沈阳工程学院 李 晨 尹常永 李奇洁

预测，是一类科学问题的总称，是用来推测和估计目前尚未发生或还不明确的事物。许多行业都会遇到预测问题，比如宏观经济预测、天气预报、人口数量预测、GDP发展预测等。对于预测，一般是在一定理论的参考下，以过去事物发展的规律和目前情况作锚点，将搜集到的历史数据作为预测基础，并在严密的分析和理论计算上，认识事物内在的发展规律，进而对未来的发展变化做出较为准确的估计。

电力系统负荷预测是根据电力负荷的历史数据，搜集历史天气数据、降水量等天气影响，经济的繁荣和萧条，社会现状等基础数据，并作为预测支撑，搜寻负荷与其他相关因素的内在联系，从而达到精准预测负荷的目的，电力负荷是有预测的必要性的。

1 电力系统负荷预测的分类

电力系统负荷预测一般以预测时间周期作为预测分类：

（1）时分预测：也被称为超短期负荷预测。一般是以0至30min作为预测周期，预测后续一小时或数小时的负荷变化情况。

（2）日度预测：日度预测也被称为短期预测。一般就是对一个正常日负荷曲线进行预测，也可以逐日预测，一般是以一周内每天的负荷曲线预测，或者对特殊日期如周末、节假日、春节作特殊预测。

（3）月度预测：亦称为中期负荷预测。月度预测会以每月的气温、降水等天气因素、特殊情况（拉路限电情况等）作为预测数据基准，总结过去规律，达到描述未来的目的。一般月度预测的内容使预测月度负荷、月度用电量、网供电量、售电量、全社会用电量、各产业行业电量；也对电力进行预测，如最大负荷，平均符合，最小负荷，月峰谷差，负荷率，最小符合率等。月典型日负荷特性预测，包含各月典型工作日、典型周末负荷曲线，各月份特殊日负荷曲线。

（4）年度预测：年度预测又被称为长期预测。年度预测一般会以其他行业的年度预测作为预测基准。在相关途径获取国民经济发展总值的预测值，在气象台获取未来一年甚至数年的天气预测情况，获取产业产值和人口增长预测数据等。

随着对电力系统符合预测的研究更加深入，也为了满足电力系统运行更新的需求，需要在原来分类的基础上作出补充，针对实际预测需求，引入一些新的预测内容。

（5）连续多日负荷曲线预测：在电力系统工程实践中，负荷曲线预测有着举足轻重的地位。目前进行连续若干日或更长时间的预测研究很少，一般短期负荷预测仅仅研究一天至几天的曲线预测，中长期负荷预测一般只研究日典型负荷曲线的预测。

（6）扩展短期负荷预测：在电力系统的实际工作中，调度部门提前一天完成对第二天的日负荷短期预测，根据结果确定发电计划。第二天监控计划执行情况，若计划发电与实际负荷差距较大，则需要对发电计划做出临时性调整，对剩余发电计划重新预测，也是所谓的滚动发电计划。为了满足滚动发电，提出了扩展短期负荷预测。扩展短期负荷预测就是利用当前获得的最新信息，预测从此时之后数小时的负荷变化情况，由实际预测可知，其精度明显高于日负荷预测。

图1 负荷预测的分类

2 负荷预测的必要性

时分预测专门用于实时安全分析，全面了解电力系统运行状况，运行人员对电力系统的运行状态有一个基本的感知，也可用于实时经济型调度，提高供电经济性，降低网损。也可实时监测发电机运行状态，自动发电控制（ACG）等。时分预测的规律一般以前几日同时段的变化规律作为参考，而影响因素几乎不考虑，在夏季时可能会因为天气过度炎热而对供电做出根据经验指导的调整。

日度预测是对下一天发电计划的预测。按人们生产生活的规律，准确的预测出供电的负荷曲线，为社会生产生活的顺利增砖添瓦，为社会的安定尽一份力。日度预测会考虑在年、月、周、日不同周期会有明显的周期性，影响因素一般考虑星期类型，气象因素（温湿度、降水等），电价等。

月度预测是对安排检修计划的指导，是中期运行方式的指导，根据季节调整水库调度计划，也可根据月度预测制定电煤计划。月度电力会周期性的稳定增长，各个年度的十二个月均有相似表现。

年度预测具有对电力系统发展规划的指导意义，以国家经济的发展情况预测未来电力系统的装机容量等，以达到节约能源保护环境、经济运行的目的。也可确定年度检修计划、运行方式等。一般年度预测考虑国民经济发展情况、人口、产能单耗、产业结构调整、电价的政策等。而年度预测的精确度往往收到多方面因素限制，比如作为预测支撑的数据不够准确，或者突发情况类似灾难、战争、世界经济制约、疫情等无法预知的情况。负荷预测应有一定的抗扰动能力，对各个突发时间应有相应的备案，在突发事件发生后，短时间内，由于人的盲目性，很难及时做出正确的应对，面对电力系统供电瞬时平衡的特性，应考虑多方面情况，到关键时刻及时切换运行方式，避免缺电影响社会生产、人们的生活，也避免供电过剩导致系统失稳。

对于连续多日负荷曲线预测，一般被电力系统规划和运行所需要。其中的年负荷曲线和典型日负荷曲线是电力系统规划中电力电量平衡的指导，也用于可靠性评估。弥补了传统负荷预测仅仅是简单将历史数据平均作为结果来使用的不可靠性。

3 负荷预测常用的预测方法

电力系统负荷预测在上世纪三十年代即有研究，由于各国国情，普遍没有共同治理，例如美国的联邦制，欧洲的小国群体，一般以短期负荷预测为主，并没有考虑到为发展指导的中长期的负荷预测研究。而中国正处于战乱，且发电能力很有限，电能短缺，断电情况频繁，并没有负荷预测的必要。到20世纪70年代，随着国家经济的发展，装机容量的急速提升，逐渐形成了负荷预测这一门学科并且得到迅速发展。目前国内外对负荷预测研究的相关论文数量很多，以时间为界限，综合下来方法大致分为经典预测方法、人工智能预测法、现代组合预测法。

3.1 经典预测法

（1）专家系统法：专家系统法是电力值班员根据负荷预测的经验知识，总结大量历史负荷数据，理清经验规则，并按照这种规则进行预测的方法，这种方法能够利用专家的经验知识，得到较为准确的结果。

（2）回归分析法：回归分析法是建立电力负荷与其他可能影响因素的回归模型，模型简单可靠，而且基于统计的回归分析的理论已经非常成熟，适合中长期负荷预测。但回归模型为线性模型，无法考虑非线性因素，这种缺陷使得预测精度不高。

(3)灰色预测法：灰色预测法是基于灰色系统，在数据已知量不高的情况的预测方法，将模糊控制理论应用在复杂系统中，结合运筹学及自动控制。运算方便，易检验，求解灰色模型实质上是求取微分方程。但灰色预测模型对数据质量的要求很高，要求数据符合指数函数增长规律，不适合中长期预测，且样本离散程度越高，预测精度越差。

(4)时间序列法：时间序列法认为未来的负荷受到过去几天或几个周期负荷的影响，且认为过去发生的事件或扰动将对未来数个周期有衰减的影响。一般时间序列法根据时间顺序对历史负荷进行建模，预测过程简单，但此方法仅限于对样本的拟合，未考虑到其他影响电力负荷的因素。

3.2 人工智能预测法

（1）人工神经网络预测法：人工神经网络是模拟人脑的思维模式，从而进行对事物思考得出结果的方法。人工神经网络法会设置大量神经元组成一个复杂非线性系统。各神经元由内部设置线性函数经放大函数输出数值，乘以相应权重系数，与其他同层次神经元叠加传递至下一层次神经元。虽单一神经元结构简单，但经过组合而成的模型十分复杂。此方法具有良好的容错能力、记忆能力、映射能力及各种复杂的信息处理能力，也具有易陷入局部极小值、收敛速度慢、记忆不稳定、对数据量要求大等缺点。

（2）小波分析预测法：小波分析方法在近些年内得到了很大的发展，其预测实质是将时域映射到频域进行分析求解，再返回到时域。小波分析对局部突然变化有良好的分析能力，原始信号的传递、存储、分析或者重建将在小波分析法中处理的异常简单。

3.3 现代组合预测法

基于数理统计的经典预测法和基于人工智能的现代预测法，皆有其固有缺陷，往往单一的预测方法并不能考虑各种影响因素进而准确地预测负荷趋势，如时间序列预测法不能考虑非线性的影响，人工神经网络不能考虑到时间与负荷变化的关系。而组合模型能够做到取长补短，优势互补，综合考虑各个影响因素，继而达到较高的预测准确度。

电力系统负荷预测近年来数学化趋向越来越重，尽管这些模型是先进的，但容易导致调度人员的困惑，使相关人员难以掌握。如果将负荷当作纯粹的数据看待，也就失去了电力系统的特色。负荷预测应考虑实际情况，选择合适的模型，不管实际生硬的套用模型的思路值得三思。