有關短期電力負荷預測的研究

黃寧

摘要：電力的短期負荷預測是電力系統的一項重要工作，是實現供電可靠、經濟管理的基礎。由于電力負荷受到很多因素的影響，負荷預測方法發展至今，雖然已經積累了很多經驗，但是還沒有一種可靠的模型實用于不同地區。本文針對某市電力負荷的特點，提出了電力負荷短期預測方法。

關鍵詞：電力負荷需求；因素；方法

中圖分類號：F407文獻標識碼： A

引言

電力系統的負荷預測不僅保證了電力系統自身的安全，同時也是在今天市場經濟的環境下保證能夠有計劃用電和進行合理有序供電的重要保證，此外隨著電力科學技術的發展和現代社會市場化程度的不斷提高，對電力系統負荷預測準確實時的程度和合理有序的制定供電計劃進行用電調度等方面的要求更加提高。而要提高對電力系統短期負荷預測的精確度就必須對其負荷預測的方法進行研究，有眾多的科研專家做了此方面大量的工作，但是對電力系統短期負荷造成影響的因素非常復雜，故而我們對電力系統短期負荷的預測方法進行綜述，對其原理過程和優點缺點等進行分析，為電力系統短期負荷預測提出其發展的方向和尋找到行之有效的方法。

一、電力系統負荷預測的概念

電力系統負荷預測法是供電領域近幾年發展與應用起來的供電技術之一。它是指通過一定的統計與運算，將已經產生的電力系統的負荷和將要發生的電力系統的負荷精確的預算出來，以提高電力的應用效率并且節約電力能源。電力系統負荷預測法在應用中一定要注意到預測并不等于完全準確地產生，也會受到諸如電力系統故障以及天氣氣候等因素的干擾，甚至會受到一些社會因素的限制。在已經應用該種方法的電力技術企業中，我們可以看到它的應用收效相當可觀，一定程度上減少了不必要的電力資源的損耗與浪費，帶來了計劃與控制用電的全新時代。電力系統負荷預測對于電力企業經濟效益的穩步提升與社會效益的增長都大有益處。

二、電力系統短期負荷預測的必要性

電力系統負荷預測中一個很關鍵的因素就是預測周期。負荷周期以年為單位，并且周期在十年以上的被稱為電力系統長期負荷預測；而負荷周期以周、月甚至小時、日等為基本單位的就被稱為電力系統短期負荷預測。在新的發電機組進行安裝的過程中，或電網需要進行規劃和改建的工程里，需要運用到長期和中期負荷預測；調度中心需要制定發電的計劃或發電廠需要一些電力報價數據時，則需要短期負荷預測來預測未來一到七天之內的電力系統負荷值；電網的計算機實時監控會不斷得出數據，需要及時對發電容量進行調度和調控，從而使其發揮最好的功效，也節約發電成本，這就需要超短期負荷預測。在現實的電力市場中，短期負荷預測是最基本的基礎工作，它的預測精度影響了電力電網的根本經濟效益。也是保證電力電網穩定工作的前提。

三、影響電力系統負荷變化的主要因素

1、基本因素

從上文我們可以看出，交通、農業、工業的用電情況相對比較平穩，原因就是它們對負荷的影響不算很大，主要就是因為大多是居民用電。居民用電的自由是影響電力系統負荷變化的主要原因，居民有自主的權利隨機選擇開啟或者關閉用電的設施，這就導致了電力系統負荷變化出現的隨機性較強。

2、氣候因素

影響電力系統負荷產生變化的另一個原因就是天氣情況，寒潮、高溫、取暖等都會使電力系統負荷增大，隨著我國經濟的發展，空調的普及程度越來越高，氣溫也將成為今后電力系統負荷比較大的因素之一。

3、市場因素

市場環境中隨著電力工業的快速發展，申。力市場對電力工業的推進，分時電價、競價上網、動態電價等的實施，將成為影響電力系統負荷變化的很重要因素。

四、電力負荷短期預測方法

1、相似日法

相似日法對電力系統短期負荷預測的預測日相應的負荷能夠修正，從而得出預測結果的一種方法，其優點是應用原理非常簡單，使用非常方便，所產生的使用效果也非常明顯，是一種非常有用的電力系統短期負荷預測的方法。其缺點是根據電力系統負荷預測日進行參數的修正和建立起與之對應的評價函數非常困難。

2、狀態空間法

狀態空間法能夠將電力系統的負荷進行分解，在所產生的確定分量用線性函數進行表達從而實現負荷預測的目的，而對其所產生的隨機分量用狀態空間模型的方法實現對其負荷進行預測，其優點是能夠獲得對電力系統負荷預測一系列的很多數據，能夠得到更為準確的電力系統負荷預測值。其缺點是在電力系統負荷預測的實際工作中很難對量測噪音等進行估計。

3、回歸分析法

此方法在進行電力系統短期負荷的預測時根據對電力系統負荷產生各種變化的因素和數據加以分析，找出自變量與因變量所發生變化時的一定規律，從而能夠列出回歸方程式進而推理出電力系統將來變化所產生的負荷值。其計算原理相對比較簡單，對電力系統短期負荷預測的速度快，對于未曾出現的一些問題也能良好的預測，此為回歸分析法的優點[1]。其缺點是由于其過于簡單的計算原理對于所產生的復雜情況預測的精度不高，對于數據的分析比較低。

4、卡爾曼濾法

在電力負荷中又把它叫作狀態空間法，是一個把負荷分解成能夠確定的分量以及隨機分量的原理。在反映未來系統的狀態上可以利用對于預報的方法來獲得新的相關數據，在組合的過程中就會得到新的預測模型信息，提升預測值的準確性。

5、指數平滑法

指數平滑法是利用電力系統負荷趨勢外推測技術。為了達到平均的效果可以對其利用加權的形式，再加計算過程里的新數據其相關的權系數進行加大，也可以將陳舊的數據的權系數進行減小。在時變性的體現過程上，能夠將近期的數據反映到影響未來負荷的程度值上，這個方法的作用主要是采用其平滑來對存在序列里的隨機波動進行消除。

6、灰色預測方法

灰色預測這個方法主要是對系統中存在著不確定的因素進行的一個專門預測，是利用灰色模型里的微分方程中的單一指標來對電力系統進行預測?？梢愿鶕Ｐ皖A測未來的負荷，這種方法適合在貧信息的條件下進行分析與預測。

7、時間序列預測法

時間序列法依據時間順序來得到一組觀測值，通過相鄰觀測值之間的依賴性得到負荷預測值，它需要對以往的數值建立一個數學模型，按照時間的順序進行規律性統計，從而描述電力系統負荷值的變化規律，然后確定出一個能夠描述該變化的數學公式。平穩時間序列分析和非平穩時間序列分析這兩大類是常用的時間序列法。由平穩時間序列分析法建立的序列模型包括自回歸模型（AR模型）、滑動平均模型（MA模型）、自回歸華東平均模型（ARMA模型），由非平穩時間序列分析法建立的序列模型則包括累計式自回歸動平均模型（ARIMA模型）和季節模型（seasonal模型），其中ARIMA模型被作為時間序列模型的標準形式適用于非平穩的時間序列預測中。

8、模糊預測方法

模糊推理和模糊集合是對不確定問題進行處理的理論，模糊集合的作用可以刻畫出影響負荷的不確定原因，這也正是模糊預測這幾年以來在電力系統負荷預測里流通的重要原因，把粗糙集和模糊放在一起進行負荷的預測，預測的結果有很高的精準度，這說明氣溫模糊化以后預測的精度比較高。模糊法的缺點是學習能力不強，受到人們的主觀因素較多。

9、短期負荷預測新方法

（1）混沌理論

混沌時間的序列預測方法是才興起的負荷預測計算方法。對于系統狀態下的變量，將所需要的相關動力學的信息涵蓋到系統里的任何一個變量在時間的序列上去。然后對于單變量進行時間序列重組到重構相的空間中去，但是其空間狀態的軌跡所進行的是數據保留更改。

（2）支持向量機

它是一種在統計學習的相關理論上所進行的一種預測的方法，是一個將經典進行二次規劃的一個問題所在，這樣的方法可以快速的避免局部進行最優解同時也是唯一一個全局最優解。

（3）數據挖掘

對于數據隱含或未知的含義，我們可以采取挖掘的形式來處理，同時在其具體的決策中我們能根據知識的一定規則來進行知識的提取，而這種挖掘主要以概念及規則等形式來表現知識的提取。

10、現代人工神經網絡預測法

電力系統現代人工神經網絡短期負荷預測的方法是隨著計算機與網絡技術而發展起來的高精度預測法。應用該種方法需要對計算機網絡技術有較為深入的掌握，需要電力技術工作者具有全面豐富的專業知識。

（1）人工神經網絡的特點

人工神經網絡借助計算機與網絡設備的輔助力量，能夠方便、快捷地處理來自電力系統的各類信息，并將信息進行分類、整理與統計，最終計算出電力系統的短期負荷。首先，該種預測方法具有較高的并行結構和處理能力。它的并行分布處理能力能夠更好更快的處理故障問題，適合對工程進行實時處理和動態控制；其次，具有高度的判斷性和對發生事故的容錯能力；再次，還具有強大的存儲能力和歸納數據能力。人工神經網絡預測通過記錄過去的數據來工作，因此它的前提就擁有了較強的歸納學習能力，它可以處理一些由數據組成的控制過程中出現的復雜的問題。

（2）人工神經網絡的工作方式

由于人工神經網絡具有學習和歸納能力，它的性能提高則是由修改自身的參數來完成。它的工作方式由執行階段和學習階段構成。首先，執行階段中神經網絡處理輸入的信息，根據信息來完成相應的處理過程，進而將得到的結果輸出。學習階段則是人工神經網絡進行自我升級提高完善的過程，它通過對信息的學習和校對來進一步適應信息的特征。在電力系統短期負荷預測中，不確定性的控制問題一直都是研究的中心主題問題，因此針對不確定性而產生的人工神經網絡根據不斷完善自我性能來適應數據的不確定性，從而達到最佳的控制效果。因此執行過程和學習過程對人工神經網絡來說是不可缺少的兩個階段，通過不斷完善提高自身能力來進一步處理好數據，進而提高了人工神經網絡的判斷和穩定能力。

結束語

本文根據電力系統短期負荷預測提出了傳統的時間序列預測法和指數平滑預測法，也介紹了現代人工神經網絡預測方法。相信隨著科學技術的不斷發展，將會研究出更多的電力系統短期負荷預測方法，進而提高預測數值的精度，應用于各個領域中，進而為各領域的電力電網管理工作做出貢獻。

參考文獻

[1]肖國泉，王春，張福偉.電力負荷預測[M].北京：中國電力出版社，2011.

[2]朱興統.基于SA-LSSVM的電力短期負荷預測[J].科學技術與工程，2012（24）.

[3]師彪，李郁俠，于新花，等.基于改進粒子群模糊神經網絡的短期電力負荷預測[J].系統工程理論與實踐，2010（1）.