有关短期电力负荷预测的研究

中 图 分 类 号 ：Ｍ７ Ｔ １ 文献 标识 码 ： Ａ
６ １０ ） ２ ０ ０
要 ： 于 电力 负荷预 测 的水平 已经 成为 电 力运行 的 管理现 代化 的衡 量 标 志 ， 对 其有 着很 重要 的 意义 。本 文就 有 关短期 的 电力 负荷
短期 的电力负荷 预测能 够对 未来的几小 时 或者 是几天的相关 电力负荷 进行预报 ，它是能 量管 理系统一个重要 的组成 部分 ，保障 电力系 统 的经 济 、 的运行 。 安全 对短期 电力负荷预测进 行研究 已经成 为— 个重要课 题。 短期 电力负荷预测概述 （ ） 一 电力负荷预测的意义 负荷 预测 即从之 前的历 史资料以及与之有 影响 的一些 因素 出发 ， 比如说经 济 、 治 、 政 以及 气象 等等 ，探索 出负荷之 间的一些变化 以及规 律 ，然后对于未来 的一种用 电需求进行预见 的 估计 。 对于 短期 电力 负荷 的预 测有 着 重要 的 意 义。具体体 现在以下几点 ： 第一 ， 准确的进行 电力负荷 的预测 ， 能够 对 于正在运行 中的发 电厂的一些出力要求提 出相 应的预告 ，能够预先 的对 于发 电机 的出力变 化 相关 隋况进行估计 ，这对 于装机容量小 的孤 立 电网来 说 ， 短期的符合预测是很有必要的。 进行 第二 ， 稍微大一些 的电网 ， 了能够科 容量 为 学经济合理 的安排本 网中各个发 电机 的停机 与 启动 ，这样 以便使得 系统在合理安全 的范围内 能够保 持旋转 的储备容 量其耗 费达 到最小 ， 进 行短期的负荷预报也是很有必要 的。 第三 ， 电网进行计算 机的在线控制 时 ， 该 在 就应 用较为短期 的预测 信息将发电容量通过合 理的 调度予 以实现 ， 力求 满足于给定 的相关运行 技 术要求 ， 使得发电的成本降为最小。 第四 ， 在电力系统 中， 随着 电力市场 的建 立 以及发展 ， 和电力的相关 体制改革 ， 电力运行 的 指标就是经 济性 ，这也对短期 的负荷预 测相 应 的提 出了更 高的要 求 ，对于短期 电力 预测将 不 再仅仅是作 为 Ｅ Ｓ的一个部 分 ， Ｍ 而且也是进 行 电力市场指 导与交易的一个很重要 的依 据。在 电力市场 的条 件下进 行短期的负荷预 测不单 单 是技术 性的问题也是一个经济 问题 ， 以说 ， 所 电 力市场 的不断 发展 也需要精确 的短期发 挥的预
一
家系统 法 、 人工 神经 的 网络 、 灰色预 测法 、 模糊 性推理等等 。其 中人工的智能技术 主要 是来解 决一 些关于 不确定性 问题 以及非线 性 问题 ， 但 是与数学 的统计相 比起来 ， 人工智 能的预测方 法在进行 预测的工程 中进 而考 虑到了更多不确 定 的一些 因素 ， 比如 说天气 因素 、 温度 因素 、 季 节 因素 、 以及人 工经验等等 ， 这些技术 在实际 的 预测过程 中提 高了预测 的精度 。 这些方法在 电力 系统 中的短期负荷预测 中 尽管得 到了广泛的运用 ，但是其 都有 自己的局 限性 ， 以说 ， 各种预测模型进 行综合 的组 所 在将 合方法 也得到 了很广泛 的关 注。优选组合预测 般是 有两种预测方法 ： ， 种预测的方 第一 将各 法其 所得到的结果 ，进而选取一 些适 当的权重 来加权 平均 ； 二 ， 第 在这几种预测 的方法里加 以 比较 ， 然后 选择标准离差最小 的或者是拟合优 度最 好的预测模型将 之作 为一种最优 的模型来
行 比较好 ， 也能够很 好的预测对于历史上 没有 出现过 的情况 。其 存在的不足之处就是对 于一 些历史数据要 求还是过于高 ，结构形式 比较简 单， 精度也 比较低 ， 这种模 型不能详细 的进 行对 于影 响负荷 因素的描述 ，对于模型 的初始化还
存在着一定 的难度 ，所以说起需要较高 的技巧
一
史数据就是根据时 间的间隔记录下来的一种有 序 的集合 ， 所以说它是一个时间序列。根据历 史数据 ， 来建立一种数学模型 ， 确立负荷预测 的 相关表达式 ， 然后对未来的负荷进行预测。 这种方法 的优 点就是工作量小 ，所需要 的数据 少， 此外计算 的速度也 决， 对负荷近期 的变化的 连续性 能够 准确的反映 。但是这种方法 只是对 于比较 均匀的短期预测 ，对于一些不确定 的因 素还考 虑不健全 ， 如果是天气变化 比较 大 ， 或者 是遇上一些节假 日， 预测的误差也就 比较大。 （ ） 能预测法 二智 第一种 ， 专家系统法 。 这种方法是基于一种 知识 的程序设 计而建立的计算机 系统 ，能够拥 有 某一领域 的专家 的经验 或者是基 础知识 ， 然 后在推 理的基础上对于未来进行 预测 。这种方 法 的优 点就是能够对于各种 因素进行全 面的考 虑， 全过程 程序化 ， 其具有快速决断 以及 建模简 单 的优点 。 此外 ， 专家系统拥有丰富的知识以及 经验 ， 以不 但的积 累并丰 富 ， 可 可靠 性 比较 好 ， 其 工作 的效率也高 ，可 以将复杂 的数值计 算予 以避免 ， 进而得到准确的结果。 但是这种方法在进行 预测 的过程中经常会 出现 差错 ， ， 此外 因为各地的负荷都有 自己的特 征 ， 系统都 是针对 一些具体 的系统 ， 以就 专家 所 不能直 接的应 用于一些其他 的系统 。 第二种 ， 人工神经的 网络法 。 这种方法优点 就是 能够适 应大量的非结构性 以及非精 确性的 些规律 ， 具有 自主学 习 、 息记忆 、 知识 信 以及 推理 的一些特点 。有很强 的计算能 力 、容错能 力、 复杂映 射的能力等等 。 点 观 就是神经 网络的 相关 层数以及神经元 的个数往往 是主观经验来 确定 的 ， 于网络结构不能科学 的确定 ， 习的 对 学 速度也 比 较慢 等。 此外还有 很多方法 ， 比如小波分析法 、 综合 模型 预测法 、 模糊预测法等等 。 总结 ： 短期负荷 预测 的精度与水平有着很 重要 的意义 ，其直接影响着 电力 系统 的安全 性 与经 济性以及供 电的质量 。相关工 作人 员应该 积极 的探索一些新思路 与方 法 ， 一步满足于 进 市 场经 济背 景下 对短 期 负荷 预测 提 出的新要 求。此 外 ， 在实际的运用 中， 应该根 据不 同地方 的短期 负荷预测 的特 征做到灵活 的运用 。
一
中国新技术新产品 一１ １ ３—
奠Ｑ ：
Ｃ ｉａ Ｎ ｗ Ｔ ｃ ｎ ｌｇｅ ｎ ｒｄ ｃｓ ｈ ｎ ｅ ｅ ｈ ｏｏ ｉｓａ ｄ Ｐ ｏ ｕ ｔ
工 业 技 术
有 关低 温 铝 电解 的研 究
白 崇 文
（ 遵义铝业股份有 限公 司， 贵州 遵义 ５ ３ ０ ） ６ １０
一
期的预 测其核 心问题就 是预测模 型 的水平 ， 看 其水平的高低。具体 方法有 以下几种 ： （ ） 一 经典方法 第一种 ， 回归分析法 。 即以历史数据的变化 规律作为基础 ， 寻找 因变 量与 自变量之 间的关 系， 将模型 的参数予 以确 定 ， 来推断 出负荷 这样 值 。这种方法 的优点 就是结构形式 以及计算 的 原理较为简单 ， 于预 测的速 度也较快 ， 外推 对 其
以及丰富的经验 。 第二种 ， 时间序列法。电力 负荷 的一些历
预测 。
测。
（ ） 负荷预测技术 的发展及现状 二 电力 短期的预测负荷技术经历 了从开始 的离线 分析到现在 的在线应用 ，从过去 的过分 的对于 调度员 的依赖 到现 在的 自动化 以及智能化 的一 个转 变的过程 ， 它经历 了大约三个时期。 最为早期的负荷预测是仅仅依赖 于调度员 检验 ， 但是 因为没有科 学理论的指导 ， 于不 同 对 的调度员其预测 的结果经常是存在着较 大的差 异性 ， 此外 ， 调度员 的经验 都是慢慢在实践 中进 行积累起来 ， ， 于那些 没有经验 的新调 度 因此 对 员根本就不能胜任这项工作 。 到了二十世纪大约七十年代 ， 一些关 于数 学的统计方法 已经被 引进 了短期 的负荷 预测 之 中，这就使得短期 的负荷预测能够超 出并摆 脱 了必 须要 依赖 于调 度员 的 经验 工作 的一 个 历 史， 进而将短期 的负荷预测提高 了一பைடு நூலகம் 高度 ， 其 中比较 典型 的算 法有 确定性 时间 的分析法 、 状 态空间法 、 回归分析法 等等。 在二十世纪大约九十年代开始 ， 在短期 负 荷预测技术 中出现了人工 的智能技术 ，比如专
二 短期负荷预测 的牦 —以及其影 响因素 氧 电力 的负 荷预测 是以电力负荷 以及其影 响 因素作 为一种历史数 据 ， 然后建 立一种模型 ， 科 学的预测未来 的电力 负荷 。短期的负荷预测具 有一 种不确定性 以及 随机 性 ， 以这就导致 了 所 负荷 有着以下特 点： ， 于预测 的结果并不 第一 对 是确定 的 ， 具有一种 不确 定性 ； 第二 ， 于各 种 对 负荷 预测往往是在一 定的条件下进行 ， 其具有 空间性 ； 三 ， 第 短期的负荷预测一般 是在一定 时 间与范 围内进行 ， 其具有 时 间性 ； 四 ， 预 第 因为 测 的结 果具有条件 性以及 不准确性 ，因此说 其 具有 多方案 Ｉ的特点 。 生 负荷预测 一般是 根据过 去的历 史相关 资料 ， 来 建立 一种数学模型进 而对未来进行预测 ， 以 所 般会受到 以下影 响 ； 一 ， 第 天气情况 ； 二 ， 第 历 史数 据 ； 三 ， 第 日期类 型 ； 四 ， 第 社会事件 ； 五 ， 第 预测模 型。 笔者对 于四川 绵阳有关天气情况是 否能对 短期负荷 电力造 成一定 的影响 进行 了调查 ， 通 过对 比，在温度条件 以及 节假 日都相 同的基 础 上， 由于这一天 四川绵 阳的天气出现 了降雨 ， 温 度较 低 ， 凉快 ，短期 电负荷 出现了下降 的现 很 象 ，这就进一步 的反 映出了天气 因素对 于实 际 的短期 电力 负荷的影 响。 三 短期负荷预测方法 短期 的负荷预测 因为受到天气 的变化 以及 社 会活 动与节 Ｈ 型 的各 种 因素的相 互影 响 ， 类 所 以在时间序列方 面就 会表现为一种非平稳 的 随机 的过程 ，但是在 系统 负荷的各种影 响因素 中都 具有规律性 ，这就为有效 的进行预测奠 定 了相应 的基 础。 目前来看 ， 负荷 预测的方 在 短期 法有很 多 ， 可以归结为 以下几种 ： 经典预测 的方 法、 智能 预测的方法 、 传统 的预测 方法 、 对于 电 力的负荷预测其研究 的核心就是怎样利用历 史 数据 ， 立预测 的模型 ， 来建 然后预测 未来 的时刻 以及某 一时间段 内的负荷值。 所以说 ， 响短 期 影 负荷 预测的精度 主要 因素就是预测 的模 型以及 数据 信息是否 可靠 。随着天气预测水平 的提 高 以及 现在的 电力 系统 的管理信息 相关 系统的建 立， 很轻 易的就能 够获取 历史数 据 ， 以说 ， 所 短