大同电力负荷预测新方法

苏晨

摘 要：负荷预测是电网规划、设计、调度、运行控制等工作的重要基础，是制定电力系统运行方式的重要依据，是电力系统安全、经济运行的前提和保障。准确的负荷预测，可以保证社会的正常生产和生活，有效提高经济效益和社会效益。因此，电力负荷预测对于保证电力工业的健康发展，乃至整个国民经济的发展均有着十分重要的意义。本文通过对负荷密度法和时间序列法相结合，针对中期负荷预测提出了一种新的电力负荷预测模型，并对大同市电力负荷进行了预测。

关键词：负荷预测 负荷密度法 时间序列法

中图分类号：TM7 文献标识码：A 文章编号：1672-3791（2013）03（a）-0132-02

1 研究的目的和意义

用电负荷是指电能用户的用电设备在某一时刻从电力系统取用的电功率的总和。针对用电负荷的预测即为负荷预测。负荷预测是电网规划、设计、调度、运行控制等工作的重要基础，是制定电力系统运行方式的重要依据，是电力系统安全、经济运行的前提和保障。准确的负荷预测，可以经济合理地安排电网内部发电机的启停，保持电网运行的安全稳定性，减少不必要的旋转储备容量，合理安排机组检修计划，保证社会的正常生产和生活，有效提高经济效益和社会效益。因此，电力负荷预测对于保证电力工业的健康发展，乃至整个国民经济的发展均有着十分重要的意义[1]。

长期以来，专家学者在电力负荷预测的理论和实践上展开了广泛的研究，按预测方法的参考体系来看，预测方法可以分为确定性预测法和非确定性预测法两类。前者把电量和电力负荷用一个或一组方程来描述，电量和电力负荷与影响其变化的因素之间有着明确的对应关系。这类方法常采用的模型多达几十种，如弹性系数法、时间序列法等。非确定性预测法认为电力负荷的变化受众多模糊、不确定的因素影响，它不可能用精确的现实数学方法来描述，主要有灰色预测法、模糊预测法等[5]。

本文通过对负荷密度法和时间序列法相结合，针对中期负荷预测提出了一种新的电力负荷预测模型，并对大同市电力负荷进行了预测。

2 负荷预测的基本方法

电力负荷预测又分为长期、中期和短期预测。长期负荷预测一般指5～10年及以上并以年为单位的预测，主要是用于制定电力系统的扩建规划，它为所在地区或电网的电力发展速度，电力建设规模，电力工业布局等工作提供了可靠的依据。中期负荷预测指2-5年左右并以年为单位的预测。短期负荷预测指次日到第八日的负荷预测，每日按照96点编制，主要用于安排调度计划，包括确定机组起停、水火电协调、燃料采供、联络线交换功率和设备检修等；超短期负荷预测是指预测自当前时刻开始以5 min、10 min或15 min为预测周期未来若干时段的用电负荷，主要用于AGC和安全监视。

中期负荷预测方法主要包括单耗法、负荷密度法、人工神经网络法、时间序列预测法等。此类预测方法对计算模型精度和运算速度没有特殊要求。中期负荷预测法具有非常强的规律性，不同于长期负荷预测办法，其以一年中的十二个月负荷变化的特性作为主要研究对象.具有很强的周期性、季节性以及趋势性。同时在建立负荷预测模型时，需要综合考虑电网系统所在地区的气温、气候、工农业结构组成等影响因素。中期负荷预测是电网系统规划、节能经济运行、增容改建、技术升级改造、调度计划制定等各项工作开展的重要前提，是各级电力规划部门研究的一个重要内容。

2.1 时间序列法

时间序列法是利用按时间顺序排列的数据预测未来的方法，是一种最为常见的负荷预测方法，针对整个观测序列呈现出的某种随机过程的特性，去建立和估计产生实际序列的随机过程的模型，然后用这些模型去进行预测。它利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析处理，确定其基本特征和变化规律，预测未来负荷。

时间序列预测方法可分为确定型和随机性两类，确定型时间序列作为模型残差用于估计预测区间的大小。随机型时间序列预测模型可以看作一个线性滤波器。根据线性滤波器的特性，时间序列可划为自回归（AR）、动平均（MA）、自回归-动平均（ARMA）、累计式自回归-动平均（ARIMA）、传递函数（TF）几类模型，其负荷预测过程一般分为模型识别、模型参数估计、模型检验、负荷预测、精度检验预测值修正5个阶段。

2.2 负荷密度法

负荷密度是每平方公里的平均负荷值。负荷密度法主要预测原理是将某电网划分为若干预测小区，然后进行每个小区电能需求总量的预测，最后通过相加获得规划区城市电网的负荷总量预测量。一般不直接预测整个城市的负荷密度，而是根据城市发展规划、人口规划、居民收入水平增长等情况，按城市区域或功能分区。首先计算现状和历史的分区负荷密度，然后根据地区发展规划及各分区负荷发展的特点，推算出各分区目标年的负荷密度预测值。

至于分区中的少数集中用电的大用户，在预测时可另作点负荷单独计算。由于城市的社会经济和电力负荷常有随着某种因素而不连续（跳跃式）发展的特点，因此应用负荷密度法是一种比较直观的方法。

3 加入负荷密度的时间序列法

负荷密度法是电力系统中一种典型的自下而上的负荷预测法，而时间序列法则利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析处理，确定其基本特征和变化规律，预测未来负荷。因此，我们可以将二者结合起来对负荷进行预测。

3.1 负荷分类

对负荷进行分类，用电负荷即为产业发展中所使用的负荷。我们首先对产业进行结构分类，可分为三个产业，第一、第二和第三产业。对之进行进一步细化，第一产业可分为农业、林业、牧业、副业、渔业；第二产业可分为采掘工业、制造业、能源产业和建筑业；第三产业可分为流通产业和服务产业；流通产业进一步可分为交通运输、邮电通讯、商业、饮食业、物流仓储等；服务产业可进一步分為生产服务和生活服务。用公式表示为A={A1、A2、A3……An}。

对负荷性质按时间进行划分，一年内负荷可分为正常日负荷、节假日负荷。一日内负荷可分为高峰负荷、低谷负荷、正常负荷。排列组合后用公式表示为B={B1、B2、B3、B4、B5、B6}。

3.2 负荷稳定性分析

负荷稳定性分析，是通过对负荷进行数据分解与成分分析，量化评估本地区不同时段负荷发展的内在规律性和稳定性的过程。主要采用傅立叶分解等手段对若干连续日负荷曲线进行频域分解，分解为日周期分量、周周期分量、高频分量和低频分量，量化分析形成稳定度上限与下限，评估预测的可能精度范围。负荷稳定性分析的基本思路如下。

（1）对指定建模时域的负荷时间序列做如下有限傅立叶分解：

（2）进行周期性成分重构：

其中：

a0+D（t）为日周期分量；W（t）为周周期分量；L（t）为低频分量；H（t）为高频分量。

3.3 气象灵敏度分析

气象灵敏度分析，是指通过对气象指标与负荷指标进行相关性建模的过程。其主要内容是从数学上找出其最佳拟合函数，并对其中的待定参数做出最优的估计，给出相关程度的度量值，从而形成灵敏度指标，定量评估气象指标对负荷指标的影响。而其中的气象指标主要包括日最高温度、日最低温度、日平均温度、日降雨量、日湿度、日照时间、气压等；负荷指标主要包括日最大负荷、日最小负荷、日平均负荷、日电量等。

3.4 小结

本文通过对P（P=A×BT）种负荷分别进行拟合分析，结合负荷稳定性分析和气象灵敏度分析进行时间序列法建模，再运用历史数据对模型进行校验，并加入坏点剔除功能，从而对负荷进行正确预测。

4 负荷预测结果

依据上述理论，通过验算2005年至2011年三次产业负荷等数据，对模型进行完善后。依据产业发展趋势，参照分产业用电量数据增加值、GDP数据和天气预报等相关数据，得出以下结论（见表1）。

5 结语

做好负荷预测工作，需要进一步完善负荷预测数据库，通过对电厂、大用户、居民负荷的实时数据的采集，进一步改善算法，进一步提高负荷预测准确度。需要与气象建立长期稳定的沟通机制，第一时间掌握天气变化的信息，有效应对地区天气变化对负荷的影响，作出正确预测。需要找出影响地区负荷变化的主要因素，了解工、农业生产的工艺流程和负荷变化规律，及时与工、农业管理部门沟通信息，在此基础上用掌握的信息指导预测工作，提高了预测准确率。

参考文献

[1] 王鹏.负荷密度法在电力系统负荷预测方面的应用研究[J].北京电力高等专科学校学报，2011，28（10）.

[2] 吴立君，王何舟，严莹.电力需求与经济发展相关性分析[J].水电能源科学，2009（3）.

[3] 黄士勇，东鹭，熊宁，等.供电区所辖市县电量需求预测，江西电力，2011（5）.

[4] 王思超，郭涛.电力系统负荷预测分析方法[J].东北电力技术，2005（11）.

[5] 李勇杰，孙杨.电力负荷预测方法的研究和比较—— 江苏省2012-2017年负荷預测，时代经贸，2012（35）.