电力系统短期负荷预测方法综述
【文献综述】电力系统短期负荷预测方法及研究
文献综述电气工程与自动化电力系统短期负荷预测方法及研究一、负荷预测的原理电力系统负荷预测是根据现在和过去时刻的用电负荷情况，估计未来时刻用电负荷的大小。
因此它的研究对象是不确定的事件，随机事件。
而电力负荷预测要预知负荷的发展趋势和可能达到的状况，下面介绍一些原理，用于指导负荷预测工作：1）可知性原理：预测对象的发展规律，其未来的发展趋势和状况是可以为人民所知道的，这是人们进行预测活动的基本依据。
2）可能性原理因事物的发展变化是在内因和外因共同作用下进行的，内因的变化和外因作用大小不同，因此事物的发展变化会有很多可能。
3）连续性原理预测对象的发展是一个连续化的过程，其未来的发展是这个过程的连续。
电力系统负荷的发展变化同样存在着惯性，这种惯性正是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，其现在的发展过程和状况可能与过去一定阶段的发展过程和状况相似，因此可根据已知的发展过程及状况来预测所预测对象的未来的发展过程及状况。
5) 系统性原理预测对象的未来发展是系统整体的动态发展，而整个系统的动态发展与它的各个组成部分和影响因素之间的相互作用相互影响密切相关。
只有系统整体最佳预测，才是最高质量的预测，才能为决策者提供最佳预测方案。
二、负荷预测的研究背景众所周知，电力系统的作用就是为各类用户提供可靠且合乎质量要求的电能，以随时满足各类负荷的需求。
而电力系统负荷预测是电力系统调度，用电，计划，规划等管理部门的主要工作之一。
提供负荷预测技术水平，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，节油和见地发电成本，有利于制定合理的电源建设规划，有利于提供电力系统的经济效益和社会效益。
因此，负荷预测已成为事先电力系统管理现代化的主要内容之一。
电力系统负荷预测按预测时间可以分为长期，中期，短期和超短期。
短期电力负荷预测主要是指预报未来几小时、一天至几天的电力负荷并做出估计，目的是给各个电厂安排日，周发电计划，是电力系统最为关键的一类负荷预测。
电力系统中的负荷预测方法综述与展望
电力系统中的负荷预测方法综述与展望1. 引言电力系统的负荷预测是对未来一段时间内负荷需求的估计，对电力生产和供应的规划和调度起到至关重要的作用。
准确的负荷预测可以帮助电力公司合理安排发电计划，提高运行效率，降低成本，同时也对电力系统的稳定运行和供需平衡起到关键作用。
因此，负荷预测的准确性和精度一直是电力行业的重要关注点。
2. 传统的负荷预测方法2.1 统计方法统计方法是最常用的负荷预测方法之一，其基本思想是通过对历史负荷数据进行分析、拟合和预测。
常见的统计方法包括回归分析、时间序列分析和指数平滑法。
这些方法适用于长期和短期负荷预测，具有简单、易操作、计算速度快等特点。
然而，由于统计方法没有考虑负荷数据之间的相互关系和复杂的非线性因素，导致其预测精度较低，在面对突发事件或季节性变化时不够准确。
2.2 物理方法物理方法基于电力系统的运行机理和负荷分布规律，通过建立数学模型来预测负荷需求。
常见的物理方法包括灰色系统理论、神经网络方法和支持向量机。
这些方法可以考虑负荷数据之间的关联性和非线性因素，提高了预测精度。
然而，物理方法需要准确地描述电力系统的物理特性和运行机理，对数据要求较高，计算复杂度较大。
3. 基于机器学习的负荷预测方法近年来，随着机器学习技术的快速发展，基于机器学习的负荷预测方法逐渐受到关注。
机器学习方法通过对大量历史负荷数据的学习和训练，可以从数据中提取出负荷需求的规律和特征，进而进行准确的负荷预测。
常见的基于机器学习的负荷预测方法包括决策树、随机森林、支持向量回归和深度学习等。
3.1 决策树决策树是一种基于树状结构的机器学习方法，根据特征值将数据集划分为不同的类别。
对于负荷预测问题，可以将历史负荷数据作为输入特征，负荷需求作为输出类别，构建负荷预测模型。
决策树方法具有简单、易理解、易实现的特点，但在处理大量数据和复杂关系时预测效果较差。
3.2 随机森林随机森林是一种基于集成学习的机器学习方法，通过构建多个决策树模型并进行集成，提高了预测的准确性和鲁棒性。
《2024年电力系统负荷预测研究综述与发展方向的探讨》范文
《电力系统负荷预测研究综述与发展方向的探讨》篇一一、引言随着社会经济的快速发展和人民生活水平的不断提高，电力需求持续增长，电力系统的稳定运行和负荷预测显得尤为重要。
电力系统负荷预测是电力行业的重要研究领域，对于保障电力系统的安全、经济、可靠运行具有重大意义。
本文将对电力系统负荷预测的研究进行综述，并探讨其发展方向。
二、电力系统负荷预测研究综述1. 负荷预测方法电力系统负荷预测方法主要包括传统统计方法、机器学习方法、人工智能方法等。
传统统计方法如时间序列分析、回归分析等，通过分析历史数据，建立数学模型进行预测。
机器学习方法如支持向量机、随机森林等，通过学习历史数据中的规律，实现负荷预测。
近年来，人工智能方法如深度学习、神经网络等在负荷预测中得到了广泛应用，取得了较好的预测效果。
2. 负荷预测模型负荷预测模型主要包括确定性模型和概率性模型。
确定性模型如线性回归模型、灰色预测模型等，通过建立数学关系，预测未来负荷值。
概率性模型如马尔科夫链、贝叶斯网络等，通过分析历史数据的概率分布，预测未来负荷的概率分布。
3. 负荷预测的应用电力系统负荷预测广泛应用于电力调度、电力规划、电力市场等方面。
在电力调度中，负荷预测能够帮助调度人员合理安排发电计划，保障电力系统的稳定运行。
在电力规划中，负荷预测能够帮助规划人员制定合理的电网建设规划，提高电力系统的供电能力。
在电力市场中，负荷预测能够帮助电力企业制定合理的电价策略，提高经济效益。
三、电力系统负荷预测的发展方向1. 数据驱动的负荷预测随着大数据、云计算等技术的发展，数据驱动的负荷预测将成为未来的发展趋势。
通过收集和分析海量数据，挖掘数据中的规律和趋势，提高负荷预测的准确性和可靠性。
同时，数据驱动的负荷预测还能够考虑更多因素，如天气、政策、经济等，提高预测的全面性和准确性。
2. 深度学习在负荷预测中的应用深度学习在电力系统负荷预测中具有广阔的应用前景。
通过建立深度学习模型，学习历史数据中的非线性关系和复杂模式，提高负荷预测的精度和稳定性。
电力系统负荷预测研究综述与发展方向的探讨
电力系统负荷预测研究综述与发展方向的探讨电力系统负荷预测是电力系统经济运行和调度的重要环节，其准确性直接影响着电力系统的安全稳定运行。
随着电力系统的发展和现代化，负荷预测技术也在不断革新和发展。
本文将对电力系统负荷预测的研究现状进行综述，并探讨其未来的发展方向。
一、负荷预测研究现状1. 传统负荷预测方法传统的负荷预测方法主要包括时间序列分析、回归分析和专家系统等。
时间序列分析是最常用的方法之一，通过对历史负荷数据进行分析得出未来的负荷趋势。
回归分析则是通过建立与负荷相关的指标来预测未来负荷。
专家系统则是利用专家知识和经验来进行负荷预测。
这些方法在一定程度上能够满足负荷预测的需求，但受限于模型的复杂性和准确性。
随着数据挖掘和机器学习技术的发展，基于统计模型的负荷预测方法逐渐成为主流。
这些方法包括支持向量机、神经网络、随机森林等。
这些方法能够通过对历史数据的学习和建模来进行负荷预测，能够适应不同的负荷变化规律和复杂性。
基于统计模型的负荷预测方法在预测精度和实用性上有了显著提升，成为当前电力系统负荷预测的主流方法。
3. 基于深度学习的负荷预测方法近年来，随着深度学习技术的发展，基于深度学习的负荷预测方法也逐渐受到关注。
深度学习技术能够通过对大量数据的学习和训练来提高模型的预测能力，具有适应复杂系统和非线性关系的优势。
基于深度学习的负荷预测方法在一些领域已经取得了较好的效果，并成为未来的发展趋势之一。
二、负荷预测的发展方向1. 数据驱动的方法未来的负荷预测方法将更加趋向于数据驱动，即通过大数据和机器学习技术来进行负荷预测。
这将需要更多的历史负荷数据和高效的数据处理技术，以适应电力系统的动态性和复杂性。
数据驱动的方法能够更准确地捕捉负荷的变化规律，提高预测的准确性和实用性。
2. 智能化技术的应用未来的负荷预测方法还将更加趋向于多源数据融合，即通过整合不同类型和来源的数据来进行负荷预测。
这将包括历史负荷数据、天气数据、经济数据等，通过多源数据的融合来提高负荷预测的准确性和稳定性。
电力短期负荷预测方法综述
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。
短期负荷预测方法综述
• 109•ELECTRONICS WORLD・探索与观察短期负荷预测方法综述国网鄂州供电公司 胡函武 杨 英 魏 晗 耿红杰负荷预测的精度直接关系到电网的供需平衡，影响着电网运营成本，因此短期负荷预测的准确性十分重要。
目前国内外负荷预测方法主要包括经典预测方法、传统预测方法以及人工智能预测方法三大类，本文就一些主流方法进行了分析和概述。
引言：从1866年德国人西门子制成世界上第一台工业用发电机至今已有150余年。
在这100多年来，电力经历了从理论到应用，从工用到民用，从火电到水电再到核电等一系列的转变，为社会的经济、政治、文化等各方面的飞速发展起到了极大的推动作用。
作为国民经济建设中不可取代的重要能源，电能如今已经渗入各个行业及领域。
近几十年来，国内外的专家学者们针对负荷预测问题进行了长期的深入研究，提出了很多卓有成效的预测模型。
然而短期负荷具有随机性和不确定性的特点，容易受到天气变化、社会活动以及节日类型等各种复杂的环境因素的影响，因此想要得到十分精确的预测结果仍然是一件非常困难的事情。
到目前为止还没有哪种方法适用于任何地区的电力系统，也没有哪种方法可以提供绝对精确的负荷结果。
根据负荷预测技术的发展历程，可以大致将其分为三大类：经典预测方法、传统预测方法以及人工智能预测方法。
1.短期负荷预测经典方法1.1 回归预测法回归分析预测方法是根据以往的负荷历史数据的变化规律以及影响负荷变化的因素来寻找自变量与因变量之间的相关关系，从而建立可以进行数学分析的模型，以此来预测未来的负荷。
它的特点就是将预测目标的因素当作了自变量，而将待预测目标作为了因变量。
在回归分析预测方法中，自变量是随机变量，而因变量是非随机变量，通过使用给定的多组因变量和自变量的资料来研究各种变量之间存在的相关关系。
1.2 时间序列法时间序列法在电力系统短期负荷预测中是比较常见且应用最为广泛的一种方法。
电力负荷的历史数据是按照一定时间间隔进行采样并记录下来的有序集合，因此它是一个时间序列。
电力系统短期负荷预测方法综述
（上接 29 页）
[1]叶瑰昀，罗耀华，刘勇， 力系统短期负荷预测中的应用[J].中国电机工
等.基于 ARMA 模型的电力负荷预测方法研究 程学报，2004，24(1)：24-29.
求较高，只适用于负荷变化比较均匀的短期预 丰富的经验、知识和高水平的技术，而且经验 的，尤其在环境因素和社会信息等变化较大的
测；没有考虑影响负荷变化的因素，对不确定 可以不断丰富和积累，不受时间和空间的限制 条件下，数据挖掘技术可以在错综复杂的庞大
性因素（如天气、节假日等）等考虑不足 [1]。
而广泛使用，永久保存。专家系统的不足之处 历史数中，剔除错误和无用的数据，挖掘出隐
指预报未来几小时、一天至几天的电力负荷。 据某个单一的指标进行预测，方法虽然简单， 择是短期负荷预测精度关键点，因此，根据各
短期负荷预测作用的大小主要取决于预 但比较笼统，且很难反映当今经济、政治和天 种算法的优点和不足，以及针对不同情况的预
测精度，针对目前的短期预测方法进行了综合 气等条件的影响。2.3 灰色预测法。灰色系统理 测精度的差异，将几种算法有机地结合起来，
于实际应用中难以估计出噪音的统计特性，例 忆、自主学习、知识推理和优化计算的特点，还 予的新内涵，而在实际应用中，应根据当地短
如，量测噪音和系统噪音方差等。2.2 指数平滑 有很强的计算能力、复杂映射能力、容错能力 期负荷的具体特征和各种影响因素进行灵活
法。指数平滑法采用电力系统负荷趋势外推预 及各种智能处理能力。人工神经网络预测方法 地选用预测模型。
节，高层建筑筏形基础的设计需满足冲切验算
和剪切验算等计算要求，并提出当柱荷载较大，
短期电力系统负荷预测方法综述
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.1006-8554.2015.05.2120㊀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㊂1㊀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]㊂2㊀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]㊂3㊀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]㊂3．1㊀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㊂3．2㊀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㊂3．3㊀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㊂3.4㊀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专题研究TECHNOLOGY AND MARKETVol.22,No.5,2015动的历史数据序列转化成有较强规律性的指数递增变化序列,提高了负荷预测精度及其应用范围㊂4㊀现代预测方法现代预测方法包括:人工神经网络预测法㊁专家系统预测法㊁小波分析预测法㊁数据挖掘技术预测法㊁遗传算法㊁模糊预测法等㊂4.1㊀人工神经网络预测法[11]人工神经网络是近年来比较热门的预测方法㊂人工神经网络由大量神经元组成,是一种通过模拟生物大脑的处理模式来获得智能信息处理功能的非线性预测系统㊂人工神经网络可以模仿生物大脑对大量非精确性㊁非结构性规律进行智能化处理,它具有自主学习㊁记忆㊁推理和优化计算的特点,尤其是自学习能力和自适应功能是其他算法无法比拟的㊂4.2㊀专家系统预测法[12]通俗来讲,专家系统预测法就是一个拥有专门知识和经验的计算机程序系统,通过推理与运用,在有关领域内做出智能决策㊂该方法在电力负荷预测中,要先建立负荷预测模型,对待预测日的负荷进行初步预测,再结合专家经验对初步预测进行修正㊂该方法克服了单一算法的片面性,全过程的程序化处理使得该预测方法具有快速㊁精确的优势㊂4.3㊀小波分析预测法[13]小波分析是一种时域 频域分析方法,该方法具备较好的局部化性质㊂电力负荷具有多种周期性,该方法把电力负荷曲线看作由多种频率交织在一起的混合信号,可以聚焦任何细节,并通过对不同的投影尺度分别进行预测和重构,得到完整的预测结果㊂考虑到该方法特有的优势,小波法的实际应用范围比较广㊂4.4㊀遗传算法[14]遗传算法以自然选择以及群体遗传学为基础,通过选择㊁交叉㊁变异㊁评价等操作,使群体进化到搜索空间中的最佳区域㊂可以采用遗传法优化BP神经网络的参数,比如网络的初始连接权值以及节点的阈值㊂5㊀结语负荷预测是电力系统规划与运行的前提与基础,它的预测精度对电力系统的安全性㊁稳定性㊁经济性有很大影响㊂将现有的负荷预测方法进行了综合的阐述,指出了各种预测方法的优点与不足之处㊂在未来的负荷预测工作中,应加强对负荷历史数据的处理,尽可能地挖掘负荷变化的规律性,提高预测模型参数估计的准确度,将多种预测方法进行有效的融合,并对新的方法㊁模型进行不断的探索㊂参考文献:[1]㊀陈衍.电力系统稳态分析[M].北京:中国电力出版社,2007.[2]㊀许璞.基于Web的中长期电力负荷预测软件的研究与开发[D],北京:中国农业大学,2006.[3]㊀詹海峰.短期电力负荷预测数据预处理研究[D],北京:中国矿业大学,2009.[4]㊀陈朝辉.大波动地区电力系统短期负荷预测方法研究[J].华东电力,2002,30(9):53-56.[5]㊀李玉梅.组合预测方法在中长期电力负荷预测中的应用[D],四川:四川大学硕士学位论文,2006.[6]㊀李金颖,牛东晓.非线性季节型电力负荷灰色组合预测研究[J].电网技术,2003(5):26-28.[7]㊀康重庆,夏清,刘梅,等.应用于负荷预测中的回归分析的特殊问题[J].电力系统自动化,1998,22(10):38-41. [8]㊀张大海,毕研秋.基于串联灰色神经网络的电力负荷预测方法[J].系统工程理论与实践,2004(12):128-132. [9]㊀焦李成.神经网络系统理论[M].西安:西安电子科技大学出版社,1989.[10]㊀魏伟,牛东晓,常征.负荷预测技术的新进展[J].华北电力大学学报,2002,29(1):10-15.[11]Yanqiu Bi,Jianguo Zhao etc.Power Load Forecasting Algo-rithm Based on Wavelet Packet Analysis[J].Power SystemTechnology,2004,1:987-990.[12]贾正源,牛晓东.电力负荷预测的遗传神经网络模型研究[J].运筹与管理,2000,9(2):31-36.[13]陈建.电力负荷预测方法[J].渤海大学学报,2006(6):142-144.[14]黄永高.电力负荷预测方法的研究[D].南京:东南大学,2010.(上接第338页)2．3㊀改变中小型煤矿承包经营的模式可对煤田小㊁不集中的煤炭资源在科学勘测㊁合理评估的基础上,对煤矿的采矿权有偿出让,通过资源整合兼并重组,使煤矿企业达到一定生产规模,使经营者在生产中更加注重资源的利用率㊂这样可以帮助中小型煤矿在承包经营矿山过程当中能有更多的精力来维护矿山开采的科学性,从而为保护矿山的生态环境打下基础㊂由上可知,我国矿山建设还存在诸多环境问题,绿色矿山建设是我国矿业发展的必由之路,绿色开采是形成矿区绿色家园的重要技术组成部分㊂实现绿色矿业,前提是建立在环境评价基础上的科学规划,核心是持续创新包括绿色开采在内的关键技术㊂伴随着科技水平的不断进步和国内外实践探索的陆续开展,绿色矿山建设的实现成为可能㊂当前需要对该体系的进一步完善,以及继续从政策层面上加大对绿色矿山建设的支持和引导㊂走绿色矿业之路,建设绿色矿山,促进循环经济㊁建设和谐型社会,就要求在矿业科技进步方面,加大研究开发能力,努力强化绿色矿山建没的技术支撑㊂在政府的引导和管理下,使我国整体资源利用转化为开放的良性循环经济模式㊂3㊀结语总之,坚持绿色开采,建设绿色矿山是一项任重而道远的工程,需要国家多部门参与和相互协调,始终坚持可持续发展的原则,才能使工程逐渐推进并扩大㊂参考文献:[1]㊀孙国成,徐丽萍.政府着力推动组建大型煤炭企业集团[J].郑州经济管理干部学院学报,2013(4).[2]㊀刘忠诚,于萍,富元斋.入世对我国煤炭产品市场的挑战及其对策研究[J].山东社会科学,2011(6).[3]㊀孙梨花,章成萍.关于政府着力推动绿色矿山开采工作记录事要的思考[J].郑州经济管理干部学院学报,2011(12).043短期电力系统负荷预测方法综述作者：杜雅楠， 郭志娟， 吕灵芝， 母建茹， 袁鹏作者单位：杜雅楠,吕灵芝,袁鹏(华北水利水电大学,河南 郑州,450045)， 郭志娟(中电投河南电力有限公司平顶山发电公司,河南 平顶山,467000)， 母建茹(华北水利水电大学，河南 郑州450045;中电投河南电力有限公司平顶山发电公司，河南 平顶山467000)刊名：技术与市场英文刊名：Technology and Market年，卷(期)：2015(5)1.陈衍电力系统稳态分析 20072.许璞基于Web的中长期电力负荷预测软件的研究与开发 20063.詹海峰短期电力负荷预测数据预处理研究 20094.陈朝辉大波动地区电力系统短期负荷预测方法研究 2002(9)5.李玉梅组合预测方法在中长期电力负荷预测中的应用 20066.李金颖;牛东晓非线性季节型电力负荷灰色组合预测研究 2003(5)7.康重庆;夏清;刘梅应用于负荷预测中的回归分析的特殊问题 1998(10)8.张大海;毕研秋基于串联灰色神经网络的电力负荷预测方法 2004(12)9.焦李成神经网络系统理论 198910.魏伟;牛东晓;常征负荷预测技术的新进展 2002(1)11.Yanqiu Bi;Jianguo Zh Power Load Forecasting Algo-rithm Based on Wavelet Packet Analysis 200412.贾正源;牛晓东电力负荷预测的遗传神经网络模型研究 2000(2)13.陈建电力负荷预测方法 2006(6)14.黄永高电力负荷预测方法的研究 2010引用本文格式：杜雅楠.郭志娟.吕灵芝.母建茹.袁鹏短期电力系统负荷预测方法综述[期刊论文]-技术与市场2015(5)。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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。
2.1 经典性负荷预测法
2.1.1 回归类分析法。
将相关的历史数据在变化上的规律同负荷在影响上的相关变化因素，来对自变量还有因变量在二者之间所出现的共同的关系作一个寻找还有它回归的方式。
从而对其模型参数作一个确定，能够推测出在未来时刻的相关负荷值。
对于该方法存在着计算原理和结构形式简单其预测的速度较快的优点，在缺点上存在着针对历史数据要求高，其复杂的问题是通过线性的方法来进行描述，所以其精度低结构简单。
就这些缺点来看，对于在负荷在预测中的影响是做不了详细的描述的，而且在描述的过程中，只有基于丰富的经验以及技巧下其难度才不会很高。
2.1.2 时间序列法。
利用不同时间段之间的间隔来对电力负荷进行历史数据的采集上，对于这个方法将其叫做时间序列。
在现代电力系统的短期负荷预测来讲，其时间序列法在算法中与其它方法相比较要成熟的多。
在这个方法下可以对电力负荷的历史数据来进行电力负荷数学模型建立，其特点是可以随时间变化。
这个模型主要是预测未来负荷的。
这个方法的优点在于在历史数据的需求量上较少，其工作量比较小而且在计算的速度是比较快的，能够将在近期里负荷的变化连续性反映出来。
不过对于建模的过程中其程序的建设是极为复杂的，在过程中需要高的知识理论进行模型的建设。
而且就原始时间序列来说，在其平衡性上必须具备高性能。
综上所述，针对时间序列法就只能在那种各方面来讲都比较均匀的短期负荷中进行预测。
可是在对负荷的考虑因素中没有考虑的很合理的以及自然天气变化等不确定的因素下，就会导致其预测的误差会很大。
2.2 传统方法
2.2.1 负荷求导法。
其负荷序列为P（i）（i=1，2，3…），其负荷求导法的预测公式为：
p（i+1）fore=p（i）re+Δp（i）fore
其中Δp（i）fore里i点对于负荷变化率的预测值是：
Δp（i）fore=■Kj·Δp j（i）re
就这个方法的优点来讲，在对原理的表达上清楚且又方便。
在电力的负荷变化率上必须达到规律及稳定性的高要求，在预测的误差上具有累计的效应。
2.2.2 类似日法。
对于类似日法而言，是把即将预测的日类似的负荷进行一个修改，然后得到预测日的负荷。
这个方法用的是某种差异的评价函数，也就是在进行与预测日负荷最为类似的类似日的寻找时，则即将预测的负荷日的参数所进行的修正。
2.2.3 卡尔曼滤法。
在电力负荷中又把它叫作状态空间法，是一个把负荷分
解成能够确定的分量以及随机分量的原理。
在反映未来系统的状态上可以利用对于预报的方法来获得新的相关数据，在组合的过程中就会得到新的预测模型信息，提升预测值的准确性。
2.2.4 指数平滑法。
指数平滑法是利用电力系统负荷趋势外推测技术。
为了达到平均的效果可以对其利用加权的形式，再加计算过程里的新数据其相关的权系数进行加大，也可以将陈旧的数据的权系数进行减小。
在时变性的体现过程上，能够将近期的数据反映到影响未来负荷的程度值上，这个方法的作用主要是采用其平滑来对存在序列里的随机波动进行消除。
2.2.5 灰色预测方法。
灰色预测这个方法主要是对系统中存在着不确定的因素进行的一个专门预测，是利用灰色模型里的微分方程中的单一指标来对电力系统进行预测。
可以根据模型预测未来的负荷，这种方法适合在贫信息的条件下进行分析与预测。