电力规划中的短期负荷预测方法

曹 钰

保定市城乡规划设计研究院（071000）

电力工业的发展一方面直接制约着国民经济和社会的发展，另一方面电力工业的发展也依赖于社会对电力的需求。电力系统的作用就是对各类用户提供尽可能经济可靠而合乎标准要求的电能，以随时满足各类用户的要求,用电力系统的术语来说，就是满足负荷要求。所以正确的电力负荷预测既可以为国民经济的发展提供充足的电力，也可以为电力系统自身的发展提供帮助，特别是对于电力系统规划而言，准确的负荷预测是整个规划工作的基础和前提。

1 负荷预测

负荷预测是指在充分考虑一些重要的系统运行特性、增容决策、自然环境和社会影响的条件下，研究或利用一套能系统地处理过去与未来负荷的数学方法，在满足一定精度要求的前提下，确定某特定时刻的负荷数值。

2 短期预测

预测周期为1～5年，主要是为电力系统规划、特别是配电网规划服务的，对配电网的增容、规划极为重要。同时由于短期负荷预测的时间较短，与电力系统的近（短）期发展直接相关，因此短期负荷预测的准确与否对于电力系统而言是十分重要的。目前对于短期负荷预测的研究工作已经取得了很大进展，它的重要性已得到了科研和系统规划等部门的普遍重视。

3 短期电力负荷预测的方法

1）指数平滑法是用以往的历史数据的指数加权组合，来直接预报时间序列的将来值。

对于时间序列 y1，y2，…，yn，要求预测 yn+1。

指数平滑法的基本公式是：yt+1=St=ayt+(1-a)St-1

式中：

St—时间t的平滑值；

yt—时间t的实际值；

St-1—时间t-1的实际值；

a—平滑常数，其取值范围为[0,1]

其中衰减因子0<α<1，体现“重近轻远”，即近期数据对预测影响大,远期数据影响小的基本原则。α越大时，由近期到远期数据的加权系数由大变小就越快，是强调新近数据的作用。例如当α=0.9时，各加权系数分别为0.9，0.09，0.009等。在极端情形下，α=1，则以往数据对预报没有任何影响。

对于电力系统负荷预测，重要的是曲线越接近目前时刻，就应当越准确，而对于过去很久的数据，不必作很精确的拟合。

2）单耗法是根据第一、二、三产业每单位用电量创造的经济价值，从预测经济指标推算用电需求量，加上居民生活用电量，构成全社会用电量。预测时,通过对过去的单位产值耗电量进行统计分析，并结合产业结构调整，找出一定的规律，预测规划期的一、二、三产业的综合单耗，然后按国民经济和社会发展规划的指标，按单耗进行预测。

单耗法需要做大量细致的统计、分析工作,近期预测效果较佳。但在市场经济条件下，未来的产业单耗和经济发展指标都具有不确定性，对于中远期预测的准确性难以确定。

3）灰色预测是一种对含有不确定因素的系统进行预测的方法。以灰色系统理论为基础的灰色预测技术，可在数据不多的情况下找出某个时期内起作用的规律，建立负荷预测的模型。

灰色模型法分为普通灰色系统模型和最优化灰色模型两种。

普通灰色预测模型是一种指数增长模型，当电力负荷严格按指数规律持续增长时，此法有预测精度高、所需样本数据少、计算简便、可检验等优点；缺点是对于具有波动性变化的电力负荷，其预测误差较大，不符合实际需要；而最优化灰色模型可以把有起伏的原始数据序列变换成规律性增强的成指数递增变化的序列，大大提高预测精度和灰色模型法的适用范围。

灰色预测的优点：要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、短期预测精度高、易于检验。缺点：①当数据离散程度越大，即数据灰度越大，预测精度越差；②不太适合于电力系统的长期后推若干年的预测。

4）负荷密度一般以kW/km2表示。不同地区、不同功能的区域，负荷密度是不同的。利用负荷密度法，一般要将预测区域分成若干功能区,如商业区、工业区、居住区、文教区等，然后根据区域的经济发展规划、人口规划、居民收入水平增长情况等，参照本地区或国内外类似地区的用电水平，选择一个合适的负荷密度指标，推算功能区和整个预测区的用电负荷。

计算公式是A=SD，其中S是土地面积，D是用电密度。该方法主要适用于土地规划比较明确的城市区域。

5）电力弹性系数是反映电力消费的年平均增长率和国民经济的年平均增长率之间关系的宏观指标，它是衡量国民经济发展和用电需求的重要参数。电力弹性系数可以用下面的公式来表示：E=Ky/Kx

式中：E—为电力弹性系数

Ky—为电力消费年平均增长率

Kx—为国民经济年平均增长率

在市场经济条件下，电力弹性系数已经变得捉摸不定，并且随着科学技术的迅猛发展，节电技术和电力需求侧管理,电力与经济的关系急剧变化，电力需求与经济发展的变化步伐严重失调，使得弹性系数难以捉摸，使用弹性系数法预测电力需求变得复杂起来，不同的地区应根据实际情况进行是否采用选择。

该方法的显著优点是所需的数据少，计算过程也比较简单，同时使预测人员能够比较清楚地看到负荷增长趋势与其他可预测因素之间的关系。而且这一类方法对电力网络的适用情况较好，因为对于电力网络需要有较小的预测区域，在小区域中起决定作用的因素比较少，比较容易得到主导因素。

但是其缺点是如果负荷变化不能自解释时，会导致误预测；除此之外，该方法必须有各种社会经济指标等经济数据，而往往这些数据的获得要比电力负荷的预测更加困难。因此这也严重地制约了该方法的应用。

4 负荷预测

随着现代科学技术的飞速发展，尤其是人工智能技术的不断完善，各种各样新的负荷预测方法也不断涌现，主要有以下方面：

1）人工神经网络（ANN）是人们模拟人脑信息处理、储存的检索机制而构造的，是由大量人工神经元密集连接而成的网络。根据人工神经元结构以及互连方式的不同，可以获得各种不同的人工神经网络模型，目前比较有代表性的模型有：多层前馈神经网络（即BP模型）、Hopfield模型、Kohonen模型等。在电力负荷预测中应用较多的人工神经网络模型是Kohonen模型、BP模型。

人工神经网络方法适于解决时间序列预报问题（尤其是平稳随机过程的预报），其应用于电力系统中从理论上讲是完全可行的。

目前人工神经网络方法在电力负荷预测中的应用已经取得了接近实用的成果，表明了其具有很好的实用前景。但是这种方法在实施时有很多实际问题尚需解决,且这些问题与具体系统的情况有关，例如：如果将针对某一系统设计的性能良好的人工神经网结构直接应用到另外一个系统，预报性能可能很差,所以人工神经网络方法的适应性较差，这也限制了人工神经网络方法在电力负荷预测中的广泛应用。

2）空间负荷预测的特点是通过对大量数据的处理,得到比其它负荷预测方法更好的预测结果。用模拟法实现的空间负荷预测误差只是最好的趋势外推方法的七分之一，而且可以对负荷分布的位置进行预测。

空间负荷预测的方法有很多优点，是其他方法所不能及的。例如：

①对于新开发地区，本来没有历史年的负荷数据，因此也就不能用趋势法来进行预测，而用空间负荷预测的方法就不存在这样的问题；②由于电网中经常出现的负荷转移问题也会对常规负荷预测方法的结果产生很大的影响，空间负荷预测的方法可以不受它的影响；③常规负荷预测方法很难考虑到小区用地类型发生变化时负荷的发展情况，而空间负荷预测方法可以较容易地做到；④空间负荷预测方法可以与需求方管理（DSM）软件一起使用；⑤空间负荷预测得到的结果不但有将来的负荷值，还有这些负荷在地理上的分布，这对于电力网络规划有很大的好处。因为在负荷预测时，若只是数值大小上有误差，则供电部门可以在设备安装的时间上进行调整，就可以改变。但若是在负荷地理分布上有误差,则会使供电部门投资于错误的线路，到时候还要再建新线路,则这时的损失就比较大了。

但是，空间负荷预测也有它自身的缺点，例如：它所需的人力和物力是传统方法的几十倍。

长期以来,正由于需要对大量的数据进行处理，空间负荷预测虽然优点很多，但在实用性上有很大的问题。有的数据很难收集到，或者很难准确收集到。近年来，由于地理信息系统（GIS）的应用使得收集数据的工作减轻了，以及计算机处理能力的提高都使空间负荷预测成为可能。

上述主要是短期负荷预测的一些方法，短期负荷预测是电网规划的核心内容之一，是对电力市场需求的预测和电网建设的依据。

[1]程浩忠,张焰.电力网络规划的方法与应用[M].上海科学技术出版社,2002.

[2]陈章潮,唐德光.城市电网规划与改造[M].中国电力出版社,1998.

[3]河北省电力公司、河北省城市电力网建设与改造技术原则.1998.

[4]牛东晓,曹树华,卢建昌.电力负荷预测技术及其应用(第2版)[M].2009.

[5]康重庆,夏清,刘梅.电力系统负荷预测[M].中国电力出版社,2008.