電力負荷預測理論與方法
電力系統負荷預測是電力系統發(fā)電計劃的重要組成部分，也是電力系統經(jīng)濟運行的基礎。在當前電力發(fā)展迅速和供應緊張的情況下，合理地進(jìn)行電力系統規劃和運行極其重要。 
　　1　電力負荷的構成與特點(diǎn) 
　　電力系統負荷一般可以分為城市民用負荷、商業(yè)負荷、農村負荷、工業(yè)負荷以及其他負荷等，不同類(lèi)型的負荷具有不同的特點(diǎn)和規律。 
　　城市民用負荷主要是城市居民的家用電器，它具有年年增長(cháng)的趨勢，以及明顯的季節性波動(dòng)特點(diǎn)，而且民用負荷的特點(diǎn)還與居民的日常生活和工作的規律緊密相關(guān)。 
　　商業(yè)負荷，主要是指商業(yè)部門(mén)的照明、空調、動(dòng)力等用電負荷，覆蓋面積大，且用電增長(cháng)平穩，商業(yè)負荷同樣具有季節性波動(dòng)的特性。雖然商業(yè)負荷在電力負荷中所占比重不及工業(yè)負荷和民用負荷，但商業(yè)負荷中的照明類(lèi)負荷占用電力系統高峰時(shí)段。此外，商業(yè)部門(mén)由于商業(yè)行為在節假日會(huì )增加營(yíng)業(yè)時(shí)間，從而成為節假日中影響電力負荷的重要因素之一。 
　　工業(yè)負荷是指用于工業(yè)生產(chǎn)的用電，一般工業(yè)負荷的比重在用電構成中居于首位，它不僅取決于工業(yè)用戶(hù)的工作方式(包括設備利用情況、企業(yè)的工作班制等)，而且與各行業(yè)的行業(yè)特點(diǎn)、季節因素都有緊密的聯(lián)系，一般負荷是比較恒定的。 
　　農村負荷則是指農村居民用電和農業(yè)生產(chǎn)用電。此類(lèi)負荷與工業(yè)負荷相比，受氣候、季節等自然條件的影響很大，這是由農業(yè)生產(chǎn)的特點(diǎn)所決定的。農業(yè)用電負荷也受農作物種類(lèi)、耕作習慣的影響，但就電網(wǎng)而言，由于農業(yè)用電負荷集中的時(shí)間與城市工業(yè)負荷高峰時(shí)間有差別，所以對提高電網(wǎng)負荷率有好處。  功率記錄儀 電流記錄儀 電壓記錄儀

　　從以上分析可知電力負荷的特點(diǎn)是經(jīng)常變化的，不但按小時(shí)變、按日變，而且按周變，按年變，同時(shí)負荷又是以天為單位不斷起伏的，具有較大的周期性，負荷變化是連續的過(guò)程，一般不會(huì )出現大的躍變，但電力負荷對季節、溫度、天氣等是敏感的，不同的季節，不同地區的氣候，以及溫度的變化都會(huì )對負荷造成明顯的影響。 
　　電力負荷的特點(diǎn)決定了電力總負荷由以下四部分組成：基本正常負荷分量、天氣敏感負荷分量、特別事件負荷分量和隨機負荷分量。 
　　2　負荷預測的內容與分類(lèi) 
　　電力系統負荷預測包括最大負荷功率、負荷電量及負荷曲線(xiàn)的預測。最大負荷功率預測對于確定電力系統發(fā)電設備及輸變電設備的容量是非常重要的。為了選擇適當的機組類(lèi)型和合理的電源結構以及確定燃料計劃等，還必須預測負荷及電量。負荷曲線(xiàn)的預測可為研究電力系統的峰值、抽水蓄能電站的容量以及發(fā)輸電設備的協(xié)調運行提供數據支持。 
　　負荷預測根據目的的不同可以分為超短期、短期、中期和長(cháng)期：①超短期負荷預測是指未來(lái)1h以?xún)鹊呢摵深A測，在安全監視狀態(tài)下，需要5～10s或1～5min的預測值，預防性控制和緊急狀態(tài)處理需要10min至1h的預測值。②短期負荷預測是指日負荷預測和周負荷預測，分別用于安排日調度計劃和周調度計劃，包括確定機組起停、水火電協(xié)調、聯(lián)絡(luò )線(xiàn)交換功率、負荷經(jīng)濟分配、水庫調度和設備檢修等，對短期預測，需充分研究電網(wǎng)負荷變化規律，分析負荷變化相關(guān)因子，特別是天氣因素、日類(lèi)型等和短期負荷變化的關(guān)系。③中期負荷預測是指月至年的負荷預測，主要是確定機組運行方式和設備大修計劃等。④長(cháng)期負荷預測是指未來(lái)3～5年甚至更長(cháng)時(shí)間段內的負荷預測，主要是電網(wǎng)規劃部門(mén)根據國民經(jīng)濟的發(fā)展和對電力負荷的需求，所作的電網(wǎng)改造和擴建工作的遠景規劃。對中、長(cháng)期負荷預測，要特別研究國民經(jīng)濟發(fā)展、國家政策等的影響。 
　　3　負荷預測的基本過(guò)程 
　　負荷預測工作的關(guān)鍵在于收集大量的歷史數據，建立科學(xué)有效的預測模型，采用有效的算法，以歷史數據為基礎，進(jìn)行大量試驗性研究，總結經(jīng)驗，不斷修正模型和算法，以真正反映負荷變化規律。其基本過(guò)程如下。  電表| 鉗表| 高斯計| 電磁場(chǎng)測試儀| 電源供應器| 電能質(zhì)量分析儀| 多功能測試儀| 電容表| 電力分析儀| 諧波分析儀|
　　3.1　調查和選擇歷史負荷數據資料 
　　多方面調查收集資料，包括電力企業(yè)內部資料和外部資料，從眾多的資料中挑選出有用的一小部分，即把資料濃縮到最小量。挑選資料時(shí)的標準要直接、可靠并且是最新的資料。如果資料的收集和選擇得不好，會(huì )直接影響負荷預測的質(zhì)量。 
　　3.2　歷史資料的整理 
　　一般來(lái)說(shuō)，由于預測的質(zhì)量不會(huì )超過(guò)所用資料的質(zhì)量，所以要對所收集的與負荷有關(guān)的統計資料進(jìn)行審核和必要的加工整理，來(lái)保證資料的質(zhì)量，從而為保證預測質(zhì)量打下基礎，即要注意資料的完整無(wú)缺，數字準確無(wú)誤，反映的都是正常狀態(tài)下的水平，資料中沒(méi)有異常的"分離項"，還要注意資料的補缺，并對不可靠的資料加以核實(shí)調整。 
　　3.3　對負荷數據的預處理 
　　在經(jīng)過(guò)初步整理之后，還要對所用資料進(jìn)行數據分析預處理，即對歷史資料中的異常值的平穩化以及缺失數據的補遺，針對異常數據，主要采用水平處理、垂直處理方法。 
　　數據的水平處理即在進(jìn)行分析數據時(shí)，將前后兩個(gè)時(shí)間的負荷數據作為基準，設定待處理數據的最大變動(dòng)范圍，當待處理數據超過(guò)這個(gè)范圍，就視為不良數據，采用平均值的方法平穩其變化；數據的垂直處理即在負荷數據預處理時(shí)考慮其24h的小周期，即認為不同日期的同一時(shí)刻的負荷應該具有相似性，同時(shí)刻的負荷值應維持在一定的范圍內，對于超出范圍的不良數據修正，為待處理數據的最近幾天該時(shí)刻的負荷平均值。 
　　3.4　建立負荷預測模型 
　　負荷預測模型是統計資料軌跡的概括，預測模型是多種多樣的，因此，對于具體資料要選擇恰當的預測模型，這是負荷預測過(guò)程中至關(guān)重要的一步。當由于模型選擇不當而造成預測誤差過(guò)大時(shí)，就需要改換模型，必要時(shí)，還可同時(shí)采用幾種數學(xué)模型進(jìn)行運算，以便對比、選擇。 
　　在選擇適當的預測技術(shù)后，建立負荷預測數學(xué)模型，進(jìn)行預測工作。由于從已掌握的發(fā)展變化規律，并不能代表將來(lái)的變化規律，所以要對影響預測對象的新因素進(jìn)行分析，對預測模型進(jìn)行恰當的修正后確定預測值。 
　　4　電力負荷預測方法簡(jiǎn)介 
　　電力負荷預測分為經(jīng)典預測方法和現代預測方法。 
　　4.1　經(jīng)典預測方法 
　　4.1.1　指數平滑法 
　　該方法是常用的預測方法之一，指數平滑法的基本思想是加權平均，選取一組時(shí)間上有序的歷史數據，x1、x2、x3……xt，一次指數平滑預測的迭代公式為：
　　 
　　式中lt+1—t+1時(shí)刻的負荷值 
　　　　n—所有數據記錄的個(gè)數 
　　對越近期的數據加權越大，這反映了近期數據對未來(lái)負荷影響更大這一實(shí)際情況，同時(shí)能通過(guò)平滑作用消除序列中的隨機波動(dòng)。 
　　4.1.2　趨勢外推法 
　　就是根據負荷的變化趨勢對未來(lái)負荷情況作出預測。電力負荷雖然具有隨機性和不確定性，但在一定條件下，仍存在著(zhù)明顯的變化趨勢，例如農業(yè)用電，在氣候條件變化較小的冬季，日用電量相對穩定，表現為較平穩的變化趨勢。這種變化趨勢可為線(xiàn)性或非線(xiàn)性，周期性或非周期性等等。 
　　4.1.3　時(shí)間序列法 
　　時(shí)間序列法是一種最為常見(jiàn)的短期負荷預測方法，它是針對整個(gè)觀(guān)測序列呈現出的某種隨機過(guò)程的特性，去建立和估計產(chǎn)生實(shí)際序列的隨機過(guò)程的模型，然后用這些模型去進(jìn)行預測。它利用了電力負荷變動(dòng)的慣性特征和時(shí)間上的延續性，通過(guò)對歷史數據時(shí)間序列的分析處理，確定其基本特征和變化規律，預測未來(lái)負荷。 
　　時(shí)間序列預測方法可分為確定型和隨機性?xún)深?lèi)，確定型時(shí)間序列作為模型殘差用于估計預測區間的大小。隨機型時(shí)間序列預測模型可以看作一個(gè)線(xiàn)性濾波器。根據線(xiàn)性濾波器的特性，時(shí)間序列可劃為自回歸(ar)、動(dòng)平均(ma)、自回歸-動(dòng)平均(arma)、累計式自回歸-動(dòng)平均(arima)、傳遞函數(tf)幾類(lèi)模型，其負荷預測過(guò)程一般分為模型識別、模型參數估計、模型檢驗、負荷預測、精度檢驗預測值修正5個(gè)階段。 
　　4.1.4　回歸分析法 
　　回歸分析法就是根據負荷過(guò)去的歷史資料，建立可以分析的數學(xué)模型，對未來(lái)的負荷進(jìn)行預測。利用數理統計中的回歸分析方法，通過(guò)對變量的觀(guān)測數據進(jìn)行分析，確定變量之間的相互關(guān)系，從而實(shí)現預測。 
　　4.2　現代負荷預測方法 
　　20世紀80年代后期，一些基于新興學(xué)科理論的現代預測方法逐漸得到了成功應用。這其中主要有灰色數學(xué)理論、專(zhuān)家系統方法、神經(jīng)網(wǎng)絡(luò )理論、模糊預測理論等。 
　　4.2.1　灰色數學(xué)理論 
　　灰色數學(xué)理論是把負荷序列看作一真實(shí)的系統輸出，它是眾多影響因子的綜合作用結果。這些眾多因子的未知性和不確定性，成為系統的灰色特性�；疑�系統理論把負荷序列通過(guò)生成變換，使其變化為有規律的生成數列再建模，用于負荷預測。 
　　4.2.2　專(zhuān)家系統方法 
　　專(zhuān)家系統方法是對于數據庫里存放的過(guò)去幾年的負荷數據和天氣數據等進(jìn)行細致的分析，匯集有經(jīng)驗的負荷預測人員的知識，提取有關(guān)規則。借助專(zhuān)家系統，負荷預測人員能識別預測日所屬的類(lèi)型，考慮天氣因素對負荷預測的影響，按照一定的推理進(jìn)行負荷預測。 
　　4.2.3　神經(jīng)網(wǎng)絡(luò )理論 
　　神經(jīng)網(wǎng)絡(luò )理論是利用神經(jīng)網(wǎng)絡(luò )的學(xué)習功能，讓計算機學(xué)習包含在歷史負荷數據中的映射關(guān)系，再利用這種映射關(guān)系預測未來(lái)負荷。由于該方法具有很強的魯棒性、記憶能力、非線(xiàn)性映射能力以及強大的自學(xué)習能力，因此有很大的應用市場(chǎng)，但其缺點(diǎn)是學(xué)習收斂速度慢，可能收斂到局部最小點(diǎn)；并且知識表達困難，難以充分利用調度人員經(jīng)驗中存在的模糊知識。 
　　4.2.4　模糊負荷預測 
　　模糊負荷預測是近幾年比較熱門(mén)的研究方向。 
　　模糊控制是在所采用的控制方法上應用了模糊數學(xué)理論，使其進(jìn)行確定性的工作，對一些無(wú)法構造數學(xué)模型的被控過(guò)程進(jìn)行有效控制。模糊系統不管其是如何進(jìn)行計算的，從輸入輸出的角度講它是一個(gè)非線(xiàn)性函數。模糊系統對于任意一個(gè)非線(xiàn)性連續函數，就是找出一類(lèi)隸屬函數，一種推理規則，一個(gè)解模糊方法，使得設計出的模糊系統能夠任意逼近這個(gè)非線(xiàn)性函數。 
　　下面介紹模糊預測的一些基本方法。 
　　(1)表格查尋法： 
　　表格法是一種相對簡(jiǎn)單明了的算法。這個(gè)方法的基本思想是從已知輸入--輸出數據對中產(chǎn)生模糊規則，形成一個(gè)模糊規則庫，最終的模糊邏輯系統將從組合模糊規則庫中產(chǎn)生。 
　　這是一種簡(jiǎn)單易行的易于理解的算法，因為它是個(gè)順序生成過(guò)程，無(wú)需反復學(xué)習，因此，這個(gè)方法同樣具有模糊系統優(yōu)于神經(jīng)網(wǎng)絡(luò )系統的一大優(yōu)點(diǎn)，即構造起來(lái)既簡(jiǎn)單又快速。 
　　(2)基于神經(jīng)網(wǎng)絡(luò )集成的高木-關(guān)野模糊預測算法： 
　　它是利用神經(jīng)網(wǎng)絡(luò )來(lái)求得條件部輸入變量的聯(lián)合隸屬函數。結論部的函數f(x)也可以用神經(jīng)網(wǎng)絡(luò )來(lái)表示。神經(jīng)網(wǎng)絡(luò )均采用前向型的bp網(wǎng)絡(luò )。 
　　(3)改進(jìn)的模糊神經(jīng)網(wǎng)絡(luò )模型的算法： 
　　模糊神經(jīng)網(wǎng)絡(luò )即全局逼近器。模糊系統與神經(jīng)網(wǎng)絡(luò )似乎有著(zhù)天然的聯(lián)系，模糊神經(jīng)網(wǎng)絡(luò )在本質(zhì)上是模糊系統的實(shí)現，就是將常規的神經(jīng)網(wǎng)絡(luò )(如前向反饋神經(jīng)網(wǎng)絡(luò )，hopfield神經(jīng)網(wǎng)絡(luò ))賦予模糊輸入信號和模糊權。 
　　對于復雜的系統建模，已經(jīng)有了許多方法，并已取得良好的應用效果。但主要缺點(diǎn)是模型精度不高，訓練時(shí)間太長(cháng)。此種方法的模型物理意義明顯，精度高，收斂快，屬于改進(jìn)型算法。 
　　(4)反向傳播學(xué)習算法： 
　　模糊邏輯系統應用主要在于它能夠作為非線(xiàn)性系統的模型，包括含有人工操作員的非線(xiàn)性系統的模型。因此，從函數逼近意義上考慮，研究模糊邏輯系統的非線(xiàn)性映射能力顯得非常重要。函數逼近就是模糊邏輯系統可以在任意精度上，一致逼近任何定義在一個(gè)致密集上的非線(xiàn)性函數，其優(yōu)勢在于它有能夠系統而有效地利用語(yǔ)言信息的能力。萬(wàn)能逼近定理表明一定存在這樣一個(gè)可以在任意精度逼近任意給定函數的高斯型模糊邏輯系統。反向傳播bp學(xué)習算法用來(lái)確定高斯型模糊邏輯系統的參數，經(jīng)過(guò)辨識的模型能夠很好的逼近真實(shí)系統，進(jìn)而達到提高預測精度的目的。 
　　5　結束語(yǔ) 
　　隨著(zhù)電力市場(chǎng)的發(fā)展，負荷預測的重要性日益顯現，并且對負荷預測精度的要求越來(lái)越高。傳統的預測方法比較成熟，預測結果具有一定的參考價(jià)值，但要進(jìn)一步提高預測精度，就需要對傳統方法進(jìn)行一些改進(jìn)，同時(shí)隨著(zhù)現代科學(xué)技術(shù)的不斷進(jìn)步，理論研究的逐步深入，以灰色理論、專(zhuān)家系統理論、模糊數學(xué)等為代表的新興交叉學(xué)科理論的出現，也為負荷預測的飛速發(fā)展提供了堅實(shí)的理論依據和數學(xué)基礎。相信負荷預測的理論會(huì )越來(lái)越成熟，預測的精度越來(lái)越高。