浅析电力系统负荷预测方法
浅析电力系统负荷预测方法
浅析电力系统负荷预测方法摘要：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。
电力负荷预测方法浅谈
电力负荷预测方法浅谈电力负荷预测在电力系统运行管理中起着非常重要的作用，它能够帮助电力系统运营者做好负荷调度和能源调配，从而保证电力系统的稳定运行。
随着电力系统的规模不断扩大和电力负荷的复杂性增加，电力负荷预测方法也在不断发展和改进。
下面对电力负荷预测方法进行简要的介绍和评述。
基于统计学方法的电力负荷预测是最早也是最常用的方法之一、它利用历史负荷数据和相关气象数据建立数学模型，通过统计分析和数学运算来预测未来的负荷变化趋势。
其中最经典的方法是回归分析和时间序列分析。
回归分析是根据历史负荷数据和相关气象数据建立回归模型，通过对未来气象数据的预测来估计未来的负荷。
回归分析的优点是模型简单易懂，但其局限性在于需要修改模型适应新的情况，并且对噪声和异常值较为敏感。
时间序列分析是通过对历史负荷数据进行时间序列的统计分析和拟合，得到未来负荷的预测值。
时间序列分析的优点是能够较好地捕捉负荷数据的周期性和趋势性，但对于长期趋势的预测效果较差。
基于机器学习的电力负荷预测方法近年来得到了快速发展。
机器学习是一种通过数据驱动的方法，利用计算机算法从大量的历史数据中学习负荷与气象之间的关系，并建立相应的模型来预测未来负荷。
机器学习方法有很多，例如神经网络、支持向量机、决策树等。
神经网络是一种模仿人脑神经系统的计算模型，它通过学习历史负荷与气象数据之间的复杂非线性关系，来预测未来负荷。
神经网络的优点是能够很好地处理非线性问题和噪声数据，但需要大量的训练数据和计算资源。
支持向量机是一种通过定义一组决策边界来预测未来负荷的方法。
它通过对历史负荷数据进行特征提取和分类来建立模型，并通过最大化边界来选择最优解。
支持向量机的优点是能够处理高维数据和非线性问题，但对于大规模数据的处理能力较弱。
决策树是一种通过对历史负荷数据进行决策和划分的方法，来预测未来的负荷。
决策树的优点是易于理解和实施，但对于复杂的问题预测效果较差。
除了上述方法外，还有一些新兴的电力负荷预测方法，如基于深度学习的方法。
电力系统负荷预测的方法分析和应用探讨
电力系统负荷预测的方法分析和应用探讨一、引言电力系统负荷预测是指预测未来一段时间电力系统中的负荷，并根据预测结果进行相应的调度，以保证电力系统正常运行。
电力系统的负荷预测是电力系统调度中最基础、最关键的环节，对电力系统的供需平衡控制、电网规划设计和经济调度具有重要意义。
随着电力市场化进程的不断深入，负荷预测的准确度对保证电力市场平稳运行和市场竞争力有着重要的影响。
本文就电力系统负荷预测的方法进行分析和应用探讨。
二、传统负荷预测方法传统的负荷预测方法主要有统计预测法和经验预测法两种。
1.统计预测法传统的统计预测方法主要使用时间序列法，其基本思想是根据历史负荷数据的规律性和趋势性，通过建立时间序列模型并对模型进行预测，来实现负荷预测。
统计预测法优点在于数据处理相对较简单，但缺点在于对模型的设置、数据采集的要求较高，同时对于数据的滞后性和不确定性处理能力不足。
2.经验预测法经验预测法是基于专家经验判断、经验公式和简单模型构建等方法得出负荷预测结果。
由于经验预测法忽略了许多影响因素，所以预测的准确性较低，适用范围比较有限，主要用于短期预测。
三、新型负荷预测方法1.人工神经网络预测法人工神经网络是模仿人类神经系统结构和运行原理，利用计算机技术进行“神经元”模拟，以达到建立负荷预测模型的目的。
人工神经网络具有较强的非线性逼近能力和自适应学习能力，可以自动完成信息的提取、处理和归纳任务，具有较高的准确性和稳定性。
但需要较大的样本量和等量数据，对数据的质量要求较为严格。
2.支持向量机预测法支持向量机是一种新兴的模式识别技术，具有较高的预测精度、稳定性和全局最优性，应用于负荷预测取得了良好的效果。
支持向量机需要比较充分的样本数据进行学习，并需较准确地描述负荷预测问题的复杂性，对数据的质量也有很高要求。
3.灰色神经网络预测法灰色系统理论是克服小样本数据、杂乱无序、不确定性等问题的一种方法。
灰色神经网络结合了灰色预测和神经网络的优点，具有非线性逼近能力和自适应学习能力，同时具有对数据缺失情况的弥补能力、对不确定性和噪声的修正能力。
电力系统中的电力负荷预测方法与算法研究
电力系统中的电力负荷预测方法与算法研究引言：在电力系统中，准确预测电力负荷对于实现稳定和可靠的电力供应至关重要。
电力负荷预测是指根据过去的用电数据和相关的环境和经济因素，预测未来一段时间（如天、周、月）内的电力负荷情况。
准确的负荷预测可以帮助电力公司优化电力调度，合理安排发电和输电，有效解决电力供需平衡问题，提高电网运行效率和经济性。
一、传统的电力负荷预测方法：1. 时间序列方法：时间序列方法是一种常用的负荷预测方法，其基本思想是通过分析负荷历史数据的变化趋势、周期性和规律性，预测未来的负荷情况。
常用的时间序列方法包括ARIMA模型、指数平滑模型和季节性分解方法等。
这些方法适用于短期负荷预测，但对于长期预测效果不佳。
2. 统计回归方法：统计回归方法通过建立负荷与相关因素（如气温、湿度、日照等）之间的函数关系，进行负荷预测。
常用的统计回归方法包括多元线性回归分析、多元非线性回归分析和逐步回归分析等。
这些方法适用于中期和长期负荷预测，并且考虑了外部因素的影响，但要求提供大量的相关数据。
二、基于机器学习的电力负荷预测方法：1. 神经网络方法：神经网络方法通过构建具有多层隐含层的人工神经网络模型，通过学习历史数据中的模式和规律，进行负荷预测。
常用的神经网络方法包括BP神经网络、RBF神经网络和CNN神经网络等。
这些方法适用于短期和中期负荷预测，可以更好地捕捉负荷的非线性关系。
2. 支持向量机方法：支持向量机方法通过将负荷预测问题转化为一个优化问题，通过寻找一个最优的超平面，将不同类别的样本分开。
常用的支持向量机方法包括线性支持向量机、非线性支持向量机和径向基函数支持向量机等。
这些方法适用于中期和长期负荷预测，并且具有较好的泛化能力。
3. 遗传算法方法：遗传算法方法通过模拟自然界的遗传和进化过程，寻找最优的解决方案。
常用的遗传算法方法包括基于交叉、变异和选择等操作的进化算法和遗传规划算法等。
这些方法适用于长期负荷预测，可以考虑多个因素之间的复杂关系。
电力系统中的电力负荷预测方法教程
电力系统中的电力负荷预测方法教程电力负荷预测是电力系统运行的重要组成部分，准确的负荷预测是保持电力系统的稳定运行、合理调度电力资源的关键。
在电力系统中，负荷预测的主要目标是预测未来一段时间内的电力负荷需求。
本文将介绍几种常用的电力负荷预测方法，包括传统的时间序列方法和基于机器学习的方法。
1. 时间序列方法时间序列方法是电力负荷预测中最常用的方法之一。
它基于历史负荷数据分析未来负荷的变化趋势。
时间序列方法需要建立模型来捕捉负荷数据的周期性和趋势性。
以下是一些常见的时间序列方法：1.1 移动平均法移动平均法是最简单的时间序列方法之一。
它通过计算每个时间点前几个时间点的负荷平均值来进行预测。
移动平均法适用于负荷呈现稳定的周期性变化的情况，但对于具有较大波动的负荷数据可能表现不佳。
1.2 指数平滑法指数平滑法是一种适用于具有趋势性的负荷数据的时间序列方法。
它根据历史数据的权重来预测未来负荷。
指数平滑法通过调整平滑系数来提高模型的准确性。
常见的指数平滑方法有简单指数平滑法和双指数平滑法。
1.3 季节分解法季节分解法是一种将负荷数据分解为趋势、季节和随机成分的方法。
该方法适用于数据存在明显的季节性变化的情况。
通过将负荷数据分解为不同的成分，可以更好地分析和预测负荷的未来变化。
2. 基于机器学习的方法随着机器学习算法的发展，越来越多的研究者开始将其应用于电力负荷预测领域。
相比于传统的时间序列方法，基于机器学习的方法可以更好地捕捉数据之间的非线性关系和复杂模式。
以下是一些常见的基于机器学习的方法：2.1 神经网络神经网络是基于人工智能领域的一种强大的模型，可用于负荷预测。
神经网络可以通过学习大量的历史负荷数据来预测未来负荷。
神经网络具有强大的适应性和非线性建模能力，但对于数据量较小的情况可能存在过拟合的问题。
2.2 支持向量机支持向量机是一种常用的机器学习算法，它可以通过寻找一个最优超平面来进行分类和回归问题。
电力系统负荷预测方法研究
电力系统负荷预测方法研究随着社会的不断发展，电力已经成为了现代工业、农业、交通等各行各业中不可或缺的基础设施之一。
而负荷预测就是电力系统中至关重要的环节。
一般而言，负荷预测包括长期预测、中期预测和短期预测三个层次。
其中长期预测可以用于电力生产和输电设施的投入规划，中期预测则用于电力系统运行调度和电力市场交易，而短期预测则主要涉及电力系统实时调度和安全运行管理等方面。
本文主要就电力系统负荷预测的方法进行讨论。
一、时间序列预测方法时间序列预测方法是目前电力系统负荷预测主要手段之一。
这种方法最重要的是基于一个假设，即历史负荷记录与未来负荷变化之间存在一定的规律，可以利用这种规律进行负荷预测。
时间序列预测方法通常分为单变量预测和多变量预测两种类型。
1. 单变量预测单变量预测并不涉及负荷变化所可能影响的其他因素，而是仅基于历史负荷数据来预测未来负荷变化。
该方法适用于短期预测，可使用的预测模型包括时间序列分析、单指数平滑法、双指数平滑法和三指数平滑法四种。
时间序列分析是以时间序列为基础的建模方法，它通常分为平稳时间序列和非平稳时间序列两个类别。
对于平稳时间序列，可使用ARMA模型进行建模和预测。
而对于非平稳时间序列，常使用ARIMA模型来进行预测。
单指数平滑法、双指数平滑法和三指数平滑法是基于加权平均值的方法，通过对历史数据进行平滑处理，然后预测未来数据。
其中，单指数平滑可用于短期预测，而双指数平滑和三指数平滑则可用于中期预测。
2. 多变量预测多变量预测是一种更加复杂的预测方法，它考虑了负荷变化可能涉及的其他因素。
这些因素可以是天气、经济、节假日、工业生产等等，不同的因素之间关系非常复杂。
因此，这种方法需要使用更加复杂的模型进行建模和预测，如神经网络、支持向量机、贝叶斯网络、决策树等等。
二、模糊数学预测方法模糊数学预测方法是一种基于模糊逻辑理论的预测方法。
这种方法主要是针对具有不确定性的问题，因此对于电力系统等涉及多种因素的负荷预测而言，能够有效地发挥作用。
电力系统中的负荷预测方法
电力系统中的负荷预测方法在当今社会，电力作为一种至关重要的能源形式，其稳定供应对于经济发展和人们的日常生活具有举足轻重的意义。
而电力系统中的负荷预测，作为电力规划、运行和调度的重要依据，对于确保电力系统的安全、可靠和经济运行起着关键作用。
那么，究竟有哪些方法可以用来进行电力系统的负荷预测呢？首先，我们来谈谈基于时间序列分析的方法。
这种方法把历史的负荷数据看作是一个随时间变化的序列，通过对这个序列的分析和建模来预测未来的负荷。
常见的时间序列模型有自回归移动平均（ARMA）模型和自回归积分移动平均（ARIMA）模型。
ARMA 模型假设当前的负荷值是过去若干个负荷值和随机干扰项的线性组合。
它通过对历史数据的统计分析，确定模型的参数，从而进行预测。
而 ARIMA 模型则是在 ARMA 模型的基础上，考虑了数据的非平稳性，通过对数据进行差分处理，使其变为平稳序列后再进行建模。
时间序列分析方法的优点是计算相对简单，对短期负荷预测往往能取得较好的效果。
但它也有局限性，比如对于负荷数据中的突变点和异常值比较敏感，而且对于外部因素的影响考虑不足。
接下来是回归分析方法。
这种方法试图建立负荷与各种影响因素之间的线性或非线性关系。
常见的影响因素包括气温、日期类型（工作日、周末、节假日等）、经济指标等。
通过收集大量的历史数据，运用统计方法确定回归方程的参数，从而可以根据给定的影响因素值来预测负荷。
多元线性回归是其中较为常见的一种形式。
它假设负荷与各个影响因素之间是线性关系。
但在实际情况中，这种线性关系往往并不准确，于是就有了非线性回归方法，如多项式回归、逻辑回归等。
回归分析方法的优点是能够清晰地展示负荷与影响因素之间的关系，预测结果具有一定的解释性。
然而，它需要准确地选择影响因素和建立合适的模型，否则可能导致预测误差较大。
再说说灰色预测方法。
灰色系统理论认为，部分信息已知、部分信息未知的系统可以被看作是灰色系统。
电力负荷系统就是这样一个灰色系统，因为我们虽然有一定的历史负荷数据，但对于未来的影响因素和变化趋势并不完全清楚。
电力负荷预测方法浅析
电力负荷预测方法浅析摘要：电力系统负荷预测是电力系统发电计划的重要组成部分，也是电力系统经济运行的基础。
在当前电力发展迅速和供应紧张的情况下，合理地进行电力系统规划和运行及其重要。
关键词：负荷预测；建立；模型；构成1 电力负荷预测综述负荷预测的前提是充分考虑关键系统参数、自然环境、社会政策和增容决策等条件，探索出一套能够科学处理过往数据、有效预测未来数据的数学算法，并保证预测结果只在小范围内波动，确定某些特殊时刻的负荷值。
根据预测期限，负荷预测分为超短期预测、短期预测、中期预测和长期预测。
2 负荷预测的内容与分类电力系统负荷预测包括最大负荷功率、负荷电量及负荷曲线的预测。
最大负荷功率预测对于确定电力系统发电设备及输变电设备的容量是非常重要的。
为了选择适当的机组类型和合理的电源结构以及确定燃料计划等，还必须预测负荷及电量。
负荷曲线的预测可为研究电力系统的峰值，抽水蓄能电站的容量以及发输电设备的协调运行提供数据支持。
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负荷预测和周负荷预测，分别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电力负荷的需要，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。
3电力负荷预测方法综述传统的电力负荷测试的方法有很多，应用起来比较复杂，相关的技术人员应该根据实际的需要，结合该技术的局限性和优质特性进行综合的考量，最终选择合适的方法，下面对各种常用的方法，进行简单的阐述。
- 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)。
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，
结合目前负荷预测领域的一些新发展、新成果，在地理信息系统平台的基础上开发了一套实用的配电网负荷预测软件。
本软件采用OLE自动化技术用vC对MaPInfo 进行集成二次开发。
整个软件主要由地理信息系统、数据库系统、计算程序和系统界面四部分组成。
本软件可为城网规划提供分类负荷、分类电量、总负荷、总电量和负荷分布预测。
对电量和负荷的预测都提供了回归模型、趋势外推模型、灰色模型和组合模型等。
使用者可以依据预测模型提供的图形分析和误差分析从多个预测模型中选择预测精度高的模型预测结果作为最后的预测结果。
负荷分布预测采用了分类分区法，具有基础数据易于获得、能适应城市规划方案的变化、灵活性强等优点。
结束语
电力系统负荷的预测是电网的调度、信息管理等方面的前提，他是一个电力系统调度部门及规划部门必须具备的基本的信息。
提高电力系统负荷预测的技术水平，十分有利于计划用电的管理，十分有利于合理的安排电力系统的运行方式及机组的检修计划，十分有利于节约煤、节约油和降低发电的成本，十分有利于制定经济合理的电源的建设规划，十分有利于提高我们电力系统的经济效益及社会效益。
所以，电力系统负荷预测将成为实现现代电力系统管理的重要内容。
参考文献
[1]牛东晓.电力负荷预测技术及其应用[M].北京:中国电力出版社,2006.
[2]吴熳红,杨继旺.几种电力负荷预测方法及其比较[J].广东电力,2004,17(1):17-21.。