趙立新 韓 冬

（山東電力集團(tuán)公司東營供電公司 山東 東營 257000）

0 前言

電力系統(tǒng)負(fù)荷預(yù)測主要用于電力系統(tǒng)規(guī)劃和制定發(fā)電計(jì)劃，從而提高系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和可靠性。準(zhǔn)確可靠的負(fù)荷預(yù)測能保證電力系統(tǒng)運(yùn)行的安全性，又可提高電力運(yùn)行的經(jīng)濟(jì)性[1]。

電力系統(tǒng)負(fù)荷預(yù)測是在充分考慮一些重要因素下，研究和應(yīng)用一套處理過去負(fù)荷與未來負(fù)荷的數(shù)學(xué)方法，在滿足一定精度要求的前提下，確定未來某特定時刻的電力負(fù)荷值。提高負(fù)荷預(yù)測技術(shù)水平，其重要意義如下：

1）準(zhǔn)確的短期負(fù)荷預(yù)測是電網(wǎng)調(diào)度機(jī)構(gòu)制定發(fā)供電計(jì)劃、合理安排機(jī)組啟停和做好電網(wǎng)供需平衡的關(guān)鍵。

2）在電力市場條件下，短期負(fù)荷預(yù)測不再是純技術(shù)性的問題，也是一個技術(shù)性與經(jīng)濟(jì)性相結(jié)合的問題。

3）對電力系統(tǒng)來說，必須對用戶提供可靠而經(jīng)濟(jì)的電能，以滿足用戶的負(fù)荷需求，而另一方面，在確保系統(tǒng)安全的情況下盡量減少實(shí)時發(fā)電備用容量。

4）為用戶提供安全、可靠、經(jīng)濟(jì)、優(yōu)質(zhì)的電能是電網(wǎng)運(yùn)營企業(yè)的首要目標(biāo)。準(zhǔn)確的負(fù)荷預(yù)測就使得電網(wǎng)運(yùn)營企業(yè)可以在電力市場中以較便宜的電價購電。

1 短期負(fù)荷預(yù)測的現(xiàn)狀

1.1 負(fù)荷預(yù)測的研究和應(yīng)用現(xiàn)狀

二十世紀(jì)七十年代后，許多數(shù)學(xué)統(tǒng)計(jì)方法被引入到短期負(fù)荷預(yù)測中，典型的算法有回歸分析法、確定性時間序列分析法、隨機(jī)時間序列分析法[2]。

二十世紀(jì)九十年代初期開始，人工智能技術(shù)逐步應(yīng)用。文獻(xiàn)[3]提出使用模糊神經(jīng)網(wǎng)絡(luò)預(yù)測方法；在文獻(xiàn)[4]中，列舉出人工神經(jīng)網(wǎng)絡(luò)ANN和模糊控制相結(jié)合的預(yù)測方法，文獻(xiàn)[5]提出灰色理論和神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)負(fù)荷預(yù)測方法。

短期負(fù)荷預(yù)測技術(shù)發(fā)展至今己有幾十年，迄今為止，短期負(fù)荷預(yù)測方法大致可以分為兩類：即傳統(tǒng)預(yù)測方法和人工智能方法。

1.2 負(fù)荷預(yù)測的方法

1.2.1 傳統(tǒng)預(yù)測方法

1）回歸分析法。通過收集負(fù)荷的原始資料，來建立可以數(shù)學(xué)分析的模型，進(jìn)而來預(yù)測未來的負(fù)荷值[6]。這種方法是研究變量和變量之間依存關(guān)系的一種數(shù)學(xué)方法。

2）時間序列法。時間序列法就是對歷史負(fù)荷資料進(jìn)行整理歸類，設(shè)法建立一個數(shù)學(xué)模型來描述負(fù)荷的變化規(guī)律，形成預(yù)測模型以后即可利用己知的負(fù)荷數(shù)據(jù)對未來的負(fù)荷進(jìn)行預(yù)測[7]。

3）小波分析理論。小波變換各種各樣的交雜混雜在一起的不同頻率信號進(jìn)行分解，將它們分解成不同的塊信號。使用正交二進(jìn)小波變換來進(jìn)行小波變換，這樣就可以使負(fù)荷序列分別投影到不同的尺度，這時各個尺度上的子序列則分別代表了原序列中不同的“頻域”的分量。根據(jù)以上原則，則可以對不同的負(fù)荷序列分別進(jìn)行預(yù)測[8]。

4）灰色預(yù)測法。其顯著特征就是用少量的數(shù)據(jù)做微分方程建立起預(yù)測的模型。在將一定范圍內(nèi)變化的歷史數(shù)據(jù)列進(jìn)行累加，使其變成具有指數(shù)增長規(guī)律的上升形狀數(shù)列，可以對生成的這個形狀數(shù)列建立起GM模型[9]。

1.2.2 人工智能方法

1）人工神經(jīng)網(wǎng)絡(luò)法。利用人工神經(jīng)網(wǎng)絡(luò)(ANN)，選取過去一段時間的負(fù)荷作為訓(xùn)練樣本，然后構(gòu)造適宜的網(wǎng)絡(luò)結(jié)構(gòu)，用某種訓(xùn)練算法對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使其滿足精度要求之后，用ANN作負(fù)荷預(yù)測[10]。

2）專家系統(tǒng)方法。專家系統(tǒng)是一種基于知識推理的系統(tǒng)，它通過獲取大量的領(lǐng)域內(nèi)專家知識并在此基礎(chǔ)上進(jìn)行推理從而得到問題的解答。

3）模糊控制法。模糊預(yù)測法以模糊數(shù)學(xué)理論為基礎(chǔ)，通過模糊數(shù)學(xué)的概念理論對電力系統(tǒng)中的一些模糊現(xiàn)象進(jìn)行描述[11]。

不同的預(yù)測方法有各自的優(yōu)點(diǎn)和缺點(diǎn)，為了發(fā)揮不同方法的優(yōu)點(diǎn)，避開其不足，人們在負(fù)荷預(yù)測過程中將不同的預(yù)測方法加以組合，形成了許多種組合方法，在一定條件下能夠有效的改善模型的擬合能力和提高預(yù)測的精度。

2 電力負(fù)荷預(yù)測概述

2.1 電力負(fù)荷的構(gòu)成和特點(diǎn)

2.1.1 電力負(fù)荷的構(gòu)成

電力系統(tǒng)負(fù)荷一般可分為城市民用負(fù)荷、商業(yè)負(fù)荷、農(nóng)村負(fù)荷、工業(yè)負(fù)荷以及其它負(fù)荷。不同類型的負(fù)荷具有不同的特性。

1）城市民用負(fù)荷

城市民用負(fù)荷的特點(diǎn)是與居民的日常生活和工作規(guī)律緊密相關(guān)的。尤其是在夏季和冬季，空調(diào)、冰箱負(fù)荷和取暖負(fù)荷已經(jīng)成為影響電力負(fù)荷的重要因素。

2）商業(yè)負(fù)荷

商業(yè)負(fù)荷同樣具有季節(jié)性變動的特性。商業(yè)負(fù)荷所占的比重不及工業(yè)和民用負(fù)荷，但商業(yè)負(fù)荷對每日負(fù)荷晚高峰的出現(xiàn)有明顯的影響。

3）農(nóng)村負(fù)荷

農(nóng)村負(fù)荷是指農(nóng)村居民用電和農(nóng)業(yè)生產(chǎn)用電。農(nóng)業(yè)生產(chǎn)的特點(diǎn)決定了農(nóng)村負(fù)荷受季節(jié)影響大。在用電構(gòu)成中，農(nóng)業(yè)用電所占的比重不大。

4）工業(yè)負(fù)荷

工業(yè)負(fù)荷一般都被視為受氣候影響較小的基礎(chǔ)負(fù)荷。除個別地區(qū)外，工業(yè)負(fù)荷的比重在用電構(gòu)成中居于首位，它不僅取決于工業(yè)用戶的工作方式，而且與各工業(yè)行業(yè)的行業(yè)特點(diǎn)、季節(jié)因素都有緊密的聯(lián)系。

對工業(yè)負(fù)荷和商業(yè)負(fù)荷而言，它們隨季節(jié)的波動較小;對民用和農(nóng)業(yè)用電負(fù)荷而言，負(fù)荷在系統(tǒng)總負(fù)荷的所占比例隨季節(jié)變化發(fā)生顯著變化，具有顯著的季節(jié)變化特性。

2.1.2 電力負(fù)荷的特點(diǎn)

電力系統(tǒng)負(fù)荷是一個周期性和隨機(jī)性都很強(qiáng)的系統(tǒng)，它與眾多的因素有著極為復(fù)雜的關(guān)系。在進(jìn)行電力系統(tǒng)負(fù)荷預(yù)測時，針對負(fù)荷變化的這些特點(diǎn)，既要充分分析、掌握并利用其規(guī)律性，又要兼顧各種因素的影響。

負(fù)荷變化的周周期性是指從以七天為一周期的負(fù)荷變化中體現(xiàn)出來的規(guī)律性。一般情況下，公休日的負(fù)荷水平較低，工作日的負(fù)荷水平較高;負(fù)荷變化的日周期性是指以一天24小時為周期的負(fù)荷變化所體現(xiàn)出的規(guī)律性。

綜上所述，電力負(fù)荷具有周期性的特點(diǎn)，且負(fù)荷變化的大周期中又存在小周期，形成多個周期相嵌;負(fù)荷具有季節(jié)性的特點(diǎn)，四季中典型負(fù)荷曲線各不相同;同時不同地區(qū)的氣候，以及溫度的變化都會對負(fù)荷造成一定的影響。

2.2 負(fù)荷預(yù)測的概念和原理

2.2.1 負(fù)荷預(yù)測的概念

負(fù)荷預(yù)測是依據(jù)電力系統(tǒng)的運(yùn)行特點(diǎn)、增容決擇、自然因素以及社會影響等多方面因素，在滿足一定精度要求的條件下，來確定未來某特定時刻的負(fù)荷數(shù)據(jù)，其中負(fù)荷就是指用戶的電力需求量（功率）或用電量；在電力系統(tǒng)經(jīng)濟(jì)調(diào)度中，負(fù)荷預(yù)測是一項(xiàng)關(guān)鍵的內(nèi)容，也是能量管理系統(tǒng)(EMS)的一個重要模塊[15]。

2.2.2 負(fù)荷預(yù)測的基本原理

負(fù)荷預(yù)測工作是根據(jù)電力負(fù)荷的發(fā)展變化規(guī)律，預(yù)計(jì)或判斷其未來發(fā)展趨勢和狀況的活動，因此必須科學(xué)地總結(jié)出預(yù)測工作的基本原理，以指導(dǎo)負(fù)荷預(yù)測工作,以下介紹幾種基本的原理[16]。

1）可知性原理

就是說待預(yù)測對象的發(fā)展規(guī)律，其未來的發(fā)展趨勢和狀況是可以為人們所知道的。

2）可能性原理

事物的發(fā)展變化是在內(nèi)因和外因的共同作用下進(jìn)行的。內(nèi)因的變化及外因作用力大小不同，會使事物發(fā)展變化有多種可能性。

3）連續(xù)性原理

連續(xù)性原理是指預(yù)測對象的發(fā)展是一個連續(xù)統(tǒng)一的過程，其未來發(fā)展是這個過程的繼續(xù)。

4）相似性原理

盡管客觀世界中各種事物的發(fā)展各不相同，但是一些事物發(fā)展之間還是存在著相似之處，人們就是利用這種相似性進(jìn)行預(yù)測。

5）反饋性原理

反饋就是利用輸出返回到輸入端，再調(diào)節(jié)輸出結(jié)果。預(yù)測的反饋性原理實(shí)際上是為了不斷提高預(yù)測的準(zhǔn)確性而進(jìn)行的反饋調(diào)節(jié)。

6）系統(tǒng)性原理

預(yù)測對象是一個完整的系統(tǒng)，它本身有內(nèi)在的系統(tǒng)，它與外界事物的聯(lián)系又形成了它的外在系統(tǒng)。這些系統(tǒng)綜合成一個完整的總系統(tǒng)，都要進(jìn)行考慮[17]。

2.3 負(fù)荷預(yù)測的步驟

預(yù)測可分為定性預(yù)測，不論采用何種預(yù)測方法，都遵循以下基本步驟和原則[15]：

1）收集和選擇歷史負(fù)荷數(shù)據(jù)資料

根據(jù)負(fù)荷預(yù)測的內(nèi)容和要求，搜集預(yù)測時需要用到的各種資料。同時，對搜集的資料去偽存真，提高資料的可信度。

2）歷史資料的分析和處理

一般情況下，由于負(fù)荷預(yù)測的質(zhì)量不會超過所用資料的質(zhì)量，在對數(shù)據(jù)的初步整理之后，還要對所用資料進(jìn)行數(shù)據(jù)分析預(yù)處理。

3）建立預(yù)測模型

根據(jù)所確定的預(yù)測內(nèi)容，對預(yù)測對象進(jìn)行詳細(xì)的分析，根據(jù)歷史數(shù)據(jù)的發(fā)展情況，選擇建立合理的數(shù)學(xué)模型。

4）預(yù)測結(jié)果評價

對預(yù)測結(jié)果的可信度進(jìn)行比較和綜合分析，通過預(yù)測人的經(jīng)驗(yàn)判斷預(yù)測結(jié)果是否合理，對結(jié)果進(jìn)行適當(dāng)修正，得到最終的預(yù)測結(jié)果。

5）負(fù)荷預(yù)測管理

將負(fù)荷預(yù)測形成報告提交后，并不等于全部預(yù)測工作的結(jié)束，隨后仍需根據(jù)主客觀條件的變化及預(yù)測應(yīng)用的反饋信息進(jìn)行檢驗(yàn)，必要時進(jìn)行修正和調(diào)整。

2.4 影響負(fù)荷預(yù)測的因素及誤差分析

2.4.1 影響負(fù)荷預(yù)測的主要因素

系統(tǒng)總負(fù)荷是系統(tǒng)中所有節(jié)點(diǎn)上所有負(fù)荷的總和。盡管單個負(fù)荷的變化隨機(jī)性很大，但所有單個負(fù)荷的總和即系統(tǒng)總負(fù)荷一般具有一定的變化規(guī)律，影響這種規(guī)律變化的因素主要有以下四種：

1）負(fù)荷構(gòu)成

系統(tǒng)負(fù)荷按其性質(zhì)可劃分為：城市民用負(fù)荷、商業(yè)負(fù)荷、工業(yè)負(fù)荷、農(nóng)業(yè)負(fù)荷及其它負(fù)荷等類型，且不同類型的負(fù)荷有著不同的變化規(guī)律。

2）時間因素

時間因素對負(fù)荷的影響主要有三點(diǎn)：季節(jié)因素的影響、節(jié)假日的影響、以日或周為周期的負(fù)荷變化。

3）氣象因素

由于許多負(fù)荷都與氣象因素有關(guān)，所以氣象因素也是影響系統(tǒng)負(fù)荷大小的重要因素。除了氣溫，影響負(fù)荷大小的其它天氣因素還有陰晴、降水和風(fēng)速等。

4）隨機(jī)因素

所有能引起負(fù)荷模式變化，而又未包括在上面三類中的其它因素均算在此類中。由于系統(tǒng)負(fù)荷是由大量分散的單獨(dú)需求組合而成，系統(tǒng)負(fù)荷不斷受隨機(jī)干擾影響。

2.4.2 負(fù)荷預(yù)測的誤差分析

誤差產(chǎn)生的原因很多，主要表現(xiàn)在以下幾個方面[18]：

1）電力負(fù)荷所受影響是千變?nèi)f化的，要從許多預(yù)測方法中選擇一個恰當(dāng)?shù)念A(yù)測方法，如果選擇不當(dāng)，將隨之產(chǎn)生誤差。

2）進(jìn)行負(fù)荷預(yù)測用到的數(shù)學(xué)模型大多只包括所研究現(xiàn)象的某些主要因素，而省略了很多次要因素。這樣的模型只是一種簡單化了的反映，這樣進(jìn)行預(yù)測時無可避免的會與實(shí)際負(fù)荷產(chǎn)生誤差。

3）進(jìn)行負(fù)荷預(yù)測要用到大量資料，而各種資料并不能保證都是準(zhǔn)確可靠的，這就必然會產(chǎn)生預(yù)測誤差。

4）某種意外事件的發(fā)生或情況的突然變化，可能產(chǎn)生預(yù)測誤差。再者，由于計(jì)算或判斷上的錯誤，也會造成不同程度的誤差。

預(yù)測誤差分析的指標(biāo)：

計(jì)算和分析預(yù)測誤差的方法和指標(biāo)很多，較為常用的有：

2）平均絕對誤差和平均相對誤差

由于預(yù)測誤差有正有負(fù)，為了避免正負(fù)相抵消，故取誤差的絕對值進(jìn)行綜合并計(jì)算其平均數(shù)，這是誤差分析的綜合指標(biāo)法之一。

3）均方誤差

式中：MSE——均方差，其它符號同前。均方誤差是預(yù)測誤差平方和的平均值，避免了正負(fù)誤差不能相加的問題，是誤差分析中的綜合指標(biāo)之一。

4）均方根誤差

日負(fù)荷預(yù)測準(zhǔn)確率：Ad＝1－Ed

本文中采用了比較常用的考核指標(biāo)：以每個整點(diǎn)的相對誤差來進(jìn)行誤差分析。

式中：RMSE——均方根誤差，其它符號同前。

5）日負(fù)荷預(yù)測誤差

3 小結(jié)

本文對電力系統(tǒng)負(fù)荷預(yù)測的概念、基本原理、分類和預(yù)測的步驟以及短期負(fù)荷預(yù)測常用的誤差計(jì)算方法和指標(biāo)進(jìn)行了概述，并且分析了電力負(fù)荷特性及影響負(fù)荷預(yù)測精度的各種因素。

［1］牛東曉，曹樹華，趙磊，張文文.電力負(fù)荷預(yù)測技術(shù)及其應(yīng)用[M].北京：中國電力出版社，1999.

［2］夢新華，歐陽偉.基于BP網(wǎng)絡(luò)的負(fù)荷預(yù)測的實(shí)現(xiàn)[J].有色冶金設(shè)計(jì)與研究，2009，30(1).

［3］張小平，王偉.短期電力負(fù)荷預(yù)報的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)方法.電力系統(tǒng)自動化，1998(1).

［4］呂志來，張保會.基于ANN和模糊控制相結(jié)合的電力系統(tǒng)負(fù)荷短期預(yù)測方法[J].電力系統(tǒng)自動化，1999.

［5］史德明，李林川，宋建父.基于灰色預(yù)測和神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)負(fù)荷預(yù)測[J].電網(wǎng)技術(shù)，2001.

［6］Hagan M.T.The Time serials approach to short term load forecasting[J].IEEE Trans on Power Systerms,2001,2(3).

［7］鄒森.時間序列自適應(yīng)短期負(fù)荷[J].山東工業(yè)大學(xué)學(xué)報，2003，18(2)：129-132

［8］林湘寧，劉沛，程時杰，等.小波分析基礎(chǔ)理論及其在電力系統(tǒng)中的應(yīng)用：第1講[J].電力系統(tǒng)自動化，1997，21(10).

［9］明李鷹，趙振江，吳松濤.灰色模型在普通日短期電力負(fù)荷預(yù)測中的應(yīng)用[J].長沙電力學(xué)院學(xué)報：自然科學(xué)版，2003，18（1）.

［10］李國勇.智能控制及其Matlab實(shí)現(xiàn)[M].北京：電子工業(yè)出版社,2005.

［11］張雪波，文閃閃.電力負(fù)荷預(yù)測的基本程序及應(yīng)用[J].中國電力教育，2008（1）.

［12］賈正源，牛曉東.電力負(fù)荷預(yù)測的遺傳神經(jīng)網(wǎng)絡(luò)模型研究[J].運(yùn)籌與管理，2000，9（2）.

［13］Lippman R P.An Introduction to Computing with Nerral Nets[J].IEEE ASSP Magazine,2001(4).

［14］高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例[M].機(jī)械工業(yè)出版社.

［15］夢新華，歐陽偉.基于BP網(wǎng)絡(luò)的負(fù)荷預(yù)測的實(shí)現(xiàn)[J].有色冶金設(shè)計(jì)與研究，2009，30(1).

［16］Moghram.S.Rahman.Analysis and evaluation of five short-term load forecasting techniques[J].IEEE Trans.on Power System,Vol.4,November 2001.

［17］曲微微.基于 BP人工神經(jīng)網(wǎng)絡(luò)的電力短期負(fù)荷預(yù)測[D].東北石油大學(xué)，2011.

［18］徐軍華.電力系統(tǒng)短期負(fù)荷預(yù)測模型與優(yōu)選的研究[D].四川大學(xué).