第14卷第6期2010年6月
电机与控制学报
ELECTRI C MACHINES AND CONTROL
Vol.14No.6
June2010
考虑负荷周期性和变化率的短期电价预测
刘玉娇，蒋传文
（上海交通大学电子信息与电气工程学院，上海200240）
摘要：为了提高电价预测精确度以提高其实用价值，在电价预测模型中引入负荷周期性和变化率因素。根据负荷对电价的影响建立基于系统负荷的短期电价预测模型，使用小波分解对负荷和电价数据进行分析处理，采用神经网络的预测方法对短期市场清算电价进行预测。考虑负荷和电价的周期特性，在预测模型输入侧增加了负荷的周期性因素。考虑负荷剧变引起的电价变化，定义综合负荷变化率影响因素并加入模型输入侧来提高预测精确度。预测实例采用实际负荷值为输入，其结果表明引入负荷周期特性和综合负荷变化率因素后预测相对预测误差和单点最大预测误差分别降低35%和28%，有效地提高了模型的预测精确度。
关键词：电价预测；负荷变化率；神经网络；周期性因素；小波分解
中图分类号：TM7文献标志码：A文章编号：1007－449X（2010）06－0021－06
Considering cyclical nature and change rate of load on
short-term electricity price forecasting
LIU Yu-jiao，JIANG Chuan-wen
（School of Electronic，Information and Electrical Engineering，Shanghai Jiao Tong University，Shanghai200240，China）
Abstract：The cyclical Nature and change rate of load were utilized in electricity price forecasting model to improve the model’s accuracy and practical value．According to previous studies，the price of electric-ity mainly depends on load factors，so the forecasting model based on load was adopted．Prediction used wavelet decomposition and neural network to evaluate short-term market clearing price．Considering the cyclical nature of load and price，the prediction model increased the load as an input factor．The maxi-mum forecasting error comes out with the surges of price appearing with the waves of load．So it puts the rate of load changes into the neural network to further reduce the maximum single point error．Forecasting example used actual load for prediction．The result shows that the consideration of cycle characteristics and change rate of load factors in predicting could respectively reduce the average forecast error and sin-gle point of maximum prediction error by35%and28%．
Key words：electricity price forecasting；rate of load change；neural network；cyclical nature；wavelet a-nalysis
收稿日期：2009－12－17
基金项目：国家自然科学基金（50539140）
作者简介：刘玉娇（1985—），男，博士研究生，研究方向为电力市场、电力系统优化运行；
蒋传文（1966—），男，博士，教授，博士生导师，研究方向为电力市场、电力系统优化运行。
0引言
近年来电力市场改革的深入突出了电价预测的重要性，很多学者也都研究了很多的方法对中长期或者短期的电价进行预测，取得了显著成果。目前常见的用于电力预测的方法有时间序列方法［1－2］，神经网络及其改进算法［3－5］，模糊系统建模方法和其他一些非线性逼近方法等等［6－7］。这些方法都有各自的特点和优势，也有相应的劣势，但是从目前应用情况来看，基于神经网络的算法占据着电价预测研究的主要阵地。
神经网络是目前采用人工智能方法进行工程计算的中的主要工具之一，其具有适应性强、数学模型简单等一系列优点，而其主要缺点是收敛比较慢。神经网络因为有着良好的非线性预测性能，可同时处理多个因子，因此对电价的平均值序列有较好的预测效果。虽然其计算时间稍长，但是由于电价预测基本都是离线进行的，因此，这种计算时间是可以接受的。由此，本文也采用基于神经网络的电价预测模型，采用美国Pennsylvania-New Jersey-Maryland （PJM）电力市场的数据对市场清算价格（market clearing price，MCP）进行短期预测。
1网络基本结构的确立
目前提高神经网络电价预测结果主要采用改进网络结构和优化输入端两种方法［8－9］，本文采用后一种方法，即通过增加少量的输入因素和对历史数据的进一步分析来提高预测结果的精确度。因此，尽管目前有很多优化的神经网络结构，其提高收敛速度和计算精确度均比传统神经网络要好，比如采用模糊学习的神经网络或结合灰色理论后进行预测［9］，由于本文重点是对网络的输入侧参数进行改进，为体现一般性，将采用普通的BP神经网络来进行电价预测。
BP型神经网络的结构有很多种，3层的BP网络作为最基本的BP型网络类别具有较好的多维映射逼近性能，而且3层的网络结构还有很好的通用性能，因此选择3层的BP网络作为网络的基本结构。网络的传递函数和学习函数也采用比较传统的函数，网络的中间层传递函数选用S型正切函数，输出层传递函数则采用S型对数函数，学习函数采用低度下降权值/阈值学习函数。
基于以上所述，采用的是一种3层的BP型神经网络，其结构和数学模型都比较简单，非常适合工程应用，而且有利于体现所增加的输入端因子对预测结果影响的一般性。
2MCP预测模型的建立
2.1输入输出因素的确定
影响电价的因素有很多，比如负荷，天气，供求关系和其他人为因素等，所有因素中负荷与电价的关系是最密切的，因此采用负荷电价模型来进行电价预测。负荷电价预测模型就是以负荷为神经网络的输入，以电价为神经网络的输出，一般可选定一个月或更长的时间的历史数据为样本来进行预测。
虽然电力系统负荷受多方面影响而具有很大的不确定因素，但是负荷也具有周期性并被直接或间接的使用在电价预测上［5－10］。其最短周期可认为一天，但是从人们正常的生活运作来看，一周为一个基本周期是比较合适的，基本上可以涵盖除特殊节假日或其他意外情况的所有情况，基于此本文以一周为其基本周期。图1为美国PJM市场某年2月份每个星期一和星期天的负荷曲线，从图中可以明显看到负荷曲线的周期特性。由此可以在网络的输入侧加入周期性的因素，并采用最简单的星期值为该周期性元素数值［11］。
3.5
3
2.5
2
负
荷
/
×
1
-
4
M
W
周一负荷
周日负荷
0510152025
时间/h
图1二月份周日和周一负荷曲线
Fig．1Load curve of the Sunday and Monday in February BP型神经网络在电价预测方面的一个重大缺点之一就单点的最大偏差太大，甚至达到100%以上，这种情况一般都是发生在电价出现较大波动的时刻。由于预测模型的输入是基于负荷的，因此采用与负荷相关输入因素以提高预测精确度是比较合理的选择［12］。对电价出现较大波动的地方进一步分析，可以发现其一般发生在是电力供求关系变化比较大的时刻。市场环境下的电力供求关系由于有较多的人为因素的存在，其数学模型将非常复杂，因此获取供求关系变化是比较困难的，因此不宜采用这种因素作为输入端因子。考
22电机与控制学报第14卷
虑到供求关系的剧变一般发生在负荷有激增或剧减的时刻，由此直接采用负荷变化率作为输入以期减少最大时刻误差。
记T（d，t）为d日t时刻，L（d，t）为d日t时刻的负荷，P（d，t）为d日t时刻的MCP，对于某一时刻T（d，t），负荷变化率可以定义为
DL（d，t）=
L（d，t）－L（d，t－1）
L（d，t－1）
，t≥2，
L（d，t）－L（d－1，24）
L（d，24）
，t=1 {。（1）
同理可定义MCP的变化率为
DP（d，t）=
P（d，t）－P（d，t－1）
P（d，t－1）
，t≥2，
P（d，t）－P（d－1，24）
P（d，24）
，t=1 {。（2）
为了研究负荷变化率和电价变化率的相关性，对二者均做了归一化处理，并对归一化处理后的数据进行对比分析，节选二月初数据对比结果如图2所示。图2为二月初连续50h和100h内，负荷变化率和价格变化率的图像。由图中可以看出两者有着比较好的相关性，因此可用负荷变化率来对单点的预测误差进行改进。由于电力系统反应较快，因此只有时间间隔比较近的变化率才会起比较大的作用，为此只考虑预测时刻的负荷变化率和前一时刻的负荷变化率。为了同时考虑连续两个小时内的变化情况，定义某时刻的累加变化率DL1（d，t），计算方法如式（3）所示。由于分别把负荷变化率和累加变化率当作输入因素输入神经网络会使得输入增加过多，因此定义综合负荷变化率DLz（d，t）来同时考虑以上两个方面，其计算方法如式（4）所示。
DL1（d，t）=
DL（d，t）+DL（d，t－1），t=2，2，…24，DL（d，t）+DL（d－1，24），t=1 {。
（3）
DLz（d，t）=λ
1*DL1（d，t）2+λ
2
*DL（d，t）
槡2。
（4）
式（4）中λ
1和λ
2
为权重系数，可以根据预测效果
进行调整。
基于以上分析，预测模型的输入由以下几部分组成：①预测时刻的负荷、周期性因素、综合负荷变化率；②前一时刻的负荷、综合负荷变化率和电价；
③前日同时刻的负荷和综合负荷变化率和电价。
模型输出为预测时刻的电价。由于需要预测时刻的负荷和变化率作为输入，因此需要在对负荷进行预测之后才能进行电价预测。采用实际负荷进行预测。
（a）连续100小时内的负荷变化率和MCP变化率
（b）连续50小时内的负荷变化率和MCP变化率
负荷变化率
电价变化率
负荷变化率
电价变化率
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
变
化
率
102030405060708090100
时间/h
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
变
化
率
102030405060708090100
时间/h
图2二月初连续100小时和50小时内的负荷变化率和MCP的变化率曲线图
Fig．2The curve of change rate of Load and MCP of100 hours（a）and50hours（b）in Early February 2.2历史数据的预处理
由于BP型神经网络计算速度较慢，因此对输入数据的预处理则显得尤为重要。对这方面的研究也有很多，如最优训练样本选取算法等，本文采用小波分解算法，将历史数据进行分解成高频和低频的不同部分。小波分析是近年来数学方面的重大成果，目前已经广泛用于数据处理、信号分析、故障诊断和时间序列预测等领域并取得很好的效果，是一种比较成熟的工程数据分析工具。
据前人研究，由于电价和负荷数据的特性，电价预测的历史数据宜分解为单尺度或二尺度而不宜过高，因此对历史数据用Daubechies3小波进行单尺度分解。DaubechiesN小波是采用Daubechies 方法构造的一系列小波函数，是一种常用的多分
32
第6期刘玉娇等：考虑负荷周期性和变化率的短期电价预测
辨分析离散小波变换函数，其滤波函数和尺度函数随N 值不同而不同，具有良好的时域和频域特性。对二月份的负荷和电价分解后的波形比较如图3和图4所示，负荷和电价均被分解为概貌波形和细节波形。
42原始负荷/10-4M W
100
200
300
400
500
600
700
时间/h
负荷概貌/10-4M W
42负荷细节/10-4M W
420
100
200
300
400
500
600
700
时间/h
100
200
300
400
500
600
700
时间/h
图3
二月份负荷的小波分解波形
Fig．3
The result of wavelet analysis for load of February
原始电价（$/W M h ）
100
200
300
400
500
600
700
时间/h
100500
概貌电价（$/W M h ）
100
200
300
400
500
600
700
时间/h
100500
细节电价（$/W M h ）
100
200
300
400
500
600
700
时间/h
100500
图4
二月份MCP 的小波分解波形
Fig．4
The result of wavelet analysis for MCP of February
其中概貌波形（低频部分）能够反映负荷和电
价的基本特性，从图中也可以看到其和原始数据的波形比较相像，而细节波形（高频部分）则更多地反映了数据的局部突变特性。考虑本文已经增加了负荷变化率和周期性因素两个输入因子，因此本文采取对高频和低频信号分别导入网络模型进行计算，之后进行叠加，从而获得最终的预测结果。
3预测结果分析
为了进行对比，采取普通未采用周期性因素和
仅采用周期性因素以及采用了周期性和日综合负荷
变化率的模型进行分析。以二月份电价负荷数据为训练样本，预测该月28号各个时段的电价为例，并以平均误差和最大误差对几种方法进行比较。其中
各时刻误差的计算方法采用绝对百分比误差
［6－8］
，平均误差为全天误差的平均数，记为E ave ，单点最大
误差为全天误差的最大值，记为E max 。
首先采用普通负荷模型进行三次预测，并记该
模型为模型1，分别训练800次，
1000次和3000次，根据不同学习速率的运算结果比较，选择学习速
率为0.2。其仿真结果如图5和表1、表2所示。从中可以看到，随着训练次数的增加，该方法的预测精确度一直在增加。平均预测误差分别为10.70%，
7.53%和3.62%，而最大误差则分别为110.24%，43.82%，11.19%。
20151050-5
电价/（$/W M h ）
Real
No.1No.2No.3
0510152025
时间/h
图5模型1的预测结果
Fig．5
Forecasting result of Model 1
对同样的样本数据采用考虑周期性因素的预测
方法进行预测，记为模型2，训练次数分别为800次，1000次，3000次，预测结果如图6所示。从图6和表1、表2中可以看到这种模型的收敛速度和预测精确度均比模型1要好。从图6和表1、表2中也可以看到模型2的平均误差相比模型1好，但是最大误差仍然比较大，其三次仿真结果的平均预测误差分别为7.94%，4.18%和1.16%，最大误差分别
为77.20%、
66.28%和9.81%。与模型1相比，其单点最大误差从11.19%降至9.81%，其平均误差
却从3.62%降至1.16%，即增加周期性因素后平均预测误差有了很好的提高。
采用周期因素和负荷变化率因素结合的预测模型进行同样的预测，记为模型3。此处需要对两个
42电机与控制学报第14卷
权值系数进行选取，针对某一日的负荷预测情况可对其进行优化选择从而得到一个比较理想的输入参数，简单处理选择为0.5。训练次数仍然采用800次，1500次和3000次，其预测结果分别为平均预
测误差分别为7.76%，3.18%和2.34%，而最大误差则分别为80.57%，
35.12%，8.02%。电价/（$/W M h ）
Real No.1No.2No.3
510152025
时间/h
18161412108642图6模型2的预测结果
Fig．6
Forecasting result of Model 2
电价/（$/W M h ）
Real
No.1No.2No.3
5
10
15
20
25
时间/h
2018161412108642图7模型3的预测结果
Fig．7
Forecasting result of Model 3
对比模型2和模型3，可以看到模型3在加入
负荷变化率后收敛速度变慢，训练次数较少时预测结果很不理想。训练次数为800次时，模型3的平
均误差和模型2基本在同一水平，
但是其单点最大误差并没有模型2效果好，
且加入负荷变化率对单点最大误差反而有更差的作用，这从另一个角度说明了负荷变化率因素对单点最大误差是有很强影响
的。随着训练次数的增加，
当达到1500次后，模型3的单点最大误差明显好于模型1和模型2，这说明
了负荷变化率因素对单点最大误差的抑制作用。模型3的最终平均预测误差和单点最大误差比模型1分别提高了35%和28%，有效的提高了模型的预测精确度。
表1三种模型预测误差统计表Table 1
Error Tables of the three models
时间/h E 11E 12E 13E 21E 22E 23E 31E 32E 331110.24
3.52
0.67 6.65 2.437.090.66 1.43 1.4328.2615.27
3.20
0.779.53
9.81 1.540.10 3.9337.1843.8211.1918.587.89 2.78 2.330.73 6.864
102.2417.36 1.63 3.76 3.720.440.06 1.33 4.6350.74 1.45 2.60 5.31 2.960.18
0.83
0.22
2.6260.73
9.12
2.92 1.510.51 1.1080.57 4.15 1.6370.5212.92 4.91
4.370.61
0.17
0.38
2.54
4.248 3.02
5.71 1.9111.72 1.040.5130.63
6.71 5.079 1.77
4.31
7.2411.650.860.390.060.39 2.5910 1.7510.530.91 1.370.060.610.09 1.220.0811
0.750.34 3.07 3.770.190.170.010.300.33120.800.220.37 5.050.010.020.710.870.23130.59
0.49
1.21
5.640.140.230.440.27 1.7914
0.5011.67 1.920.010.060.73 1.490.89 1.1715 1.01 6.000.22 3.820.290.250.96 1.990.16160.90 2.91 1.1576.20.320.440.75 3.970.09170.809.02 1.630.820.590.260.08
2.18
0.18
18 6.02 6.167.67 6.320.480.08
0.1035.120.33
19 2.16 6.71
8.75
0.570.66
0.1239.330.37
1.51200.15 3.4310.818.460.040.04
0.14 2.170.95210.880.20 2.238.9466.280.710.34 1.938.0222 1.74 5.76 2.28 1.890.070.740.62 3.820.13230.370.60 4.64 2.050.370.12
0.04
2.59
7.7524
3.73
3.16
3.70
1.24 1.10
0.8624.19 1.05
0.51
注：（E ij （i =1，2，3，j =1，2，3）代表模型i 第j 次预测误差，百分制）
表2平均误差和单点最大误差统计表
Table 2
Tables of E ave and E max
4结语
BP 神经网络在电力系统负荷预测和电价预测中的应用非常广泛，通过增加负荷的周期性因素和
变化率因素对电价预测进行改进。研究结果表明引入负荷周期性因素后可降低模型的平均预测误差，增加综合负荷变化率因素则对由电力负荷剧烈变化引起的电价变化有抑制作用，而且负荷的周期性因
5
2第6期刘玉娇等：考虑负荷周期性和变化率的短期电价预测
素还有利于提高模型的收敛速度。针对所采用的预测实例，采用考虑负荷周期性和变化率的预测模型可使平均预测误差和单点最大预测误差分别降低35%和28%，这对于提高电价预测的实用价值有很好的作用。预测过程中采用实际负荷作为输入参数使所得预测精确度较高，当采用负荷预测所得结果作为输入进行预测时其精确度会有所降低，可采用改进的神经网络结构来实现的预测精度的进一步提高。
参考文献：
［1］ANTONIO J Conejo，MIGUEL A Plazas，ROSA Espinola．Day-a-head electricity price forecasting using the wavelet transform and
arima models［J］．IEEE Transactions on Power Systems，2005，20
（2）：1035－1042．
［2］NEKTARIA V Karakatsani，DEREK W Bunn．Forecasting elec-tricity prices：the impact of fundamentals and time-varying coeffi-
cients［J］．International Journal of Forecasting，2008，24：764－
785．
［3］LI Guang，LIU Chenching．Day-ahead electricity price forecasting in a grid environment［J］．IEEE Transactions on Power Systems，2007，12（1）：266－274．
［4］魏平，李均利，陈刚，等．基于小波分解的改进神经网络预测方法及应用［J］．电力系统自动化，2004，28（10）：17－21．
WEI Ping，LI Junli，CHENG Gang，et al．Forecasting MCP using
a wavelet-improved neutral network method［J］．Automation of E-
lectric Power Systems，2004，28（10）：17－21．
［5］PARAS Mandal，TOMONOBU Senjyu，NAOMITSU Urasaki．A novel approach to forecast electricity price for pjm using neural
network and similar days method［J］．IEEE Transactions on Pow-
er Systems，2007，22（4），2058－2065．［6］CHEN Jie，DENG Shijie，HUO Xiaoming．Electricity price curve modeling and forecasting by manifold learning［J］．IEEE Transac-
tions on Power Systems，2009，23（3）：877－888．
［7］张显，王锡凡，陈芳华，等．分时段的短期电价预测［J］．中国电机工程学报，2005，25（15）：2－6．
ZHANG Xian，WANG Xifan，CHEN Fanghua，et al．Short-term
electricty price forecasting based on period-decoupled price se-
quence［J］．Proceedings of the CSEE，2005，25（15）：2－6．
［8］ZHOU Zhi，CHAN Wai Kin Victor．Reducing electricity price forecasting error using seasonality and higher order crossing infor-
mation［J］．IEEE Transactions on Power Systems，2009，24（3）：
1126－1135．
［9］朱建良，闻彦，李国辉．基于灰色理论与BP神经网络的电力系统负荷预报［J］．电机与控制学报，2006，10（4）：440－442．
ZHU Jianliang，WEN Yan，LI Guohui．The forecasting of the elec-
tric power load based on the gray theoryand BP neuron network
［J］．Electric Machines and Control，2006，10（4）：440－442．［10］张显，王建学，王锡凡，等．考虑多重周期性的短期电价预测［J］．电力系统自动化，2007，31（3）：4－8．
ZHANG Xian，WANG Jianxue，WANG Xifan，et al．Short-term
electricity price forecasting based on price subsequences［J］．Au-
tomation of Electric Power Systems，2007，31（3）：4－8．
［11］邵丹，林辉，郝志峰，等．考虑春节影响的中期电量预测［J］．电机与控制学报，2007，11（5）：555－558．
SHAO Dan，LIN Hui，HAO Zhifeng，et al．Forecasting method
of medium-term electricity consumption under the impact from the
Spring Festival［J］．Electric Machines and Control，2007，11
（5）：555－558．
［12］BO Rui，LI Fangxing．Probabilistic LMP forecasting considering load uncertainty［J］．IEEE Transactions on Power Systems，
2009，24（3）：1279－1289．
（编辑：刘素菊）
62电机与控制学报第14卷
龙源期刊网 https://www.doczj.com/doc/338027087.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
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
中国农业大学毕业设计（论文） 电力负荷的预测 学院（系）： 专业班级： 学生姓名： 指导教师： 学位论文原创性声明
本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包括任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。 作者签名： 年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保障、使用学位论文的规定，同意学校保留并向有关学位论文管理部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权省级优秀学士论文评选机构将本学位论文的全部或部分内容编入有关数据进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于1、保密囗，在年解密后适用本授权书 2、不保密囗。 （请在以上相应方框内打“√”） 作者签名：年月日 导师签名：年月日
摘要 电力负荷预测是电力系统调度、用电、规划等管理部门的重要工作。短期电 力负荷预测圭要用来预报未来几小时，一天至几天的电力负荷，它是能量管理系 统的重要组成部分，在现代电力系统的安全和经济运行中起着重要作用。随着电 力企业逐渐走向市场，对短期负荷预测提出了更高的精度要求。 由于电力负荷受政治、气候、以及电力负荷自身状况等多种因素的影响，因 此负荷预测是一项十分复杂的工作。本文首先分析了电力系统负荷的构成，阐述 了国内外短期电力负荷预测的基本方法，并在此基础上对近一年来的负荷 数据进行统计分析，重点介绍了数据预处理的方法、相似目的选取和灰色模型在 短期电力负荷预测中的应用。 关键词：短期负荷预测精度系统设计 Abstract Electrical load forecasting has important function in programming and dispatching department of power system．Short—term load forecasting,which major function is to forecast future power load several hours or several days 1ater,is the main part of the energy management system(EMS)．Meanwhile，It is important to the security and economical operation in modem power systems．Gone with the power Plant walking towards to the power market，load forecasting precision standard has become more and more strict． Because power load is influenced by multiple factors，such as politics，climate，self-status of the power load and so on,short-term load forecasting is a complex employment．Firstly，this paper analyses constitutes of the electrical load，and then introduces the basic method for short—term load forecasting at home and abroad．On the basis of these theories，this analyses load data in nearly one year,and then make emphases On the method of processing the history load data ，the selection of the similar day and the applying of the gray model in short-term load forecasting.At last,this paper shows the designing procedure of the power short-term load forecasting system and then proved the validity of the gray model method. Key words：short-term load forecasting precision system design
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 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
西安工业大学北方信息工程学院 本科毕业设计（论文）题目：基于BP神经网络的短期电力负荷预测 系别电子信息工程系 专业电气工程及其自动化 班级B070307 姓名宋亮 学号B07030716 导师张荷芳焦灵侠 2011年6月
毕业设计（论文）任务书 系别 电子信息系 专业 电气工程自动化 班 b070307 姓名 宋亮 学号 b07030716 1.毕业设计（论文）题目： 基于bp 神经网络的短期电力负荷预测 2.题目背景和意义：电力系统是由电力网、电力用户组成，其作用就是对各类用户尽可能经济地提供可靠而合乎标准要求的电能，以随时满足负荷要求。但是由于电力的生产与使用具有其特殊性，即电能是不能储存的。这就要求系统发出电力随时紧跟系统负荷的变化动态平衡，否则，就会影响供用电的质量。电力系统负荷预测因此发展起来，成为工程科学中重要的研究领域，是电力系统自动化中一项重要内容。在电力系统安排生产计划和实际运行的过程中， 负荷预测起着十分重要的作用，主要表现在以下几个方面： (1)经济调度的主要依据。对电力系统来说，必须对用户提供可靠而经济的电能，以随时满足各类用户的要求，亦即满足用户的负荷需求，而在另一方面，又要考虑生产成本，由于电能不能大量储存，因此必须在确保 系统安全的情况下尽量减少实时发电备用容量。(2)生产计划的要求。电力系统中，由于其可 靠性的要求，各种发、供电设备都有确定的检修周期。(3)电力系统安全分析的基础。电力事 故所造成经济损失和社会影响是巨大的，必须尽量避免。 3.设计(论文)的主要内容（理工科含技术指标）： 负荷预测并达到一定误差范围之内。 4.设计的基本要求及进度安排（含起始时间、设计地点）：电子系实验室 1-5周；开题，针对原理及应用、主要技术难点的收集资料，熟悉课题方案。 6-10周； 完成方案论证，确定设计方案。 10-15周；利用Matlab 对系统做进一步的仿真分析 16-18周；完成所有的设计工作，整理资料，完成毕业论文，准备答辩。 5.毕业设计（论文）的工作量要求 400机时 ① 实验（时数）*或实习（天数）： 100天 ② 图纸（幅面和张数）*：A4×2 ③ 其他要求： 论文：15000字以上；外文翻译：5000字以上 指导教师签名： 年 月 日 学生签名： 年 月 日 系主任审批： 年 月 日 说明：1本表一式二份，一份由学生装订入册，一份教师自留。 2 带*项可根据学科特点选填。
电力负荷预测 公司内部编号：（GOOD-TMMT-MMUT-UUPTY-UUYY-DTTI-
电力网中的电力负荷预测 （广西科技大学 **） 摘要：电力负荷预测是供电部门的重要工作之一，准确的负荷预测，可以在保障电网的安全前提下，经济合理的安排电网内部发电机组的启停，合理安排机组检修计划，减少不必要的旋转备用容量，降低电网公司的运营成本，提高经济和社会效益。本文主要介绍了电力负荷预测的概念、步骤以及经常采用的负荷预测方法。 关键字：负荷；预测；方法；步骤 引言 基于“十五”期间国民经济和电力工业的发展状况，在全国电力供需趋于平衡的前提下，我国“十一五”规划对电力工业发展坚持了“十五”期间制定的“可持续发展”的要求：电力工业发展方式要从数量速度型向质量效益型转变，从以供给导向为主转向以需求导向为主，优化电力资源配置。国家经贸委电力工业“十一五”规划中预测：“十一五”期间我国经济增长速度为年均8%左右，电力需求的平均增长速度为7%，到2009年全国发电装机容量将达到亿千瓦，（其中，水电占总容量%，火电占总容量%）国家电力公司电力工业“十一五”计划及2015年远景规划中预测：“十一五”期间我国GDP年均增长8%左右，电力需求的平均增长速度在%~%之间，到2009年全国发电装机容量将达到亿千瓦，全社会用电量将达到16200亿~16600亿千瓦时。 但实际的情况是：截至2009年年底，全国发电装机容量达到亿千瓦，全国发电量达到亿千瓦时，全社会用电量为24689亿千瓦时。
1、电力负荷预测综述 、电力负荷预测的意义 电力用户是电力工业的服务对象，电力负荷的不断增长是电力工业发展的根据。正确地预测电力负荷，既是为了保证无条件供应国民经济各部门及人民生活以充足的电力的需要，也是电力工业自身健康发展的需要。电力负荷预测工作既是电力规划工作的重要组成部分，也是电力规划的基础。全国性的电力负荷预测，为编制全国电力规划提供依据，它规定了全国电力工业的发展水平、发展速度、源动力资源的需求量，电力工业发展的资金需求量，以及电力工业发展对人力资源的需求量。 收稿日期：2012-12-25 作者简介：***，本科，研究方向：电力负荷预测，E-mail： 本文运用神经网络对某市某年某月某日进行电力负荷的短期预测，它为这一地区电力规划奠定了一定的基础，同时也为这一地区电力工业布局、能源资源平衡、电力余缺调剂，以及电网资金和人力资源的需求与平衡提供可靠的依据。因此，电力负荷预测是一项十分重要的工作，它对于保证电力工业的健康发展，乃至对于整个国民经济的发展均有着十分重要的意义 、电力负荷预测的定义 电力负荷预测结果的准确与否直接电力负荷预测是指通过对电力系统负荷历史数据的分析和研究，运用统计学、数学、计算机、工程技术及经验分析等定性定量的方法，探索事物之间的内在联系和发展变化规律，对未来的负荷发展做出预先估计和推测。关系到电力投资的效益，供电的可靠性，用电需求的正常发展，以及社会的经济效益和社会效益。但要做到预测准确或较准确是很困难的，因为影响电力负荷预测的因素相当多，且由于各地区产业结构和人民生活水平不
电力市场电价预测方法综述 电力市场的运营情况，主要是通过电价来体现的。只有对电价预测准确了，才能做出相应的电力决策，提升市场竞争力。因此，需要根据电力市场电价预测问题的特点，使用不同的办法，并在实践中改进，提高其精准度。 标签：电力市场;电价预测;方法 近年来，全球的电力市场都在飞速发展，所以对于电价预测的要求也随之提高。精准的电价预测，可以为电力核定提供重要数据，从而跟上时代发展的步伐。这也就确定了电价的核心地位，本文将找出预测办法的优缺点，提出一些完善的建议，提供参考。 一、电价预测的概念与特点 （一）电价预测的概念 电价预测，是在电力市场下，根据成本、经济形势等情况，运用数学的方法，对相关历史数据进行分析与计算。发现其中变化规律，在一定精准性与速度下，对市场中的电力价格做出合理预测。 （二）电价预测的特点 电价预测，虽然比较特殊，是一个比较波动的值，但是仍具有与负荷预测同样的周期性。正常情况下，燃料成本、设备容量、电阻与不同需求等会对电价波动造成制约，使之不同于负荷。而且，电价预测还会受到发电商实操情况、市场结构与经济发展的影响，所以准确度有待提升。介于电价预测比负荷的预测难度大，已经不能使用相同的办法去处理了。可以结合实际情况，使用短期与中长期电价预测办法，将精准度不断提升。电价预测是电力行业发展和研究的新方向，对其研究有助于电力市场化的实施和发展，但当前对电价的预测还不够充分。在实际预测中发现，没有一种普遍使用的办法，而是需要结合多种形势的组合预测，才能满足速度与精确度。 二、短期电价预测方法解析 短期电价，通常采用的是时间序列法，还有神经网络法、组合方法和小波理论等预测方法。其主要是对一定时间内的电价预测，例如，未来几个小时或者几天等。只有准确预测出短期电价，用此数据进行实时监测，使电力市场稳定运行。同时，也有能做出成本最低，利润较高的电力策略，跟上经济发展形势，提升市场竞争力。 （一）神经网络法
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 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
电力系统短期负荷预测毕业设计 1 。导言 为电力负荷预测制定一个精确的模型对一个公用事业公司的运作和规划是必不可少的。负荷预测也可帮助电力事业来作出重大的决定，包括关于购买和发电，负荷开关，及基础设施的发展。负荷预测对能源供应国，国际团结，金融机构，和其他与会者，在发电，输电，配电，和市场都是非常重要的。负荷预测可分为三类：短期预测，这通常是由一小时到一周，中期预测，这通常是一个星期到一年，而长期预测是长于一年。对于公用事业公司来说，预测不同的时间跨度对于不同的业务是重要的，当然这些预测的本质也一样是不同的。例如，对于一个特定区域，我们可以预测第二天的负荷，准确性可达到1-3％。但是，我们无法预测下一年度的高峰负荷，因为准确的长期天气预报到目前为止还是不可行的。对于明年的高峰预测，我们可以根据历史上的气象观测来提供大概的负荷分布。也有可以根据业界惯例，预测所谓天气正常化负荷，它将代替平均每年最高的气候条件或者比这个给定地区平均最高 的天气条件差一些。 天气正常化负荷是对所谓的正常天气条件实施负荷计算，它是一定的时间内，历史高峰负荷的平均值。这一时期从一个有用的点到另一个，多数公司采取过去25-30年的数据。负荷预报对公用事业公司的运作和规划一直是重要的。甚至，由于能源工业的不合理规划，负荷预测变得更加重要.随着供应和需求的波动变化和能源价格上升的因素，在十年或以上，在繁忙情况，负荷预测是制定水电费非常重要的依据。短期负荷预测方法可以帮助估计负荷流动，并作出决定，可以防止超载。及时实施这样的决定可以改善网络的可靠性，并减少发生设备故障和停电的次数。负荷预测也是一个重要的比较评价标准，为市场上提供的各种先进 的金融产品在能源方面的价格提供一个标准。 在放松管制的经济下，基于长期预测的资本性支出的决定，比在那个加息有可能由资本开支 项目决定的非开放的经济体系更加重要。 大多数预测方法利用统计技术或人工智能算法，如回归，神经网络，模糊逻辑和专家系统。大致可分为两种方法，即所谓的最终用途法和计量经济学法，都已广泛用于中期和长期预测。在这些方法中包括所谓的同类天法，就像回归模型，时间序列，神经网络，统计学习算法，模糊逻辑，专家系统一样已被短期预报而开发。正如我们所见，大量的数学方法和思路已用于负荷预测。发展和改善适当的数学工具，将促使开发更准确的负荷预测技术。负荷预测的精度不仅取决于负荷预测技术，而且取决于预测天气的情况。气象预报是一个重要话题，也 是外界对本章议论的内容。 这里我们只是提了在发展计算机化的气象预报系统中的重大进展，其中包括由大学开发和 支持的中尺度模式MM5。 2 重要因素预测 短期负荷预测的几个因素应予以考虑，例如时间因素，气象数据，并尽可能了解客户等级。中期和长期预测应顾及历史负荷和天气数据，在家电领域不同类别的用户数目及其特点，包括年龄，经济和人口统计数据，以及他们的预测，家电销售数据，和其他因素都要予以考虑。时间因素，包括这一年里，一周的某一天，某一小时。在平日和周末，负荷之间有重大差别。平时的负载也可以有所不同。举例来说吧，在星期一和星期五，被周末隔开的两天，负荷是不同的。而且由周二到周四也可能有很大的不同。在今年夏天的时候尤为如此。假期比非假期更难预测，因为他们相对显得不规则。 气象条件影响负荷。事实上，预测天气的参数是最重要的，在短期负荷预测.各种天气变数应考虑进来。温度和湿度是最常用的负荷预测因子。一个电力负荷预测调查表示，13个利用温度，而只有3个利用了温度和湿度，3个利用额外的气象参数，3个只用于负荷.在
基于统计学方法的短期电价预测 摘要：电力市场秉承着公平竞争，互惠互利的运作原则，通过利用各种技术、 经济、法律等等其他各种各方面的途径，对电力系统中发、输、变、配、售电等 各环节中的不同参与者进行管理、组织、规划与协调运行的一个体系，既是供电 用电售电、电力系统稳定运行、负荷管理、通信和计算机系统的整体，也监管引 导着电力工业的经济发展与技术创新。 关键字：电力；预测；系统 1 电价的基础理论 在电力市场化改革的进程中，西方经济学作为一门荟萃了前人智慧的学科， 为其提供了坚实雄厚的科学基础，其中均衡价格理论正是电价的形成与制定的良 好的基础理论依据。 在均衡价格理论中，价格由商品的卖方与卖方所共同作用而形成，在市场价 格机制自发的调节作用中，买卖双方对价格都做出相应的影响，双方相互作用后 最终达成的均衡，这就是均衡价格机制。 图1直观的描述了均衡价格理论的核心观点。 图1均衡价格示意图 根据供给曲线（Supply Curve）所示，供给取决于生产者，当价格越高，就有 越多的生产商原意提供商品，而价格越低，商家觉得无利可图便退出市场，则商 品产量下降，表明商品价格与商品供给量的变化走势呈正相关；根据需求曲线（Demand Curve）所示，需求取决于消费者，当价格越高，消费者无力承担这种 消费，则需求量减少，而价格越低，消费者经济能力能购买的商品数量就越多， 则商品需求量上升，表明商品价格与商品消费量呈负相关。当经过市场的自发调 节后，商品的需求与供给达到平衡，即两曲线相交时（图中表现为E点），就把 此时的商品价格称为“均衡价格”（Equilibrium Price）。 2 基于统计学的电价预测方法 在电力市场环境下，短期电价预测在促进市场竞争、维护参与者利益、提高 电力系统运行效率和实现资源优化配置等方面起着十分重要的作用，越来越受到 人们的重视，相关的电价预测研究也是百花齐放百家争鸣，本文主要着重于统计 学相关知识的电价预测研究。 统计预测是从统计学角度研究预测理论和方法的一门学科，是统计理论和方 法研究的一个方面，它也是其他实质性预测的基础。[统计预测]统计学的一大特 点是数量性，统计预测技术的主体无疑是定量预测技术，其特点是依赖统计资料，借助数学方法建立统计模型，根据统计模型对事物的未来发展水平进行预测，其 具体可分为两大类：回归分析预测技术和时间序列预测技术。 2.1 回归分析预测技术 回归分析预测属于因果预测，这种预测方法通过观察不同因素（即因变量） 如何对其预测对象（即自变量）产生影响，并分析两者间的相互关系，从而对这 种相互作用的关系构造模型、建立数量关系来对其未来发展进行预测。尽管方法 相对简单，但由于电价受影响的因素复杂多样且没有规律性，不易准确的表达出 影响因素与电价之间的数量关系，故回归分析预测技术在电价预测的研究中不多 被人采用。 2.2 时间序列预测技术
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