1.引言
随着我国电力事业的发展，电网的管理日趋现代化，电力系统负荷预测问题的研究也越来越引起人们的注意，电力系统短期负荷预测是电力系统调度运营部门的一项重要的日常工作，对制定运行方式、维持电力系统安全和经济运行有重要作用，其预测精度的高低直接影响到电力系统运行的安全性、经济性和供电质量。同时，电力负荷预测工作的水平已成为衡量一个电力企业的管理是否走向现代化的显著标志之一，尤其在我国电力事业空前发展的今天，用电管理走向市场，电力负荷预测问题的解决已经成为我们面临的重要而艰巨的任务。
短期负荷预测是能量管理系统(EMS)的一个重要模块，他所提供的未来的负荷数据,对电力系统近期输变电建设、运行和计划都非常重要。短期负荷除具有明显的周期性外，还受到各种环境因素的影响，如天气因素、季节变换、电力市场、重大事件等，使得负荷的时间序列变化呈现出非平稳的随机过程。由于短期负荷的随机因素太多，非线性极强，一些传统预测理论和方法常存在一定的局限性，新理论和新技术的发展推动着短期负荷预测不断发展，新的预测方法不断涌现。本文在分析短期负荷特点和影响因素的基础上，对短期负荷预测方法进行综述和总结，指出短期负荷预测方面可能的研究方向。
2.电力负荷预测特点
电力系统负荷一般可以分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷等，不同类型的负荷具有不同的特点和规律。总的来说，电力负荷的特点是经常变化的，如按小时变、日变、周变和年变，同时负荷又是以天为单位不断起伏的，具有较大的周期性，负荷变化是一个连续的过程，一般不会出现大的跃变，但电力负荷对季节、温度、天气、作息时间等是敏感的，不同的季节，不同地区的气候，以及温度的变化都会对负荷造成明显的影响。因此，电力负荷的特点决定了电力总负荷由以下四部分组成：基本正常负荷分量、天气敏感负荷分量、特别事件负荷分量和随机负荷分量。
因此，根据电力负荷的影响因素和变化规律，负荷的预测特点有以下几个方面[]]：
(1) 不准确性
电力负荷的发展是不确定的，会受到电力市场、天气状况等因素的影响，而且各种影响因素也是发展变化的。人们对于这些发展变化有些能够预先估计，有些却很难事先预见到，加上一些临时发生变化的影响，就决定了预测结果的不准确性或不完全准确性。
(2) 条件性
如果负荷人员真正掌握了电力负荷的本质规律，其预测条件就是必然条件，所做出的预测往往是比较可靠的。然而很多情况下负荷的发展是不确定的，常采用一些假设条件。因此，各种负荷预测都是在一定条件下做出的。
(3) 时间性
负荷预测属于科学预测的范畴，要求有比较确切的数量概念，这就需要确切地指明预测的时间。因此，负荷预测都有一定的时间范围。
(4) 多方案性
由于预测的不准确性和条件性，所以有时要对负荷在各种情况下可能的发展状况进行预测，就会得到各种条件下不同的负荷预测方案。
3.短期负荷预测模型
负荷预测问题就是预测的技术和方法或数学模型，随着科学技术的不断进步，负荷预测理论技术得到了很大发展，理论研究不断深入，适合本地特点的预测程序、软件开始出现。总之，其负荷预测方法有从经典的回归法、时间序列法，到目前的灰色预测法、专家系统法、模糊数学法、神经网络法、优选组合法和小波分析法，它们都有各自的研究特点和使用条件。
(1)传统的预测方法
①回归模型预测技术
回归预测法即通过观测数据来确定各变量之间的相互关系，实现未知量的预测。但事实上该方法存在着较大的局限性，因为负荷预测的输入与输出间存在极强的非线性关系，运用以上方法很难找到理想的数学模型来描述，比如无法详细地考虑气象等影响因素，同时预测模型缺乏自学习能力及预测准确度不高等缺点。文献[2]采用牛顿法对电力负荷的曲线参数非线性估计进行了探讨，在一定程度上提高了负荷预测精度。文献[3]根据周期自回归模型，建立了短期负荷的周期自回归预测模型和算法，以方便地处理电力负荷的周期性及不平稳性，其形式简单、运算速度快。
②时间序列预测法
时间序列预测法是把负荷数据看作是一个按季节、按周、按天以及按小时周期性变化的时间序列，根据负荷的历史资料，在建立数学模型的基础上确立负荷预测的数学表达式，并对未来的负荷进行预报。该方法对历史数据准确性要求高，对天气因素不敏感，较难解决因气象因素造成的短期负荷预测不准确问题。
时间序列预测技术的一般步骤包括时序模型识别、模型参数估计、模型定阶和预测等。随着时间序列预测技术的发展和完善，随机时间序列预测技术在电力短期负荷预测中得到广泛应用。文献[4]针对ARMA(p,q)模型研究了伪数据的处理和从自动搜索定阶到节假日预报的程序化模型，并对上海某电网进行了工作日和休息日负荷预报。文献[5] 将负荷分解为确定、趋势和随机三部分，并在ARMA(p,q) 的基础上引入反馈量为随机序列建模，并用F检验逐步自动定阶，以自回归计算残差法估计模型的初值，用递推最小二乘法对模型进行修正，以实现实时自适应负荷预报。文献[6]利用加权最小二乘法对ARMA 模型参数进行了估计，并应用于电力日和月负荷预测之中。
(2)现代预测方法
①人工神经网络技术
基于人工神经网络技术的电力短期负荷预测思路为将历史数据及对电力负荷影响最大的几种因素作为输入量输入人工神经网络，经过输入层、隐含层和输出层中各神经元的作用最后生成输出量，再以输出误差为目标函数对网络权值进行不断的修正直至误差达到要求，经训练后的网络就可以进行预测工作，只要把待预测日的相应刺激输入神经网络就可以得到相关的输出，即预测结果。人工神经网络具有强非线性映射能力，它不需建立变量间确定模型仅通过历史数据的自学习就可获得较精确的预测结果，因此被广泛地应用于电力短期负荷预测之中。
基于人工神经网络的负荷预测方法在气象因素的考虑[7~9]，如文献[7] 提出一种基于BP子网络和小波网络的短期负荷预测的级联网络模型，采用BP子网络来映射气象等不确定因素的影响，采用小波网络(预测网络)来映射历史负荷值的影响；文献[8]提出了运用基于非梯度的单参数动态搜索(SPDS)算法训练网络并根据预测日天气信息进行样本集的动态构造和网络的实时训练。
基于神经网络的输入变量选取[10~11]，如文献[10]讨论了人工神经网络输入变量的选取方法；文献[11]首先选用同一时刻并且具有相同影响因素的负荷作为人工神经网络的输入进行纵向负荷预测，利用预测时刻之前的整点时刻负荷预测的误差来建立一个带有自修正功能的灰色模型进行负荷预测的横向误差校正。
基于神经网络结构确定及性能改进[12~13]，如文献[12]提出了采用粗糙集理论对各种影响负荷预测的因素变量进行识别并通过属性约简和值约简获得推理规则集，再以这些推理规则构筑神经网络预测模型；文献[13]利用剪枝和附加动量法对标准函数连接神经网络(FLN)进行改进，并将电力负荷的机理和先验知识有机融入，构成了改进的FLN预测网络。
②模糊逻辑技术
模糊理论适合描述广泛存在的不确定性，同时它具有强大的非线性映射能力，能够在任意精度上一致逼近任何定义在一个致密集上的非线性函数，并能够从大量的数据中提取它们的相似性，这些特点正是进行短期负荷预测所需要的，也是其它方法所欠缺的。
理论上模糊逻辑可以逼近任意的非线性映射，并具有较强的自适应性和鲁棒性，因而在短期负荷预测中得到了广泛的应用[14-17]。文献[14]使用模糊规则集及与每一条规则对应的具有不同伸缩因子的子小波支撑向量基（WSVM）进行短期负荷预测，通过隶属函数调整预测精度；文献[15]使用加速进化算法（AEP）来优化模糊模型的规则库，然后由模糊模型作出预测，并与神经网络模型的预测效果进行了比较；文献[16]
使用不同的模糊模型对短期负荷进行预测，带模糊因子的谐波模型用于夏季及冬季，仅仅和待预测时间相关，而带模糊因子的混合模型与预测时间及温度均相关，两个模型共同完成负荷的预测工作；文献[17]针对电力负荷的特点，综合考虑天气、日类型、历史负荷等对未来负荷变化的影响，通过模糊聚类选取学习样本，采用反向传播算法对24 点每点建立一个预测模型。
③小波分析技术
小波分析(wavelet analysis)是一种时域—频域分析方法，既发扬了Fourier分析的优点，又克服了Fourier 分析的某些缺点，在时域和频域上同时具有良好的局部化性质，并且能根据信号频率高低自动调节采样的疏密，容易捕捉和分析微弱信号，可以聚焦到信号的任意细节，尤其是对奇异信号很敏感，能很好的处理微弱或突变的信号。
文献[18]提出将小波分析与电力系统中大量存在的时间序列相结合，创造性地把负荷的不规则变化成分和扰动波形的不同频率组成相类比，文献[19]利用小波变换将日负荷分解为受气象因素影响部分和不受气象因素影响部分，对受气象影响分量采用回归预测法进行预测，而不受气象影响分量则采用回归神经网络预测，并对预测结果进行重构获得最终预测结果；文献[20]应用小波变换将各序列分量分别投影到不同的尺度上，对不同子序列进行数据处理和预测，并对预测结果通过小波重构获得完整预测负荷，文献[21]则提出在负荷预测中利用小波奇异性检测确定历史负荷数据中的错误数据位置和类型。
④灰色预测法
灰色系统理论的显著特点就是用少量的数据做微分方程建立起预测的模型。它将一定范围内变化的历史数据列进行累加，使其变成具有指数增长规律的上升形状并对生成的数列建立起GM(grey model)模型，GM(l,n)也就是对n个变量用一阶微分方程建立的灰色模型。
文献[22]通过讨论灰色模型GM(1,1)和灰色差值模型在短期负荷预测中的应用，提出了适合于日负荷预测的数据处理方法，文献[23]针对历史数据同时具有空穴和不良数据时，将参数估计与不良数据辨识作为灰色预测的预处理过程，并将处理后的数据建立灰色模型进行预测，文献[24]提出了一种灰色递推预测法，它将灰色模型参数视为随时间变化的变量，并根据参数对时间的变化趋势对模型参数进行估计，进而对数据序列进行预测。
⑤专家系统法
由于专家系统具有一定的局限性，很少有文献单独将其应用于电力负荷预测中，通常的方法是将专家系统与模糊理论[25]、神经网络[26,27]等相结合，即根据预测机制应用专家系统对某预测结果进行修正。如文献[26]针对电力负荷影响因素多的特点，提出了基于三个智能化模块的短期负荷预测法，第一个模块采用人工神经网络建模，第二个模块采用自适应最优模糊逻辑系统建模，第三个模块针对前两个模块在天气突变和社会活动等突发事件时预测方法的不足，采用模糊专家系统进行修正。文献[27]针对RBF神经网络在天气突变所占的比例小和气象数据的不完备时的日负荷预测精度差的缺点，引入了专家系统对神经网络预测结果进行了修正。
⑥组合方法预测技术
组合预测有两类概念：一是指将几种预测方法所得的预测结果，选取适当的权重进行加权平均；二是指在几种预测方法中进行比较，选择拟合优度最佳或标准离差最小的预测模型进行预测。组合预测方法是建立在最大信息利用的基础上，它最优组合了多种单一模型所包含的信息。
无论是经典的负荷预测模型或是智能预测模型，都有其不足和缺点，所以结合各种预测模型优点的组合方法得到了越来越多的关注。电力负荷所受影响因素众多，很难用一种模型来描述所有变化因素，通常某一种预测方法往往仅侧重于某一个或几个方面，且不同负荷预测模型具有不同特点，组合预测法充分利用了多种模型的预测特点，因此在一定程度上能提高负荷预测的鲁棒性和实用性。在组合预测法中基于加权平均预测的关键是权重的确定，目前有许多确定方法[28～29]，文献[28]利用改进遗传算法的全局优化特性，对组合预测模型的权重进行了确定，并应用于实际电网的负荷预测，并取得了较好的预测精度。文献[29]通过多种预测模型的预测结果，采用自适应交叉法对各用电指标依据标准差进行优选组合，从而使该模型具有可扩充性和可移植性。
⑦混沌预测法
短期电力负荷往往表现为多变量动态演化行为和多层次结构等，因此很难用某种函数关系来表示其非线性预测模型，但其负荷序列具有一定的规律性，如某时期的发展变化与以前某时期的发展有着相似或相同的规律。混沌预测正是利用混沌吸引子在不同层次间的自相似性进行混沌系统的短期预测，它不需要了解各影响因素与负荷之间的相互关系，也无需对负荷序列建立工作日和节假日预测模型，仅通过相空间重构来近似恢复原来的多维非线性混沌系统。
近年来，随着非线性系统研究的发展，基于混沌理论的非线性时间序列预测模型在日负荷预测中的应用引起了人们的广泛兴趣，越来越多的基于混沌理论的预测方法应用于电力系统短期负荷预测，而且取得了较好的预测效果[30-33]。如文献[30]较早地将混沌时间序列预测法应用于电力短期负荷预测，作者通过计算Lyapunov指数显示该负荷系统具有混沌特性(具有正的Lyapunov指数)，并对负荷时间序列进行相空间重构，最后通过多层感知机对重构相空间进行预测。文献[31]提出了优化近邻点的短期负荷预测方法，即在满足欧氏距离的基础上，再按随时间演化轨迹的指数分离速率准则进行最近邻域点的选取，有效克服了伪近邻点在高嵌入维时对局域动力学估计的不利影响，同时将具有动态性能的递归性时延神经网络按优化近邻相点的演化轨迹建立预测模型。因此增强了模型对系统动力学的联想性和泛化能力，进而提高了预测精确度。文献[32]针对不同邻近点对预测结果的不同影响提出了加权一阶局域线性预测法，即在线性模型的参数辨识过程中根据邻域点距离的远近引入一权值，从而增强预测系统的自适应能力和通用性。文献[33]将奇异值分解的噪声消减算法应用到数据预处理，再将处理后的负荷时间序列进行相空间重构，使所获得的吸引子形状变得光滑且有规律，有效地削弱了测量噪声的影响，同时将混沌学习算法用于神经网络的参数训练中，通过电力短期负荷的实际应用显示该预测模型具有较高的预测精度。
4.短期负荷预测发展趋势
目前，在短期负荷预测中已有大量方法被研究和应用，但由于每种预测方法都有它固有的缺陷，很难被广泛地应用在不同地区的电力系统短期负荷预测中，因此众多国内外电力系统研究者仍然坚持不懈，不断探索新的预测方法。
在新方法的探索中有对现有方法存在缺陷进行改进的，也有新的数学方法的应用，如文献[34]提出基于云理论的配电网空间负荷预测方法，即采用云理论与粗糙集相结合进行土地使用决策中空间属性信息定量定性转换、空间数据的离散化、决策规则的挖掘，有效地解决数据不精确或不确定的实际问题, 增强了知识的发现能力，最后利用云理论的不确定推理对小区进行评分，克服传统模糊集理论的不彻底性，使推理结果更加合理而且贴近实际。云理论是一个分析不确定性信息的新理论，在一定程度上可解决短期负荷预测数据的不确定性以提高负荷预测的精确度。
5.结论
本文对短期负荷预测进行了较全面的综述，在归纳负荷预测特点的基础上，对短期负荷的传统预测方法和现代预测方法进行了总结，并对各方法的改进进行了分析。在短期负荷预测中，数据预处理是提高预测精度的重要环节，不同的预处理方法如粗糙集、云理论等和预测方法相结合都将产生新的预测模型，同时深入了解地区负荷特点和影响因素有利于预测方法的合理应用，进而提高短期负荷预测的精确度。
参考文献
[1]牛晓东，曹树华，赵磊，张文文.电力负荷预测技术及其应用，中国电力出版社，2002
[2]康重庆，夏清，刘梅，相年德. 应用于负荷预测中的回归分析的特殊问题电力系统自动化，1998，22（10）：38-41
[3]侯志坚等电力系统短期负荷预报的几种改进手段电力系统自动化，1996，20（7）：27-31
[4] 侯志坚等电力系统短期负荷预报的几种改进手段[J]. 电力系统自动化，1996，20(7)：27-31
[5]陆海峰, 单渊达电力系统的递推自适应超短期负荷预报电网技术，2000，24（3）：28-31
[6]叶瑰昀, 罗耀华, 刘勇, 金鸿章基于ARMA 模型的电力系统负荷预测方法研究信息技术，2002，（6）：74-76
[7] 李永坚，胡鹤宇. 电力系统短期负荷预测的级联网络模型研究. 继电器(RELAY)，2004，Vol.32 No.10：14～18
[8] 王雪峰，邬建华，冯英浚，王建元. 运用样本更新的实时神经网络进行短期电力负荷预测. 系统工程理论与实践，2003年4月第4期：95~99
[9] I. Drezga and S.Rahman. Short-term load forecasting with local ANN predictors，IEEE Trans. On Power Systems，vo1.14. No.3，Aug 1999，pp844-850
[10] I.Orezga，S.Rahman. Input Variable Selection for ANN-Based Short-Term Load Forecasting. IEEE Trans on Power Systems，Vo1.13，No.4，pp.1238-1244，November 1998
[11] 杨靖研，杜德生. 一种电力系统短期负荷预测的新方法. 控制理论与应用，2004年第23卷第2期：14～17
[12] 谢宏，程浩忠，张国立. 基于粗糙集理论建立短期电力负荷神经网络预测模型. 中国电机工程学报，2003，Vo1.23 No.11：1～4
[13] 张海涛，陈宗海，朱六璋. 基于改进FLN 的短期电力负荷预测算法. 电工技术学报，2004，Vol.19 No.5：92～96
[14]Yuancheng Li; Bo Li; Tingjian Fang. Short-term load forecast based on fuzzy wavelet support vector machines. Intelligent Control and Automation，2004. WCICA 2004. Fifth World Congress on，Volume6 ，June 15-19，2004 Pages：5194 – 5198
[15]Bin Ye; Chuangxin Guo; Yijia Cao . Short-term load forecasting using a new fuzzy modeling strategy. Intelligent Control and Automation，2004. WCICA 2004. Fifth World Congress on ，Volume6 ，
June15-19，2004 Pages：5045 – 5049
[16]Al-Kandari，A.M.; Soliman，S.A.; El-Hawary，M.E. Fuzzy systems application to electric short-term load forecasting. II. Computational results. Power Engineering，2003 Large Engineering Systems Conference on，7-9 May 2003 Pages：131 – 137
[17]姜勇. 基于模糊聚类的神经网络短期负荷预测方法. 电网技术. 2003，Vol. 27，No.2：45～49
[18]杨桦小波分析及其在电力系统中的应用[D].重庆：重庆大学,1997
[19]谢宏，陈志业，牛晓东，赵磊基于小波分解与气象因素影响的电力系统日负荷预测模型研究中国电机工程学报，2001，21（5）：5-10
[20]邰能灵，侯志俭，李涛，蒋传文，宋炯基于小波分析的电力系统短期负荷预测方法中国电机工程学报，2003，23（1）：45-49
[21]高山，单渊达小波奇异性检测在负荷数据纠错和平滑处理中的应用中国电机工程学报，2001，21（11）：105-108
[22]李鹰，赵振江，吴松涛灰色模型在普通日短期电力负荷预测中的应用长沙电力学院学报(自然科学版)，2003，18（1）：15-17
[23]康重庆，夏清，相年德灰色系统参数估计与不良数据辨识清华大学学报(自然科学版)，1997，37（4）：72-75
[24]周平，杨岚，周家启电力系统负荷灰色预测的新方法电力系统及其自动化，1998，10（3）：45-50
[25]招海丹，余德伟模糊专家系统用于短期负荷预测修正的初步探讨[J].华东电力，2000，5：24-27
[26]夏道止,王锡凡,周琳,赵登福,张涛.基于RBF神经网络和专家系统的短期负荷预测方法[J]. 西安交通大学学报,2001,35(04):331-334
[27]朱向阳，林鹤云一种基于RAN和专家系统的短期负荷预测方法[J].华东电力，2004，32（9）：42-44
[28]俞集辉、李春燕、谢开贵. 基于遗传算法的短期负荷组合预测模型[J]. 电网技术,20012001,25(8):20-23
[29]牛东晓、赵海青.负荷预测的交叉式自适应优选组合预测模型[J]. 华北电力大学学报，2000 Vol.27 No.04：13-17
[30]Hiroyuki Mori,Shouichi Urano. Short-Term Load Forevasting with Chaos Time Series
Analysis.:133-137
[31]张智晟,孙雅明,王兆峰,李芳. 优化相空间近邻点与递归神经网络融合的短期负荷预测[J]. 中国电机工程学报,2003,23(8):44-49
[32]吕金虎,张锁春.加权一阶局域法在电力系统短期负荷预测中的应用控制理论与应
用,2002,19(5):767~770
[33]王孙安,盛万兴,尤勇.一种新型短期负荷预测模型的研究及应用[J].中国电机工程学
报,2002,22(09):15-18
[34] 杨薛明，苑津莎，王剑锋，高鑫.基于云理论的配电网空间负荷预测方法研究, 中国电机工程学
报,2006,26(6):30~36
龙源期刊网 https://www.doczj.com/doc/3716173711.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
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
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
1.负荷预测分类和基础数据处理 1.1负荷预测及其分类 1.1.1负荷预测概念 负荷预测是根据负荷的历史数据及其相关影响因素，分析负荷的变化规律，综合考虑影响负荷变化的原因，使用一定的预测模型和方法，以未来经济形势、社会发展、气候条件、气象因素等预测结果为依据，估计未来某时段的负荷数值过程。 1.1.2负荷预测的分类 按照预测方法的参考体系，工程上的负荷预测方法可分为确定性预测方法、不确定预测方法、空间负荷预测法。 确定性：把电力负荷预测用一个或一组方程来描述，电力负荷与变量之间有明确的一一对应关系。 不确定性：实际电力负荷发展变化规律非常复杂，受到很多因素影响，这种影响关系是一种对应和相关关系，不能用简单的显示数学方程描述，为解决这一问题，产生了一类基于类比对应等关系进行推测预测负荷的不度额定预测方法。 空间负荷预测：确定和不确定负荷预测是对负荷总量的预测。空间负荷预测是对负荷空间分布的预测，揭示负荷的地理分布情况。
1.2负荷预测的基础数据处理 1.2.1负荷预测的基础数据 基础数据大致包括四类，分别为：①负荷数据（系统、区域、母线、行业、大用户的历史数据；负荷控制数据；系统、区域、大用户等的最大利用小时数；发电厂厂用电率和网损率。）②气象数据（整点天气预报；整点气象要素资料；年度气温、降水等气象材料。）③经济数据和人口（区域产业GDP；城乡可支配收入；大用户产量、产值和单耗；电价结构和电价政策调整；城乡人口。）④其他时间（特殊时间如大型会议、自然灾害；行政区域调整） 1.2.2数据处理 为获得较好的预测效果，用于预测数据的合理性得到充分保证，因此需要对历史数据进行合理性分析，去伪存真。最基本要求是：排除由于人为因素带来的错误以及由于统计口径不同带来的误差。另外，尽量减少异常数据（历史上突发事件或由于某些特殊原因会对统计数据带来宠大影响）带来的不良影响。常见的数据处理方法有：数据不全、数据集成、数据变换和数据规约等。 2.确定性负荷预测方法 2.1经验技术预测方法 2.1.1专家预测法 专家预测发分为专家会议发和专家小组法。会议发通过召集专家开会，面对
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。
中长期负荷预测方法综述 摘要:负荷预测是电力系统规划、供电、调度等部门的重要的基础工作,讨论了负荷预测的特点、分类及各种成熟的负荷预测技术,研究了现代负荷预测技术的发展动态,并指出未来主要的研究方向。 中长期负荷预测各种预测方法都具有其各自的优缺点和适用范围,在实际预测工作中,必须根据实际情况,着重从预测目标、期限、精确度等诸多方面作出合理选择,寻求能获取所需精度的预测方法。本文针对电力系统中长期电力负荷预测方法做出分析。 关键字：负荷预测、中长期负荷、负荷预测方法、负荷预测综述 正文：负荷预测是从已知的电力需求出发,通过对历史数据的分析, 并考虑政治、经济、气候等相关因素,对未来的用电需求做出估计和预测。负荷预测是电力系统规划、供电、调度等部门的重要的基础工作。对于经济合理地安排发电机组的启停及检修计划,保持电网安全稳定运行以及未来电网的增容和改建等有十分重要的用。 电力系统负荷预测是电力系统安全经济调度、规划、设计研究的基础和前提，准确的负荷预测结果将意味着在满足供电质量要求的条件下对系统建设资金最大可能限度的利用和有限投资的最大社会经 济效益的获得,负荷预测工作因而引起了人们的普遍关注随着电力 系统的迅速发展尤其是我国电力工业市场化改革的推行负荷预测 工作面临如何准确合理地考虑电力工业市场化后对实际电力负荷从大小到特性上的影响和给整个系统运行规划带来的变化的难题可以
设想在强大的市场压力和竞争机制作用下适用于电力市场环境下 的负荷预测理论和算法必将获得突破性研究成果 随着我国国民经济的快速发展和人民生活水平的不断提高,人们对电量需求量以及电能质量的要求也越来越高。、 一、基于参数模型的中长期电力负荷预测方法 1.趋势外推方法。将已有的各年度的电力负荷看作一个时间序列,利用最小二乘拟合等方法寻求电力负荷与时间的函数关系,并利用这个函数关系预测以后年度的电力负荷。趋势外推方法可以保证对历史数据的拟合是最好的,但不能保证外推效果的可靠性。 2.回归分析方法。回归分析预测是电力系统负荷预测的一种常用方法,根据回归分析涉及变量的多少,可以分为单元回归分析和多元回归分析。在回归分析中,随机变量是自变量,非随机变量是因变量,由给定的多组自变量和因变量资料究二者之间的关系,形成回归方程。回归方程求得后,给定各自变量数值,就可求出因变量值。回归方程根据自变量和因变量之间的函数形式,又可分为线性回归方程和非线性回归方程。在负荷回归分析法方法简单、预测速度快、外推性好,对于历史预测问题中,回归方程的因变量一般是电力系统负荷,自变量是影 响电力系统负荷的各种因素,如经济、人口、气候等。上未出现的情况有较好的预测性。但它对数据的要求高,特别是历史数据残缺或存在较大误差的情况下,预测效果很不理想;用线性方法描述比较复杂
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
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
1.负荷预测分类和基础数据处理 负荷预测及其分类 负荷预测概念 负荷预测是根据负荷的历史数据及其相关影响因素，分析负荷的变化规律，综合考虑影响负荷变化的原因，使用一定的预测模型和方法，以未来经济形势、社会发展、气候条件、气象因素等预测结果为依据，估计未来某时段的负荷数值过程。 负荷预测的分类 按照预测方法的参考体系，工程上的负荷预测方法可分为确定性预测方法、不确定预测方法、空间负荷预测法。 确定性：把电力负荷预测用一个或一组方程来描述，电力负荷与变量之间有明确的一一对应关系。 不确定性：实际电力负荷发展变化规律非常复杂，受到很多因素影响，这种影响关系是一种对应和相关关系，不能用简单的显示数学方程描述，为解决这一问题，产生了一类基于类比对应等关系进行推测预测负荷的不度额定预测方法。 空间负荷预测：确定和不确定负荷预测是对负荷总量的预测。空间负荷预测是对负荷空间分布的预测，揭示负荷的地理分布情况。 负荷预测的基础数据处理 负荷预测的基础数据 基础数据大致包括四类，分别为：①负荷数据（系统、区域、母线、行业、大用户的历史数据；负荷控制数据；系统、区域、大用户等的最大利用小时数；发电厂厂用电率和网损率。）②气象数据（整点天气预报；整点气象要素资料；年度气温、降水等气象材料。）③经济数据和人口（区域产业GDP；城乡可支配收入；大用户产量、产值和单耗；电价结构和电价政策调整；城乡人口。）④其他时间（特殊时间如大型会议、自然灾害；行政区域调整）
数据处理 为获得较好的预测效果，用于预测数据的合理性得到充分保证，因此需要对历史数据进行合理性分析，去伪存真。最基本要求是：排除由于人为因素带来的错误以及由于统计口径不同带来的误差。另外，尽量减少异常数据（历史上突发事件或由于某些特殊原因会对统计数据带来宠大影响）带来的不良影响。常见的数据处理方法有：数据不全、数据集成、数据变换和数据规约等。 2.确定性负荷预测方法 经验技术预测方法 专家预测法 专家预测发分为专家会议发和专家小组法。会议发通过召集专家开会，面对面讨论问题，每个专家充分发表意见，并听取其他专家意见。小组法以书面形式独立发表个人见解，专家之间相互保密，最后综合给出预测结果。 类比法 类比法是将类似失误进行分析对比，通过已知事物对未知事物做出预测。例如选取国内外类似城市或地区为类比对象，参考该对象的发展轨迹对本地区作出预测。 主观概率发 请若干专家来估计某特定时间发生的主观概率，然后综合得出该时间的概率。 经典技术预测方法 单耗法 通过某一工业产品的平均单位产皮用电量以及该产品的产量，得到生产这种产品的总用电量。 用电量A=国民生产总之或工农业总产值b*产值单耗g
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
电力系统中传统负荷预测方法的文献综述 负荷预测的核心问题就是预测的技术方法，或者说是预测数学模型。随着现代科学技术的不断进步，负荷预测理论、技术得到了很大的发展，理论研究逐步深入，适合本地特点的预测程序、软件开始出现。但不可否认的是，就目前而言，我国的电力系统负荷的预测技术还是比较落后的，相应的基于软件的技术还不能满足现代社会的需求，有待进一步提高。 传统的负荷预测方法如回归模型法，卡尔曼滤波法，时间序列法，灰色预测法，专家系统法，模糊理论法，神经网络法，小波分析法等。这些传统的预测方法无论是哪种均具有不足和缺陷，随着对负荷预测的深入研究和广泛应用，传统的预测方法的应用越来越难以适应发展，逐渐形成了现代负荷预测方法。 文献【1】针对传统静态神经网络自适应能力差、收敛速度慢、预测精度低的问题,提出了一种基于小波分析和Elman动态神经网络的中长期电力负荷预测方法,该算法通过对原始样本进行小波分解,将分解后的低频趋势信号和高频细节信号分别进行预测,在输出端再进行重构后得到预测曲线;然后就传统负荷预测问题中数据预处理环节的数据校验问题,提出了一种基于小波理论的奇异点检测法,该方法对原始样本进行一维离散小波分解,抽取一层高频细节信号进行分析,根据工程实践中设置的阈值,来检测有可能因为系统故障、人为失误导致的数据记录错误,为准确预测提供了保障。文献【2】提出一种基于人工神经网络的电力负荷预测方法 ,该方法充分吸收了神经网络非线性逼近能力的优点。在神经网络结构设计中充分考虑了电力负荷的特点 ,并用神经网络加权最小方差模型(NNWLS)对样本进行训练。在实际预测中 ,该预测方法取得了比较高的的预测精度。文献【3】针对人工神经网络模型在进行负荷预测时,大多不考虑气象等因素的影响,提出了一种基于数据挖掘预处理的改进短期电力负荷预测的方法,应用数据挖掘的聚类功能,寻找与预测日同等气象类型的多个历史短期负荷数据序列进行预测,从而提高预测的精度。鉴于ANN模型对不确定性和模糊信息学习处理能力较差的缺点,引用模糊系统的理论,构建模糊神经网络(FNN)模型。通过实例预测和预测结果比较分析表明,提出的方法具有较高的预测精度。文献【4】为进一步提高电力负荷预测的精度和运算速度,针对短期负荷预测样本数据既有趋
研 20 （XJEDU2010116）
研究与开发 2011年第10期 21 据已有的资料和经验，运用一定的方法和模型，分析负荷本身及其有关因素的相互关系，编制负荷预测曲线。在预测过程中，由于受经济，政治，气象，时间等多种随机性因素的影响，短期负荷具有随机性和不确定性。总的来说，短期负荷预测具有以下明显特点： 1）不确定性 电力负荷受多种复杂因素的影响，且这些影响因素有时难以准确确定，这就会导致负荷预测结果的不准确。 2）条件性 负荷未来发展的不确定性，导致条件无法确定，因此就需要一些假设条件，在此基础上对负荷进行预测。 3）时间性 科学的负荷预测，要求有比较确切的数量关系和概念，因此，要指明预测的起止时间和历史样本的起止时间。 4）多方案性[4] 不同地区的负荷情况所采用的预测方案是不一样的，我们需要对各种情况下可能的负荷发展状况进行预测，这样短期负荷预测就具有多方案性。 5）周期性 由于人们在长期的社会活动过程中形成了特定的生产和生活方式，使负荷变化具有了一定的规律性，其中最典型的是年周期性、周周期性、日周期性，其中日周期性是日短期负荷预测和超短期负荷预测的依据和基础。 6）连续性 短期电力负荷是连续的，在负荷变化过程中，无论是负荷增加还是减少都要求负荷变化量在一定的范围之内，其外在表现就是负荷的连续性。 7）非线性 短期负荷的变化与其影响因素基本上不存在正比关系，这样在短期负荷预测中应用线性模型进行预测效果就会比较差。 8）相似性 在实际的负荷预测过程中，负荷预测结果在相对应的阶段呈现相近的情况，事实上，我们在负荷预测过程中使用类推法和历史类比法，就是基于这个特点。 1.2 影响负荷预测精度的因素 精度是负荷预测最重要的指标。在电力系统短期负荷预测中，影响短期负荷预测精度的因素是多方面的，但主要是以下几方面： 1）历史数据 历史负荷数据在很大程度上决定了未来预测负荷的水平，然而负荷预测所需的大量历史资料并不能保证其绝对准确可靠，在一定程度上必然会带来一些预测误差。 2）经济因素 经济环境的好坏和经济发展状况对负荷预测是有重要影响的。一般来说，经济发展比较好的情况下，负荷水平就提升的比较快；反之，负荷水平就会下降。 3）政治因素 例如军事冲突等，此类事件出现的概率很小，但是一旦出现就会对负荷造成重大影响。 4）气象因素 影响负荷的天气因素很多，在进行负荷预测时，往往预测模型只考虑研究对象的主要因素，而忽略了许多次要的因素，另外，再加上气象预报本身的不准确，会造成双重误差。 5）时间因素 时间的周期性和季节性变化、节假日等时间因素使负荷曲线在不同的时间范围内呈现出不同的特征。 6）样本因素 影响短期电力负荷预测的样本因素包括样本数量、样本质量和样本范围。在进行短期电力负荷预测时，不能仅仅考虑时间、历史数据因素，应该综合考虑影响负荷的各种因素，同时对各个因素进行定量和定性的分析，进而选择最佳样本，使预测更加准确。 7）预测模型 不同负荷预测模型所得出来的预测结果有时是有较大差别的，我们应根据地区实际和特点，选择精确的负荷预测模型。 8）其他因素 在确保电力市场经济性的的情况下，执行峰谷分时电价，在一定程度上对负荷曲线产生了影响；难以确定反映负荷周期性、趋势性以及与影响因素之间关系的样本数；有些突发事件，如拉闸限电、冲击负荷、停电检修和重大活动等都可能会对系统负荷产生很大的影响；大电网（网、省级）负荷变化一般都有较强的统计规律性，预测结果比较准确，