國(guó)網(wǎng)臨夏供電公司 馬 瑾

合理的電力負(fù)荷預(yù)測(cè)可以給電力系統(tǒng)的可持續(xù)化運(yùn)作創(chuàng)造有益的條件，在智能電網(wǎng)環(huán)境之下，如何有效地提升負(fù)荷預(yù)測(cè)信息的精準(zhǔn)性已經(jīng)成為當(dāng)下研究熱點(diǎn)之一。基于此，本文將首先簡(jiǎn)要地說(shuō)明負(fù)荷預(yù)測(cè)的基本概念，同時(shí)再闡述各個(gè)負(fù)荷預(yù)測(cè)方法，分析智能電網(wǎng)環(huán)境下的負(fù)荷預(yù)測(cè)應(yīng)用情況，希望能夠給同行帶來(lái)一定的參考價(jià)值。

在智能電網(wǎng)之下，ICT技術(shù)已經(jīng)被越來(lái)越多的運(yùn)用，同時(shí)還積極投入了大量的智能終端裝置，大幅度地提升了對(duì)負(fù)荷預(yù)測(cè)精準(zhǔn)程度以及密度的實(shí)際，同時(shí)也就提升了負(fù)荷預(yù)測(cè)的難度系數(shù)，較之于傳統(tǒng)負(fù)荷預(yù)測(cè)方法，其發(fā)展態(tài)勢(shì)已從單一的負(fù)荷預(yù)測(cè)技術(shù)轉(zhuǎn)向了負(fù)荷預(yù)測(cè)精細(xì)化服務(wù)管控層面，如此才能夠順應(yīng)未來(lái)智能電網(wǎng)發(fā)展的趨勢(shì)以及需求，對(duì)此本文將闡述各個(gè)負(fù)荷預(yù)測(cè)方法。

1 負(fù)荷預(yù)測(cè)方法分析

1.1 負(fù)荷預(yù)測(cè)的基本原則分析

電力系統(tǒng)負(fù)荷預(yù)測(cè)即電力人員充分地考量電力系統(tǒng)運(yùn)輸屬性、增容和自然條件，然后采取一系列手段，通過(guò)往期信息數(shù)據(jù)對(duì)將來(lái)的負(fù)荷予以估量，在可控的精度之下，明確將來(lái)一個(gè)周期的負(fù)荷取值。電力負(fù)荷預(yù)測(cè)對(duì)于電力系統(tǒng)計(jì)劃以及運(yùn)作起到了不可忽視的效用，已經(jīng)成為發(fā)展規(guī)劃和實(shí)時(shí)把控的關(guān)鍵性憑證。負(fù)荷預(yù)測(cè)的精準(zhǔn)性對(duì)電網(wǎng)的投入、布局以及運(yùn)作的合理都產(chǎn)生了極大的影響，現(xiàn)如今，如何有效地提升電力負(fù)荷預(yù)測(cè)精準(zhǔn)程度已經(jīng)成為當(dāng)下電力系統(tǒng)亟待解決的重要問(wèn)題之一。

1.2 傳統(tǒng)負(fù)荷預(yù)測(cè)工作方法分析

傳統(tǒng)負(fù)荷預(yù)測(cè)方法通?？梢詣澐譃槿缦聨追N類型，具體如下：

其一，趨勢(shì)外推負(fù)荷預(yù)測(cè)方法。該手段即靈活地應(yīng)用負(fù)荷過(guò)往的變化態(tài)勢(shì)展開(kāi)推測(cè)，盡管電力負(fù)荷實(shí)時(shí)在發(fā)生改變，具有顯著性的隨機(jī)性，不過(guò)經(jīng)過(guò)一系列的算法處置，還是可以獲取負(fù)荷的變化規(guī)律，依據(jù)往期信息數(shù)據(jù)不難看出，變化規(guī)律能夠表現(xiàn)出線性、非線性、周期性以及非周期性，預(yù)測(cè)人員能夠利用最小擬合曲線計(jì)算這一方程，該手段在短期內(nèi)進(jìn)行負(fù)荷預(yù)測(cè)工作十分合宜，不過(guò)無(wú)法伴隨負(fù)荷改變而出現(xiàn)動(dòng)態(tài)改變，其產(chǎn)生的偏差明顯。

其二，時(shí)間序列負(fù)荷預(yù)測(cè)方法。該手段就是指依據(jù)負(fù)荷的過(guò)往信息，通過(guò)統(tǒng)計(jì)電力負(fù)荷在隨機(jī)變化期間所表現(xiàn)出的規(guī)律性，采用數(shù)學(xué)模型呈現(xiàn)出來(lái)，從而進(jìn)一步明確負(fù)荷預(yù)測(cè)的數(shù)學(xué)公式。該手段要充分地參照季節(jié)、周、天、小時(shí)變化的時(shí)間序列，然后再進(jìn)一步對(duì)負(fù)荷信息的實(shí)際值以及預(yù)測(cè)值差值予以解析和處置。其流程大概還包括識(shí)別模型、估算模型系數(shù)、檢驗(yàn)?zāi)Ｐ汀㈩A(yù)測(cè)負(fù)荷以及核驗(yàn)預(yù)測(cè)值精度等等。該手段整體的計(jì)算量不大，不過(guò)無(wú)法把負(fù)荷信息變化的因素全都考量其中，通常被應(yīng)用在負(fù)荷變化較為均勻的狀況下展開(kāi)短期預(yù)測(cè)。

其三，回歸模型負(fù)荷預(yù)測(cè)方法。該手段即通過(guò)數(shù)理統(tǒng)計(jì)方法構(gòu)建針對(duì)性的數(shù)學(xué)模型，然后再對(duì)各個(gè)變量信息予以處置。總的來(lái)說(shuō)，該預(yù)測(cè)手段常常被應(yīng)用至負(fù)荷中期預(yù)測(cè)，精準(zhǔn)程度相對(duì)較高，不過(guò)很難預(yù)測(cè)那些較為繁瑣的狀況，即綜合用電負(fù)荷的情況。

1.3 現(xiàn)代負(fù)荷預(yù)測(cè)方法

近幾年來(lái)，部分新興預(yù)測(cè)方法獲得了較好地應(yīng)用，具體如下：

（1）人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法分析

人工神經(jīng)網(wǎng)絡(luò)即模擬人腦神經(jīng)網(wǎng)絡(luò)展開(kāi)學(xué)習(xí)，同時(shí)還能夠處置相應(yīng)問(wèn)題的一種重要的非線性系統(tǒng)。其通過(guò)若干個(gè)具備并行運(yùn)算效能的神經(jīng)元節(jié)點(diǎn)和連接其針對(duì)性權(quán)值組成，從而有助于函數(shù)做到輸入變量至輸出變量間的非線性映射。考慮到人工神經(jīng)網(wǎng)絡(luò)在應(yīng)用過(guò)程中呈現(xiàn)出對(duì)諸多非結(jié)構(gòu)性、非精確性規(guī)律具備自適應(yīng)效能，同時(shí)還具備極為顯著性的記憶效能、非線性映射效能以及自學(xué)效能，所以已經(jīng)越來(lái)越受到人們的重視，成為近幾年來(lái)負(fù)荷預(yù)測(cè)行業(yè)探究的課題之一。有研究者利用遞歸人工神經(jīng)網(wǎng)絡(luò)模型對(duì)電力短期負(fù)荷展開(kāi)預(yù)測(cè)，同時(shí)采取了梯度下降手段，如此一來(lái)，就能夠有效地提升訓(xùn)練的收斂速率，根據(jù)預(yù)測(cè)仿真信息不難看出，較之于過(guò)往的預(yù)測(cè)方法，采取遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法的精準(zhǔn)程度更為精準(zhǔn)，但是，典型的人工神經(jīng)網(wǎng)絡(luò)出現(xiàn)了諸多極難設(shè)置學(xué)習(xí)系數(shù)、收斂慢速，同時(shí)收斂至局部極小，操作人員很難明確網(wǎng)絡(luò)結(jié)構(gòu)。不僅如此，還有研究學(xué)者指出采取遺傳算法全局搜索水平高，綜合神經(jīng)網(wǎng)絡(luò)的局部尋優(yōu)功能，組成遺傳神經(jīng)網(wǎng)絡(luò)。通過(guò)遺傳算法對(duì)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和權(quán)值予以改善，進(jìn)而實(shí)現(xiàn)加速尋優(yōu)效率，提升訓(xùn)練精準(zhǔn)程度的目標(biāo)。不僅如此，有研究人員在采用神經(jīng)網(wǎng)絡(luò)展開(kāi)電力系統(tǒng)短期負(fù)荷預(yù)測(cè)工作的過(guò)程中，其網(wǎng)絡(luò)輸入變量的選取環(huán)節(jié)常常是影響預(yù)測(cè)成效的重要一環(huán)，如此一來(lái)，就建議采取模糊粗糙集理論預(yù)處置信息，所獲取的信息當(dāng)作BP網(wǎng)絡(luò)的輸入變量展開(kāi)預(yù)測(cè)工作。這一工作不但系統(tǒng)化地考量了影響負(fù)荷預(yù)測(cè)的歷史時(shí)間序列、氣象等多方面元素，給科學(xué)選取神經(jīng)網(wǎng)絡(luò)的輸入變量帶來(lái)了一定的有益基礎(chǔ)，同時(shí)還能夠防止因?yàn)檩斎胱兞科叨l(fā)神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)繁瑣、訓(xùn)練時(shí)間長(zhǎng)等局限性。

（2）數(shù)據(jù)挖掘方法分析

數(shù)據(jù)挖掘即由海量信息中挖掘隱含在其中的知識(shí)，同時(shí)還能夠?qū)⑵涑尸F(xiàn)成最終可以被人們理解的模式，該方法在消除冗余數(shù)據(jù)等方面起到了關(guān)鍵性的效用?，F(xiàn)如今，在多個(gè)行業(yè)之中，最為普遍的數(shù)據(jù)挖掘技術(shù)包括決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則、統(tǒng)計(jì)學(xué)模糊集等等。有研究人員指出一個(gè)根植于數(shù)據(jù)挖掘內(nèi)時(shí)間序列相似性研究的電力負(fù)荷預(yù)測(cè)手段，同時(shí)，還有研究者給出了一類基于最優(yōu)區(qū)間分割以及單調(diào)遞減閾值函數(shù)的聚類手段，接著再采取一定手段抽取有關(guān)負(fù)荷的特征曲線，同時(shí)把它們當(dāng)作不良信息予以校正。通過(guò)對(duì)電力負(fù)荷的仿真解析，進(jìn)一步核驗(yàn)了該算法的高效性。與此同時(shí)，通過(guò)數(shù)據(jù)挖掘技術(shù)能夠信息予以處置，然后把結(jié)果當(dāng)作支撐向量機(jī)的訓(xùn)練信息，如此一來(lái)還能夠有效地減少數(shù)據(jù)量，進(jìn)而提升預(yù)測(cè)的速率及精準(zhǔn)程度。

（3）模糊預(yù)測(cè)法分析

模糊預(yù)測(cè)技術(shù)即根據(jù)模糊理論，將過(guò)往的工作經(jīng)驗(yàn)、歷史信息或二者綜合。通過(guò)規(guī)則的方式呈現(xiàn)出來(lái)，同時(shí)進(jìn)一步轉(zhuǎn)變成能夠在計(jì)算機(jī)上運(yùn)作的算法，從而有效地完成多方面的工作任務(wù)。較之于人工神經(jīng)網(wǎng)絡(luò)方法，其可以較為明晰地闡明專家意圖，處置電力系統(tǒng)內(nèi)諸多不精準(zhǔn)的、模糊的問(wèn)題，同時(shí)還能夠被應(yīng)用至長(zhǎng)期負(fù)荷預(yù)測(cè)工作之中。值得注意地是，該方法學(xué)習(xí)能力相對(duì)較弱，極易受到人為因素的影響。

2 智能電網(wǎng)環(huán)境下的負(fù)荷預(yù)測(cè)應(yīng)用分析

2.1 智能電網(wǎng)環(huán)境下的負(fù)荷情況分析

近幾年來(lái)，諸多地區(qū)都在對(duì)具備安全、清潔等屬性特點(diǎn)的智能電網(wǎng)展開(kāi)探究，智能電網(wǎng)在一定程度上升級(jí)了傳統(tǒng)電網(wǎng)內(nèi)各電源點(diǎn)和負(fù)荷點(diǎn)的基本理念，而大力引入新能源也給負(fù)荷活動(dòng)帶來(lái)了很大的影響。同時(shí)，新能源不僅涵括了集中式發(fā)電能源，同時(shí)也涵括了小型分布式發(fā)電能源，傳統(tǒng)的電力用戶只要求吸收電能，而功率流向只要求為電網(wǎng)傳輸用戶，不過(guò)針對(duì)具備分布式電源的智能電網(wǎng)，電力用戶不僅能夠進(jìn)一步汲取電能，也能夠向電網(wǎng)傳輸電能，電力用戶不僅僅是絕對(duì)的用電負(fù)荷，所以這就給過(guò)往負(fù)荷預(yù)測(cè)技術(shù)提供了新的機(jī)遇及挑戰(zhàn)。

2.2 儲(chǔ)能技術(shù)對(duì)負(fù)荷預(yù)測(cè)工作的影響分析

通常來(lái)說(shuō)，智能電網(wǎng)的主要特征之一即在電網(wǎng)內(nèi)接入了儲(chǔ)能設(shè)施，由此來(lái)用以平滑風(fēng)能、太陽(yáng)能等間歇式能源的出力曲線。通過(guò)順利連結(jié)儲(chǔ)能設(shè)施，在電力較為充足的情況下，將之儲(chǔ)蓄在一塊兒，一旦抵達(dá)負(fù)荷高峰期就能夠把電能順利地釋放，從而起到了削峰填谷的效用。所以，儲(chǔ)能設(shè)施不但是負(fù)荷同時(shí)也是重要的電源，在進(jìn)行負(fù)荷預(yù)測(cè)的過(guò)程中，要將其全面地考量進(jìn)來(lái)。

2.3 基于AMI的電力負(fù)荷預(yù)測(cè)

通常來(lái)說(shuō)，智能電網(wǎng)下的測(cè)量體系（簡(jiǎn)稱AMI）即一項(xiàng)適用于測(cè)量、采集、儲(chǔ)蓄以及解析用戶用電信息的專業(yè)化機(jī)制，該部分通常由智能電表、通信、測(cè)量數(shù)據(jù)管控系統(tǒng)和用戶網(wǎng)絡(luò)組成。一個(gè)區(qū)域的總負(fù)荷，往往是通過(guò)各個(gè)小區(qū)域的千萬(wàn)類型的負(fù)荷整合而成，各負(fù)荷常常遭到不同內(nèi)外部因素的影響，各個(gè)類型的負(fù)荷其運(yùn)作屬性也具有很大的差異性。若可以對(duì)各種不同的負(fù)荷展開(kāi)預(yù)測(cè)，那么就能夠大幅度地提升總負(fù)荷的預(yù)測(cè)精準(zhǔn)程度。一般來(lái)說(shuō)，傳統(tǒng)電網(wǎng)缺少較為完備一致的數(shù)據(jù)平臺(tái)，還缺少對(duì)各項(xiàng)負(fù)荷地全面化認(rèn)知，而伴隨我國(guó)智能電網(wǎng)地迅速發(fā)展，此時(shí)搭建了專業(yè)化的AMI測(cè)量體系，那就能夠搭建起系統(tǒng)化的負(fù)荷預(yù)測(cè)平臺(tái)。通過(guò)智能電表搜集負(fù)荷信息，依據(jù)負(fù)荷本身屬性采取針對(duì)性的負(fù)荷預(yù)測(cè)方法，然后把預(yù)測(cè)結(jié)果整合起來(lái)獲取總體的預(yù)測(cè)結(jié)果，那么就能夠獲取較高的負(fù)荷預(yù)測(cè)精準(zhǔn)程度。

結(jié)束語(yǔ)：綜上所述，負(fù)荷預(yù)測(cè)的普遍流程即利用歷史負(fù)荷信息，采集相應(yīng)的數(shù)據(jù)處置方法對(duì)將來(lái)某一周期內(nèi)的負(fù)荷值予以估量，而伴隨我國(guó)智能電網(wǎng)地迅速發(fā)展，此時(shí)所采集的各項(xiàng)負(fù)荷數(shù)據(jù)趨于完備，而正確的預(yù)測(cè)技術(shù)在很大程度上影響了預(yù)測(cè)能力的水準(zhǔn)。對(duì)于智能電網(wǎng)而言，AMI可以構(gòu)建一個(gè)較為完備的負(fù)荷預(yù)測(cè)平臺(tái)，通過(guò)精準(zhǔn)掌握各負(fù)荷點(diǎn)的屬性、類型并展開(kāi)預(yù)測(cè)，如此一來(lái)，就大幅度地提升了負(fù)荷預(yù)測(cè)的精準(zhǔn)性。