中国船舶集团第七一五研究所 张智旺

电力负荷预测是决定电力系统输送稳定性的关键因素，首先对电力负荷预测的原理及方法做了简要分析。在此基础上，为了提高电力负荷系统的预测精度，提出了一种基于遗传算法（Genetic Algorithm，GA）优化的反向传播神经网络（Back Propagation Neural Network，BPNN）短期负荷预测方法。通过与单一的BPNN模型对比，GA-BPNN模型不仅可以避免算法陷入局部极值，还可进一步提高电力负荷预测的精准度，证明了GA-BPNN模型的优越性。

1 电力系统负荷预测的方法

随着电力系统的发展和复杂性的增加，影响发电和用电的因素越来越多。电力企业的基本问题是使系统的短期和长期运行性能最大化。为了促进经济增长，满足未来电力需求，负荷预测已成为电力企业的一项重要任务。从预测对象角度分析，电力系统预测包括负荷曲线趋势预测、未来用电量预测以及未来电力需求量预测。基于历史的电力系统负荷数据对未来电力负荷进行准确的趋势预测，有助于制定合理的供电战略和电力管理方案。一般来说，电力负荷预测可分为短期、中期和长期预测。其中，短期预测（提前半小时到一周）能够保证电力系统经济安全地运行，为运营公司节约巨大成本。目前，电力系统短期负荷预测方法包括：（1）基于传统的时间序列预测方法（AR，ARMA等）；（2）基于传统的多元回归的时间序列预测方法；（3）基于统计与机器学习的时间序列预测方法。由于电力系统负荷长年受季节、产业类型、城乡发展等诸多因素的影响，负荷数据的波动性和随机性较大，因此要实现高精度的短期负荷预测难度较大。……