趙立新 韓 冬

（山東電力集團公司東營供電公司 山東 東營 257000）

0 前言

電力系統(tǒng)負荷預測主要用于電力系統(tǒng)規(guī)劃和制定發(fā)電計劃，從而提高系統(tǒng)運行的經濟性和可靠性。準確可靠的負荷預測能保證電力系統(tǒng)運行的安全性，又可提高電力運行的經濟性[1]。

電力系統(tǒng)負荷預測是在充分考慮一些重要因素下，研究和應用一套處理過去負荷與未來負荷的數(shù)學方法，在滿足一定精度要求的前提下，確定未來某特定時刻的電力負荷值。提高負荷預測技術水平，其重要意義如下：

1）準確的短期負荷預測是電網調度機構制定發(fā)供電計劃、合理安排機組啟停和做好電網供需平衡的關鍵。

2）在電力市場條件下，短期負荷預測不再是純技術性的問題，也是一個技術性與經濟性相結合的問題。

3）對電力系統(tǒng)來說，必須對用戶提供可靠而經濟的電能，以滿足用戶的負荷需求，而另一方面，在確保系統(tǒng)安全的情況下盡量減少實時發(fā)電備用容量。

4）為用戶提供安全、可靠、經濟、優(yōu)質的電能是電網運營企業(yè)的首要目標。準確的負荷預測就使得電網運營企業(yè)可以在電力市場中以較便宜的電價購電。

1 短期負荷預測的現(xiàn)狀

1.1 負荷預測的研究和應用現(xiàn)狀

二十世紀七十年代后，許多數(shù)學統(tǒng)計方法被引入到短期負荷預測中，典型的算法有回歸分析法、確定性時間序列分析法、隨機時間序列分析法[2]。

二十世紀九十年代初期開始，人工智能技術逐步應用。文獻[3]提出使用模糊神經網絡預測方法；在文獻[4]中，列舉出人工神經網絡ANN和模糊控制相結合的預測方法，文獻[5]提出灰色理論和神經網絡的電力系統(tǒng)負荷預測方法。

短期負荷預測技術發(fā)展至今己有幾十年，迄今為止，短期負荷預測方法大致可以分為兩類：即傳統(tǒng)預測方法和人工智能方法。

1.2 負荷預測的方法

1.2.1 傳統(tǒng)預測方法

1）回歸分析法。通過收集負荷的原始資料，來建立可以數(shù)學分析的模型，進而來預測未來的負荷值[6]。這種方法是研究變量和變量之間依存關系的一種數(shù)學方法。

2）時間序列法。時間序列法就是對歷史負荷資料進行整理歸類，設法建立一個數(shù)學模型來描述負荷的變化規(guī)律，形成預測模型以后即可利用己知的負荷數(shù)據(jù)對未來的負荷進行預測[7]。

3）小波分析理論。小波變換各種各樣的交雜混雜在一起的不同頻率信號進行分解，將它們分解成不同的塊信號。使用正交二進小波變換來進行小波變換，這樣就可以使負荷序列分別投影到不同的尺度，這時各個尺度上的子序列則分別代表了原序列中不同的“頻域”的分量。根據(jù)以上原則，則可以對不同的負荷序列分別進行預測[8]。

4）灰色預測法。其顯著特征就是用少量的數(shù)據(jù)做微分方程建立起預測的模型。在將一定范圍內變化的歷史數(shù)據(jù)列進行累加，使其變成具有指數(shù)增長規(guī)律的上升形狀數(shù)列，可以對生成的這個形狀數(shù)列建立起GM模型[9]。

1.2.2 人工智能方法

1）人工神經網絡法。利用人工神經網絡(ANN)，選取過去一段時間的負荷作為訓練樣本，然后構造適宜的網絡結構，用某種訓練算法對網絡進行訓練，使其滿足精度要求之后，用ANN作負荷預測[10]。

2）專家系統(tǒng)方法。專家系統(tǒng)是一種基于知識推理的系統(tǒng)，它通過獲取大量的領域內專家知識并在此基礎上進行推理從而得到問題的解答。

3）模糊控制法。模糊預測法以模糊數(shù)學理論為基礎，通過模糊數(shù)學的概念理論對電力系統(tǒng)中的一些模糊現(xiàn)象進行描述[11]。

不同的預測方法有各自的優(yōu)點和缺點，為了發(fā)揮不同方法的優(yōu)點，避開其不足，人們在負荷預測過程中將不同的預測方法加以組合，形成了許多種組合方法，在一定條件下能夠有效的改善模型的擬合能力和提高預測的精度。

2 電力負荷預測概述

2.1 電力負荷的構成和特點

2.1.1 電力負荷的構成

電力系統(tǒng)負荷一般可分為城市民用負荷、商業(yè)負荷、農村負荷、工業(yè)負荷以及其它負荷。不同類型的負荷具有不同的特性。

1）城市民用負荷

城市民用負荷的特點是與居民的日常生活和工作規(guī)律緊密相關的。尤其是在夏季和冬季，空調、冰箱負荷和取暖負荷已經成為影響電力負荷的重要因素。

2）商業(yè)負荷

商業(yè)負荷同樣具有季節(jié)性變動的特性。商業(yè)負荷所占的比重不及工業(yè)和民用負荷，但商業(yè)負荷對每日負荷晚高峰的出現(xiàn)有明顯的影響。

3）農村負荷

農村負荷是指農村居民用電和農業(yè)生產用電。農業(yè)生產的特點決定了農村負荷受季節(jié)影響大。在用電構成中，農業(yè)用電所占的比重不大。

4）工業(yè)負荷

工業(yè)負荷一般都被視為受氣候影響較小的基礎負荷。除個別地區(qū)外，工業(yè)負荷的比重在用電構成中居于首位，它不僅取決于工業(yè)用戶的工作方式，而且與各工業(yè)行業(yè)的行業(yè)特點、季節(jié)因素都有緊密的聯(lián)系。

對工業(yè)負荷和商業(yè)負荷而言，它們隨季節(jié)的波動較小;對民用和農業(yè)用電負荷而言，負荷在系統(tǒng)總負荷的所占比例隨季節(jié)變化發(fā)生顯著變化，具有顯著的季節(jié)變化特性。

2.1.2 電力負荷的特點

電力系統(tǒng)負荷是一個周期性和隨機性都很強的系統(tǒng)，它與眾多的因素有著極為復雜的關系。在進行電力系統(tǒng)負荷預測時，針對負荷變化的這些特點，既要充分分析、掌握并利用其規(guī)律性，又要兼顧各種因素的影響。

負荷變化的周周期性是指從以七天為一周期的負荷變化中體現(xiàn)出來的規(guī)律性。一般情況下，公休日的負荷水平較低，工作日的負荷水平較高;負荷變化的日周期性是指以一天24小時為周期的負荷變化所體現(xiàn)出的規(guī)律性。

綜上所述，電力負荷具有周期性的特點，且負荷變化的大周期中又存在小周期，形成多個周期相嵌;負荷具有季節(jié)性的特點，四季中典型負荷曲線各不相同;同時不同地區(qū)的氣候，以及溫度的變化都會對負荷造成一定的影響。

2.2 負荷預測的概念和原理

2.2.1 負荷預測的概念

負荷預測是依據(jù)電力系統(tǒng)的運行特點、增容決擇、自然因素以及社會影響等多方面因素，在滿足一定精度要求的條件下，來確定未來某特定時刻的負荷數(shù)據(jù)，其中負荷就是指用戶的電力需求量（功率）或用電量；在電力系統(tǒng)經濟調度中，負荷預測是一項關鍵的內容，也是能量管理系統(tǒng)(EMS)的一個重要模塊[15]。

2.2.2 負荷預測的基本原理

負荷預測工作是根據(jù)電力負荷的發(fā)展變化規(guī)律，預計或判斷其未來發(fā)展趨勢和狀況的活動，因此必須科學地總結出預測工作的基本原理，以指導負荷預測工作,以下介紹幾種基本的原理[16]。

1）可知性原理

就是說待預測對象的發(fā)展規(guī)律，其未來的發(fā)展趨勢和狀況是可以為人們所知道的。

2）可能性原理

事物的發(fā)展變化是在內因和外因的共同作用下進行的。內因的變化及外因作用力大小不同，會使事物發(fā)展變化有多種可能性。

3）連續(xù)性原理

連續(xù)性原理是指預測對象的發(fā)展是一個連續(xù)統(tǒng)一的過程，其未來發(fā)展是這個過程的繼續(xù)。

4）相似性原理

盡管客觀世界中各種事物的發(fā)展各不相同，但是一些事物發(fā)展之間還是存在著相似之處，人們就是利用這種相似性進行預測。

5）反饋性原理

反饋就是利用輸出返回到輸入端，再調節(jié)輸出結果。預測的反饋性原理實際上是為了不斷提高預測的準確性而進行的反饋調節(jié)。

6）系統(tǒng)性原理

預測對象是一個完整的系統(tǒng)，它本身有內在的系統(tǒng)，它與外界事物的聯(lián)系又形成了它的外在系統(tǒng)。這些系統(tǒng)綜合成一個完整的總系統(tǒng)，都要進行考慮[17]。

2.3 負荷預測的步驟

預測可分為定性預測，不論采用何種預測方法，都遵循以下基本步驟和原則[15]：

1）收集和選擇歷史負荷數(shù)據(jù)資料

根據(jù)負荷預測的內容和要求，搜集預測時需要用到的各種資料。同時，對搜集的資料去偽存真，提高資料的可信度。

2）歷史資料的分析和處理

一般情況下，由于負荷預測的質量不會超過所用資料的質量，在對數(shù)據(jù)的初步整理之后，還要對所用資料進行數(shù)據(jù)分析預處理。

3）建立預測模型

根據(jù)所確定的預測內容，對預測對象進行詳細的分析，根據(jù)歷史數(shù)據(jù)的發(fā)展情況，選擇建立合理的數(shù)學模型。

4）預測結果評價

對預測結果的可信度進行比較和綜合分析，通過預測人的經驗判斷預測結果是否合理，對結果進行適當修正，得到最終的預測結果。

5）負荷預測管理

將負荷預測形成報告提交后，并不等于全部預測工作的結束，隨后仍需根據(jù)主客觀條件的變化及預測應用的反饋信息進行檢驗，必要時進行修正和調整。

2.4 影響負荷預測的因素及誤差分析

2.4.1 影響負荷預測的主要因素

系統(tǒng)總負荷是系統(tǒng)中所有節(jié)點上所有負荷的總和。盡管單個負荷的變化隨機性很大，但所有單個負荷的總和即系統(tǒng)總負荷一般具有一定的變化規(guī)律，影響這種規(guī)律變化的因素主要有以下四種：

1）負荷構成

系統(tǒng)負荷按其性質可劃分為：城市民用負荷、商業(yè)負荷、工業(yè)負荷、農業(yè)負荷及其它負荷等類型，且不同類型的負荷有著不同的變化規(guī)律。

2）時間因素

時間因素對負荷的影響主要有三點：季節(jié)因素的影響、節(jié)假日的影響、以日或周為周期的負荷變化。

3）氣象因素

由于許多負荷都與氣象因素有關，所以氣象因素也是影響系統(tǒng)負荷大小的重要因素。除了氣溫，影響負荷大小的其它天氣因素還有陰晴、降水和風速等。

4）隨機因素

所有能引起負荷模式變化，而又未包括在上面三類中的其它因素均算在此類中。由于系統(tǒng)負荷是由大量分散的單獨需求組合而成，系統(tǒng)負荷不斷受隨機干擾影響。

2.4.2 負荷預測的誤差分析

誤差產生的原因很多，主要表現(xiàn)在以下幾個方面[18]：

1）電力負荷所受影響是千變萬化的，要從許多預測方法中選擇一個恰當?shù)念A測方法，如果選擇不當，將隨之產生誤差。

2）進行負荷預測用到的數(shù)學模型大多只包括所研究現(xiàn)象的某些主要因素，而省略了很多次要因素。這樣的模型只是一種簡單化了的反映，這樣進行預測時無可避免的會與實際負荷產生誤差。

3）進行負荷預測要用到大量資料，而各種資料并不能保證都是準確可靠的，這就必然會產生預測誤差。

4）某種意外事件的發(fā)生或情況的突然變化，可能產生預測誤差。再者，由于計算或判斷上的錯誤，也會造成不同程度的誤差。

預測誤差分析的指標：

計算和分析預測誤差的方法和指標很多，較為常用的有：

2）平均絕對誤差和平均相對誤差

由于預測誤差有正有負，為了避免正負相抵消，故取誤差的絕對值進行綜合并計算其平均數(shù)，這是誤差分析的綜合指標法之一。

3）均方誤差

式中：MSE——均方差，其它符號同前。均方誤差是預測誤差平方和的平均值，避免了正負誤差不能相加的問題，是誤差分析中的綜合指標之一。

4）均方根誤差

日負荷預測準確率：Ad＝1－Ed

本文中采用了比較常用的考核指標：以每個整點的相對誤差來進行誤差分析。

式中：RMSE——均方根誤差，其它符號同前。

5）日負荷預測誤差

3 小結

本文對電力系統(tǒng)負荷預測的概念、基本原理、分類和預測的步驟以及短期負荷預測常用的誤差計算方法和指標進行了概述，并且分析了電力負荷特性及影響負荷預測精度的各種因素。

［1］牛東曉，曹樹華，趙磊，張文文.電力負荷預測技術及其應用[M].北京：中國電力出版社，1999.

［2］夢新華，歐陽偉.基于BP網絡的負荷預測的實現(xiàn)[J].有色冶金設計與研究，2009，30(1).

［3］張小平，王偉.短期電力負荷預報的自適應模糊神經網絡方法.電力系統(tǒng)自動化，1998(1).

［4］呂志來，張保會.基于ANN和模糊控制相結合的電力系統(tǒng)負荷短期預測方法[J].電力系統(tǒng)自動化，1999.

［5］史德明，李林川，宋建父.基于灰色預測和神經網絡的電力系統(tǒng)負荷預測[J].電網技術，2001.

［6］Hagan M.T.The Time serials approach to short term load forecasting[J].IEEE Trans on Power Systerms,2001,2(3).

［7］鄒森.時間序列自適應短期負荷[J].山東工業(yè)大學學報，2003，18(2)：129-132

［8］林湘寧，劉沛，程時杰，等.小波分析基礎理論及其在電力系統(tǒng)中的應用：第1講[J].電力系統(tǒng)自動化，1997，21(10).

［9］明李鷹，趙振江，吳松濤.灰色模型在普通日短期電力負荷預測中的應用[J].長沙電力學院學報：自然科學版，2003，18（1）.

［10］李國勇.智能控制及其Matlab實現(xiàn)[M].北京：電子工業(yè)出版社,2005.

［11］張雪波，文閃閃.電力負荷預測的基本程序及應用[J].中國電力教育，2008（1）.

［12］賈正源，牛曉東.電力負荷預測的遺傳神經網絡模型研究[J].運籌與管理，2000，9（2）.

［13］Lippman R P.An Introduction to Computing with Nerral Nets[J].IEEE ASSP Magazine,2001(4).

［14］高雋.人工神經網絡原理及仿真實例[M].機械工業(yè)出版社.

［15］夢新華，歐陽偉.基于BP網絡的負荷預測的實現(xiàn)[J].有色冶金設計與研究，2009，30(1).

［16］Moghram.S.Rahman.Analysis and evaluation of five short-term load forecasting techniques[J].IEEE Trans.on Power System,Vol.4,November 2001.

［17］曲微微.基于 BP人工神經網絡的電力短期負荷預測[D].東北石油大學，2011.

［18］徐軍華.電力系統(tǒng)短期負荷預測模型與優(yōu)選的研究[D].四川大學.