地区电网中长期负荷预测综述

地区电网中长期负荷预测综述

邸志红

（呼和浩特供电局内蒙古呼和浩特010050）

摘要：本文系统的探讨了电力负荷预测的分类、特点及基本原理，并对目前用于电力负荷预测的方法进行了总结分析，主要分为经典预测方法、基于参数模型的预测方法及基于非参数模型的预测方法。

关键词：地区电网；中长期负荷预测

1国内外研究现状

由于负荷预测的重要性，国内外的学者一直对其很重视，而负荷预测的技术也不断随着新技术方法的出现而提高，预测精度令人较为满意；但反过来也看出，目前负荷预测水平要想提高，明显受制于新技术、新方法以及新理论。

2中长期电力负荷预测方法

2.1基于经验判断的经典预测方法

经典预测方法就是根据专家经验和一些简单的变量间的相互关系对未来负荷值的确定。主要的分析方法有单耗法、负荷密度法、趋势外推预测法和人均电量指标法等。

2.1.1单耗法：是根据产品的计划数量和用电单耗来推算出年用电量，一般比较适合用于手工业和部分农业的负荷预测。预测时，主要利用各个年份的产值指标和主要产量指标，统计以往的各种产品的生产过程的单位产品耗电量和亿元产值耗电量，得出各种产品和产值的单耗值，然后再根据发展规划中的产量和产值指标进行单耗预测。其优点是简单，短期内的预测精度好，但计算量大、准确性低。

2.1.2负荷密度法：是将预测区域划分为若干区域，对每一功能区选择一个负荷密度指标，根据计算公式预测地区的电力负荷需求量。

2.1.3趋势外推负荷预测法：是指电力负荷随时间的变化呈现出上升或下降趋势，若无明显的季节变化，可以用一条合适的函数曲线来反映这种变化趋势，自变量为时间，因变量为负荷值，建立模型为；只需在某个时刻将值赋予，经过简单的计算就能得到负荷值。该方法的优点是历史数据运用较少，运算简单，缺点是一旦出现波动，预测精度大大降低，预测误差变大。

2.1.4人均电量指标法：是指选取一个与本地区地理条件、经济发展及用电结构相似的国内外地区作为比较对象，通过分析比较两地区的过去和人均用电量，得出本地区的人均用电量，再结合人口分析得出总的用电量，该方法简单易行，但缺乏可靠地预测依据，预测误差较大。

2.2基于参数模型的预测方法

基于参数模型的预测方法就是通过建立统计模型或数学模型来分析负荷和影响因素之间的定性关系，常见的方法有电力弹性系数法、时间序列法、相关分析法和回归分析法等。

电力弹性系数法；弹性系数是指因变量变动百分比和自变量变动百分比的比值，电力弹性系数是一个比值，它表示国民经济发展和电力发展的关系，其表示为：，其中味用电量平均增长率，为国内生产总值平均增长率。由此可得到规划期末的用电量：，为规划年限，分别为期初期末的用电量。电力弹性不仅对历史资料的依赖性强，且还要根据地区的特征、性质进行分析，一般适用于中长期的宏观电力负荷预测。

2.2.1时间序列法；时间序列法是依据历史资料，找出其中的时间变化规律，建立合适的时序数学模型，以推断未来负荷的数值。常见的序列预测方法有Box-Jenkins法、状态空间法和Cense-H分解法等。采用该方法预测时，如果电网运行状况正常、天气因素等变化不大时预测效果良好，一旦出现随机因素的变化影响，则预测结果不理想。

2.2.2相关分析法；是寻找出负荷与影响因素之间的关系，建立相关分析模型，通过对历史数据的统计和处理对未来负荷值进行预测；该方法在预测中，要对预测对象的因素分解，然后考虑各个因素变化，再进行预测对象未来数量的估计。该方法的优点是它能够清楚的描述出负荷趋势与影响因素之间的关系，具有强的规律性，但是需要利用到较多的经济发展指数，造成了实际预测的困难，一般较适用于预测周期长、模式变化大的负荷预测当中。

2.2.3回归分析法；是根据过去的负荷值，建立数学模型，并采用回归分析法对变量的观测数据进行统计分析，对未来负荷进行预测。回归分析法是中长期电力负荷预测中最常用的预测方法，根据回归分析涉及变量的多少，可以分为一元回归分析和多元回归分析，其中回归方程根据自变量和因变量之间的函数形式又分为线性回归方程和非线性回归方程。

2.3基于非参数模型的预测方法

基于非参数模型的预测方法是随着计算机的发展，负荷预测技术的逐渐成熟逐渐发展起来的，一般有灰色预测技术、模糊预测方法、人工神经网络预测法及支持向量机预测方法等。

2.3.1灰色预测技术；是由我国邓聚龙教授首先提出来的，用来解决不完备信息系统的数学方法，它为负荷预测的研究提供了新的科学方法和手段。用于预测中首先把负荷数据当做灰数，通过数据的生成得到新的数据列，从而减少了数据的随机性，再用次数据建立灰色预测模型，最后再加预测值还原成最终的负荷预测值。

2.3.2模糊预测方法；模糊理论是L.A.扎德教授于1965年创立的，包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面；模糊预测法是运用模糊理论和方法来分析电力负荷与各因素之间的变换关系，将不确定的信息变为确定，以相关的模糊矩阵对电力负荷需求进行描述，再用模糊集合论求接触负荷变化的规律，最后再作出预测。其优点是所得到的预测结果是以预测区间及概率的形式提供，预测的精确度较高；缺点是需求大量的历史数据，当历史数据不完备时，预测工作变得更加困难，再者，模糊理论还没有建立完备的预测理论和方法，还得进一步探索和研究。一般的模糊预测方法有模糊线性回归法、模糊指数平滑法、模糊聚类识别法、最大贴近度法等。

2.3.3人工神经网络预测方法；神经网络是由许多高度相关的、并行的神经元组成，单个神经元结构非常简单，但是由大量神经元组成的神经系统具有非常强的计算和自适应学习能力，它能够很好的解决高度复杂的非线性问题；将人工神经网络应用于电力负荷预测中已逐渐成为了近几年学者研究的热点。其中最为常用的人工神经网络预测方法是BP神经网络预测法，其预测的一般步骤如下：第一，首先确定样本的输入输出变量，决定BP神经网的结构；第二，对数据进行规范化处理，分出训练样本和测试样本；第三，建立模型进行样本训练和学习；第四，用测试样本对训练结构进行检验，验证网络的泛化能力；第五，用训练好的网络，根据已知负荷数据进行实际预测。BP神经网络预测模型的优点在于能够很好的处理负荷影响因素之间的复杂非线性关系，并且学习能力较强，预测精度高，在实际应用中也得到了较好的发展，缺点是预测速度慢，容易陷入局部最优，并且需要大量的样本数据。

2.3.4算法组合预测技术；在负荷预测中，由于存在复杂不确定性的变量，单独使用一种预测模型显然不够，为了充分运用各个模型的特点，提出了组合的预测方法；组合预测方法一般分为两种，一种是两种模型的线性组合，这种方法在一定的条件下能够改善模型的拟合能力和提高预测精度；另一种通过优化算法对预测模型的参数进行优化，这种方法在电力负荷预测中获得了更为准确的预测结果；两种算法在电力负荷预测应用中都取得了良好的效果，但是增加了建模和实际应用的困难，降低了计算速度。

3结语

电力系统负荷预测水平的提高，不仅有利于经济优化地制订发电计划、降低旋转储备容量、合理安排机组检修、降低发电成本；而且有利于最优地制订上网竞价计划、制订电力现货和期货报价、进行电力市场需求分析、搞好电力市场营销，因此，电力公司对电力负荷预测的精度要求也越来越高，选择合适的预测模型是非常必要的。