电力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，其对电力系统规划和运行都极其重要。
电力负荷预测包括两方面的含义，即用以指安装在国家机关、企业、居民等用户处的各种用电设备，也可用以描述上述用电设备所消耗的电力电量的数值。
电力负荷预测是以电力负荷为对象进行的一系列预测工作。从预测对象来看，电力负荷预测包括对未来电力需求量（功率）的预测和对未来用电量（能量）的预测以及对负荷曲线的预测。其主要工作是预测未来电力负荷的时间分布和空间分布，为电力系统规划和运行提供可靠的决策依据。
负荷预测是电力系统调度、用电、计划和规划等管理部门的重要工作之一。提高负荷预测技术水平,有利于用电管理,有利于合理安排电网运行方式和机组检修计划,有利于节煤、节油和降低发电成本,有利于制定合理的电源建设规划,有利于提高电力系统的经济效益和社会效益。本文的第一章主要介绍了负荷预测的概念、分类与特点,以及负荷预测的基本步骤和误差分析;在第二、三章介绍了各类电力系统负荷预测的常用方法的特点和适用范围,着重分析了一些预测新技术,如灰色预测、专家系统预测、神经网络预测、小波分析预测等的模型结构、功能特点、适用范围,并说明了各类方法在电力系统的实际应用情况;同时,在第四章还提出了几种综合负荷预测模型,并介绍了利用遗传算法、蚁群算法优化权重的方法;第五章阐述了一些提高负荷预测精度的措施。
关键词：电力系统负荷预测电网运行方式
Power system load forecasting is an important part of planning is the basis for economic operation of power system, its power system planning and operation are extremely important.
Load forecasting, including two meanings, that is used to refer installation in the state organs, enterprises, residents and other users at a variety of electrical equipment, can also be used to describe the power consumed by electrical equipment, power values.
Load forecasting power load for the object is a series of forecasting. View objects from the forecast, load forecast including future power demand (power) of the forecast and future consumption (energy) load forecast and the forecast curve. Its main job is to predict the future distribution of power load and spatial distribution of the time, for the
power system planning and operation to provide a reliable basis for decision making.
Scheduling of power system load forecasting, electricity, planning and planning one of the important work of management. Improve the load forecasting technology is conducive to electricity management, is conducive to operation mode and reasonable arrangements for unit maintenance scheduling will help save coal, fuel economy and reduce the cost of power generation, power is conducive to the development of rational construction plan will help improve power system Economic and social benefits. In the first chapter introduces the concept of load forecasting, classification and characteristics, and the load forecast and error analysis of the basic steps; in the second and third chapter describes the various types of power system load forecasting characteristics of the common methods and scope, analyzes the Some predict the new technologies, such as prediction, forecasting expert system, neural network, wavelet analysis prediction of the model structure, functional characteristics, scope, and describes the various methods in the practical application of power system; the same time, in Several chapters also proposed integrated load forecasting model, and introduced the use of genetic algorithms, ant colony optimization method of weight; chapter describes a number of measures to improve the accuracy of load forecasting.
Power Systems Load Forecasting Operation mode
目录
摘要................................................................................................................. 错误！未定义书签。绪论................................................................................................................. 错误！未定义书签。第1章电力负荷预测综述........................................................................ 错误！未定义书签。
1.1 电力负荷预测的含义 .................................................................. 错误！未定义书签。
1.2 电力负荷预测的意义 .................................................................. 错误！未定义书签。第2章电力负荷分析 ................................................................................. 错误！未定义书签。第3章电力负荷预测的内容及程序...................................................... 错误！未定义书签。
3.1 电力负荷预测的内容 .................................................................. 错误！未定义书签。
3.2 电力负荷预测的程序 .................................................................. 错误！未定义书签。第4章电力负荷预测模型及基本算法 ................................................. 错误！未定义书签。
4.1 电力负荷预测模型....................................................................... 错误！未定义书签。
4.2 电力负荷预测基本算法.............................................................. 错误！未定义书签。第5章电力短期负荷预测研究............................................................... 错误！未定义书签。
5.1 基于温度准则的外推方法 ......................................................... 错误！未定义书签。
5.2 基于人工神经网络日负荷预测 ................................................ 错误！未定义书签。第6章电力系统短期负荷预测建模...................................................... 错误！未定义书签。
6.1 基于神经网络的预测原理 ......................................................... 错误！未定义书签。结束语............................................................................................................... 错误！未定义书签。参考文献 .......................................................................................................... 错误！未定义书签。谢辞................................................................................................................. 错误！未定义书签。
电力系统短期负荷预测对未来1日至1周的负荷进行预测。短期负荷预测是随着电力系统EMS的逐步发展而发展起来的，现已经成为EMS必不可少的一部分和为确保电力系统安全经济运行所必需的手段之一。随着电力市场的建立和发展，对短期负荷预测提出了更高的要求，短期负荷预测不再仅仅是EMS的关键部分，同时也是制定电力市场交易计划的基础。电力系统负荷预测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。
短期负荷预测技术经过几十年的发展，人们提出了许多的预测方法。现有的预测方法大体可以分为2类：经典的数学统计方法以及上世纪90年代兴起的各种人工智能方法。经典的数学统计方法包括线性外推法、多元线性回归法、时间序列法和状态空间法等。人工智能方法包括人工神经网络法、专家系统方法和模糊推理方法、小波分析等。
在对大量历史负荷数据进行统计分析的基础上，根据电力负荷的特点，在考虑天气温度、日类型、实际历史负荷等因素对预测负荷影响的基础上，本文介绍了一种基于BP神经网络的短期负荷预测方法。其中首先根据实际经验将一周的7天分为工作日（星期一到星期五）和休息日（星期六和星期天）等两种类型；然后建立相应的人工神经网络模型用以预测负荷归一化系数；最后通过最小二乘法预测日最大负荷和日最小负荷。利用相应的BP神经网络方法对未来24小时负荷进行短期预测，该方法充分发挥了神经网络处理非线性问题的能力和人工神经网络自学习、自适应的优点。实际算例表明，这种方法应用在短期负荷预测方面有较高的精度。
电力负荷有两方面的含义：一方面是指电力工业的服务对象，包括使用电力的部门、机关、企事业单位、工厂、农村、车间、学校以及各种各样的用电设备；另一方面是指上述各用电单位、用电部门或用电设备使用电力和电量的具体数量。电力负荷预测中的负荷概念是指国民经济整体或部门或地区对电力和电量消费的历史情况及未来的变化发展趋势。
电力负荷预测就是在正确的理论指导下，在调查研究掌握大量翔实资料的基础上，运用可靠的方法和手段对电力负荷的发展趋势作出科学合理的推断。本文基于神经网络的电力短期负荷预测就是在大量有关电力短期负荷研究和神经网络理论的指导下，在充分调查研究处理了某市某年某月一个月700多组数据后，应用了神经网络理论与MATLAB的实现方式，进行了编程仿真，得出了月底某工作日和某休息日两天的各小时点的具体负荷。较高的预测精度充分表明了它的科学合理性。
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。
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。
本文对某市进行电力短期负荷预测，电力负荷的构成与特点如下：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。
城市民用负荷主要是城市居民的家用电器，它具有年年增长的趋势，以及明显的季节性波动特点，而且民用负荷的特点还与居民的日常生活和工作的规律紧密相关。商业负荷，主要是指商业部门的照明、空调、动力等用电负荷，覆盖面积大，且用电增长平稳，商业负荷同样具有季节性波动的特性。虽然商业负荷在电力负荷中所占比重不及工业负荷和民用负荷，但商业负荷中的照明类负荷占用电力系统高峰时段。此外，商业部门由于商业行为在节假日会增加营业时间，从而成为节假日中影响电力负荷的重要因素之一。工业负荷是指用于工业生产的用电，一般工业负荷的比重在用电构成中居于首位，它不仅取决于工业用户的工作方式(包括设备利用情况、企业的工作班制等)，而且与各行业的行业特点、季节因素都有紧密的联系，一般负荷是比较恒定的。农村负荷则是指农村居民用电和农业生产用电。此类负荷与工业负荷相比，受气候、季节等自然条件的影响很大，这是由农业生产的特点所决定的。农业用电负荷也受农作物种类、耕作习惯的影响，但就电网而言，由于农业用电负荷集中的时间与城市工业负荷高峰时间有差别，所以对提高电网负荷率有好处。
从以上分析可知电力负荷的特点是经常变化的，不但按小时变、按日变，而且按周变，按年变，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。
电力负荷预测的内容是指需要测算些什么量（或参数），归纳起来有以下一些参数需要测算。
（1）最大有功负荷及其分布。最大有功负荷的大小是确定电力系统装机规模
的基础数据，换句话说是电源规划的依据。有功负荷，加上电网中损失的有功和发电厂自用有功量，再加上适量的备用容量，就等于电力系统的装机容量。有功负荷的分布是输电线路设计的基础，也是变电所配置的基础，即有功负荷的地区分布特点是输变电规划和配电规划的主要依据。
（2）无功负荷及其分布。无功负荷的大小及分布是确定电力系统无功电源规划的基础，也是影响电力系统安全经济运行的重要因素。
（3）需电量。它是进行能源供需平衡的主要依据。
（4）电力负荷曲线及其特征值。电力负荷大小及其在时间上的分布特征，对电力规划及电力系统运行是至关重要的。它是确定电力系统中电源结构、调峰容量需求、运行方式及能源平衡的主要依据。
负荷预测根据目的的不同可以分为超短期、短期、中期和长期：①超短期负荷预测是指未来1h以内的负荷预测，在安全监视状态下，需要5～10s或1～5min 的预测值，预防性控制和紧急状态处理需要10min至1h的预测值。②短期负荷预测是指日负荷预测和周负荷预测，分别用于安排日调度计划和周调度计划，包括确定机组起停、水火电协调、联络线交换功率、负荷经济分配、水库调度和设备检修等，对短期预测，需充分研究电网负荷变化规律，分析负荷变化相关因子，特别是天气因素、日类型等和短期负荷变化的关系。③中期负荷预测是指月至年的负荷预测，主要是确定机组运行方式和设备大修计划等。④长期负荷预测是指未来3～5年甚至更长时间段内的负荷预测，主要是电网规划部门根据国民经济的发展和对电力负荷的需求，所作的电网改造和扩建工作的远景规划。对中、长期负荷预测，要特别研究国民经济发展、国家政策等的影响。
电力负荷预测是一个过程，其一般程序可划分为准备、实施、评价与提交预测报告四个阶段。
3.2.1 准备阶段
准备阶段的工作是由确定预测目标、落实组织工作、搜集资料、分析资料和选择方法等工作组成。
（1）确定预测目标。确定目标就是要在明确预测目的前提下，规定预测对象的范围、内容和预测期限。一般而言，预测范围视研究问题所涉及的范围而定，编制全国电力规划，就要预测全国范围内的电力、电量需求量；编制大区网局或地方（省、地、县）电力局的发展规划，就要预测大区电网或地方电力局范围内
的电力、电量需求量。预测内容是指包括电力、电量、电力负荷的地区分布，电力负荷随时间的变化规律，以及电力负荷曲线特征及负荷曲线等。预测期限是指预测的时间长短，一般电力规划中负荷预测期限有短期预测（即5年期预测），中期预测（即5—10年期预测），及长期预测（即15年以上的预测）。
（2）搜集与整理资料。资料是预测的基本依据，占有的资料的充裕程度及资料的可信度，对预测结果的可信度是至关重要的。一般在做电力负荷预测时需要搜集与整理的资料主要有：电力系统历年用电负荷、用电量、用电构成；经济发展目标（如国民生产总值、国民收入等）；国民经济结构的历史、现状及可能的变化发展趋势；人口预测资料及人均收入水平；能源利用效率及用电比重的变化；工业布局及用户的用电水平指标；以及国外参考国家的上述类似历史资料。这些资料的主要来源有两种途径：一是各国政府、研究机构等定期或不定期发表的报刊、资料、文献、和其他出版物；二是预测人员通过调查所获得的资料。资料的来源统计计算口径及调查方法不同，都有对资料的可信度产生不同的影响。因此，在调查搜集资料的过程中对搜集得到的资料应进行鉴别，去粗取精，去伪存真，以保证预测中使用的资料翔实可靠。
（3）分析资料，选择预测方法。对经过鉴别整理后的资料要进行分析，以寻求其规律。在预测中常用的分析方法有多种，如时间序列分析、因果关系分析等方法。要根据资料的掌握情况及资料样式，选择相应的预测方法，寻求预测量的演变规律或趋势，建立预测模型。没有一种方法在任何预测场合下均可以保证获得满意的结果。因此，必须根据对资料的占有情况，以及预测目标、预测期限，预测环境、预测结果的精确度，同时考虑预测本身的效益成本分析等进行权衡，以便作出合理的选择。
3.2.2 实施预测阶段
在进行预测时，要依据选择的预测方法来进行预测。如果是采用定量预测方法来进行预测，就要根据建立的定量预测模型，带入预测期的自变量目标值，就可以获得预测期所要的预测变量值。如果是采用定性预测方法来进行预测，就应根据掌握的客观资料进行科学的逻辑推理，推断出预测期的预测值。
由于影响预测对象的诸因素可能会发生变化，从而可能使未来的实际结果与预测依据的历史资料呈现的规律不相吻合，预测人员必须适时的对预测模型及预
测结果加以修正。这种情况下，预测人员的经验、理论素养及分析判断能力起重要的作用。
3.2.3 评价预测阶段
预测的主要成果是得到预测结果。预测结果应该是明确的，可以被检验的。因此，在得到预测结果后必须对预测结果的准确度和可靠性进行评价。务使预测误差处于可接受的范围内。若误差太大，就失去了预测的意义，并从而导致电力规划的失误。
3.2.4 题出预测报告阶段
预测报告是预测结果的文字表述。预测报告一般包括题目、摘要、正文、结论、建议、和附录等部分。
预测题目主要反映预测目标、预测对象、预测范围和预测时限。摘要通常说明预测中的主要发现、预测的结果及提出的主要建议和意见。摘要与题目配合，可以引起有关方面的重视。正文包括分析及预测过程、预测模型及说明、有关计算方法、必要的图表、预测的主要结论及对主要结论的评价。结论与建议是扼要地列出预测的主要结果，提出有关建议和意见。附录主要包括说明正文的附表、资料，预测中采用的计算方法的推导和说明，以及正文中未列出的有价值的其他资料。
针对影响系统负荷的因素，电力系统总负荷预测模型一般可以按四个分量模型描述为
L(t)=B(t)+W(t)+S(t)+V(t) （4-1）
式中，L(t)为时刻t的系统总负荷；B(t)为时刻t的基本正常负荷分量；W(t)为时刻t的天气敏感负荷分量；S(t)为时刻t的特别事件负荷分量；V(t)为时刻t 的随机负荷分量。
4.1.1 基本正常负荷分量模型
不同的预测周期，B(t)分量具有不同的内涵。对于超短期负荷预测，B(t)近似线性变化，甚至是常数；对于短期负荷预测，B(t)一般呈周期性变化；而中长期负荷预测中，B(t)呈明显增长趋势的周期性变化。
所以，对于基本正常负荷分量，可以用线性变化模型和周期变化模型描述，或用二者的合成共同描述，即
()()()B t X t Z t = （4-2） 式中， 为线性变化模型负荷分量； 为周期变化模型负荷分量。
线性变化模型可以表示为
()X t a b t ε=++ （4-3） 式中，a,b 为线性方程的截距和斜率；ε 为误差。
（1）线性变化模型
超短期负荷变化可以直接采用线性变化模型，将前面时刻的负荷描述成一条直线，其延长线即可预测下一时刻的负荷，如图所示。短期负荷日均值接近于常数，长期负荷年均值增长较大，甚至需要用非线性模型（二次或指数函数）描述。
针对短期负荷预测，将历史上一段日负荷L 按时序画在一张图上，见图4.1所示，将及每日平均负荷X 画在图上，总体看来是一条斜率接近于零的直线，可用线性模型来描述。
图4.1 负荷线性变化模型 （2）周期变化模型
周期变化模型，是用来反映负荷有按日、按月、按年的周期变化特性。如图
4.2所示给出了日负荷曲线，其周期变化规律可以用日负荷变化系数 表示： ()()i i i
L t Z t X = （4-4） 其中，()i L t 为一天中各小时的负荷；i X 为当天的日平均负荷。
图4.2给出连续几天的日负荷变化系数 曲线，其有明显的周期性，即以24小时为周期循环变化。顺序观察每天同一时刻的负荷变化系数值，可以看出他们接近于一条水平线，这样便可以用前几天的同一时刻的负荷变化系统值的平均值预测以后的值。逐小时作出日负荷变化系数的平均值，连接起来就是一天总的周期变化曲线。我们把这种反映一天24小时负荷循环变化规律的模型称为日周期变化模型。即 1
1()()n
i i Z t Z t n ==∑(t=1,2,...,24) （4-5） 式中，n 为过去日负荷的天数；()i Z t 为过去第 i 天第t 小时负荷变化系数。
这样，按线性模型预测B(t)的负荷均值X(t)，按周期变化模型预测B(t)的周期负荷变化系数Z(t)，用式（4-2）就可以得到基本负荷分量B(t)。
4.1.2 天气敏感负荷分量模型
影响负荷的天气因素，有温度、湿度、风力、阴晴等，这里以温度为例说明天气敏感负荷模型。以日负荷预测为例，给定过去若干天气负荷记录、温度记录，利用线性回归或曲线拟合方法，可以用三段直线来描述天气敏感负荷模型
(),()(),0,s s s s w w w w s K t T t T W t K t T t T T t T ?????
->=--<≤≤ （4-6）
式中，t 为预测温度，可以是一日最高温度、最低温度、平均温度或是某时点温度；w T ，w K 为电热临界温度和斜率，s t T < 时电热负荷增加，其斜率为w K ；s T ，S K 为冷气临界温度和斜率，s t T >是冷气负荷增加，其斜率为S K 。
在之间一段温度上，电热和冷气均不开放，负荷和温度没什么关系。
4.1.3 特别事件负荷分量模型
L
1 2 n n+1 ... (8)
16 24 8 16 24 24 24
16 8 图4.2 日负荷周期变化模型
特别事件负荷分量指特别电视节目、重大政治活动等对负荷造成的影响。其特点是只有积累大量的事件记录，才能从中分析出某些事件的出现对负荷的影响程度，从而作出特别事件对负荷的修正规则。这种分析可以用专家系统方法来实现，也可以简单的用人工修正来实现。人工修正方法通常用因子模型来描述。 因子模型又可以分为乘子模型和叠加模型两种。
乘子模型，是用一个乘子k 来表示特别事件对负荷的影响程度，k 一般接近于1，那么，特别事件负荷分量为
()(()())S t B t W t k =+ （4-7） 叠加模型，是直接把特别事件引起的负荷变化值 当成特别事件负荷分量 ，即 ()()S t L t =? （4-8）
4.1.4 随机负荷分量模型
上述各分量的数学模型，都不适应于随机负荷分量。实际上，对于给定的过去一段时间的历史负荷记录，提取出基本负荷分量、天气敏感负荷分量和特别事件负荷分量后，剩余的残差即为各时刻的随机负荷分量，可以看成是随机时间序列。目前，处理这样问题的最有效办法是Box-Jenkins 的时间序列法，其基本的时间序列模型有下述4种。
（1）自回归模型
一个自回归模型（AR ）描述的过程是它的现在值可以由本身的过去的有限项的加权和及一个干扰值a(t)（假设为白噪声）来表示，即
1()(1)(2)()()i p V t V t V t V t p a t =Φ-+Φ-+???+Φ-+ （4-9） 在自回归模型中，模型的阶数p 和系数i Φ（ =1，2，…,p ）由过去值通过模型辨别和参数估计来决定。
（2）动平均模型
动平均模型（MA ）描述的过程是它的现在值V(t)可由其现在和过去的干扰值的有限项的加权和来表示，即
12()()(1)(2)()q V t a t a t a t a t q θθθ=-----???-- （4-10） 同样，模型的阶数q 和系数i θ（ =1，2，…,q ），由过去的历史值通过模型辨别和参数估计决定。
（3）自回归动平均模型
自回归动平均模型（ARMA ）把它的现在值V(t)看作是它的过去值的有限项的加权和及其现在和过去干扰量的有限项加权的叠加，即
11()(1)()()(1)()p q V t V t V t p a t a t a t q θθ=Φ-+???+Φ-+---???-- （4-11）
（4）累积式自回归动平均模型
非平稳随机过程多种多样，一般常见的是含有趋势项和周期项的非平稳随机过程。
某些非平稳随机序列V(t)，例如均值不为0的非平稳随机过程，经一阶差分后得到的序列（1-B ）V(t)有可能是平稳的。有趋势变化的非平稳随机过程，有可能经过若干次差分后才能平稳化，即对V(t)作多次差分得到的 是一个平稳随机过程，即
'()(1)()d V t B V t =- （4-12） 式中，d 为差分阶数；B 为后移算子。
具有周期变化规律的非平稳时间序列V(t)，它按固定的周期T 呈现的规律变动。如果每个时间点的值都和超前T 的（t-T ）值进行差分运算，那么（1- T B ）V(t)就变成平稳时间序列了，其中T B 是周期为T 的后移算子。
所以，对于一个含有趋势项的非平稳随机过程，可有下式来描述：
()(1)()()()d p q B B V t B a t θΦ-= （4-13） 它即称为ARIMA 模型。
本文研究的是某城市的某年某月某日的电力系统短期负荷预测，因此，影响系统负荷的因素包括上述的四种分量模型。短期负荷预测基本模型是指24小时的日负荷预测和168小时的周负荷预测，列举其预测周期，知其基本变化规律可由线性变化模型和周期变化模型来描叙，日负荷至周负荷的变化，受特别事件影响明显，对应特别事件负荷分量模型，同附和随机负荷分量。线性变化模型用来描叙日平均负荷变化规律，将历史上一段日平均负荷按时序画在一张图上，可以看出每日平均负荷有波动，总体趋势是一条直线，可用线性模型表示。周期模型用来描叙24小时为周期的变化规律，在分析日负荷曲线形状时，除掉日平均负荷的变化因素，将连续几天的日负荷变化画在一张图上，可以看出明显的周期性，即以24小时为周期循环变化。
特别事件（天气）负荷分量，考虑时可把特别天气或天气变化看作是特别时间和其它如特别节目，重大纪念活动等合并作为特别事件考虑，也可以把有关天气对负荷的影响和其他事件出现对负荷的影响分开考虑，负荷在一定程度上，受分量影响很大，进一步提高负荷预测精度，关键是科学合理地预测特别事件负荷分量，但往往还不是一件容易的事情。
详细地考虑特别事件（天气）负荷分量，是一件复杂的工作，可以专门用专家系统来做实际工作中一般做适当简化，目前，常把特别事件和天气对负荷的影响分开考虑，特别事件用前已讲过的乘子模型或叠加模型考虑；天气变化对负荷
的影响，一般主要考虑温度影响，把负荷看作是温度的函数，由历史负荷数据和温度记，通过线性同归的办法，来确定其关系。
随机负荷分量，一般由时间序列模型描述。
电力负荷预测分为经典预测方法和现代预测方法。
4.2.1 经典预测方法
（1）时间序列法
时间序列法是一种最为常见的短期负荷预测方法，它是针对整个观测序列呈现出的某种随机过程的特性，去建立和估计产生实际序列的随机过程的模型，然后用这些模型去进行预测。它利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析处理，确定其基本特征和变化规律，预测未来负荷。
时间序列预测方法可分为确定型和随机性两类，确定型时间序列作为模型残差用于估计预测区间的大小。随机型时间序列预测模型可以看作一个线性滤波器。根据线性滤波器的特性，时间序列可划为自回归(AR)、动平均(MA)、自回归-动平均(ARMA)、累计式自回归-动平均(ARIMA)、传递函数(TF)几类模型，其负荷预测过程一般分为模型识别、模型参数估计、模型检验、负荷预测、精度检验预测值修正5个阶段。
时间列模型的缺点在于不能充分利用对负荷性能有很大影响的气候信息和其他因素，导致了预报的不准确和数据的不稳定。
（2）回归分析法
回归分析法就是根据负荷过去的历史资料，建立可以分析的数学模型，对未来的负荷进行预测。从数学上看，就是利用数理统计中的回归分析方法，通过对变量的观测数据进行分析，确定变量之间的相互关系，从而实现预测目的。回归预测包括线性回归和非线性回归。
回归模型虽然考虑了气象信息等因素，但需要事先知道负荷与气象变量之间的函数关系，这是比较困难的。而且为了获得比较精确的预报结果，需要大量的计算，这一方法不能处理气候变量和负荷之间的非平衡暂态关系。
虽然经典的数学统计方法具有速度快的优点，但是其预测模型比较简单，很难准确描述负荷预测的实际模型，所以其精度较差。随着人工智能技术逐步被引入到短期负荷预测中，人们已经提出了多种基于人工智能的预测方法，其中最为典型的为基于各种人工神经网络模型的预测方法，其中以神经BP算法为代表。
4.2.2 现代负荷预测方法
20世纪80年代后期，一些基于新兴学科理论的现代预测方法逐渐得到了成功应用。这其中主要有灰色数学理论、专家系统方法、神经网络理论、模糊预测理论等。
（1)灰色数学理论
灰色数学理论是把负荷序列看作一真实的系统输出，它是众多影响因子的综合作用结果。这些众多因子的未知性和不确定性，成为系统的灰色特性。灰色系统理论把负荷序列通过生成变换，使其变化为有规律的生成数列再建模，用于负荷预测。
灰色系统理论是中国学者邓聚龙教授1982年3月在国际上首先提出来的，在国际期刊《SYSTEMS AND CONTROL LETTER》刊物上发表，题为“Control Problems of Grey Systems”,引起了国际上的充分重视。
灰色系统理论的形成是有过程的。早年邓教授从事控制理论和模糊系统的研究，取得了许多成果。后来，他接受了全国粮食预测的课题，为了搞好预测工作，他研究了概率统计追求大样本量，必须先知道分布规律、发展趋势，而时间序列法只致力于数据的拟合，不注重规律的发展。邓教授希望在可利用数据不多的情况下，找到了较长时期起作用的规律，于是进行了用少量数据做微分方程建模的研究。这一工作开始并不顺利，一时建立不起可供应的模型。后来，他将历史数据作了各种处理，找到了累加生成，发现累加生成曲线是近似的指数增长曲线，而指数增长正符合微分方程解的形式。在此基础上，进一步研究了离散函数光滑性，微分方程背景值、平射性等一些基本问题，同时也考虑了有限和无限的相对性，定义了指标集拓扑空间的灰导数，最后解决了微分方程的建模问题。
（2）专家系统方法
专家系统方法是对于数据库里存放的过去几年的负荷数据和天气数据等进行细致的分析，汇集有经验的负荷预测人员的知识，提取有关规则。借助专家系统，负荷预测人员能识别预测日所属的类型，考虑天气因素对负荷预测的影响，按照一定的推理进行负荷预测。
专家系统是一个用基于知识的程序设计方法建立起来的计算机系统（在现阶段主要表现为计算机系统），它拥有某个特殊领域内专家的知识和经验，并能像专家那样运用这些知识，通过推理，在那个领域内作出智能决策。所以，一个完整的专家系统是有四部分组成的，即知识库、推理机、知识获取部分和解释界面。
专家系统方法总结了目前城网中长期负荷预测中的可行模型，针对目前方法存在的片面性，首次尝试把专家系统技术应用到负荷预测上，从而克服单一算法
的片面性；同时，全过程的程序化，使得方法还具有快速决断的优点。负荷预测是城网规划部门所面临的较难处理的基础工作，还由于预测过程容易出现人为差错及预测专家比较缺乏，使本方法具有较为广泛的使用前景。专家系统法利用了专家的经验知识和推理规则，使得假日或重大活动日子的负荷预报精度得到了提高。但是，把专家知识和经验等准确地转化为一系列规则是非常不容易的。
（3）神经网络理论
运用神经网络技术进行电力负荷预测，其优点是可以模仿人脑的智能化处理，对大量非结构性、非精确性规律具有自适应功能，具有信息记忆、自主学习、知识推理和优化计算的特点，特别的，其自学习和自适应功能是常规算法和专家系统技术所不具备的。因此，预测被当作人工神经网络（简记为ANN）最有潜力的应用领域之一，许多人都试图应用反传学习算法训练ANN。以用作时间序列预测。误差反向传播算法又称为BP法，提出一个简单的三层人工神经网络模型，就能实现从输入到输出间非线性映射任何复杂函数关系。因此，我们可以将对电力负荷影响最大的几种因素作为输入，即当天的天气温度、天气晴朗度（又称为能见度）、风向风力、峰谷负荷及相关负荷等，争取获得较好的预测结果。
神经网络理论是利用神经网络的学习功能，让计算机学习包含在历史负荷数据中的映射关系，再利用这种映射关系预测未来负荷。由于该方法具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场，但其缺点是学习收敛速度慢，可能收敛到局部最小点；并且知识表达困难，难以充分利用调度人员经验中存在的模糊知识。
（4）小波分析预测技术
小波分析（Wavelet）是本世纪数学研究成果中最杰出的代表。它作为数学学科的一个分支，吸取了现代分析学中诸如泛函分析、数值分析、Fourier分析、样条分析、调和分析等众多分支的精华，并包罗了它们的特色。由于小波分析在理论上的完美性以及在应用上的广泛性，在短短的几年中，受到了科学界、工程界的高度重视，并且在信号处理、图象处理、模式识别、地震预报、故障诊断、状态监视、CT成象、语言识别、雷达等十几个科学领域中得到应用。小波分析为本世纪现代分析学作了完美的总结。
小波分析方法的提出，可以追溯到1910年Harr提出的“小波”规范正交基及1938年Littlewood-Paley对Fourier变换的相位变化本质上不影响函数的L-P 理论。1981年Stromberg对Harr 系进行了改进，证明小波函数的存在。1984年法国地球物理学家Morlet在分析地震波的局部性时，把小波运用于对信号分解，取得了满意的分析结果。随后，理论物理学家Grossman对Morlet的这种信号方法进行了理论研究，这无疑为小波分析的形成奠定了基础。
1986年，法国数学家Mayer创造性地构造出了一个具有一定衰减特性的光滑
函数，它的二进制伸缩和平移系构成L（R）的规范正交基，实现了信号在时频空间同时局部化的正交分解。他为小波理论的形成和完善作出了重大贡献，是小波理论的奠基人之一。1987年，Mallat巧妙地将计算机视觉领域内的多尺度分析的思想引入到小波分析中小波函数的构成及信号按小波变换的分解及重组，从而成功地统一了此前的各种具体小波函数的构造，并研究了小波变换的离散化情形，得到相应的Mallat金字塔式算法，显著地减少了计算量，使小波分析具有工程实用价值。
1988年，Daubechies构成出了具有有限支撑的正交小波基。它在数学信号的小波分解过程中提供有限的从而更实际、更具体的数字滤波器。这样，小波分析的理论大厦就基本奠定了。1990年，Daubechies在美国作了10次小波讲座，把小波介绍到工程界中，“小波热”就开始了。此后，中国学者崔锦泰和王建忠构成了基于样条函数的单正交小波函数，并讨论了具有最好局部化性质的尺度函数与小波函数。而Wicherhanseer等将Mallat算法进一步深化，提出了小波包算法，取得了信号的最佳时频分解。目前，国内外有关小波在电力系统中的应用的文献还很少，这个领域还是很少，然而，由于其独特的分析方法，在电力系统负荷预测方面一定会有很好的前景。
小波分析是一种时域——频域分析方法，它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，它容易捕捉和分析微弱信号以及信号、图象的任意细小部分。其优于传统的Fourier分析的主要之处在于：能对不同的频率成分采用逐渐精细的采样步长，从而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，其目标是将一个信号的信息转化成小波系数，从而能够方便地加以处理、存储、传递、分析或被用于重建原始信号。这些优点决定了小波分析可以有效地应用于负荷预测问题的研究。
（5）模糊负荷预测
模糊负荷预测是近几年比较热门的研究方向。模糊控制是在所采用的控制方法上应用了模糊数学理论，使其进行确定性的工作，对一些无法构造数学模型的被控过程进行有效控制。模糊系统不管其是如何进行计算的，从输入输出的角度讲它是一个非线性函数。模糊系统对于任意一个非线性连续函数，就是找出一类隶属函数，一种推理规则，一个解模糊方法，使得设计出的模糊系统能够任意逼近这个非线性函数。
下面介绍模糊预测的一些基本方法。
①表格查寻法：表格法是一种相对简单明了的算法。这个方法的基本思想是从已知输入—输出数据对中产生模糊规则，形成一个模糊规则库，最终的模糊逻辑系统将从组合模糊规则库中产生。
这是一种简单易行的易于理解的算法，因为它是个顺序生成过程，无需反复学习，因此，这个方法同样具有模糊系统优于神经网络系统的一大优点，即构造起来既简单又快速。
②基于神经网络集成的高木-关野模糊预测算法：它是利用神经网络来求得条件的输入变量的联合隶属函数。结论部的函数f(X)也可以用神经网络来表示。神经网络均采用前向型的BP网络。
高木-关野模糊预测算法虽然已得到了很大的应用，适用于各种复杂的建模，取得了较好的预测效果，但是它对输入变量的要求较高等缺点，这必然限制了它的应用。
③改进的模糊神经网络模型的算法：模糊神经网络即全局逼近器。模糊系统与神经网络似乎有着天然的联系，模糊神经网络在本质上是模糊系统的实现，就是将常规的神经网络(如前向反馈神经网络，HoPfield神经网络)赋予模糊输入信号和模糊权。
对于复杂的系统建模，已经有了许多方法，并已取得良好的应用效果。但主要缺点是模型精度不高，训练时间太长。此种方法的模型物理意义明显，精度高，收敛快，属于改进型算法。
④反向传播学习算法：模糊逻辑系统应用主要在于它能够作为非线性系统的模型，包括含有人工操作员的非线性系统的模型。因此，从函数逼近意义上考虑，研究模糊逻辑系统的非线性映射能力显得非常重要。函数逼近就是模糊逻辑系统可以在任意精度上，一致逼近任何定义在一个致密集上的非线性函数，其优势在于它有能够系统而有效地利用语言信息的能力。万能逼近定理表明一定存在这样一个可以在任意精度逼近任意给定函数的高斯型模糊逻辑系统。
反向传播BP学习算法用来确定高斯型模糊逻辑系统的参数，经过辨识的模型能够很好的逼近真实系统，进而达到提高预测精度的目的。因此，这种方法的模型有较高的精度，但是它的训练时间太长，收敛较慢等缺点。
对于日负荷预测来说，工作日和休假日负荷曲线差别明显，其次，天气因素，特别是温度对负荷有较大的影响，由此，采用基于温度准则的外推方法，首先根据过去数个同类型日得出预测日的负荷变化系数，认为同类型的负荷变化规律相近，其次，假定每个同类型日负荷数据和温度数据，求出其相关系数，最后,在预测到预测日最高温度和最低温度出情况下，预测出预测日的最大负荷和最小负荷，再由预测日的负荷变化系数，最终求出预测日的各点负荷预测值。图5.1给出了其原理框图。
图5.1基于温度准则的外推日负荷预测方法原理图
下面叙述该办法具体计算步骤：
1）确定预测日类型是工作日还是休息日。
2）取和预测日同类型的过去几天负荷并分别归一化，归一化如下： (,)(,min)(,)(,max)(,min)
n L k i L k L k i L k L k -=- （5-1） 其中，(,)n L k i 为第k 日第 小时负荷数据的归一化值；(,)L k i 为第k 日第 i 小时负荷数据；(,min)L k 为第k 日最小负荷数据；(,max)L k 为第k 日最大负荷数据。
3）把上面取得的几天负荷归一化系数平均，得到该类型预测日的日负荷变化系数 1(,)()n
n n k L k i L i n ==∑ （5-2） 其中()n L i 为该类型日第i 小时负荷系数。
4）读取预测地区该预测日的最高温度max T 和最低温度min T 。
5）计算预测日的最大负荷和最小负荷
max max 12L a T a =+ （5-3） 12min min L b T b =+ （5-4） 其中1a ，2a ，1b ，2b 根据历史负荷数据和历史温度记录用最小二乘决定的系数。方法是，假定每天最大负荷是每天最高温度的函数
max max 12L a T a =+ （5-5） 每天最小负荷是每天最低温度的函数
12min min L b T b =+ （5-6） 然后根据过去几天的最大负荷和最小负荷记录及对应的最高温度和最低温度记录，用最小二乘方法决定系数1a ，2a ，1b ，2b 。
6）计算预测的每小时负荷
max min min ()()()n L i L i L L L =-+ （5-7） 其中()L i 为第i 小时预测负荷(i =1，2，…，24)。
中长期电力负荷预测研究 发表时间：2017-11-24T11:02:36.117Z 来源：《电力设备》2017年第19期作者：南志军童丽萍 [导读] 摘要：电力负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作之一。 （国网新疆哈密供电公司新疆哈密 839000） 摘要：电力负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作之一。该文对电力负荷预测的概念及分类等问题进行了简要论述，重点分析了中长期负荷预测的特点、成熟方法，对中长期负荷预测方法进行了综述。 关键词：中长期；电力负荷；预测；研究 电力系统负荷预测作为电力系统现代化管理的重要内容之一，在电力系统的控制运行和规划方面具有非常重要的作用，尤其是中长期电力系统负荷的预测，受经济、社会、人口、气候等因素影响很大，存在多样性、复杂性和许多不确定性，对其预测结果是制定电力系统输电规划和电源规划的基础，体现了未来负荷发展的规律，为未来负荷规划提供可靠的依据。 1中长期负荷预测的概述 电力负荷预测是指从已知的电力系统、经济、社会、气象等情况出发，通过对历史数据的分析和研究，运用哲学、社会学、经济学、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，探索事务之间的内在联系和发展变化规律，对负荷发展做出预先估计和推测。长期预测以年为预测时段，以用电负荷、用电量等的年度统计数据作为预测内容，主要受国民经济发展情况、人口、产值单耗、产业结构调整情况、电价政策等的影响，其目的是为合理安排电源和电网的建设进度提供宏观决策的依据。中期预测以月为预测时段，以用电量、用电负荷等的月度统计数据作为预测内容，这些数据呈周期性增长，每年度的12个月具有相似的规律，其变化规律可分为月度量的年度发展序列和月度量的月度发展序列。 2电力负荷预测原理 负荷是指电力需求量，而需求量可用能量的时间变化率表示。在充分考虑一些重要的电力系统运行特性、增容决策、自然条件与社会影响的条件下，研究或利用一套系统的处理过去和现在负荷的数学方法，在满足一定精度要求的意义下，确定未来某特定时刻的负荷数值，称为负荷预测。由于中长期电力负荷受经济、社会、气候等多种因素影响，且存在多样性、复杂性和不确定性，传统的方法无法对复杂电力负荷系统进行准确的预测，导致预测精度低。由于电力负荷是一多维的动态非线性时间序列系统，影响因素很多，只有从中找出一组合适的因子才能有效地捕捉电力负荷变化趋势，从而对电力负荷进行准确的预测。设电力负荷的影响因子为: { x1，x2，…xm} ，m表示影响因子的个数，y 表示电力负荷真实观察值，xi表示第 i 个影响因素，通过一定的建模方法描述电力负荷和影响因子的非线性关系。 3目前常用的中长期电力负荷预测方法及分析 3.1 传统预测方法 回归分析预测法，根据回归分析涉及变量数分为单元、多元回归分析；根据自变量和因变量之间的函数形式，分为线性、非线性回归方程。该方法简单便捷、外推性好，可以很好的预测出从未发生过的情况；但在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，针对复杂参数变化，缺乏自学习能力，无法及时进行负荷模型更新。时间序列外推法，基本模型包括：自回归模型AR、动平均模型MA、自回归动平均模型ARMA。此方法适用于负荷变化不大的情况，优点是：对历史数据量要求较低；缺点是：对历史数据准确性要求高，模型系数的计算较繁琐，用线性方程来近似表达一种非线性关系，无法参考天气因素的影响，无法保证精度。灰色数学理论，利用GM 模型群实现电力负荷预测。当电力负荷呈严格指数增长时，灰色数学理论预测方法的预测精度高、所需样本数据少、计算简便以及可检验。但其缺点也比较突出：数据的灰度越大，预测精度越差，不适合长期预测；具有波动性变化的电力负荷，采用GM模型，误差大，无法实现实际需求。 3.2 现代负荷预测方法 模糊预测法，利用有限的规则近似表示任意的函数关系，其缺点是模糊推理FUZZY预测没有学习能力，不能很好的适应不断变化的电力系统，因而精度比较差。专家系统预测法，是对不可量化的经验进行转化的一种方法。其优点是:能汇集多个专家的知识和经验，最大限度地利用专家的能力，资料与信息量比较多，考虑的结果比较全面，从而可以得出较为准确的结果。其缺点是:知识面受数据库的限制，失去自学的能力；对突发性事件和不断变化的条件适应性差。遗传规划方法，是用能根据环境状况动态改变的广义的层次化计算机程序描述问题。在负荷预报应用中，能自动找出与负荷变化密切相关的因素，用其作为自变量，自动生成函数表达式来体现负荷的变化规律，建立负荷预测的数学模型。其预报精度可满足工程需要，在实际应用中，用遗传规划直接进行负荷预报可以作为其他预报方法的辅助工具。优选组合预测模型，对于同一个预测问题，将多个不同的预测模型的线性组合，在一定的条件下改善模型的拟合能力和提高预测精度。选取适当的权重进行加权平均或者选择拟合优度最佳或标准差最小的预测模型作为最优模型进行预测。 3.3 对中长期负荷预测方法的建议 对于年度预测具有单调性的特点，采用灰色预测法、回归分析预测法；若可以引入相关因素，可采用弹性系数法。对于月度预测时，按照年度发展序列构成的月度预测方法中，若历史数据具有单调性特点，则采用灰色预测、回归分析等方法；按照月度发展序列构成的月度预测方法中，根据12月的周期性，优先采用ARMA模型。 4中长期负荷预测要解决的问题及对其研究方向的建议 4.1 中长期负荷预测要解决的问题 需要充分考虑外界因素变化、未来相关因素不确定性、众多因素交互作用的结果以及对预测专家经验和意见有效分析利用的预测前提；遵循“近大远小”原则，采用加权参数估计方法实现区别对待各时段的拟合残差；由于需要按照一定参数估计方法求解若干待定参数（如最小二乘估计、岭估计等算法），使得预测效果差别较大，则如何选择适当的参数估计方法提高预测精度是需要解决的问题。 4.2 对负荷预测问题研究方向的建议 首先是，组合预测，但组合预测的权重确定的分析和估计策略的选择还需要深入研究。其次是，由于不同单位开发了多个电力负荷预测和分析的软件包，使得其独立性强，兼容性差，造成软件培训和系统维护的困难，基于Internet/intranet技术的发展，提供了一种全新的实现负荷预测技术的手段，为电力部门提供一个网上的负荷预测中心，从而有效地提高预测方法的准确性、预测操作的简单性和经济性，
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
1、单耗法 这个方法是根据预测期的产品产量（或产值）和用电单耗计算需要的用电量，即 A h ＝∑=n i 1Q i U i 式中 A h —某行业预测期的需电量； U i —各种产品（产值）用电单耗； Q i —各种产品产量（或产值）。 当分别算出各行业的需用电量之后，把它们相加，就可以得到全部行业的需用电量。这个方法适用于工业比重大的系统。对于中近期负荷预测（中期负荷预测的前5年），此时，用户已有生产或建设计划，根据我国的多年经验，用单耗法是有效的。 在已知某规划年的需电量后，可用年最大负荷利用小时数来预测年最大负荷，即 P n·max =T A n m ax 式中 P n·max —年最大负荷（MW ）； A n —年需用电量（k W·h ）； T max —年最大负荷利用小时数（h ）。 各电力系统的年最大负荷利用小时数，可根据历史统计资料及今后用电结构变化情况分析确定。 单耗法分产品单耗法和产值单耗法。采用单耗法预测负荷的关键是确定适当的产品单耗或产值单耗。 单耗法可用于计算工业用户的负荷预测。 单耗法可根据第一、第二、第三产业单位用电量创造的经济价值，从预测经济指标推算用电需求量，加上居民生活用电量，构成全社会用电量。预测时，通过对过去的单位产值耗电量(以下简称“单耗”) 进行统计分析，并结合产业结构调整，找出一定的规律，预测规划第一、第二、第三产业的综合单耗，然后根据国民经济和社会发展规划指标，按单耗进行预测。单耗法需要做大量细致的统计、分析工作，近期预测效果较佳。 单耗法的优点是方法简单，对短期负荷预测效果较好。缺点是需做大量细致的调研工作，比较笼统，很难反映现代经济、政治、气候等条件的影响。
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
中长期电力负荷预测方法的简述及分析 【摘要】介绍负荷预测的概念及所依据的原理，简述了目前常用的中长期电力负荷预测方法及分析了存在的问题，对一些新的现代负荷预测方法作了归纳说明。【关键词】负荷预测预测方法发展动态1.引言在一定的规划期内，电力系统的负荷水平决定了其发展的规模与速度。因此，中长期电力负荷预测的结果在一定程度上决定了未来规划期内电力系统的发展。当前电力市场正在逐步由卖方市场转向买方市场，过去的以产定销将变成以销定产，生产计划和基建计划的安排都对中长期电力负荷预测提出了更高的要求。本文在介绍电力负荷预测的概念和原理的基础上，把中长期电力负荷预测方法及现在使用的情况和发展趋势作一个简单的叙述和分析。2.负荷预测的概念和原理负荷预测是指在充分考虑一些重要的系统运行特性、增容决策、自然环境和社会影响的条件下，研究或利用一套能系统地处理过去与未来负荷的数学方法，在满足一定精度要求的前提下，确定某特定时刻的负荷数值。负荷预测根据规划目标年限分类，可分为长期预测(指未来10年到20年的负荷预测)、中期预测(指未来5到10年的负荷预测)和近期预测(指5年内的预测)。负荷预测工作是根据电力负荷的发展规律，预计或判断其未来发展趋势和状况的活动。这项活动基于以下的基本原理：(1)可知性原理作为预测的对象，负荷的发展规律、未来的发展趋势和状况是可以为人们所知道的。人们不但可以认识它的过去和现在，而且可以通过总结它的过去和现在而推测其未来。(2)可能性原理事物的发展变化是内因和外因共同作用下的结果。内因的变化及外因作用力大小不同，会使事物的发展变化有多种可能性。所以对某一具体指标的预测往往是按照其发展变化的多样性，进行多方案预测。(3)连续性原理又称惯性原理，是指预测对象的发展是一个连续的过程。其未来发展是这个过程的连续。它强调了预测对象总是从过去发展到现在，再从现在发展到将来。它认为事物发展变化过程中会将某些原有的特征保存下来，延续下去，电力系统的发展变化同样存在惯性，这种惯性是我们进行负荷预测的主要依据。(4)相似性原理在很多情况下，作为预测对象的一个事物，其现在发展过程和发展状况可能与过去另一事物过去一定阶段的发展过程和发展状况相类似，人们可以根据后一事物的已知发展过程和状况，来预测所预测对象的未来发展过程和状况，这就是相似性原理。目前，预测技术中使用的类推法和历史类比法就是基于这个原理的预测方法。(5)反馈性原理反馈就是利用输出返回输入端，再调节输出结果。预测的反馈性原理实际上是为了不断提高预测的准确性而进行的反馈调节。当预测结果和经过一段实践得到的实际值存在差距，可利用这个差距对预测模型进行调节，提高预测的准确性。反馈性预测的实质就将预测的理论值和实际要求相结合，在实践中检验，然后进行修改、调整，使预测质量进一步提高。(6)系统性原理这个原理认为预测对象是一个完整的系统，它本身有内在的系统，它与外界的联系又形成了它的外界系统。这些系统总和构成一个完整的总系统，预测对象的未来发展是系统整体的动态发展，也是整个系统的动态发展和它的各个组成部分和影响因素之间相互作用和相互影响密切相关的。系统性原理还强调系统整体最佳，只有系统整体最佳的预测，才是高质量的预测，才能为决策者提供最佳的预测方案。3.目前常用的中长期电力负荷预测方法及分析在目前的中长期电力负荷预测工作中，比较常用和普遍的有如下几种方法：(1)分产业产值单耗法单耗法即单位产品耗电法，是通过某一单位产品的平均单位产品用电量以及该产品的产量，得到生产这种总产品的总用电量，单耗法需要做大量细致的调查统计工作，但在实际工作中很难对所有产品较准确地求出其单耗，而且工作量太大。(2)电力弹性系数法电力弹性系数是电量平均增长率与国内生产总值之间的比值，该方法旨在分析电力弹性系数有单位国内生产总值电耗之间的关系，根据国内生产总值增长速度结合电力弹性系数得到规划期末的总用电量，同单耗法一样，电力弹性系数法需要做大量细致的统计工作。(3)分区负荷密度法负荷密度预测法是从地区土地面积(或建筑面积)的平均耗电量出发作预测，预测时，先预测出未来某时期的土地面积(或建筑面积)和单位面积用电密度，再乘以面积得到用电量预测值，分区负荷预测法首先根据近年来的发展情况、经济发展目标以及电力规划目标将待预测区域划分成多个功能区，然后
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
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。
摘要 负荷预测是电力系统规划、计划、用电、调度等部门的基础工作。讨论了年度负荷预测、月度负荷预测和短期负荷预测的特点、成熟 方法，分析了负荷预测问题的各种解决方案，并指出未来的主要研 究方向。根据国内电力系统负荷预测的实践和国外的经验，对我国 开展电力系统负荷预测工作提出了一些建议。 关键词：电力系统；负荷预测；模型；参数辨识 第一章引言 负荷预测是从已知的用电需求出发，考虑政治、经济、气候等相关因素，对未来的用电需求做出的预测。负荷预测包括两方面的含义：对未来需求量(功率)的预测和未来用电量(能量)的预测。电力 需求量的预测决定发电、输电、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、基荷机组等)。 负荷预测的目的就是提供负荷发展状况及水平，同时确定各供电区、各规划年供用电量、供用电最大负荷和规划地区总的负荷发展水平，确定各规划年用电负荷构成。 第二章负荷预测的方法及特点 电力系统负荷预测的原理 通常来说预测电力系统负荷最直接最有效的方法是建立一个负 荷模型，该模型有两层含义：一是负荷的时空特性，二是负荷电压和频率特性。对于负荷的时空特性指的是随着时间与空间的不同分布，负荷的分布也会不同。这种负荷模型往往是比较复杂的，研究人员通常是采用负荷时间曲线来描述这种特性。这样负荷曲线以时间为依据，就可以分为日负荷、周负荷、季负荷以及年负荷；如果换成以时空角度为划分依据，则此曲钱又可分为系统、节点和用户三种负荷曲线；若按照负荷的性质来分，负荷曲线又可以分为工业、农业、市政以及生活负荷等。 在一般的安全运行的过程中，负荷模型指的就是未来时空特性，因此也可以将此作为负荷预测模型。通常负荷预测模型包含的内容是非常广泛的，在运行的过程中不仅能进行短期或者实时的负荷预测，还能在规划电力系统时做长期的预测。负荷的预测通常采用的是概率统计，有效地分析工具即为时间序列分析，由于是预测未来的负荷，所以会存在或多或少误差。对于未来负荷预测误差所产生的原因主要是一些不确定的因素与负荷变化的规律不一致，如某些自然灾害可能会导致停电，这样负荷曲线就会在事故时段出现一些突变。此时就不能依靠负荷预测模型所得出得结果了，因为有人的干预。但是也不能因为有不确定因素的存在就全盘否定负荷预测模型计算得出的结果，大多数情况下还是比较准确的。
目录 第一章电力系统负荷预测概论 (1) 第一节电力系统负荷预测概念 (1) 第二节电力系统负荷预测的基本原理 (2) 第三节电力系统负荷预测的分类及特点 (3) 第四节负荷预测基本程序 (5) 第五节负荷预测误差分析 (7) 第二章负荷特性分析及负荷预测技术 (11) 第一节电力系统负荷预测模型 (11) 第二节负荷预测技术 (12) 第三章电力系统回归模型预测技术 (18) 第一节回归模型预测技术概述 (18) 第二节一元线性回归模型及其参数估计 (18) 第三节多元线性回归模型及其参数估计 (20) 第四章具体预测算例 (22) 第一节负荷组成分析与建模 (22) 第二节预测流程及算法实现 (23) 第三节结果分析 (25) 总结 (27) 参考文献 (28)
第一章电力系统负荷预测概论 第一节电力系统负荷预测概念 在充分考虑一些重要的系统运行特性、增容决策、自然条件与社会影响的条件下，研究或利用一套系统地处理过去与未来负荷的数学方法，再满足一定精度的要求的意义下，确定未来某特定时刻的负荷数值，称为负荷预测。 电力生产的特点之一是电力不可贮存（或者说贮存能力极小而代价高昂），应该是用多少就生产多少。针对负荷的变化，电力生产的调节能力也要增加，当负荷变化较小时调节各发电机组的发电功率就可以了；而负荷变化范围较大时只有启停机组才能跟上；当然对于负荷的逐年增长要适时投产新的机组才不至于拉闸限电。 电力负荷预测是解决以上问题的必要条件。准确的负荷预测，可依经济合理地安排电网内部发电机组的启停，保持电网运行的安全稳定性，减少不必要的旋转储备容量，合理安排机组检修计划，保证社会的正常生产和生活，有效地降低发电成本，提高经济效益和社会效益。负荷预测的结果，还可以有利于决定未来新的发电机组的安装，决定装机容量的大小、地点和时间，决定电网的增容和改建，决定电网的建设和发展。电力负荷预测是实时控制、运行计划和发展规划的前提，可以说要掌握电力生产的主动性必先做好负荷预测。 因此，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又艰巨的任务。 负荷预测的核心问题是预测的技术方法，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发展，理论研究逐步深入。
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
存档编号 XXOO！大学毕业设计 题目电力系统中长期 负荷预测研究 学院电力学院 专业热能与动力工程 姓名VVBB 学号200907925 指导教师HHJJ 完成时间2013年5月25日 教务处制
独立完成与诚信声明 本人郑重声明：所提交的毕业设计（论文）是本人在指导教师的指导下，独立工作所取得的成果并撰写完成的，郑重确认没有剽窃、抄袭等违反学术道德、学术规范的侵权行为。文中除已经标注引用的内容外，不包含其他人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中作了明确的说明并表示了谢意。本人完全意识到本声明的法律后果由本人承担。 毕业设计（论文）作者签名：指导导师签名： 签字日期：签字日期：
毕业设计（论文）版权使用授权书 本人完全了解KKJJ大学有关保管、使用毕业设计（论文）的规定。特授权华北水利水电大学可以将毕业设计（论文）的全部或部分内容公开和编入有关数据库提供检索，并采用影印、缩印或扫描等复制手段复制、保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交毕业设计（论文）原件或复印件和电子文档（涉密的成果在解密后应遵守此规定）。 毕业设计（论文）作者签名：导师签名： 签字日期：签字日期：
目录 摘要 (1) 第一章绪论 (3) 1.1中长期负荷预测研究背景和意义 (3) 1.2负荷预测的基本原理 (4) 1.3负荷预测的方法及特点 (5) 1.4研究现状 (8) 1.5目前存在的问题 (8) 1.6本文的主要工作 (9) 第二章负荷预测的方法 (10) 2.1负荷预测的分类 (10) 2.2负荷预测的特点 (11) 2.3影响中长期负荷发展的因素 (12) 2.4负荷预测的误差分析 (13) 2.4.1产生误差的原因 (14) 2.4.2预测误差分析 (14) 第三章回归分析基本理论及预测模型 (16) 3.1回归分析的基本思想 (16) 3.2回归分析的基本原理与方法 (16) 3.2.1基本原理 (16) 3.2.2基本方法 (16) 3.3回归分析步骤 (17) 3.4实例分析 (18) 第四章灰色系统的基本理论及预测模型 (22)
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
浅析电力系统负荷预测方法 发表时间：2017-10-18T18:11:03.780Z 来源：《电力设备》2017年第15期作者：梅宇1 杨畅1 徐明虎2 陈斯斯1 王硕1 [导读] 摘要：电力工业是国家在能源领域的重大基础行业，电力是国民经济的命脉，经济要发展，电力是先行，电力对于我国经济建设、国家安全、社会稳定、生活质量具有至关重要的作用，现代文明社会已经处处离不开电力供应。 （1.国网辽宁省电力有限公司检修分公司辽宁锦州 121013；2.国网辽宁省电力有限公司技能培训中心辽宁锦州 121000）摘要：电力工业是国家在能源领域的重大基础行业，电力是国民经济的命脉，经济要发展，电力是先行，电力对于我国经济建设、国家安全、社会稳定、生活质量具有至关重要的作用，现代文明社会已经处处离不开电力供应。负荷预测是目标网架规划的基础，提高负荷预测准确率，对电网发展的具有十分重要的意义。 关键词：负荷预测；电力系统；方法探讨 引言 电力工业是国家在能源领域的重大基础行业，电力是国民经济的命脉，经济要发展，电力是先行，电力对于我国经济建设、国家安全、社会稳定、生活质量具有至关重要的作用，现代文明社会已经处处离不开电力供应。目标网架是城市电网规划的基础，确定电网发展的方向和目标，是近期规划和中长期规划的重要依据。为了提高电网规划方案的可行性，必须将城市电网目标网架规划纳入城市整体规划。负荷预测是目标网架规划的基础，提高负荷预测准确率，对电网发展的具有十分重要的意义。 一、电力系统负荷预测的特点 1、电力系统中的负荷一般分为城市的民用负荷、商业的负荷、农村的负荷、工业的负荷和其他的负荷等，不同类型的电力系统负荷会具有不同特点及规律。城市的民用负荷大多来自城市的居民家用电器的用电负荷，它有年年不断增长的趋势，并且随着季节的变化而变化，但民用的负荷还是和居民日常的生活及工作规律相关较为紧密。 2、商业的负荷，主要是指商业用电中的用电负荷，它覆盖的面积大，而且用电量增加的速度的平稳，商业的负荷同样也具有根据季节变化的波动特性。即使它在电力的负荷中占的比重不如工业负荷及民用负荷，但是商业负荷中的照明类的负荷占用了电力系统用电高峰时段。除此以外，商业部门因为商业行为会在节假日里会增加营业时间，因此成为节假日里影响电力负荷重要的因素之一。 工业负荷是指用在工业生产的用电负荷，一般的工业负荷比重在用电负荷里构成中居于第一位，它不仅仅由工业里负荷端的使用情况决定（也包括负荷的利用情况、企业工作班制度等），而且它和各个行业的特性及季节里的因素都有非常密切的联系，一般的负荷还是比较稳定的。 3、农村的负荷是指农村里居民用电及农业里生产的用电。这类负荷和工业里的负荷相比较，受到季节等其他自然环境的影响非常大，它是由于农业生产特点来定性的，农业的用电负荷同时也受到农产品的品种、耕种特点的影响，但是就电网系统而言，因为农业的用电负荷的集中时间和城市的工业的负荷使用高峰时间有很大差别，所以对于提高电网的负荷率很有好处。 从以上的分析可以发现电力的负荷特点是常常变化的，不仅按照小时变化、按日变化，而且还按周变化，按年变化，同时电力负荷又是以小时作为基本单位不断发生变化的，它具有很大的周期性，负荷的变化是个连续发展变化的过程，在正常的情况下，它不会产生大的跳跃，但是电力的负荷对于季节等因素是十分敏感的，在不同的季节，不同的地区的气候和温度的变化都将会对电力负荷造成十分重要的影响。 4、负荷预测目的是根据电力负荷的发展状况和水平，同时也确定各个供电公司计划的年供用总值，供用最大的电力负荷与规划的地区的总共负荷的发展水平，是由各规划的年用电负荷构成。它将为经济合理准确地安排各个电网内部的机组启停和检修，保持电网的运行安全和稳定性，电网发展的速度，电力的建设规模，电力工业的布局，能源资源的平衡，电力余缺的调剂和电网的资金以及人力资源需求和平衡等各个方面提供十分可靠的依据。 二、负荷预测的方法及特点 1、单耗法 按照国家安排的产品产量、产值计划和用电单耗确定需电量。单耗法分"产品单耗法"和"产值单耗法"两种。采用"单耗法"预测负荷前的关键是确定适当的产品单耗或产值单耗。从我国的实际情况来看，一般规律是产品单耗逐年上升，产值单耗逐年下降。单耗法的优点是：方法简单，对短期负荷预测效果较好。缺点是：需做大量细致的调研工作，比较笼统，很难反映现代经济、政治、气候等条件的影响。 2、趋势外推法 当电力负荷依时间变化呈现某种上升或下降的趋势，并且无明显的季节波动，又能找到一条合适的函数曲线反映这种变化趋势时，就可以用时间t为自变量，时序数值y为因变量，建立趋势模型y=f（t）。当有理由相信这种趋势能够延伸到未来时，赋予变量t所需要的值，可以得到相应时刻的时间序列未来值。这就是趋势外推法。应用趋势外推法有两个假设条件：①假设负荷没有跳跃式变化；②假定负荷的发展因素也决定负荷未来的发展，其条件是不变或变化不大。选择合适的趋势模型是应用趋势外推法的重要环节，图形识别法和差分法是选择趋势模型的两种基本方法。 外推法有线性趋势预测法、对数趋势预测法、二次曲线趋势预测法、指数曲线趋势预测法、生长曲线趋势预测法。趋势外推法的优点是：只需要历史数据、所需的数据量较少。缺点是：如果负荷出现变动，会引起较大的误差。 3、弹性系数法 4、空间负荷密度法 空间负荷预测是对规划区域内负荷的地理位置和数值大小进行的预测，它提供未来负荷的空间分布信息。只有确定了配电网供电区域内未来负荷的空间分布，才能对变电站的位置和容量，主干线的型号和路径，开关设备的装设以及它们的投入时间等决策变量进行规划。由于空间负荷预测涉及大量的空间信息，地理信息系可以为空间负荷预测的数据收集、处理和预测结果的表示提供一个良好的平台。将GIS 引入空间负荷预测，可以极大地减少数据收集量，是空间负荷预测方法实用化的必要步骤。针对国内土地使用的实际情况，在空间负荷预测中采用了分类分区法，该方法是在分类负荷总量预测的基础上，根据城市规划用地图，计算分类负荷平均密度；再由小区面积构成、小区负荷同时率及修正系数求得小区最终负荷。同时，就分类分区法在预测过程中存在的一些问题进行了恰当的处理和改进。针对己有负荷预测软件在数据收集、统计，模型、方法选用，结果处理等方面存在的问题，在将传统、实用的常规预测方法用计算机加以实现的同时，