刘 升

(国网福建省电力有限公司，福州 350000)

0 引言

随着我国社会经济发展和人口增长，各地区用电量不断增长，屡创新高，这给基础台区配变供电带来巨大压力，超载及严重超载现象时有发生，严重影响台区正常的生产生活。为了满足不断增长的用电需求，各省相继提出台区配变扩容的规划，而台区配电负荷的预测是扩容规划的重要前期工作，准确的台区负荷预测尤其是对负荷日峰值的预测能为扩容规划的安全性与稳定性提供有力保障[1～3]。

与区域电网(省网，市县网)相比，影响具体台区配电负荷的因素更难以分类和量化，可获得的统计数据种类少、质量差，这些因素使得台区配变负荷的预测成为一大难题。关于配电负荷预测国内外许多学者对配电负荷预测进行了大量的研究，取得了丰富的研究成果。回归分析模型[4]、时间序列模型[5]、灰色预测模型[6]、神经网络模型[7]等在配电负荷的预测上都有着广泛应用。

根据所研究的时间周期长度的不同，配电负荷的预测可以划分为：以年为周期的长周期；以月或季为周期的中周期；以日为周期的短周期；以小时为周期的超短周期等不同类型。文献[8]对不同周期的配电负荷预测方法进行了比较与研究，认为长周期的年度负荷预测适合使用回归类模型，中周期的月度负荷预测适合使用各类基于相关性的预测模型，而在以日为周期的短期负荷预测中适合使用时间序列预测模型。文献[9]基于聚类算法与支持向量机(SVM)对电力系统短期负荷的预测进行了研究，研究结果显示，以日为单位的电力负荷数据一般呈现出周期性特征。……