赵立新 韩 冬

（山东电力集团公司东营供电公司 山东 东营 257000）

0 前言

电力系统负荷预测主要用于电力系统规划和制定发电计划，从而提高系统运行的经济性和可靠性。准确可靠的负荷预测能保证电力系统运行的安全性，又可提高电力运行的经济性[1]。

电力系统负荷预测是在充分考虑一些重要因素下，研究和应用一套处理过去负荷与未来负荷的数学方法，在满足一定精度要求的前提下，确定未来某特定时刻的电力负荷值。提高负荷预测技术水平，其重要意义如下：

1）准确的短期负荷预测是电网调度机构制定发供电计划、合理安排机组启停和做好电网供需平衡的关键。

2）在电力市场条件下，短期负荷预测不再是纯技术性的问题，也是一个技术性与经济性相结合的问题。

3）对电力系统来说，必须对用户提供可靠而经济的电能，以满足用户的负荷需求，而另一方面，在确保系统安全的情况下尽量减少实时发电备用容量。

4）为用户提供安全、可靠、经济、优质的电能是电网运营企业的首要目标。准确的负荷预测就使得电网运营企业可以在电力市场中以较便宜的电价购电。

1 短期负荷预测的现状

1.1 负荷预测的研究和应用现状

二十世纪七十年代后，许多数学统计方法被引入到短期负荷预测中，典型的算法有回归分析法、确定性时间序列分析法、随机时间序列分析法[2]。

二十世纪九十年代初期开始，人工智能技术逐步应用。文献[3]提出使用模糊神经网络预测方法；在文献[4]中，列举出人工神经网络ANN和模糊控制相结合的预测方法，文献[5]提出灰色理论和神经网络的电力系统负荷预测方法。

短期负荷预测技术发展至今己有几十年，迄今为止，短期负荷预测方法大致可以分为两类：即传统预测方法和人工智能方法。

1.2 负荷预测的方法

1.2.1 传统预测方法

1）回归分析法。通过收集负荷的原始资料，来建立可以数学分析的模型，进而来预测未来的负荷值[6]。这种方法是研究变量和变量之间依存关系的一种数学方法。

2）时间序列法。时间序列法就是对历史负荷资料进行整理归类，设法建立一个数学模型来描述负荷的变化规律，形成预测模型以后即可利用己知的负荷数据对未来的负荷进行预测[7]。

3）小波分析理论。小波变换各种各样的交杂混杂在一起的不同频率信号进行分解，将它们分解成不同的块信号。使用正交二进小波变换来进行小波变换，这样就可以使负荷序列分别投影到不同的尺度，这时各个尺度上的子序列则分别代表了原序列中不同的“频域”的分量。根据以上原则，则可以对不同的负荷序列分别进行预测[8]。

4）灰色预测法。其显著特征就是用少量的数据做微分方程建立起预测的模型。在将一定范围内变化的历史数据列进行累加，使其变成具有指数增长规律的上升形状数列，可以对生成的这个形状数列建立起GM模型[9]。

1.2.2 人工智能方法

1）人工神经网络法。利用人工神经网络(ANN)，选取过去一段时间的负荷作为训练样本，然后构造适宜的网络结构，用某种训练算法对网络进行训练，使其满足精度要求之后，用ANN作负荷预测[10]。

2）专家系统方法。专家系统是一种基于知识推理的系统，它通过获取大量的领域内专家知识并在此基础上进行推理从而得到问题的解答。

3）模糊控制法。模糊预测法以模糊数学理论为基础，通过模糊数学的概念理论对电力系统中的一些模糊现象进行描述[11]。

不同的预测方法有各自的优点和缺点，为了发挥不同方法的优点，避开其不足，人们在负荷预测过程中将不同的预测方法加以组合，形成了许多种组合方法，在一定条件下能够有效的改善模型的拟合能力和提高预测的精度。

2 电力负荷预测概述

2.1 电力负荷的构成和特点

2.1.1 电力负荷的构成

电力系统负荷一般可分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其它负荷。不同类型的负荷具有不同的特性。

1）城市民用负荷

城市民用负荷的特点是与居民的日常生活和工作规律紧密相关的。尤其是在夏季和冬季，空调、冰箱负荷和取暖负荷已经成为影响电力负荷的重要因素。

2）商业负荷

商业负荷同样具有季节性变动的特性。商业负荷所占的比重不及工业和民用负荷，但商业负荷对每日负荷晚高峰的出现有明显的影响。

3）农村负荷

农村负荷是指农村居民用电和农业生产用电。农业生产的特点决定了农村负荷受季节影响大。在用电构成中，农业用电所占的比重不大。

4）工业负荷

工业负荷一般都被视为受气候影响较小的基础负荷。除个别地区外，工业负荷的比重在用电构成中居于首位，它不仅取决于工业用户的工作方式，而且与各工业行业的行业特点、季节因素都有紧密的联系。

对工业负荷和商业负荷而言，它们随季节的波动较小;对民用和农业用电负荷而言，负荷在系统总负荷的所占比例随季节变化发生显著变化，具有显著的季节变化特性。

2.1.2 电力负荷的特点

电力系统负荷是一个周期性和随机性都很强的系统，它与众多的因素有着极为复杂的关系。在进行电力系统负荷预测时，针对负荷变化的这些特点，既要充分分析、掌握并利用其规律性，又要兼顾各种因素的影响。

负荷变化的周周期性是指从以七天为一周期的负荷变化中体现出来的规律性。一般情况下，公休日的负荷水平较低，工作日的负荷水平较高;负荷变化的日周期性是指以一天24小时为周期的负荷变化所体现出的规律性。

综上所述，电力负荷具有周期性的特点，且负荷变化的大周期中又存在小周期，形成多个周期相嵌;负荷具有季节性的特点，四季中典型负荷曲线各不相同;同时不同地区的气候，以及温度的变化都会对负荷造成一定的影响。

2.2 负荷预测的概念和原理

2.2.1 负荷预测的概念

负荷预测是依据电力系统的运行特点、增容决择、自然因素以及社会影响等多方面因素，在满足一定精度要求的条件下，来确定未来某特定时刻的负荷数据，其中负荷就是指用户的电力需求量（功率）或用电量；在电力系统经济调度中，负荷预测是一项关键的内容，也是能量管理系统(EMS)的一个重要模块[15]。

2.2.2 负荷预测的基本原理

负荷预测工作是根据电力负荷的发展变化规律，预计或判断其未来发展趋势和状况的活动，因此必须科学地总结出预测工作的基本原理，以指导负荷预测工作,以下介绍几种基本的原理[16]。

1）可知性原理

就是说待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们所知道的。

2）可能性原理

事物的发展变化是在内因和外因的共同作用下进行的。内因的变化及外因作用力大小不同，会使事物发展变化有多种可能性。

3）连续性原理

连续性原理是指预测对象的发展是一个连续统一的过程，其未来发展是这个过程的继续。

4）相似性原理

尽管客观世界中各种事物的发展各不相同，但是一些事物发展之间还是存在着相似之处，人们就是利用这种相似性进行预测。

5）反馈性原理

反馈就是利用输出返回到输入端，再调节输出结果。预测的反馈性原理实际上是为了不断提高预测的准确性而进行的反馈调节。

6）系统性原理

预测对象是一个完整的系统，它本身有内在的系统，它与外界事物的联系又形成了它的外在系统。这些系统综合成一个完整的总系统，都要进行考虑[17]。

2.3 负荷预测的步骤

预测可分为定性预测，不论采用何种预测方法，都遵循以下基本步骤和原则[15]：

1）收集和选择历史负荷数据资料

根据负荷预测的内容和要求，搜集预测时需要用到的各种资料。同时，对搜集的资料去伪存真，提高资料的可信度。

2）历史资料的分析和处理

一般情况下，由于负荷预测的质量不会超过所用资料的质量，在对数据的初步整理之后，还要对所用资料进行数据分析预处理。

3）建立预测模型

根据所确定的预测内容，对预测对象进行详细的分析，根据历史数据的发展情况，选择建立合理的数学模型。

4）预测结果评价

对预测结果的可信度进行比较和综合分析，通过预测人的经验判断预测结果是否合理，对结果进行适当修正，得到最终的预测结果。

5）负荷预测管理

将负荷预测形成报告提交后，并不等于全部预测工作的结束，随后仍需根据主客观条件的变化及预测应用的反馈信息进行检验，必要时进行修正和调整。

2.4 影响负荷预测的因素及误差分析

2.4.1 影响负荷预测的主要因素

系统总负荷是系统中所有节点上所有负荷的总和。尽管单个负荷的变化随机性很大，但所有单个负荷的总和即系统总负荷一般具有一定的变化规律，影响这种规律变化的因素主要有以下四种：

1）负荷构成

系统负荷按其性质可划分为：城市民用负荷、商业负荷、工业负荷、农业负荷及其它负荷等类型，且不同类型的负荷有着不同的变化规律。

2）时间因素

时间因素对负荷的影响主要有三点：季节因素的影响、节假日的影响、以日或周为周期的负荷变化。

3）气象因素

由于许多负荷都与气象因素有关，所以气象因素也是影响系统负荷大小的重要因素。除了气温，影响负荷大小的其它天气因素还有阴晴、降水和风速等。

4）随机因素

所有能引起负荷模式变化，而又未包括在上面三类中的其它因素均算在此类中。由于系统负荷是由大量分散的单独需求组合而成，系统负荷不断受随机干扰影响。

2.4.2 负荷预测的误差分析

误差产生的原因很多，主要表现在以下几个方面[18]：

1）电力负荷所受影响是千变万化的，要从许多预测方法中选择一个恰当的预测方法，如果选择不当，将随之产生误差。

2）进行负荷预测用到的数学模型大多只包括所研究现象的某些主要因素，而省略了很多次要因素。这样的模型只是一种简单化了的反映，这样进行预测时无可避免的会与实际负荷产生误差。

3）进行负荷预测要用到大量资料，而各种资料并不能保证都是准确可靠的，这就必然会产生预测误差。

4）某种意外事件的发生或情况的突然变化，可能产生预测误差。再者，由于计算或判断上的错误，也会造成不同程度的误差。

预测误差分析的指标：

计算和分析预测误差的方法和指标很多，较为常用的有：

2）平均绝对误差和平均相对误差

由于预测误差有正有负，为了避免正负相抵消，故取误差的绝对值进行综合并计算其平均数，这是误差分析的综合指标法之一。

3）均方误差

式中：MSE——均方差，其它符号同前。均方误差是预测误差平方和的平均值，避免了正负误差不能相加的问题，是误差分析中的综合指标之一。

4）均方根误差

日负荷预测准确率：Ad＝1－Ed

本文中采用了比较常用的考核指标：以每个整点的相对误差来进行误差分析。

式中：RMSE——均方根误差，其它符号同前。

5）日负荷预测误差

3 小结

本文对电力系统负荷预测的概念、基本原理、分类和预测的步骤以及短期负荷预测常用的误差计算方法和指标进行了概述，并且分析了电力负荷特性及影响负荷预测精度的各种因素。

［1］牛东晓，曹树华，赵磊，张文文.电力负荷预测技术及其应用[M].北京：中国电力出版社，1999.

［2］梦新华，欧阳伟.基于BP网络的负荷预测的实现[J].有色冶金设计与研究，2009，30(1).

［3］张小平，王伟.短期电力负荷预报的自适应模糊神经网络方法.电力系统自动化，1998(1).

［4］吕志来，张保会.基于ANN和模糊控制相结合的电力系统负荷短期预测方法[J].电力系统自动化，1999.

［5］史德明，李林川，宋建父.基于灰色预测和神经网络的电力系统负荷预测[J].电网技术，2001.

［6］Hagan M.T.The Time serials approach to short term load forecasting[J].IEEE Trans on Power Systerms,2001,2(3).

［7］邹森.时间序列自适应短期负荷[J].山东工业大学学报，2003，18(2)：129-132

［8］林湘宁，刘沛，程时杰，等.小波分析基础理论及其在电力系统中的应用：第1讲[J].电力系统自动化，1997，21(10).

［9］明李鹰，赵振江，吴松涛.灰色模型在普通日短期电力负荷预测中的应用[J].长沙电力学院学报：自然科学版，2003，18（1）.

［10］李国勇.智能控制及其Matlab实现[M].北京：电子工业出版社,2005.

［11］张雪波，文闪闪.电力负荷预测的基本程序及应用[J].中国电力教育，2008（1）.

［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）.

［13］Lippman R P.An Introduction to Computing with Nerral Nets[J].IEEE ASSP Magazine,2001(4).

［14］高隽.人工神经网络原理及仿真实例[M].机械工业出版社.

［15］梦新华，欧阳伟.基于BP网络的负荷预测的实现[J].有色冶金设计与研究，2009，30(1).

［16］Moghram.S.Rahman.Analysis and evaluation of five short-term load forecasting techniques[J].IEEE Trans.on Power System,Vol.4,November 2001.

［17］曲微微.基于 BP人工神经网络的电力短期负荷预测[D].东北石油大学，2011.

［18］徐军华.电力系统短期负荷预测模型与优选的研究[D].四川大学.