌时间序列的负荷预测方法。由于混沌理论在处理非线性问题方面的强大功能，使得基于其理论的负荷预测方法无论在处理能力、计算速度，还是在预测精度上，都得到了很大的提高。混沌时间序列方法成为电力系统负荷预测的一大研究方向。
近年来广泛用于电力短期负荷预测中的混沌预测模型的延迟重构仅针对历史负荷这一单变量的时间序列，尽管理论上来说只要嵌入维数选取合理，单变量时间序列也可去的教理
想的预测效果。但事实上用于时间序列长度有限且往往存在噪声，预测效果受到很大影响。文献[7]将单变量时间序列相空间拓展到多变量时间序列中，相空间重构了由历史负荷及其相关因素序列所构成的多变量时间序列，计算了多变量时间序列的潜入维数和延迟时间。研究表明，多变量时间序列由于包含了更丰富更完整的系统信息，能重构出更为准确的相空间，其预测效果明显由于单变量重构技术。
3.4智能技术预测方法
近年来，人工智能技术的飞速发展吸引了电力研究者的目光，将其应用于电力负荷预测，并成为当今负荷预测的研究热点。不同的智能技术应用于电力负荷预测领域，就形成了不同的预测技术。
（1）专家系统预测技术
实践证明，由于电力负荷的复杂性、随机性和时变性，精确的预测结果不仅需要高新技术的支持，同时还需要融入人类自身的经验和指挥，从而专家系统预测法应运而生。所谓专家系统预测法，就是对数据库中存放的过去几年甚至几十年的每小时的负荷和天气数据进行分析，从而汇集有经验的负荷人员的知识，提取有关规则，按照一定的规则进行负荷预测。专家系统法的优点在于：
①能汇集多个专家的知识和经验，最大限度地利用专家的能力；
②占有的资料、信息多，考虑的因素也比较全面，有利于得到较为正确的结论。
但是，该方法不具有自学习的能力，受数据库中存放的知识总量的限制；而且对突发性事件和不断变化的条件适应性较差。
（2）人工神经网络（ANN）算法——被认为是短期负荷预测最为理想的方法之一人工神经网络是由处理单元组成的一种并行、分布式信息处理结构，处理单元之间可以按连接的单向信道相互连接。人工神经是神经网络的基本计算单元，它模拟了人脑中神经元的基本特征，一般是多输入、单输出的非线性单元，可以有一定内部状态和阈值。
在短期负荷预测的研究中，应用最多的神经网格模型是BP（反向传播）算法，它是多层感知器的一种有效学习算法，它把一组样本的输入输出问题变成非线性优化问题，使用了最优化问题和其中最普遍的梯度下降算法，用迭代算法求解权值，加入隐节点使优化问题的可调参数增加，从而可得到精确解。BP网络如图1所示，可见其结构简单，但是处理问题的能力却很强大。
人工神经网络方法能够充分逼近任意复杂的非线性关系，而且可以不必预先知道输入量和预测值之间的数学关系模型，因此可以方便地考虑温度、湿度、风力、降雨量、电价等对电力系统负荷起影响的因素。另外神经网络还具有联想记忆的功能，即使输入一个从未训练的输入信息，它也能找到相应的输入，只要更新它的权，它就可以适应环境的变化。
但是神经网络也有自身的缺点，在训练过程中，常用训练算法收敛速度缓慢、容易陷入
局部极小的缺点。解决的办法之一是用不同的初值对权值初始化，对网络多次训练，直到每次训练后的误差基本稳定，此时可认为网络已收敛于全局极小点，但这一过程非常浪费时间。为此，许多研究者利用最优化方法提出了各种不同的改进BP算法，如动量法、可变学习率发、共轭梯度法等，但大都基于克服训练错误。从概率统计的角度说，神经网络的学习算法采用经验风险最小化原理（ERM），仅仅试图使经验风险最小化，并没有使期望风险最小化，与传统的最小二乘法相比，在原理上缺乏实质性的突破，同时也缺乏理论依据。总之，神经网络学习算法缺乏定量的分析与机理完备的理论结果。
（3）支持向量机（SVM）的回归算法-----被认为是ANN方法的替代算法
支持向量机方法（support vector Machines, SVM）是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型复杂性和学习能力之间寻求最佳折中，以期获得最好的推广能力。随着Vapnik的ε不敏感损失函数的引入，SVM已经扩展到用于解决非线性回归估计问题。
支持向量回归模型的基本思想是先通过非线性变换x→?(x)，将输入空间映射到高维的特征空间（Hilbert 空间），然后在高维特征空间中进行线性回归。其间通过核函数这一手段巧妙的将高维特征空间中的内积运算转化为低维输入空间中的一个简单的函数运算，降低了计算的复杂性。
由Vapnik等提出的经典SVM算法，它的实现归结为解决一个线性约束的二次规划问题，因此算法的解释唯一的，也是全局最优的。将其应用于电力系统负荷预测，可有效地克服数据有限性、不完整性及影响因素复杂性等对预测结果的影响、发挥独特优势、实现经济价值。
在支持向量回归模型中，对不同训练样本的偏离误差要求的惩罚是相同的，这种处理方法对于有重要性差异的训练样本来说是不合理的。针对各训练样本重要性的差异，文献9提出了给各样本的惩罚参数C和误差要求参数赋予不同权重的加权支持向量回归方法。训练样本的重要性越大，惩罚参数C的权重越大，误差要求参数就越小，使回归曲线更靠近该重要的样本点。结果证明这对提高预测精度来说是一种很有效的改进办法，但实时性降低了，比较适用于日负荷和周负荷预测。
支持向量机回归算法的网络结构如下所示：
可以看出SVM具有和神经网络相同的网络结构，然而在中间层的确定方面，SVM方法比ANN方法要科学的多。ANN方法的中间层主要是根据经验来选择，具有主观性；支持向量机方法的中间层是由支持向量对应的Lagrange乘子来确定，是一种通用的方法。
对于基于智能技术的负荷预测，其预测精度在很大程度上依赖于训练集的选择，恰当、合理的输入矢量可使计算机智能的预测方法快速、有效地逼近目标矢量，达到误差要求，并
使其具有良好的泛化能力。文献10提出了一种新的思想，在数据预处理的过程中加上对负荷模式的分辨，从而为负荷预测提供较好的模式分类结果和更为准确、全面的
历史样本数据，使有限的信息得到充分的利用。结果证明，经过有限的模式分类并选择较好的负荷分类模式猴，可以改善电力负荷预测的精度和效率。
3.5优选组合预测技术
优选组合预测有两类概念，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一种预测方法，二是指在几种预测方法中进行比较，选择拟合优度最佳或标准离差最小的预测模型作为最有模型进行预测。
组合预测方法是建立在最大信息利用的基础上，综合多种单一模型所包含的信息，进行最优组合。因此，在多数情况下，通过组合预测可达到改善预测结果的目的。由于传统的预测技术都是用解析式来进行预测，很好的处理了负荷历史数据中的线性部分，而基于人工智能的预测方法则可以很好的映射输入输出之间的非线性关系，那么，如果能将传统的预测方法和新兴的只能预测方法进行组合预测，是不是可以得到很好的预测效果呢？目前有很多关于组合预测的文献，其中比较典型的文献将时序分析的ARMA模型和神经网络结合起来进行预测，利用不同模型的优势来处理数据的不同部分。实验证明，ARAM-ANN组合预测能提高负荷预测的精度。
4 结论
本文对一些比较常用的电力负荷预测技术进行了简单的比较，可以看出人工智能的方法僵尸未来的主要发展方向。就目前的应用研究状况而言，尽管支持向量机的应用研究已经很广泛，但应用尚不及人工神经网络方法，所以有理由相信SVM的应用研究还有很大潜力科娃。就市场条件下对符合预测的精度要求而言，单一的方法已经很难满足预测的需求，多种预测方法的结合成为当前的一大研究趋势。
参考文献
[1] 魏伟，牛晓东，常征.负荷预测技术的新发展.华北电力大学学报，2002,29（1）：10-15.
[2] 肖国泉，王春，张福伟.电力负荷预测.中国电力出版社，2001.
[3] 李眉眉，丁晶.基于混沌理论的电力负荷预测.四川水力发电，2004,23（4）：51-53.
Bansal,R.C.,Pandey,J.C.Load forecasting using artficial intelligence techniques;A literature survey.Intermational Journal of Computer Applications in technology,2005, 22(2-3):109-119.
[4] Feng Li,Qiu jia-ju,Electrical loda forecasting based on load patterns.Power System Technology,2005,29(4):23-26.
[5] 杜树新，吴铁军.回归型加权支持向量机方法及其应用.浙江大学报，2004,38（3）：302-306.
[6] 孙海斌，李扬，卢毅，王磊，唐国庆，电力系统短期负荷预测方法综述.江苏电机工程，2000,19（2）：9-13.
[7] 卢建昌，王柳.基于时序分析的神经网络短期负荷预测模型研究．中国电力，2005,38（7）：11-14.
浅谈电力系统短期负荷预测
龙源期刊网 https://www.360docs.net/doc/f78034265.html, 浅谈电力系统短期负荷预测 作者：李家龙王蒙谷心洋 来源：《中国科技纵横》2017年第03期 摘要：研究了气象因素（温度、湿度、降雨量等）对电力系统负荷的具体影响，结果表明：温度对预测结果影响最大。建立了指数平滑模型、动态神经网络模型对电力系统短期负荷进行预测，对两种预测模型的优缺点进行了比较。结果表明：三次指数平滑能很好的预测短期负荷的发展趋势，而动态神经网络模型有更高预测结果精度。最后通过算例进行了说明。 关键词：电力系统；负荷预测；气象因素；预测模型 中图分类号：TM715 文献标识码：A 文章编号：1671-2064（2017）03-0171-02 1引言 电力系统短期负荷预测，在国内都有相关的研究，如文献[1]构建了一种基于统计分析的 负荷规律性评价方法。在此基础上，建立了预估负荷预报误差极限的分析方法。运用所提出的方法对负荷变化的规律性进行评价。文献[2]利用BP神经网络进行电力系统短期负荷预测，在保证有足够的训练样本的前提下，对预测模型进行合理分类，构造了相应于不同季节的周预测、日预测模型，文献[3]从不同角度对气象因素对电网负荷影响进行了深入的分析，介绍了 国内外的研究现状，提出了气象因素对短期负荷预测影响分析的思路、方法和意义，讨论了常用电力负荷特性的分析方法，文献[4]短期负荷预测的“双周期加混沌”法是基于负荷记录数学性质的预测方法.为了进一步提高其预测精度而提出的三项改进。 以上研究都没有深入研究气象因素对短期负荷预测的具体影响，给出较为直观的数字；研究表明，气象因素是影响短期负荷的主要因素，温度、风速、降雨量、等都对负荷产生一定程度的影响。气温是对负荷影响最大的气象因素。故各气象因素与负荷之间存在一定的相关性。本文讨论了象因素对短期负荷预测的具体影响，建立三次指数平滑模型和动态神经网络模型对负荷进行预测。 2 问题描述 短期负荷预测是电力系统运行与分析的基础，提高负荷预测精度，是保障电力系统优化决策科学性的重要手段。现代电力系统中，气象因素（温度、湿度、降雨量等）对电力系统负荷的影响愈显突出。考虑气象因素成为调度中心进一步改进负荷预测精度的主要手段之一。 符号说明： 最近几天t时刻的负荷平均值
负荷预测方法一
1、单耗法 这个方法是根据预测期的产品产量（或产值）和用电单耗计算需要的用电量，即 A h ＝∑=n i 1Q i U i 式中 A h —某行业预测期的需电量； U i —各种产品（产值）用电单耗； Q i —各种产品产量（或产值）。 当分别算出各行业的需用电量之后，把它们相加，就可以得到全部行业的需用电量。这个方法适用于工业比重大的系统。对于中近期负荷预测（中期负荷预测的前5年），此时，用户已有生产或建设计划，根据我国的多年经验，用单耗法是有效的。 在已知某规划年的需电量后，可用年最大负荷利用小时数来预测年最大负荷，即 P n·max =T A n m ax 式中 P n·max —年最大负荷（MW ）； A n —年需用电量（k W·h ）； T max —年最大负荷利用小时数（h ）。 各电力系统的年最大负荷利用小时数，可根据历史统计资料及今后用电结构变化情况分析确定。 单耗法分产品单耗法和产值单耗法。采用单耗法预测负荷的关键是确定适当的产品单耗或产值单耗。 单耗法可用于计算工业用户的负荷预测。 单耗法可根据第一、第二、第三产业单位用电量创造的经济价值，从预测经济指标推算用电需求量，加上居民生活用电量，构成全社会用电量。预测时，通过对过去的单位产值耗电量(以下简称“单耗”) 进行统计分析，并结合产业结构调整，找出一定的规律，预测规划第一、第二、第三产业的综合单耗，然后根据国民经济和社会发展规划指标，按单耗进行预测。单耗法需要做大量细致的统计、分析工作，近期预测效果较佳。 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。
浅谈如何提高地区负荷预测准确率
浅谈如何提高地区负荷预测准确率 电能是现代社会主要能源种类之一，是国民经济建设和群众生活活动顺利实施的基础保障因素。面对电力供应紧张的现实情况，做好负荷预测工作，提高负荷预测准确性的重要意义日益凸显。文章结合山西地区电力负荷预测工作实际，对电力负荷预测工作进行讨论，提出改进负荷预测工作的相關建议。 标签：负荷预测；准确率：重要性 引言 随着我国经济发展水平的提高和社会生产总量的不断增加，电力需求日益增大。电力供应稳定充裕已经成为对于地区经济发展和人民生活质量有着至关重要影响的基础要素。十二五以来，我国大力发展电力基础设施建设，大型发电项目相继开工并分阶段建成投入使用。电力企业加强运营管理，电网运行质量稳步上升，电力供应工作取得了极为显著的效果，为我国经济体制改革和经济结构调整事业的顺利推进做出了重大贡献。与此同时，电力供应紧张问题日渐加剧，国民经济发展和人民生活电力需求不断增长，给电力系统的正常运行和电力的安全稳定供应带来沉重压力。如何提高电力负荷预测准确性，利用有限的电力资源尽可能地满足更多的用电需求，提高电力系统运转质量，是电力企业面对当前严峻局势，改善电力供应环境，提高电网安全性和经济性，满足社会生产、生活需要的重要途径。根据预测时限的不同，地区电力负荷预测分为长期、中期、短期、超短期四种。基于山西电网地区特性，文章主要对短期负荷预测分析进行讨论。 1 影响短期负荷预测工作质量的因素分析 从山西省电力系统的实际情况来看，短期负荷预测工作的精确程度直接关系到对标评价的高低，各地区电力调度单位都投入了大量精力去改进短期负荷预测工作质量，以期提高预测准确性。通过长期工作实践总结，电网短期负荷预测影响因素包括负荷构成种类、时间因素、天气因素及许多不确定因素等。下面对负荷的各类影响因素进行分析讨论。 1.1 负荷构成种类对电力负荷预测的影响 一般电力负荷与其电力用途之间密切相关，常见的用电类型包括工业用电、生活用电和农业生产用电几个类型。这些电力负荷种类都具有电力负荷呈周期性变化的规律。随着电力负荷种类不同，其负荷变化周期分为日、周、年和节假日等多种形态。由于这些周期特性存在较为普遍，分析并掌握这些周期特性，有助于电力负荷预测分析工作的有效开展。 1.1.1 以日为周期变化的电力负荷。从日负荷曲线变化上可以看出，日负荷曲线分为峰荷、基荷和腰荷三个部分。不同部分的负荷其组成也不一样。其中，基荷由长期存在的、持续性的负荷构成，这些负荷在电力负荷整体中起着基础性
电力负荷预测方法
1.负荷预测分类和基础数据处理 1.1负荷预测及其分类 1.1.1负荷预测概念 负荷预测是根据负荷的历史数据及其相关影响因素，分析负荷的变化规律，综合考虑影响负荷变化的原因，使用一定的预测模型和方法，以未来经济形势、社会发展、气候条件、气象因素等预测结果为依据，估计未来某时段的负荷数值过程。 1.1.2负荷预测的分类 按照预测方法的参考体系，工程上的负荷预测方法可分为确定性预测方法、不确定预测方法、空间负荷预测法。 确定性：把电力负荷预测用一个或一组方程来描述，电力负荷与变量之间有明确的一一对应关系。 不确定性：实际电力负荷发展变化规律非常复杂，受到很多因素影响，这种影响关系是一种对应和相关关系，不能用简单的显示数学方程描述，为解决这一问题，产生了一类基于类比对应等关系进行推测预测负荷的不度额定预测方法。 空间负荷预测：确定和不确定负荷预测是对负荷总量的预测。空间负荷预测是对负荷空间分布的预测，揭示负荷的地理分布情况。
1.2负荷预测的基础数据处理 1.2.1负荷预测的基础数据 基础数据大致包括四类，分别为：①负荷数据（系统、区域、母线、行业、大用户的历史数据；负荷控制数据；系统、区域、大用户等的最大利用小时数；发电厂厂用电率和网损率。）②气象数据（整点天气预报；整点气象要素资料；年度气温、降水等气象材料。）③经济数据和人口（区域产业GDP；城乡可支配收入；大用户产量、产值和单耗；电价结构和电价政策调整；城乡人口。）④其他时间（特殊时间如大型会议、自然灾害；行政区域调整） 1.2.2数据处理 为获得较好的预测效果，用于预测数据的合理性得到充分保证，因此需要对历史数据进行合理性分析，去伪存真。最基本要求是：排除由于人为因素带来的错误以及由于统计口径不同带来的误差。另外，尽量减少异常数据（历史上突发事件或由于某些特殊原因会对统计数据带来宠大影响）带来的不良影响。常见的数据处理方法有：数据不全、数据集成、数据变换和数据规约等。 2.确定性负荷预测方法 2.1经验技术预测方法 2.1.1专家预测法 专家预测发分为专家会议发和专家小组法。会议发通过召集专家开会，面对
电力系统短期负荷预测方法综述
电力系统短期负荷预测方法综述 本文主要是针对电力系统的短期负荷预测的概念和意义 进行综述，就短期负荷预测的一些特点及其影响预测精度的各方面原因进行总体的分析。在目前的预测方法里，主要有经典的预测方法和传统的预测方法以及智能预测方法和预测新方法。从这些预测方法入手进行综合的应用原理分析，比较其不同预测方法的优点及不足的地方。并且提出了短期负荷预测的精度提升了，不仅在历史的数据上重视了其积累，还应重视在预测的模型选择上要合适，综合型预测模型在未来电力负荷预测方法的必然性。 标签：电力系统短期负荷预测 电力负荷预测在能量的管理系统组成中是极为重要的部分，而短期电力负荷预测则是对几个小时后或是一天、几天的电力负荷值上进行预报。短期电力负荷预测不仅在电力系统安全以及经济的运作下提供了相关保障，还为市场的环境编排高度计划等打下了基础。不过在这个电力生产与消费的日趋市场化下，针对负荷预测的准确及可靠性上也有了更为高的要求，而且就电力系统管理与运行来讲其负荷预测逐渐成为了一个主要的研究领域。预测精度是决定短期负荷预测的作用大小的，所以在短期负荷预测方法研究的重点上是如何对预测精度进行提高。虽然短期负荷预测的研究历史已經很长远了，国内外的学者也对其在方法还有理论方面对于预测模型进行研究工作。当短期负荷出现因素太多的情况下，从而限制了预测方法的范围以及精度。下文针对短期的预测方法展开一个综合性的探析。在研究未来发展方向的同时也为实际情况下短期负荷的预测提供了一个基础。 1 基于短期负荷的预测特点 对于短期电力负荷来讲其预测便是基于在电力负荷以及相关的历史数据对模型进行全面的建立，从而使得新世纪型的电力负荷更具备科学性和全面性。对于短期负荷所面临的事件不确定性以及其随机性，包含了各种特点：①在预测的结果上其短期的负荷存在着一定的不确定性。②不同的负荷预测方法存在相应的条件性。③短期负荷预测在时间上各有不同。④预测的结果包含多方案性。 短期负荷预测精度的影响因素：①以往历史数据。②自然天气情况。③其日期类型。④负荷预测模型。⑤相关社会事件等。 2 简述短期负荷预测方法 短期负荷由于受到来自不同方向的因素影响，面临时间序列问题上其随机的过程表现的很不平稳，就算面临的影响因素包罗万象，不过在这些因素中都存在一个特点那就是有规律性。能够为实际预测打下基础，其短期负荷预测的方法大致分为四类。
如何提高电网负荷预测准确率 孙华1
如何提高电网负荷预测准确率孙华1 发表时间：2018-06-25T17:03:41.557Z 来源：《电力设备》2018年第3期作者：孙华1 何小娟2 [导读] 摘要：随着社会的不断发展与进步，各行各业对电力需求越来越大，这就要求电网企业能够不断发展以满足人们的用电需求。 （1 国网河南省电力公司焦作供电公司河南焦作 454000；2国网河南省电力公司济源供电公司河南济源 459000） 摘要：随着社会的不断发展与进步，各行各业对电力需求越来越大，这就要求电网企业能够不断发展以满足人们的用电需求。合理规划配电网设置，分析历史用户用电的数据，挖掘数据中的潜在重要信息，能够对未来用电负荷趋势进行预测，然而，采用不同的方法具有不同的预测效果。传统的负荷预测方法有很多，例如：电力弹性系数法、外推法、回归预测法、用电单耗法以及负荷密度法，等等，这些传统方法是根据以往的负荷数据，加上一定的经验总结研究出来的，具有很强的依赖性和不准确性，有些方式甚至只是一个简单的定向预测问题，这些传统方法已经不能满足现代社会用电数据量大的分析，预测结果存在较大误差，对配电网规划具有重要影响。 关键词：负荷预测；准确率；影响因素；对策 1概述 电力系统的负荷预测主要有超短期、短期和中长期三种预测方式，其中短期预测是电网调度部门主要使用的负荷预测方法。短期负荷预测又可根据其预测周期的长短细分为月预测、周预测和天预测。所谓月预测就是以月为单位对电力系统的月负荷（最大值和平均值）以及该月可能产生的电量变化进行预测；而周预测和天预测则是以本周或当天的负荷情况确定下周或者次日电力负荷的变化趋势。对负荷进行科学合理的预测，主要是便于对电力系统进行预防性控制，安全监控以及应对突发性的调度计划。负荷预测不仅是一个电网的调度和规划部门所应具备的基本信息，而且也是在电力系统中实现实时控制、运行计划以及系统调度和发展规划的必要前提条件。负荷预测在电力体系的规划和运行方面有着不容忽视的作用，其创造的经济利益也是直观可见的。负荷预测其实就是市场关于用电需求的一个预测，为了使电量供应满足市场的需求，不仅仅对市场的需电量要有一个预测量，而且在这个量的基础上其精确度也要尽量高，这就是通常所说的负荷预测准确率。 2关于负荷预测准确率的影响因素 2.1天气因素 在所有的影响因素中，天气因素对负荷预测准确率造成的影响是最大的。以具体事例说明：某地２０１４年４月的天气状况，同样达到１７℃～１９℃，多云天气相对于阴天中午的负荷差就能达到３０～４０ＭＷ（占该地中午供电负荷总量的７％）。由于天气造成的湿度不同，会使人们感觉热的程度存在差异，如夏天的时候，白天云量多会使人们感到凉爽，而晚上云量多便会使人感到闷热。而夏天多变的天气就会造成人们对空调使用的无规律性，而由此造成的空调负荷也会相差很大。尤其是在阴雨天，有的时候雨过天晴，气温会一下子降下来给人一种凉爽的感觉，这个时候，尤空调和风扇产生的负荷便会减少，而另一种情况，雨停之后，云并没有散去，加上夏天的高温天气便会出现“桑拿天”，使得空调风扇的使用量增加，由此造成的负荷量也会大幅提升。由此可见，天气的变化对于负荷预测准确率的影响相当大，其对电力体系的负荷预测准确率造成的影响也应引起重视。 2.2电网基础数据不准确 电网基础数据是开展负荷预测的前提条件，基础数据的正确率是影响负荷预测准确率的关键因素。其中，基础数据不准确包括历史数据不准确、自动化系数不准确、外部信息缺失等。 2.3大用户因素 电网中大用户对负荷预测准确率的影响程度可以达到２０％之多，如某水泥厂为某地电网体系中负荷较大的用户之一，该厂平时正常用电其电负荷大概在２５～３０ＭＷ，因为高自动化程度大大提高了该厂的用电需求。倘若该厂自动化设备因为故障迫使其停产。这就会使得该厂的负荷值大幅度下降，从而导致电网负荷幅度发生巨大变化，严重影响负荷预测的准确率。 2.4负荷预测管理系统不准确 负荷预测管理系统不准确包括负荷预测软件预测精度低、硬件设备不可靠等。表1所示为造成负荷预测管理系统准确率低的各项因素、原因和确认措施。 3针对影响因素提出的解决对策 3.1及时了解天气变化并对负荷预测值进行修改 及时把握天气变化，针对不同的天气状况对负荷的天预测进行调整是提高负荷预测准确率非常有效的手段。负荷预测专职需要将当天的负荷情况和第二天的天气情况进行汇总，从而对第二天的负荷预测值进行修正。也可在负荷供给当天，根据实际天气变化情况，对原有的预测数据进行调整，从而减小当天负荷预测出现的误差，保证负荷预测的准确率。 3.2逐步了解大用户 针对当地的负荷大用户要进行特别关注，及时与大用户的相关部门取得联系，掌握其作息时间其用电方面的有关数据，保证其正常运作时负荷预测的准确率。之后，电网部门也要对大用户中因为突发情况造成的负荷幅度大幅度变化的情况进行统计，从而在类似情况再次
短期电力系统负荷预测方法综述
技术与市场专题研究2015年第22卷第5期 短期电力系统负荷预测方法综述 杜雅楠1,郭志娟2,吕灵芝1,母建茹,袁一鹏1 (1.华北水利水电大学,河南郑州450045; 2.中电投河南电力有限公司平顶山发电公司,河南平顶山467000) 摘一要:短期电力系统负荷预测对电力系统的调度运行和生产计划有很大影响三准确的负荷预测有助于提高电力系统的安全性二稳定性二经济性,随着电力市场的建立与发展,短期负荷预测将发挥越来越重要的作用三简述了短期电力系统负荷预测的概念和意义,对现有的短期负荷预测方法进行分类,介绍了各种预测方法的原理,讨论了各种方法的优点与不足,并对电力系统负荷预测方法未来的发展方向作出了展望三 关键词:电力系统;短期负荷预测;方法模型 doi:10.3969/j.issn.1006-8554.2015.05.212 0一引言 电力系统负荷预测是电力系统规划的重要组成部分,也是 电力系统经济运行的基础三它从已知的用电需求出发,充分考 虑政治二经济二气候等相关因素的影响,预测未来的用电需求三 负荷预测包含两方面含义[1]:对未来需求量(功率)的预测和未来用电量(能量)的预测三电力需求量的预测决定发电二输 电二配电系统新增容量的大小;电能预测决定发电设备的类型(如调峰机组二基荷机组等)三电力系统负荷预测的结果可以在一定程度上反映负荷的发展状况和水平,电力生产部门和管理部门以此为依据制定生产计划和发展规划,确定各供电区域各规划年供用电量二供用电最大负荷和规划地区总的发展水平,确定各规划年用电负荷构成[1-5]三 电力系统负荷预测一直是一个重要的研究课题,国内外学 者进行了广泛的研究工作,提出了多种有效的预测方法三本文 对这些方法进行了归纳二分类,概述了各种预测方法的原理,并 对它们的优点与不足进行讨论三在此基础上对电力系统负荷 预测方法未来的发展方向做出展望,为实际负荷预测工作提供 借鉴三 1一电力系统负荷预测方法分类 电力负荷预测可以分为长期负荷预测二中期负荷预测二短 期负荷预测以及超短期电力负荷预测[3]三本文研究的负荷预测主要针对未来一星期时间内的任何一天的短期电力负荷预测,提高短期电力负荷的预测精度对电力系统安全二稳定二经济运行,最优潮流计算以及实现合理调度有着举足轻重的意义三世界各国对短期电力负荷预测的研究已经有较长的历史,世界许多优秀专家二学者在短期负荷预测领域都做了大量的研究与实验,并且在该领域取得了较大的进展三学者们提出了许多短期负荷预测的方法,其中主要的预测方法可以分为以下几类:经典预测法二传统预测法二现代预测法[4]三 2一经典负荷预测 经典负荷预测技术严格来讲不能称为真正的负荷预测方 法,该方法运用简单的变量关系以及运行经验,针对未来的电 力负荷变化做出方向性结论,其预测的精准度并不理想,在实 际应用中过度依赖于值班人员或学者的相关经验,在实际运用 中往往采用该方法对预测结果进行验证三经典负荷预测技术 包括:单耗法二人均电量指标换算法二弹性系数法二分区负荷密度法等[5]三 3一传统负荷预测 传统的负荷预测方法主要包括时间序列法二趋势外推法二回归分析法和灰色模型法等[6]三 3．1一时间序列法[7] 所谓时间序列法,就是把电力负荷看成一种时间序列的集合,根据电力负荷历史数据抽象出负荷随时间变化的规律,构建预测模型并预测未来负荷的大小三该预测方法在系统稳态运行二环境因素相对稳定的情况下效果较好三如果电网存在较大波动或数据库存在坏数据时,预测结果并不理想三3．2一趋势外推法[8] 趋势外推法又称为趋势曲线拟合二曲线回归或曲线分析,是一种定量预测法三该方法在历史数据的基础上,抽象并总结出待测数据的变化规律,绘出反映该规律的拟合曲线,同时建立已有数据随时间变化的模型y=f(t)三假设该曲线能够延伸,将时间t赋予未来需要的值,并通过高等数学计算便可以得到待测数据三趋势外推法在处理历史负荷数据以及曲线拟合过程中都不考虑随机误差三运用该方法时应当注意,不同预测模型间的曲线拟合度相差很大,当趋势曲线选取合适时预测结果比较理想,否则预测误差会很大,所以应该依据不同的区域构建恰当的模型三最常用的趋势模型有:线性趋势模型二多项式趋势模型二对数趋势模型等三 3．3一回归分析法[9] 该方法通过电力负荷历史数据建立数学模型,利用数量统计中的回归分析法对变量观测数据进行分析,并依据变量间的相互关系来预测未来电力负荷三在回归分析法中,受负荷因子不确定性以及多样性的影响,该方法在有些情况下有较大误差三为此,需要用模糊线性回归法将回归系数模糊化,使预测结果更加精确三 3.4一灰色模型法[10] 该方法以灰色系统理论为基础,对含有不确定因素的系统进行预测,在数据不多的情况下找出某个时间内的作用规律并以此建立预测模型三灰色模型法包括普通灰色系统模型和最优灰色预测模型,前者是一种增长模型,当负荷严格按照指数规律增长时,该预测方法预测精度高二计算简洁,但是对于有波动性的系统而言,其预测精度较低三最优灰色预测模型把有波 933
电力系统短期负荷预测方法研究综述
电力系统短期负荷预测方法研究综述 发表时间：2018-12-25T16:14:08.417Z 来源：《电力设备》2018年第23期作者：尹强 [导读] 摘要：随着电力工业发展的不断市场化，在与社会经济效益息息相关的当下，系统负荷预测在电力行业中扮演着愈加重要的角色。 （国网四川省电力公司攀枝花供电公司四川攀枝花 617000） 摘要：随着电力工业发展的不断市场化，在与社会经济效益息息相关的当下，系统负荷预测在电力行业中扮演着愈加重要的角色。而按照预测时间的长短，可将负荷预测模式分为长期，中期，短期和超短期。其中，短期负荷预测是电力系统稳定经济运行的基础，其预测结果将直接影响着电力系统控制过程的优良。因此关于短期负荷预测的精确性已逐步发展成为电力系统自动化领域中的一项重要研究课题。 关键词：电力系统；短期负荷；预测方法 一、负荷数据预处理 历史负荷数据由于多种原因可能会造成部分数据的丢失或者数据异常，异常的历史负荷数据会对短期负荷预测结果造成很大的影响。因此，想要提高短期负荷预测结果的精确度，在进行预测前，需对负荷数据进行预处理。传统的数据预处理方法包括插值法和纵向比较法等，为了提高预测的精确度又提出了双向比较法、滤波法、切比雪夫不等式法等多种数据预处理新方法。文献提出了用Savitzky-Golay平滑滤波器去处理历史负荷数据，与其它平均方法相比，本方法保留了原始数据的分布特性。文献利用粗糙集理论的属性，在保证历史负荷和气象因数等属性的情况下，推导出的预测负荷值满足一定的精确度，剔除属性集中的冗余信息，简化了判断规则，并利用遗传算法的全局搜索能力，挖掘得到相对预测量的最小约简属性集作为预测模型的输入变量。 二、短期电力负荷预测 短期电力负荷预测的特点。电力负荷预测是根据电力负荷和其影响因素的历史数据，结合实际情况建立相关的模型，对未来用电负荷量进行科学预测。短期负荷更是具有以下明显的特点：预测结果的不确定性和随机性；由于各类负荷预测都是在特定的环境和具体的条件下进行的，因此其具有条件性；短期负荷预测在时间上都有一定的限制，所以具有时间性；由于预测结果的不准确性和条件性，加上外部因素的不确定性，因此预测结果具有多方案性。 影响电力负荷预测精度的因素。在电力系统负荷预测的过程中，预测精度是最具有影响力的一个指标。过预测或欠预测均会对系统生产运行配送造成较为严重的后果。影响负荷的因素有很多，首要便是天气因素。而作为可估计的随机事件，气象预报本身不准确又会形成双重误差。再者，我国人口数量众多，贫富差距较大，因此随机负荷部分并非平稳的随机序列，反而有较大的不确定性。另外，一些特殊事件的随机发生也会使反映负荷的周期曲线产生较大的波动，使实际数据与影响因素之间的关系样本数难以确定。 三、智能预测方法 （一）专家系统法 专家系统法是根据某一领域的专家知识和专家经验建立的一个计算机系统，并且该系统能够运用这些知识和经验对未来进行合理的预测。知识库、推理机、知识获取部分和解释部分是一个完整专家系统的主要组成部分。通过该系统，运行人员能够识别预测日的类型，考虑天气对负荷预测的影响。专家系统法的优点是能够综合考虑多个影响因素，由于是一个计算机系统，该系统具有较好的透明性和交互性，对所得出的结论，能解释其依据，便于运行人员检查和修改，而且预测结果的精确度很高，能很好的反映负荷实际情况。不足之处就是需要大量的历史负荷数据，而数据量增多会导致运算速度慢；同时该算法不具有自主学习能力和利用模糊知识处理相关问题的能力；并且该算法拥有很强的规则性，而规则本身不具有普遍适应性，所以该预测方法不具备普遍适用性。 （二）人工神经网络法 人工神经网络是模仿人脑神经网络进行学习和处理问题的非线性系统。它由若干个具有并行运算功能的神经元节点及连接它们的相应的权值构成，通过激励函数实现输入变量到输出变量之间的非线性映射。用历史负荷作为训练样本去建立适宜的网络结构，当训练的网络结构达到预测要求后，就用此网络作为负荷预测的预测模型。人工神经网络的优点是对预测模型的要求不高，对高度非线性对象非常适用，具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，拥有的特点是其它算法所不具备的。不足之处是有很慢的学习收敛速度，也有可能结果收敛到局部最小点，并且没有很好的知识表达能力，对调度人员经验中存在的模糊知识没有得到充分的利用，依据主观经验确定网络层数和神经元个数。把人工神经网络方法运用于风电功率短期预测中，以数值天气预报为基础，拥有良好的人机交互界面，与能量管理系统实现了完美的连接，预测结果拥有良好的精确度。组合的预测方法，把人工神经网络法和经验模式分解相结合，用经验模式分解的自适应性，分别对各个分量进行分析，准确的把握负荷变化特性和环境因素影响，最后采用与分量相匹配的人工神经网络法进行预测。用人工神经网络去预测负荷模型的方法，用人工神经网络对最大、最小负荷时刻的负荷模型参数进行预测，分析了负荷模型与预测结果之间的灵敏度，以便了解它们之间的影响程度，去寻找提高精确度的方法。 四、支持向量机 支持向量机与神经网络类似，都是学习型的机制，但与神经网络不同，SVM使用的是数学方法和优化技术。其中支持向量是指那些在间隔区边缘的训练样本点，该方法给定一组训练样本，每个标记为属于两类，一个SVM训练算法建立了一个模型，分配新的实例为一类或其他类，使其成为非概率二元线性分类。应用SVM进行电力系统负荷预测具有精度高、速度快等优点，不足之处在于存贮需求量大，编程困难，实际应用较难。 五、灰色模型法 灰色模型法是一种针对含有未知且不确定因素的系统进行预测的方法。通过对部分已知信息的开发，生成并提取有用信息，从而对系统运行行为和其演化规律进行正确且有效的描述和监控。该方法可在数据缺失的情况下找出某个时间段内数据变化的规律，以此建立负荷预测模型。灰色模型法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，此方法的优势得以凸显———其预测精度高、所需样本少、人工耗时短且计算量小，所得预测结果还可以进行检验。缺点是对于具有波动性较大的电力负荷预测误差较大，因此并不适用于实际情况。但最优化灰色模型可以把波动幅度较大的原始数据序列变换成规律性较强的成指数递增变化的序列，以此来适应灰色模型法所需条件，大大增加了适用范围和预测精度。灰色模型法能很好的适用于
电力负荷预测方法
1.负荷预测分类和基础数据处理 负荷预测及其分类 负荷预测概念 负荷预测是根据负荷的历史数据及其相关影响因素，分析负荷的变化规律，综合考虑影响负荷变化的原因，使用一定的预测模型和方法，以未来经济形势、社会发展、气候条件、气象因素等预测结果为依据，估计未来某时段的负荷数值过程。 负荷预测的分类 按照预测方法的参考体系，工程上的负荷预测方法可分为确定性预测方法、不确定预测方法、空间负荷预测法。 确定性：把电力负荷预测用一个或一组方程来描述，电力负荷与变量之间有明确的一一对应关系。 不确定性：实际电力负荷发展变化规律非常复杂，受到很多因素影响，这种影响关系是一种对应和相关关系，不能用简单的显示数学方程描述，为解决这一问题，产生了一类基于类比对应等关系进行推测预测负荷的不度额定预测方法。 空间负荷预测：确定和不确定负荷预测是对负荷总量的预测。空间负荷预测是对负荷空间分布的预测，揭示负荷的地理分布情况。 负荷预测的基础数据处理 负荷预测的基础数据 基础数据大致包括四类，分别为：①负荷数据（系统、区域、母线、行业、大用户的历史数据；负荷控制数据；系统、区域、大用户等的最大利用小时数；发电厂厂用电率和网损率。）②气象数据（整点天气预报；整点气象要素资料；年度气温、降水等气象材料。）③经济数据和人口（区域产业GDP；城乡可支配收入；大用户产量、产值和单耗；电价结构和电价政策调整；城乡人口。）④其他时间（特殊时间如大型会议、自然灾害；行政区域调整）
数据处理 为获得较好的预测效果，用于预测数据的合理性得到充分保证，因此需要对历史数据进行合理性分析，去伪存真。最基本要求是：排除由于人为因素带来的错误以及由于统计口径不同带来的误差。另外，尽量减少异常数据（历史上突发事件或由于某些特殊原因会对统计数据带来宠大影响）带来的不良影响。常见的数据处理方法有：数据不全、数据集成、数据变换和数据规约等。 2.确定性负荷预测方法 经验技术预测方法 专家预测法 专家预测发分为专家会议发和专家小组法。会议发通过召集专家开会，面对面讨论问题，每个专家充分发表意见，并听取其他专家意见。小组法以书面形式独立发表个人见解，专家之间相互保密，最后综合给出预测结果。 类比法 类比法是将类似失误进行分析对比，通过已知事物对未知事物做出预测。例如选取国内外类似城市或地区为类比对象，参考该对象的发展轨迹对本地区作出预测。 主观概率发 请若干专家来估计某特定时间发生的主观概率，然后综合得出该时间的概率。 经典技术预测方法 单耗法 通过某一工业产品的平均单位产皮用电量以及该产品的产量，得到生产这种产品的总用电量。 用电量A=国民生产总之或工农业总产值b*产值单耗g
电力系统短期负荷预测方法与预测精度综述_郭华安
研 20 （XJEDU2010116）
研究与开发 2011年第10期 21 据已有的资料和经验，运用一定的方法和模型，分析负荷本身及其有关因素的相互关系，编制负荷预测曲线。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，短期负荷具有随机性和不确定性。总的来说，短期负荷预测具有以下明显特点： 1）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。 2）条件性 负荷未来发展的不确定性，导致条件无法确定，因此就需要一些假设条件，在此基础上对负荷进行预测。 3）时间性 科学的负荷预测，要求有比较确切的数量关系和概念，因此，要指明预测的起止时间和历史样本的起止时间。 4）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。 5）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。 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）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。 8）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。 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，
浅析电力系统负荷预测方法
浅析电力系统负荷预测方法 发表时间：2017-10-18T18:11:03.780Z 来源：《电力设备》2017年第15期作者：梅宇1 杨畅1 徐明虎2 陈斯斯1 王硕1 [导读] 摘要：电力工业是国家在能源领域的重大基础行业，电力是国民经济的命脉，经济要发展，电力是先行，电力对于我国经济建设、国家安全、社会稳定、生活质量具有至关重要的作用，现代文明社会已经处处离不开电力供应。 （1.国网辽宁省电力有限公司检修分公司辽宁锦州 121013；2.国网辽宁省电力有限公司技能培训中心辽宁锦州 121000）摘要：电力工业是国家在能源领域的重大基础行业，电力是国民经济的命脉，经济要发展，电力是先行，电力对于我国经济建设、国家安全、社会稳定、生活质量具有至关重要的作用，现代文明社会已经处处离不开电力供应。负荷预测是目标网架规划的基础，提高负荷预测准确率，对电网发展的具有十分重要的意义。 关键词：负荷预测；电力系统；方法探讨 引言 电力工业是国家在能源领域的重大基础行业，电力是国民经济的命脉，经济要发展，电力是先行，电力对于我国经济建设、国家安全、社会稳定、生活质量具有至关重要的作用，现代文明社会已经处处离不开电力供应。目标网架是城市电网规划的基础，确定电网发展的方向和目标，是近期规划和中长期规划的重要依据。为了提高电网规划方案的可行性，必须将城市电网目标网架规划纳入城市整体规划。负荷预测是目标网架规划的基础，提高负荷预测准确率，对电网发展的具有十分重要的意义。 一、电力系统负荷预测的特点 1、电力系统中的负荷一般分为城市的民用负荷、商业的负荷、农村的负荷、工业的负荷和其他的负荷等，不同类型的电力系统负荷会具有不同特点及规律。城市的民用负荷大多来自城市的居民家用电器的用电负荷，它有年年不断增长的趋势，并且随着季节的变化而变化，但民用的负荷还是和居民日常的生活及工作规律相关较为紧密。 2、商业的负荷，主要是指商业用电中的用电负荷，它覆盖的面积大，而且用电量增加的速度的平稳，商业的负荷同样也具有根据季节变化的波动特性。即使它在电力的负荷中占的比重不如工业负荷及民用负荷，但是商业负荷中的照明类的负荷占用了电力系统用电高峰时段。除此以外，商业部门因为商业行为会在节假日里会增加营业时间，因此成为节假日里影响电力负荷重要的因素之一。 工业负荷是指用在工业生产的用电负荷，一般的工业负荷比重在用电负荷里构成中居于第一位，它不仅仅由工业里负荷端的使用情况决定（也包括负荷的利用情况、企业工作班制度等），而且它和各个行业的特性及季节里的因素都有非常密切的联系，一般的负荷还是比较稳定的。 3、农村的负荷是指农村里居民用电及农业里生产的用电。这类负荷和工业里的负荷相比较，受到季节等其他自然环境的影响非常大，它是由于农业生产特点来定性的，农业的用电负荷同时也受到农产品的品种、耕种特点的影响，但是就电网系统而言，因为农业的用电负荷的集中时间和城市的工业的负荷使用高峰时间有很大差别，所以对于提高电网的负荷率很有好处。 从以上的分析可以发现电力的负荷特点是常常变化的，不仅按照小时变化、按日变化，而且还按周变化，按年变化，同时电力负荷又是以小时作为基本单位不断发生变化的，它具有很大的周期性，负荷的变化是个连续发展变化的过程，在正常的情况下，它不会产生大的跳跃，但是电力的负荷对于季节等因素是十分敏感的，在不同的季节，不同的地区的气候和温度的变化都将会对电力负荷造成十分重要的影响。 4、负荷预测目的是根据电力负荷的发展状况和水平，同时也确定各个供电公司计划的年供用总值，供用最大的电力负荷与规划的地区的总共负荷的发展水平，是由各规划的年用电负荷构成。它将为经济合理准确地安排各个电网内部的机组启停和检修，保持电网的运行安全和稳定性，电网发展的速度，电力的建设规模，电力工业的布局，能源资源的平衡，电力余缺的调剂和电网的资金以及人力资源需求和平衡等各个方面提供十分可靠的依据。 二、负荷预测的方法及特点 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。 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。应用趋势外推法有两个假设条件：①假设负荷没有跳跃式变化；②假定负荷的发展因素也决定负荷未来的发展，其条件是不变或变化不大。选择合适的趋势模型是应用趋势外推法的重要环节，图形识别法和差分法是选择趋势模型的两种基本方法。 外推法有线性趋势预测法、对数趋势预测法、二次曲线趋势预测法、指数曲线趋势预测法、生长曲线趋势预测法。趋势外推法的优点是：只需要历史数据、所需的数据量较少。缺点是：如果负荷出现变动，会引起较大的误差。 3、弹性系数法 4、空间负荷密度法 空间负荷预测是对规划区域内负荷的地理位置和数值大小进行的预测，它提供未来负荷的空间分布信息。只有确定了配电网供电区域内未来负荷的空间分布，才能对变电站的位置和容量，主干线的型号和路径，开关设备的装设以及它们的投入时间等决策变量进行规划。由于空间负荷预测涉及大量的空间信息，地理信息系可以为空间负荷预测的数据收集、处理和预测结果的表示提供一个良好的平台。将GIS 引入空间负荷预测，可以极大地减少数据收集量，是空间负荷预测方法实用化的必要步骤。针对国内土地使用的实际情况，在空间负荷预测中采用了分类分区法，该方法是在分类负荷总量预测的基础上，根据城市规划用地图，计算分类负荷平均密度；再由小区面积构成、小区负荷同时率及修正系数求得小区最终负荷。同时，就分类分区法在预测过程中存在的一些问题进行了恰当的处理和改进。针对己有负荷预测软件在数据收集、统计，模型、方法选用，结果处理等方面存在的问题，在将传统、实用的常规预测方法用计算机加以实现的同时，
提高电网短期负荷预测准确率的探讨
提高电网短期负荷预测准确率的探讨 发表时间：2018-06-27T09:57:10.710Z 来源：《电力设备》2018年第7期作者：谷妍 [导读] 摘要：通过对唐山电网负荷预测工作的运行机制、负荷变化特点及负荷预测所采取的各种手段的分析，对提高唐山电网短期负荷预测准确率应采取的措施进行探讨，从而提高电网短期负荷预测的准确率。 （国网冀北电力有限公司唐山供电公司河北唐山 063000） 摘要：通过对唐山电网负荷预测工作的运行机制、负荷变化特点及负荷预测所采取的各种手段的分析，对提高唐山电网短期负荷预测准确率应采取的措施进行探讨，从而提高电网短期负荷预测的准确率。 关键词：电网；短期；负荷预测；准确率 引言：负荷预测就是用统计学的方法，对历史负荷及其影响因素进行分析，总结负荷变化的规律，建立负荷预测模型，并预测未来的系统负荷。我省模拟电力市场中的负荷预测属短期预测，它一般预测的负荷值，主要为机组启停、水火电协调发电、机组经济运行组合、交换功率计划和负荷经济分配等提供重要数据。负荷预测是否准确在很大程度上决定了电网运行计划制定的科学性。 1影响负荷预测准确率的因素 对未发生的负荷情况进行提前预测是一项艰巨的任务，其负荷预测准确率将面临严峻的挑战。因此做好负荷预测工作必须对预测对象的历史情况有清楚的了解，对未来发展变化趋势有一个大体的判断，对影响预测对象的各项因素有充分的了解和深人的分析才能做好负荷预测工作。 1.1人员方面 负荷预测工作人员必须具备较强的综合分析能力必须对各类负荷的性质、生产流程和变化趋势有准确的认识。而且还要对生产流程和负荷受行情变化影响有准确的认识，具有科学合理的预测方法。 1.2管理方面 负荷预测准确率是衡量一个企业整体管理水平的直观指标必须从生产、基建、营销等方面统一考虑建立合适的工作流程；必须积极争取电力客户的理解和支持，及时反馈各种生产信息；必须及时关注影响负荷预测的政策因素和气象因素。 1.3负荷特性方面 每一类负荷具有不同的特性。工业负荷受国家和地方政策、市场经济的影响较大，并且用户设备的自身运行维护能力欠缺，设备运行可靠性较低，因设备故障造成非计划停运情况时有发生，负荷易发生波动。①工业负荷。中卫地区工业负荷中大型电力用户比较多，大部分负荷都在25.5MW以上，其中锦宁铝业用户用电负荷达到530MW，占地区总负荷的26.5%左右。一旦这些大用户的负荷波动和冲击，对负荷预测的影响比较大例如锦宁铝业由于其生产工艺的的特殊性，一旦直流设备、电解槽发生故障，将造成生产运行负荷全部或部分停运，曾发生因其故障造成减负荷最小20MW'，最大全部停产，最严重啃况下使中卫电网用电负荷将下降28%左右。这就加大了负荷预测的难度。中卫地区下业负荷中除大工业用户外，高载能用户占大部分，其中以碳化硅、电石、铁合金为主，占地区总负荷的60%左右不同高载能负荷有不同的运行负荷曲线，受到不同因素的影响。②电铁负荷。中卫地区电铁负荷平均约40MW，占中卫地区总负荷的2%左右。铁路沿线线路条件千差万别，列车运行时速度和线路坡度随时都在变化，且列车在铁路上按信号运行，当铁路运输状态发生变化时，会导致电铁负荷呈现出频繁波动的状态。另外电铁线路有时轻载，甚至空载。有时负载较重，在节、假日或铁路故障后恢复行车等情况下，会出现列车紧密追踪情况，此时，电铁负荷将出现佰荷高峰值_。 2提高负荷预测准确率的措施 2.1充分利用SCADA/EMS调度自动化系统中负荷预报数据 目前，电网调度自动化系统是国内比较先进的调度自动化系统，特别是短期负荷预报高层软件为负荷预测提供了强有力的手段。根据SCADA/EMS历史或实时数据短期负荷预报高层软件，主要包括以下功能：①预报时间框架可自定义，并允许是不等时间间隔。②预报内容用户可选择，按系统预报或每个地理区域分别预报。③可按不同的类型（工作日、节假日）预报。④预报结果可列表或曲线显示。⑤可接入气象卫星云图信息，进行负荷值的预报。⑥修正因素：a气象影响修正；b突出事件修正；c节假日修正。d预报结果可人工修正。 2.2利用电量计费系统提高短期负荷预测水平 荷预测人员运用电量计费系统的各功能，对该系统采集的实时数据及电量的多少，及时地进行分析、比较统计、计算与调度自动化系统的历史及实时负荷数据比较，从而掌握电网负荷规律和因素，较准确地掌握全网负荷曲线的形状并能根据电网负荷变化情况及时改变其负荷曲线的驼峰个数，峰值位移区间及最高负荷区间，对准确进行负荷预测起到良好的作用。 2.3尽量保持功率平衡以进一步提高负荷预测的准确率 电力系统正常运行的首要约束条件，就是要保持功率平衡，即发出的功率应满足负荷的需要量，负荷预测就为满足和保证这一平衡提前作好准备，在负荷预测的基础上，使用户的用电负荷在时间上进行调整，使负荷曲线的峰和谷值差别减小，可以采取一些技术经济措施以后，使用户能自愿的改变用电时间，或者根据经营协议进行调整。从而对于电网功率平衡起到良好的作用，对负荷加以管理和限制后，对于负荷预测人员能够更好地掌握负荷曲线的规律及驼峰个数，进一步提高负荷预测的准确率。 2.4进行比对调整预报值从而提高短期负荷预测的准确率 通过调度人员使用调度自动化系统，认真观察当日电网负荷曲线变化的情况，与前日预测电网负荷曲线比较，当电网实时负荷曲线不在预测负荷曲线的±4%的带宽时，可以进行用电负荷的限制，或者反馈给上级中心调度，重新调整某时间区间电网负荷预报值，使电网负荷曲线在预测负荷曲线的±4%的带宽中，从而提高短期负荷预测的准确率。 2.5素质提升 加强人员的培养，学会各类负荷的预测方法，并结合当地主要负荷类型和特点，选择合适的分析工具。另外加强检修计划的管理，同时加强电力客户计划检修的管理，为负荷预测提供一个科学、真实的依据。 2.6加强与气象部门的联系 加强与气象部门的联系，气象部门每日以传真方式提供次日气候变化、温度及天气形势概况等有偿气象信息，并将年、月、旬等中、长期气象预测信息以邮寄方式提供给电业局。坚持每天收看中央电视台及福建电视台的天气预报，争取尽可能准确地把握次日的天气变化