電力系統(tǒng)負荷預測方法及特點

電力系統(tǒng)負荷預測方法及特點

1引言

負荷預測是從已知的用電需求出發(fā)，考慮政治、經濟、

氣候等相關因素，對未來的用電需求做出的預測。負荷預測

包括兩方面的含義：對未來需求量（功率）的預測和未來用電

量（能量）的預測。電力需求量的預測決定發(fā)電、輸電、配電

系統(tǒng)新增容量的大??；電能預測決定發(fā)電設備的類型（如調

峰機組、基荷機組等）。

負荷預測的目的就是提供負荷發(fā)展狀況及水平，同時確

定各供電區(qū)、各規(guī)劃年供用電量、供用電最大負荷和規(guī)劃地

區(qū)總的負荷發(fā)展水平，確定各規(guī)劃年用電負荷構成。

2負荷預測的方法及特點

2.1單耗法

按照國家安排的產品產量、產值計劃和用電單耗確定需

電量。單耗法分”產品單耗法"和”產值單耗法"兩種。采用”

單耗法”預測負荷前的關鍵是確定適當?shù)漠a品單耗或產值單

耗。從我國的實際情況來看，一般規(guī)律是產品單耗逐年上升,

產值單耗逐年下降。單耗法的優(yōu)點是：方法簡單，對短期負

荷預測效果較好。缺點是：需做大量細致的調研工作，比較

籠統(tǒng)，很難反映現(xiàn)代經濟、政治、氣候等條件的影響。

2.2趨勢外推法

當電力負荷依時間變化呈現(xiàn)某種上升或下降的趨勢，并

且無明顯的季節(jié)波動，又能找到一條合適的函數(shù)曲線反映這

種變化趨勢時，就可以用時間t為自變量，時序數(shù)值y為因

變量，建立趨勢模型y=f(t)。當有理由相信這種趨勢能夠

延伸到未來時，賺予變量t所需要的值，可以得到相應時刻

的時間序列未來值。這就是趨勢外推法。

應用趨勢外推法有兩個假設條件：①假設負荷沒有跳躍

式變化；②假定負荷的發(fā)展因素也決定負荷未來的發(fā)展，其

條件是不變或變化不大。選擇合適的趨勢模型是應用趨勢外

推法的重要環(huán)節(jié)，圖形識別法和差分法是選擇趨勢模型的兩

種基本方法。

外推法有線性趨勢預測法、對數(shù)趨勢預測法、二次曲線

趨勢預測法、指數(shù)曲線趨勢預測法、生長曲線趨勢預測法。

趨勢外推法的優(yōu)點是：只需要歷史數(shù)據(jù)、所需的數(shù)據(jù)量較少。

缺點是：如果負荷出現(xiàn)變動，會引起較大的誤差。

2.3彈性系數(shù)法

彈性系數(shù)是電量平均增長率與國內生產總值之間的比

值，根據(jù)國內生產總值的增長速度結合彈性系數(shù)得到規(guī)劃期

末的總用電量。彈性系數(shù)法是從宏觀上確定電力發(fā)展同國民

經濟發(fā)展的相對速度，它是衡量國民經濟發(fā)展和用電需求的

重要參數(shù)。該方法的優(yōu)點是：方法簡單，易于計算。缺點是：

需做大量細致的調研工作。

2.4回歸分析法

回歸預測是根據(jù)負荷過去的歷史資料，建立可以開展數(shù)

學分析的數(shù)學模型。用數(shù)理統(tǒng)計中的回歸分析方法對變量的

觀測數(shù)據(jù)統(tǒng)計分析，從而實現(xiàn)對未來的負荷開展預測?；貧w

模型有一元線性回歸、多元線性回歸、非線性回歸等回歸預

測模型。其中，線性回歸用于中期負荷預測。優(yōu)點是：預測

精度較高，適用于在中、短期預測使用。缺點是：①規(guī)劃水

平年的工農業(yè)總產值很難詳細統(tǒng)計；②用回歸分析法只能測

算出綜合用電負荷的發(fā)展水平，無法測算出各供電區(qū)的負荷

發(fā)展水平，也就無法開展具體的電網(wǎng)建設規(guī)劃。

2.5時間序列法

就是根據(jù)負荷的歷史資料，設法建立一個數(shù)學模型，用

這個數(shù)學模型一方面來描述電力負荷這個隨機變量變化過

程的統(tǒng)計規(guī)律性；另一方面在該數(shù)學模型的根底上再確立負

荷預測的數(shù)學表達式，對未來的負荷開展預測。時間序列法

主要有自回歸AR(p)、滑動平均MA(q)和自回歸與滑動平均

ARMA(p,q)等。這些方法的優(yōu)點是：所需歷史數(shù)據(jù)少、工作

量少。缺點是：沒有考慮負荷變化的因素，只致力于數(shù)據(jù)的

擬合，對規(guī)律性的處理缺陷，只適用于負荷變化比較均勻的

短期預測的情況。

2.6灰色模型法

灰色預測是一種對含有不確定因素的系統(tǒng)開展預測的

方法。以灰色系統(tǒng)理論為根底的灰色預測技術，可在數(shù)據(jù)不

多的情況下找出某個時期內起作用的規(guī)律，建立負荷預測的

模型。分為普通灰色系統(tǒng)模型和最優(yōu)化灰色模型兩種。

普通灰色預測模型是一種指數(shù)增長模型，當電力負荷嚴

格按指數(shù)規(guī)律持續(xù)增長時，此法有預測精度高、所需樣本數(shù)

據(jù)少、計算簡便、可檢驗等優(yōu)點；缺點是對于具有波動性變

化的電力負荷，其預測誤差較大，不符合實際需要。而最優(yōu)

化灰色模型可以把有起伏的原始數(shù)據(jù)序列變換成規(guī)律性增

強的成指數(shù)遞增變化的序列，大大提高預測精度和灰色模型

法的適用范圍?；疑Ｐ头ㄟm用于短期負荷預測?；疑A測

的優(yōu)點：要求負荷數(shù)據(jù)少、不考慮分布規(guī)律、不考慮變化趨

勢、運算方便、短期預測精度高、易于檢驗。缺點：一是當

數(shù)據(jù)離散程度越大，即數(shù)據(jù)灰度越大，預測精度越差；二是

不太適合于電力系統(tǒng)的長期后推若干年的預測。

2.7德爾菲法

德爾菲法是根據(jù)有專門知識的人的直接經驗，對研究的

問題開展判斷、預測的一種方法，也稱專家調查法。德爾菲

法具有反應性、匿名性和統(tǒng)計性的特點。德爾菲法的優(yōu)點是:

①可以加快預測速度和節(jié)約預測費用；②可以獲得各種不同

但有價值的觀點和意見；③適用于長期預測，在歷史資料缺

陷或不可預測因素較多尤為適用。缺點是：①對于分地區(qū)的

負荷預測則可能不可靠；②專家的意見有時可能不完整或不

切實際。

2.8專家系統(tǒng)法

專家系統(tǒng)預測法是對數(shù)據(jù)庫里存放的過去幾年甚至幾

十年的，每小時的負荷和天氣數(shù)據(jù)開展分析，從而聚集有經

驗的負荷預測人員的知識，提取有關規(guī)則，按照一定的規(guī)則

開展負荷預測。實踐證明，準確的負荷預測不僅需要高新技

術的支撐，同時也需要融合人類自身的經驗和智慧。因此,

就會需要專家系統(tǒng)這樣的技術。專家系統(tǒng)法，是對人類的不

可量化的經驗開展轉化的一種較好的方法。但專家系統(tǒng)分析

本身就是一個耗時的過程，并且某些復雜的因素（如天氣因

素），即使知道其對負荷的影響，但要準確定量地確定他們

對負荷地區(qū)的影響也是很難的。專家系統(tǒng)預測法適用于中、

長期負荷預測。此法的優(yōu)點是：①能聚集多個專家的知識和

經驗，最大限度地利用專家的能力；②占有的資料、信息多，

考慮的因素也比較全面，有利于得出較為正確的結論。缺點

是：①不具有自學習能力，受數(shù)據(jù)庫里存放的知識總量的限

制；②對突發(fā)性事件和不斷變化的條件適應性差。

2.9神經網(wǎng)絡法

神經網(wǎng)絡(ANN,ArtificialNeuralNetwork)預測技術，

可以模仿人腦做智能化處理，對大量非構造性、非確定性規(guī)

律具有自適應功能。ANN應用于短期負荷預測比應用于中長

期負荷預測更為適宜。因為，短期負荷變化可以認為是一個

平穩(wěn)隨機過程。而長期負荷預測可能會因政治、經濟等大的

轉折導致其模型的數(shù)學根底的破壞。優(yōu)點是：①可以模仿人

腦的智能化處理；②對大量非構造性、非準確性規(guī)律具有自

適應功能；③具有信息記憶、自主學習、知識推理和優(yōu)化計

算的特點。缺點是：①初始值確實定無法利用已有的系統(tǒng)信

息，易陷于局部極小的狀態(tài)；②神經網(wǎng)絡的學習過程通常較

慢，對突發(fā)事件的適應性差。

2.10優(yōu)選組合預測法

優(yōu)選組合有兩層含義

：一是從幾種預測方法得到的結果中選取適當?shù)臋嘀丶?/p>

權平均；二是指在幾種預測方法中開展比較，選擇擬和度最

正確或標準偏差最小的預測模型開展預測。對于組合預測方

法也必需注意到，組合預測是在單個預測模型不能完全正確

地描述預測量的變化規(guī)律時發(fā)揮作用。一個能夠完全反映實

際發(fā)展規(guī)律的模型開展預測完全可能比用組合預測方法預

測效果好。該方法的優(yōu)點是：優(yōu)選組合了多種單一預測模型

的信息，考慮的影響信息也比較全面，因而能夠有效地改善

預測效果。缺點是：①權重確實定比較困難；②不可能將所

有在未來起作用的因素全包含在模型中，在一定程度上限制

了預測精度的提高。

2.11小波分析預測技術

小波分析是一種時域-頻域分析法，它在時域和頻域上

同時具有良好的局部化性質，并且能根據(jù)信號頻率高低自動

調節(jié)采樣的疏密，它容易捕捉和分析微弱信號以及信號、圖

像的任意細小部分。其優(yōu)點是：能對不同的頻率成分采用逐

漸精細的采樣步長，從而可以聚集到信號的任意細節(jié)，尤其

是對奇異信號很敏感，能很好的處理微弱或突變的信號，其

目標是將一個信號的信息轉化成小波系數(shù)，從而能夠方便地

加以處理、儲存、傳遞、分析或被用于重建原始信號。這些

優(yōu)點決定了小波分析可以有效地應用于負荷預測問題的研

究。