电力负荷预测模型及应用研究

龙源期刊网

基于组合模型的中长期电力负荷预测研究

作者：王鹏陈根友岳志强

来源：《价值工程》2012年第09期

摘要： 本文研究了组合预测的模型，提高了预测的准确度。并对甘肃省2011-2020年全社会用电量做组合预测。

Abstract: This paper studies the model of combined forecasting, improves the accuracy of

prediction. And combined forecasting on social power consumption in Gansu Province during 2011-2020 is made.

关键词： 电力系统；负荷预测；组合模型

Key words: electric power system；load forecasting；combined forecasting

中图分类号：TM93文献标识码：A文章编号：1006-4311（2012）09-0037-01

电力负荷预测技术的研究与应用

近年来，随着经济的飞速发展和人们生活水平的提高，电力的需求量也在逐年增加。因此，如何准确预测未来一段时间内的电力需求量是电力行业所面临的一个非常重要的问题，这也是电力负荷预测技术在电力行业中得到广泛应用的原因之一。

一、电力负荷预测技术的定义和发展概述

1.定义

电力负荷预测技术指的是利用现代统计学、人工智能、模型预测等技术对未来一段时间内的电力需求量进行预测的方法和技术。

2.发展概述

电力负荷预测技术的发展可以追溯到上世纪六七十年代。当时，人们主要依托经验和观察，利用手工和卡片进行预测。近年来，随着计算机和信息技术的发展，电力负荷预测技术得到了长足的进步。目前，电力负荷预测技术主要分为经典统计法、人工智能法以及混合法等多个方向。

二、电力负荷预测技术的应用

电力负荷预测技术在电力行业中有广泛的应用，下面列举一些：

1.电力生产计划安排

电力生产厂家需要事先计划好未来一段时间内的电力生产和安排，根据电力负荷预测结果可以科学合理地安排电力生产计划，使得电力生产能够满足消费者的需要。

2.电力市场分析

根据电力负荷的预测结果可以分析未来一段时间内的电力供需状况，以及市场的需求趋势。这样的分析结果可以帮助电力企业做好市场的决策和规划。

3.电力设备监控

电力设备的正常运行需要有足够的电力供应，因此，根据电力负荷的预测结果可以合理分配电力，使得电力设备的电力供应得到充分保障。

三、电力负荷预测技术的发展趋势

1.数据采集的智能化和自动化

电力负荷预测的数据采集是电力负荷预测技术发展的关键，近年来，数据采集技术得到了飞速发展，越来越多的设备可以实时采集数据并将其传入电力系统，这将大大提高电力负荷预测技术的精度和准确性。

2.智能算法和机器学习技术的应用

近年来，随着人工智能技术的发展，电力负荷预测技术也得到了提升。利用机器学习技术，可以有效地预测未来一段时间内的电力负荷情况，提高电力系统的智能化水平。

电力系统中基于数据分析的负荷预测研究

电力系统是现代化城市中不可或缺的基础设施之一，而负荷预测则是确保电力系统稳定运行的重要手段。负荷预测可分为短期负荷预测和长期负荷预测，其中短期负荷预测主要用于日前或当日负荷预测，长期负荷预测则主要用于周或月负荷预测。

近年来，随着大数据和人工智能技术的发展，基于数据分析的负荷预测逐渐成为研究热点。这种方法不仅可以有效地提高负荷预测的准确性，还能够自动化、智能化地完成预测过程，减轻了专业人员的工作量。

数据分析方法中最常用的负荷预测方法有时间序列分析法、灰色系统模型法、神经网络模型法等。下面我们将逐一介绍这些方法的特点和应用情况。

一、时间序列分析法

时间序列分析法是一种非常常用的负荷预测方法，其主要原理是通过对历史负荷数据进行分析，找出负荷变化的规律，并以此为基础进行预测。其基本过程是分析和确定时序数据的趋势、季节和随机成分，然后根据这些因素进行预测。

时间序列分析法能够充分反映历史负荷变化的规律，准确性较高，但需要足够长的历史负荷数据，才能保证预测效果的有效性。同时，该方法对于季节性负荷变化的预测效果尤其突出。

二、灰色系统模型法

灰色系统模型法是一种相对较新的预测方法，其思路是利用建立在少量历史数据或样本基础上的灰色系统理论，分析并预测未来的负荷变化。灰色系统理论是由我国学者瓦钦尼克于1982年提出的，其基本思想是将系统中的不确定性和不全面性转换为可处理的、全面和确定性的信息。 灰色系统模型法适用范围广泛，尤其对于数据量较少的负荷预测来说，具有很好的预测效果。但是，由于灰色理论的复杂性较高，需要专业的人员才能对其进行分析和运用。

三、神经网络模型法

神经网络模型法是一种模仿人脑神经网络的计算模型，其基本原理是利用多个神经元构成的神经网络，对大量的输入数据进行处理和模拟学习，从而实现复杂问题的预测。

神经网络模型法具有很强的非线性建模能力，能够对数据空间中任何复杂的非线性映射进行最优化拟合和学习，能够充分挖掘数据在负荷分析中的内在关系，预测精度较高。但是，该方法对于数据样本的要求比较高，需要足够多的训练样本才能达到较好的预测效果。

电网规划负荷预测方法的研究

负荷预测是电网规划的基础性工作，负荷预测的准确性直接影响着电网规划质量的优劣。因此，如何基于现有资料、合理运用各种预测方法、得出符合实际情况的预测结果、为城市电网规划提供科学的基础，是电网规划工作者面临的重要问题。本文对应用于城市电力负荷预测的众多模型进行了归纳和总结。

标签：城市电网；负荷预测

随着我国电力企业体制改革的不断深入，城市电网（以下简称城网）规划和建设、改造工程可行性研究等工作，将成为电网经营企业主要的前期规划工作。城网规划和建设、改造工程可行性研究很大一部分工作量发生在10kV配电网。城网规划能否简单套用以往用于电源和超高压（500kV及以上）电网规划的负荷预测方法，很值得深入探讨。

一、负荷预测分类

城市电力负荷预测，按照作用的不同分为电量、负荷预测，空间负荷预测和负荷曲线预测。电量、负荷预测主要针对城市未来的电力需求量，对城市供电电源点的确定和发电规划具有重要的指导意义，其中电量、负荷预测又包括总量电量、负荷预测和产业行业电量、负荷预测；空间负荷预测可以得出负荷分布的地理位置、时间和数量，是高压变电站选址确定容量的基础，其准确性决定了城市电网规划方案的可操作性和适应性；负荷曲线预测可以通过日负荷曲线得出各种分类标准下总量负荷与分类负荷间的关系，是电量、负荷预测和空间负荷预测之间联系的纽带。因此，城市电力负荷预测，要根据城市的用地规划，以空间负荷分布预测为基础，采用多种负荷预测方法进行负荷及负荷分布预测。历史数据的完整程度直接影响着负荷预测工作的开展。一般来说，各地区总量的电量、负荷历史数据均较容易获得；但对于各产业行业来说，负荷数据的获得远比电量数据困难。因此，电量预测与负荷预测之间需要通过最大负荷利用小时数来联系。同样，其他各类负荷预测间也存在着各种关系。

二、负荷预测的基本流程

电网规划中的负荷预测是一个系统的工作，涉及的工作很多，不能盲目的进行，关键在于收集大量的历史数据，建立科学有效的预测模型，采用有效的算法，以历史数据为基础，进行大量试验性研究，总结经验，不断修正模型和算法，以真正反映负荷变化规律。