罗 权

(华南理工大学 电力学院，广州 510000)

0 引言

在电网的调度运行中，短期负荷预测起着重要的指导作用，精准的负荷预测不仅仅可以提高电力系统运行的可靠性和稳定性，而且可以大大降低电网运行成本。直接关系到电网运行经济效应的负荷预测精度，同时也与电网科学化管理和自动化程度密切相关，并且现代电网建设需要大规模并网，高效精确的负荷预测就显得格外重要了，这也是大量研究人员一直以来所追求的。

对负荷预测的研究历程中，人们结合数据分析和概率论发展了许多方法，有传统的回归分析法和最小二乘法，也有时间序列法和小波分析法，以及几经波折的神经网络。它们均有各自优缺点，例如回归分析法计算原理简单、外推性能好、运算速度快，时间序列法的预测值能体现出负荷变化的连续性，且该算法的运算速度也快，但是这两种方法在进行负荷预测时都没有考虑到负荷影响因素，负荷预测误差较大。其他负荷预测方法就不再一一赘述。而本文所采用的卡尔曼滤波算法不仅能很好的解决信号中的噪声问题，还具有较为良好的预测性能。

虽然斯坦利·施密特(Stanley Schmidt)首次实现了卡尔曼滤波器，但卡尔曼(R.E.Kalman)在1960年其论文《线性滤波和预测理论的新成果》中首次提出一种新的线性滤波和预测理由论，即卡尔曼滤波。它是威纳滤波的发展，克服了威纳滤波的局限性，能很好的解决各种最优滤波和最优控制问题，在工程上得到了广泛的应用，尤其在控制、通讯等现代工程方面。……