搜索
电力负荷预测方法朋友们大家好，很高兴与大家分享一下电力方面的知识。本节摘要是：负荷预测方法可分为确定性负荷预测方法和不确定性负荷预测方法。确定性负荷预测方法是把电力负荷预测用一个或一组方程来描述，电力负荷与变量之间有明确的一一对应关系，包括时间序列预测法、回归分析法、经典技术预测法、趋势外推预测法等。不确定性预测方法基于类比对应等关系进行推理预测的，包括灰色理论预测法、专家系统法、模糊预测法、神经网络法、小波分析预测法等。关键字：电力负荷预测方法...负荷预测是电力系统调度的一个重要组成部分，是电力交易的主要数据源，也是电力系统经济运行的基础,任何时候,电力负荷预测对电力系统规划和运行都极其重要。近几年，随着我国电力供需矛盾的突出集电力工业市场化运营机制的推行，电力负荷预测的准确度有待进一步提高。负荷预测方法可分为确定性负荷预测方法和不确定性负荷预测方法。确定性负荷预测方法是把电力负荷预测用一个或一组方程来描述，电力负荷与变量之间有明确的一一对应关系，包括时间序列预测法、回归分析法、经典技术预测法、趋势外推预测法等。而为了解决实际电力负荷发展变化规律非常复杂不能用简单的显式数学方程来描述期间的对应和相关这一问题，许多专家学者经过不懈努力，把许多新的方法和理论引入到负荷预测中来，产生了一类基于类比对应等关系进行推理预测的不确定性预测方法。包括灰色理论预测法、专家系统法、模糊预测法、神经网络法、小波分析预测法等。一确定性负荷预测方法一、时间序列预测法时间序列分析法利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析处理，确定其基本特征和变化规律，预测未来负荷。时间序列预测是依据电力负荷的历史数据建立一个时间序列的数学模型，通过时间序列的数学模型可以描述这个时间序列变换的规律性，同时在数学模型的基础上建立电力负荷预测的数学表达式，并对未来的负荷进行预测。电力负荷时间序列预测方法主要包括自回归AR（p）模型、滑动平均MA（q）模型和自回归与滑动平均ARMA（p，q）模型等。按照处理方法不同，时间序列法分为确定时间序列分析法和随机时间序列分析法。时间序列模型的缺点在于不能充分利用对负荷性能有很大影响的气候信息和其他因素，导致了预报的不准确和数据的不稳定。该预测方法有个基本假定，即负荷过去的变化规律会持续到将来，所以当研究对象在所选时间序列内有特殊变化段，无适应性规律可言时该预测方法不成立。二、回归分析法回归分析法就是根据负荷过去的历史资料，建立可以分析的数学模型，对未来的负荷进行预测。从数学上看，就是利用数理统计中的回归分析方法，通过对变量的观测数据进行分析，确定变量之间的相互关系，从而实现预测目的。回归分析包括一元线性、多元线性和非线性回归法。一元线性回归方程以y=a＋bx表示，其中x为自变量，x为因变量；a，b为回归系数。多元线性回归方程为y=a0＋a1x1十a2x2＋…十anxn。非线性回归方程因变量与自变量不是线性关系，如y=aebx等，但许多经过变换后仍可转换为线性回归方程。根据实际计算的情况，模型并非越多越好。有的模型虽对历史数据拟合得很好，但并不适宜用作预测，如高次多项式。用回归法预测负荷时，若取用过去若干年的历史资料正处于发展上涨快的时期，则预测未来越来越快，反之，若取用下降时，则预测未来越来越慢。这种数学模型具有原理简单，计算速度快，精度高的特点，在中短期的电力负荷预测中应用较为广泛。但其主要缺点为：规划水平年的工农业总产值无法统计，而且采用这种方法可以预测出综合用电负荷的水平，但无法实现对各供电区域负荷水平，因此无法进行电网建设的规划。三、经典技术预测法1、单耗法单耗法是根据第一、二、三产业每单位用电量创造的经济价值，从预测经济指标推算用电需求量，加上居民生活用电量，构成全社会用电量。预测时，通过对过去的单位产值耗电量进行统计分析，并结合产业结构调整，找出一定的规律，预测规划期的一、二、三产业的综合单耗，然后按国民经济和社会发展规划的指标，按单耗进行预测。这个方法是根据预测期的产品产量（或产值）和用电单耗计算需要的用电量，即Ah＝ni1QiUi式中Ah—某行业预测期的需电量；Ui—各种产品（产值）用电单耗；Qi—各种产品产量（或产值）。当分别算出各行业的需用电量之后，把它们相加，就可以得到全部行业的需用电量。这个方法适用于工业比重大的系统。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、负荷密度法负荷密度一般以kW/km2表示。不同地区、不同功能的区域，负荷密度是不同的。利用负荷密度法，一般要将预测区域分成若干功能区,如商业区、工业区、居住区、文教区等，然后根据区域的经济发展规划、人口规划、居民收入水平增长情况等，参照本地区或国内外类似地区的用电水平，选择一个合适的负荷密度指标，推算功能区和整个预测区的用电负荷。计算公式是A=SD，其中S是土地面积，D是用电密度。该方法主要适用于土地规划比较明确的城市区域。3、弹性系数法电力弹性系数是反映电力消费的年平均增长率和国民经济的年平均增长率之间的关系的宏观指标。电力弹性系数可以用下面的公式来表示：E=Ky/Kx式中E-为电力弹性系数Ky-为电力消费年平均增长率Kx-为国民经济年平均增长率在市场经济条件下，电力弹性系数已经变得捉摸不定，并且随着科学技术的迅猛发展，节电技术和电力需求侧管理，电力与经济的关系急剧变化，电力需求与经济发展的变化步伐严重失调，使得弹性系数难以捉摸，使用弹性系数法预测电力需求难以得到满意的效果，应逐步淡化。四、趋势外推预测技术电力负荷虽有随机、不确定的一面,但却有明显的变化和发展趋势。根据各行业负荷变化的规律,运用趋势外推技术进行负荷预测能够得到较为理想的结果。外推法有线性趋势预测、对数趋势预测、二次曲线趋势预测、多项式趋势预测、季节型预测和累计预测等方法。外推法的优点是只需要历史数据、所需的数据量较少。二不确定性预测方法1、灰色理论预测法所谓灰色系统是指信息部分明确、部分不明确的系统。灰色系统理论就是利用了部分明确的信息，通过形成必要的有限序列和微分方程，寻求各参数间的规律，从而推出不明确信息发展趋势的分析方法。灰色系统理论的形成是有过程的。早年邓聚龙教授从事控制理论和模糊系统的研究，取得了许多成果。后来，他接受了全国粮食预测的课题，为了搞好预测工作，他研究了概率统计追求大样本量，必须先知道分布规律、发展趋势，而时间序列法只致力于数据的拟合，不注重规律的发展。邓教授希望在可利用数据不多的情况下，找到了较长时期起作用的规律，于是进行了用少量数据做微分方程建模的研究。这一工作开始并不顺利，一时建立不起可供应的模型。后来，他将历史数据作了各种处理，找到了累加生成，发现累加生成曲线是近似的指数增长曲线，而指数增长正符合微分方程解的形式。在此基础上，进一步研究了离散函数光滑性，微分方程背景值、平射性等一些基本问题，同时也考虑了有限和无限的相对性，定义了指标集拓扑空间的灰导数，最后解决了微分方程的建模问题。在灰色模型中，最具一般意义的模型是由h个变量的n阶微分方程描述的模型，称为）（hnGM,模型，作为一种特例的）（1,1GM模型可用下式表示：uaXdtdX)1()1(式中，)1(X表示原始数据经累加后生成的新数列；a称为模型的发展参数，反映)1(X及原始数列)0(X的发展趋势；u称为模型的协调系数，反映数据间的变化关系。解上述微分方程，可以求得）（1,1GM的预测模型为:),2,1,0()1()1()0()1(kaueauXiXak以时间为序列的原始数据列是一个随机过程，有时未必平稳，所以要用数据累加，得到新的数据序列。经过处理后的新序列，其随机性被弱化了。该方法首先建立白化形式的微分方程，根据历史统计数据用最小二乘原理解得参数后，得到预测模型，按此模型就可进行预测。2、专家系统法专家系统是一个应用基于知识的程序设计方案建立起来的计算机系统，它拥有某个特殊领域专家的知识和经验，并能像专家那样运用这些知识，通过推理，在该领域内做出智能决策。所以，一个完整的专家系统是有四部分组成的，即知识库、推理机、知识获取部分和解释界面。专家系统方法是对于数据库里存放的过去几年的负荷数据和天气数据等进行细致的分析，汇集有经验的负荷预测人员的知识，提取有关规则。借助专家系统，负荷预测人员能识别预测日所属的类型，考虑天气因素对负荷预测的影响，按照一定的推理进行负荷预测专家系统技术用于中长期负荷预测时，能对所收集整理的常规的预测模型逐一进行评估决策，快速地做出最佳预测结果，避免了人工推理的繁琐和人为差错的出现，克服以往用单一模型进行预测的片面性缺陷，但是对其提取有关规则较为困难，另外必须对多年的数据进行调查、分析、提取，将花费大量的人力、物力和财力。专家系统是具有人类专家的知识和经验，能模拟人类专家的思维决策过程，对问题求解并给出相当于专家水平的答案的计算机程序。同模糊预测法相比，其不仅能将人类不可量化的经验进行转化，还具有较好的透明性和交互性，能解释其得出结论的理由，便于专家检查其推理过程中是否出错并进行相应的修改。但其运算速度较慢，缺乏学习能力和利用模糊知识的能力，过分依赖规则，而规则本身不具有普遍适应性，预测模型不能推广到所有的系统。3、模糊预测法模糊控制技术是在系统的控制中加入模糊数学理论，使其进行确定性工作，可以对一些无法建立数学模型的系统进行有效控制。模糊系统是一个非线性系统，不考虑计算过程，而是从输入输出的角度进行控制。对于一个非线性连续函数，模糊控制系统需要找出一类隶属函数，一种推理规则和一个解模糊法，使设计的模糊系统能够逼近所控制的非线性函数。用于电力系统负荷预测的模糊方法有模糊分行业用电模型、模糊线性回归、模糊指数平滑、模糊聚类、模糊时间序列模型等，这些模糊负荷预测模型是在原有模型的基础上结合模糊理论形成新的预测模型，能够很好的处理带有模糊性的变量，解决了在负荷预测中存在大量的模糊信息的难题，提高了电力系统中长期负荷预测的精度。模糊预测方法不是依据历史数据的分析，而是考虑电力负荷与多因素的相关，将负荷与对应环境作为一个数据整体进行加工，得出负荷变化模式及对应环境因素特征。从而将待测年环境因素与各历史环境特征进行比较，得出所求的负荷增长率。以下是电力系统负荷预测几种基本的模糊方法：①模糊聚类法此方法采用电力负荷增长率作为被测量，调研后采取国内生产总值（GDP）、人口、农业总产值、工业总产值、人均国民收入、人均电力等因素的增长率作为影响电力负荷增长的环境因素，构成一个总体环境。通过对历史环境与历史电力负荷总体的分类和及分类特征、环境特征的建立，进一步由未来待测年份的环境因素对各历史类的环境特征的识别，来选出与之最为接近的那类环境，得出所求电力负荷增长率。②模糊线性回归法该方法认为观察值和估计值之间的偏差是由系统的模糊性引起的。回归系数是模糊数预测的结果是带有一定模糊幅度的模糊数。模糊指数平滑法是指在指数平滑模型的基础上，将平滑系数模糊化，用指数平滑进行预测。这种方法具有算法简单、计算速度快、预测精度高、预测误差小，尤其在原始数据存在不确定性和模糊性时，更具有优越性。③模糊相似优先比法该方法是用相似优先比来判断哪种环境因素发展特征与电力负荷的发展特征最为相似，选出优势因素后，通过待测年某因素与历史年相同因素的贴近度选出与待测年贴近度最大的历史年，并认为这样选中的历史年电力负荷特征与待测年的电力负荷特征相同，从而得出预测负荷值与模糊聚类方法相比，该方法把影响电力负荷的多种因素“简化”为一种主要因素，适用于某种特殊功能占主导地位的供电区域。④模糊最大贴近度法该方法的核心在于选定某种影响因素(如经济增长速度等)，通过比较所研究地区与各参考地区该因素接近的程度，选中与其最为贴近的参考地区，认为该地区相应的电力负荷发展规律与所研究地区对应的电力负荷发展规律相同。该方法与前两种模糊方法相比，不需要待测地区的历史数据，