李健，张植华，林毓，崔文婷，刘洪，王海亮

（1.深圳供电局有限公司，广东深圳 518033；2.天津天大求实电力新技术股份有限公司，天津 300384）

负荷预测是配电网规划的重要环节，也是配电网经济运行的基础，对配电网规划和运行都极其重要。随着配电网建设改造的大力推进，负荷预测的准确性、实时性、可靠性和智能性也需要进一步提升，因此，负荷预测已经成为配电网规划和运行中的一个重要研究领域[1]。

负荷预测工作具有很强的科学性，不仅需要大量反映客观规律性的科学数据、适应发展规律的科学方法以及符合实际的科学参数，还需要具有实用价值的丰富经验以及对实际情况的准确把握。目前，国内外专家学者在负荷预测理论和方法上做了大量的研究工作，提出了很多预测模型[2-8]，这些模型极大提高了负荷预测水平。但是由于配电网负荷的复杂性和配电网规划区域的多样性，在实际预测中仍然存在一些问题。首先，由于配电网负荷的复杂性，往往需要预测多种负荷，而实际预测中并不存在一种模型可以适应各种不同情况的负荷预测；其次，由于规划区域的多样性，不同规划区域的规划重点和规划思路的不同，各类区域的负荷预测重点和预测思路流程也应有所不同，并不能将同一个负荷预测流程应用于所有规划区域中。

为了解决上述问题，本文将针对配电网负荷预测进行深入研究。对各类负荷预测模型进行分析和总结，得出其特点及适用范围，并在负荷预测分类和负荷预测模型分析的基础上，针对不同规划区域提出适用的负荷预测流程，力争为负荷预测实际工作提供参考和借鉴。

1 配电网负荷预测分类

根据预测时间范围的不同，负荷预测可分为远景预测、中期预测和近期预测。远景预测一般指15 a以上并以年为单位的预测，中期预测指在5 a左右以年为单位的预测。远景预测和中期预测主要是用于制定电力系统的扩建规划。近期预测指1 a内以月为单位的负荷预测，还指以周、天、小时为单位的负荷预测，对电力企业的日常运营起到指导和调节作用。

根据预测目的的不同，负荷预测可分为电量负荷预测、空间负荷分布预测和负荷曲线预测。电量负荷预测又包括总量电量负荷预测和产业行业电量负荷预测，主要针对城市未来的电力需求量，对城市供电电源点的确定和发电规划具有重要的指导意义。空间负荷分布预测是对规划区域内负荷的地理位置和数值大小等进行的预测，它提供未来负荷的空间分布信息，空间负荷分布预测的准确性决定了城网规划方案的可操作性和适应性。负荷曲线预测可以通过日负荷曲线得出各种分类标准下总量负荷与分类负荷间的关系，是电量负荷预测和空间负荷预测之间联系的纽带。各类负荷预测之间的关系如图1所示。

图1 负荷预测关系图Fig.1 Relationship diagram of load forecasting

2 配电网负荷预测流程

由图1可知，负荷预测需要预测6类负荷和电量，而且这六类负荷和电量之间存在相互关联。根据不同规划区域的发展特点、历史数据以及未来定位不同，可将规划区域细分为开发新区、发展中区域与成熟区域。而各类规划区域的6类负荷预测之间的先后逻辑关系也不同，在进行负荷预测时，需要首先分析规划区域的特点、历史数据积累情况、未来规划定位和特点等具体问题，从而确定负荷预测的具体思路和流程，在此基础上选择适当的负荷预测模型进行预测。当规划区域的不同分区的历史数据和未来规划具有不同特点时，也需要分别采用不同的预测思路和流程，从而来提高负荷预测的准确性[9]。

2.1 开发新区负荷预测流程

由于开发新区没有历史数据或历史数据没有参考价值，而这类区域进行的城市规划也只是做远景的目标规划，通常没有中间阶段的详细用地发展规划，因此配电网规划也注重远景目标年的规划，对中间年份只考虑过渡方式，相应的负荷预测的重点也是远景目标年的预测，中间年的预测通常采用平均或比例的方法得到。开发新区的负荷预测流程如图2所示。

图2 开发新区负荷预测流程图Fig.2 Flow chart of load forecasting in the new ly developed region

在上述流程图中，负荷预测的关键是远景负荷分布预测，而远景负荷分布预测的关键又是分类用地负荷密度指标的确定，这既需要掌握本地各类负荷的特点，又需要掌握各类负荷不同发展阶段的实际指标，必要时还需要进行大量的实际调查，以最终确定符合规划区域用地详细规划的用地负荷密度指标。

2.2 发展中区域负荷预测流程

发展中区域是在现有区域的基础上发展的，而现有区域的配电网往往不可能推倒重新设计。因此，发展中区域的配电网规划除了注重远景目标年的规划外，对近期配电网的逐年发展以及中间年份的发展也相当重视，相应的负荷预测也应配套满足各年份负荷及负荷分布预测的需要。因此发展中区域除了需要进行远景目标年的负荷预测外，还需要进行近期和中期较为详细的负荷预测。此外，发展中区域通常有完整的城市规划，用地分类比较明确，用地情况往往会有控制性详细规划。根据发展中区域的数据特点和负荷预测的特点，其负荷预测流程图见图3所示。

图3 发展中区域负荷预测流程图Fig.3 Flow chart of load forecasting in the developing region

2.3 成熟区域负荷预测流程

成熟区域的城市规划通常分为2种情况，一种是成熟区域已经发展到相当水平，用地功能基本不发生大的变化，区域的目标规划也是在现状的基础上逐步发展到规划目标；另一种是成熟区域以老旧房屋为主，面临着大面积的拆迁和用地功能的较大变化。针对这2种不同的区域状况，配电网的规划与发展也会有不同的特点，从而导致负荷预测也有不同的思路流程。

2.3.1 用地性质不发生大变化的成熟区域

这类区域的远景目标年用地规划与目前用地性质相比基本不发生较大变化，也就是说这类区域是在现状成熟区域的基础上发展而来的，现状成熟区域不会面临拆迁重建等变化。而且，现状成熟区域的配电网网架结构通常比较复杂，因此配电网规划除了注重远景目标年的规划外，还需特别关注现状配电网的改造，也就是说配电网规划对近期配电网逐年发展以及中间年份的发展也相当重视，相应的负荷预测也应配套满足各年份负荷及负荷分布预测的需要。根据此类区域的数据特点和负荷预测的特点，其负荷预测流程图如图4所示。

图4 成熟区域负荷预测流程图1Fig.4 Flow chart of load forecast in the developed region 1

由图4可知，开展此类区域的负荷预测，需首先根据远景用地发展规划、设定远景负荷密度指标，从而进行远景负荷分布预测，并根据远景负荷分布预测结果计算远景总负荷和总电量。其次，由于此类区域负荷发展具有良好的延续性，近期负荷预测主要以历史负荷、电量数据的发展趋势为依据，适当考虑中期和远景负荷的发展进行预测。中期负荷预测则需综合近期发展和远景负荷水平采用曲线拟合的方式得出。

2.3.2 用地性质发生较大变化的成熟区域

当成熟区域远景目标年的用地规划与目前的用地性质相比发生较大变化时，也就是说成熟区域的大片区域可能面临着拆迁重建，此时负荷的发展可能会呈现出不连续的特点，在某些情况下可能造成负荷发展的停滞甚至短时下降。这种区域的近期和中期负荷预测会有较大困难，通常会因某些区域的拆迁计划的时间不能控制而造成负荷分布预测不准。因此，尽可能多地掌握近期建设的进度信息会对负荷预测有很大帮助。根据此类区域特点，此类区域的负荷预测流程如图5所示。

图5 成熟区域负荷预测流程图2Fig.5 Flow chart of load forecast in the developed region 2

由图5可知，此类区域的预测流程与图4不同，在进行近期电力电量预测时，首先根据现状负荷分布的情况和近期用地规划进行近期负荷分布预测（尽可能多地考虑近期建设进度信息），在此基础上再根据负荷分布的结果和历史负荷及电量的数据进行近期负荷、电量预测，最后根据远景负荷电量预测结果和近期负荷电量预测结果，采用曲线拟合的方式得出中期负荷电量预测结果。

3 负荷预测实例分析

本文将南方某市的典型发展中区域作为规划区进行实际负荷预测。该规划区的面积约为51 km2，人口约15万。规划区现状年为2013年，该年用电量为15.241亿kW·h，近几年用电量年增长11.34%，年最大负荷为230 MW。

3.1 远景负荷预测

由于不同类型的负荷有着不同的发展规律，因此需要对负荷进行分类。根据所收集的基础数据，并在对城区用地性质大致归纳后，最终确定城区负荷主要分为：居住、工业、公共设施、市政设施。

利用负荷密度指标法进行负荷预测，必须要确定每一类负荷的用电负荷密度参考指标。为了使负荷密度指标能够代表未来发展情况，对已经经过了充分发展的大中型城市的同类型负荷的负荷密度情况进行调查，并以这些负荷密度指标作为城区负荷密度指标设置的主要依据。最终确定该地区负荷预测指标的选取结果如表1所示。

表1 规划区远景负荷预测指标Tab.1 Long-term load forecasting index of the planning area

根据表2中对该地区的用地划分及设定的负荷指标，可对其远景负荷进行计算，结果见表3。

表2 规划区远景用地规划结果Tab.2 Result of the long-term land-use p lanning of the p lanning area

表3 规划区远景负荷预测结果Tab.3 Result of the long-term load forecasting of the planning area

3.2 中期及近期负荷预测

经商讨确定，近期年为2016年，中期年为2020年。通过适用于总量电量负荷预测的各种模型预测中期电量负荷，并根据“近大远小”的原则回推近期电量负荷预测的结果，得到中期及近期负荷预测结果如表4所示。

表4 规划区中期及近期负荷预测结果Tab.4 Results of the long-term and medium-term load forecasting of the planning area

根据近期及中期各地块的用地性质按远景的用地性质考虑，将各年份的负荷预测结果进行下分，得到规划区2016年、2020年的负荷分布预测结果如表5所示。

表5 规划区中期及近期负荷分布Tab.5 M edium-and short-term load distribution of the planning area MW

3.3 负荷预测校核

为了保证负荷预测的准确性，需要对负荷预测结果进行校核。经商讨确定，选取经济发达的A市作为负荷预测校核的参考对象，且本规划区域远景年的负荷发展情况相当于A市某区2010年的发展水平。本文选取负荷密度指标作为校核指标。

结合远景年负荷预测结果和规划区的区域面积计算，得出所分析的规划区的远景年负荷密度为15.67 MW/km2，与2010年A市某区的负荷密度（15.78 MW/km2）水平相当，表明远景年负荷预测结果比较准确。

由于规划区中期和近期的负荷预测结果是基于远景负荷预测结果进行回推得到的，所以中期和近期的负荷预测结果也是准确的。

4 结语

本文在分析和总结负荷预测特点和分类的基础上，针对不同供电区域的负荷预测流程，为负荷预测模型的选择以及负荷预测流程的确定提供了依据，并利用与规划区相应的预测流程和预测方法对电网进行实际负荷预测，通过对负荷预测结果的校核，说明该预测流程有利于电网的规划工作，可以满足城市电网规划中负荷预测的要求。

[1] 康重庆，夏清，刘梅.电力系统负荷预测[M].北京:中国电力出版社，2007.

[2] 董继征.电力系统负荷预测方法研究及应用[D].长沙：湖南大学，2006.

[3] 刘慷.电力电量负荷预测方法及应用分析[J].科技资讯，2012（33）:105-106.LIU Kang.Electricity load forecast method and its application[J].Science&Technology Information，2012（33）：105-106（in Chinese）.

[4] 杨慢慢，王金凤，李燕青，等.改进的空间负荷预测法及其应用[J].电力科学与工程，2011，27（11）:35-38.YANG Manman，WANG Jinfeng，LI Yanqing，et al.The improved spatial load forecasting and its application[J].Electric Power Science and Engineering，2011，27（11）:35-38.

[5] 康重庆，夏清，张伯明.电力系统负荷预测研究综述与发展方向的探讨[J].电力系统自动化，2004，28（17）:1-11.KANG Chongqing，XIA Qing，ZHANG Boming.Review of power system load forecasting and its development[J].Automation of Electric Power Systems，2004，28（17）：1-11（in Chinese）.

[6] 陈剑勇，苏浩益.结合支持向量机和马尔可夫链算法的中长期电力负荷预测模型[J].南方电网技术，2012，6（1）：54-58.CHEN Jianyong， SU Haoyi.A forecasting model of Medium/Long term power load in combination of the support vector machine and markov Chain algorithms[J].Southern Power System Technology，2012，6（1）：54-58（in Chinese）.

[7] 浦星材，沈晓风，张清扬，等.基于偏最小二乘法的支持向量机短期负荷预测[J].电网与清洁能源，2011，27（10）：32-34.PU Xingcai，SHEN Xiaofeng，ZHANG Qingyang，et al.Short-term load forecasting based on partial least square SVM[J].Power System and Clean Energy，2011，27（10）：32-34（in Chinese）.

[8] 张建华，邱威，刘念，等.正交设计灰色模型在年电力负荷预测中的应用[J].电网与清洁能源，2010，26（2）:28-32.ZHANG Jianhua，QIU Wei，LIU Nian，et al.Grey model based on orthogonal design and its application in annual load forecasting[J].Power System and Clean Energy，2010，26（2）：28-32（in Chinese）.

[9] 王晓东.城网综合负荷预测方法的研究与工程应[D].天津：天津大学，2004.