电力规划中负荷预测方法研究及其优化

卢伟东

摘要：电力规划中负荷预测是我国电力企业发展的必备条件，是确保电力系统安全稳定运行的基础。文章先是对电力负荷预测方法进行了分类，然后详细地分析了几种典型的负荷预测方法。

关键词：电力规划；负荷预测；电力系统

中图分类号：TM715 文献标识码：A 文章编号：1009-2374（2014）03-0029-02

1 电力负荷预测方法的分类

负荷预测是指根据负荷本身变化情况及经济、气象等因素，通过分析历史数据，探究事物发展变化规律和联系，从而对电力需求做出的预测。对电力系统来说，准确的负荷预测能有效地提高电网运行的安全与稳定。但由于资料的不全和电网本身变化的复杂性，对负荷准确预测不是那么简单。随着时代的发展，负荷预测的准确度也日益提高。

按照时间进行划分，电力负荷预测主要分为以下四种：超短期负荷预测、中期负荷预测、短期负荷预测以及长期负荷预测。其中，超短期负荷预测是以10分钟到1小时为计算单位来进行监控、处理和预测；短期负荷预测如经济负荷分配、水火电协调和检修设备等，是以一年中的月、周、天、小时为计算单位来进行预测的；中期负荷预测如对设备进行大修等，是以5年左右的时间为计算单位来进行预测的；长期负荷预测则是以10年以上的时间为计算单位来进行预测的。本文中的负荷预测在中长期负荷预测的范围内。

2 电力负荷预测方法与应用

2.1 趋势分析法

趋势分析法是拟合历史数据为一条曲线，从而推算出负荷发展趋势的一种方法，曲线用多种形式的数学模型来反映，从而预测出在未来的某一个时刻的负荷数值。趋势分析法的优点是需要数据量少、简单直观。但趋势分析法也有其局限性，它只适用于短期城市电网规划预测。在实际的应用中，因为数据模型选用不同，预测结果会有所不同，模型要通过地区具体的情况来选择。例如可以在Excel中选择“插入图表”命令，选“xy散点图”或“折线图”，即可出现多种数据模型的变化，非常便捷。

2.2 单耗法

单耗法推测计算电量，是利用产品数量和产品用电单耗，即：

Ah=QiUi

式中：

Ah—某行业预测期所需的电量

Qi—各类产品产量（产值）

Ui—各类产品（产值）用电单耗

对每个行业所需的用电量计算完后，逐一相加，最终得出所有行业需要的用电量。在知道用电量的情况下，对年最大负荷进行预测，即：

Pn·max=

式中：

Pn·max—年最大负荷，MW

Tmax—年最大负荷利用小时数，h

An—年需用电量，kW·h

历史资料结合日后用电结构的改变确定出年最大负荷利用小时数。

在具体的预测过程中，产值单耗可以由各产业的用电量和产值求出，结合产业结构及未来的发展趋势，通过各产业的单耗预测，从而预测出国民经济指标。单耗法近期的预测效果明显、简单易算，但需要细微的统计工作和大量的分析工作，而且难以克服经济、政治及气候等因素。

2.3 电力弹性系数法

作为一个宏观的指标，电力弹性系数能够有效地反映出国民经济年平均增长率和电力消费年平均增长率之间的关系。在某一历史阶段，电力弹性系数在一个相对稳定的范围之内，电力弹性系数可以由经济增长和历史记录推算得出。电力弹性系数法就是通过电力弹性系数求出的电力负荷预测值，可用以下公式来表示：

kt=

式中：

kgzch—国内生产总值年平均增长率

kzch—用电量年平均增长率

kt—电力弹性系数

在得知电力弹性系数之后，就可以计算出规划年份的需电量，即：

Am=A0（l+ktkgzch）n

式中：

Am—期末需电量预测值

A0—期初需电量预测值

kt—电力弹性系数

kgzch—国民经济年平均增长率

n—计算期年数

电力弹性系数的优势在于方便、简单、容易计算。缺点就是人为主观影响因素较大，要做大量的调研工作对经济发展进行准确的预测。

2.4 回归分析法

对于用电负荷与自变量如人口经济产值之间的关系，回归分析法通过大量数据统计，采用数理统计的方法对数据进行处理，从而建立出一个数学模型，构成回归方程，进行外推，预测今后的用电量。回归方程分为非线性回归方程、多元线性回归方程和一元线性回归方程。一元线性回归方程用y=a+bx表示，其中a和b为回归系数，x为自变量，y为因变量；非线性回归方程可以用y=aebx等来表示，x自变量和y因变量为非线性关系，但经过多次转换可转化为线性回归方程；y=a0+a1x1+a2x2+…十anxn表示多元线性回归方程。

在应用回归分析法中，自变量为随机变量，因变量为非随机变量，负荷预测遇到的问题恰恰是该类问题。由于自变量的变化引起因变量发生变化，这种变化不能改变，负荷预测也是如此，负荷随机变化作为一个随机变量然后拟合出曲线，负荷随机变化不同，所以得到的拟合曲线也不相同。

通过分析历史数据，函数曲线选取最为接近的，由最小二乘法来求出最小偏差平方和，再把回归系数求解出来，建立成一个回归方程。然后把需要求解的未知点代入，从而计算出预测值，还可以算出置信区间。在理论上来说，不能外推，回归方程只对原来观测变化范围内数据好用；但在实际上来说，回归方程是能够外

推的。

回归分析方法在应用的时候需要先确定好回归线类型，选择的回归线类型若不合适则会影响到结果的精确度，而且负荷特点在不同系统当中不一致，所以基本不能建立通用性的负荷预测模型。在程序中，通过最小二乘拟合的计算，选择最为合适的模型。实验多次证实，模型不是越多越好，有的模型在预测上并不适合，对历史数据拟合好，这种模型不可用，如高次多项式。应用回归分析法预测电力负荷时，如果过去的历史资料正好在下降时期，那么预测未来将会变慢；如果过去的历史资料正好在发展上涨时期，那么预测未来将会变快。

2.5 模糊预测法

模糊理论是由美国的查德教授最早提出，目前对模糊理论在电力方向应用较多的是负荷预测、最优化运行、电厂的选址及规划网架等。在电力规划负荷中，模糊方法有行业用电模型法、模糊线性回归法、模糊指数平滑法、模糊时间序列模型法及模糊聚类法等。在结合了原有的模型后，上述模糊负荷预测方法通过模糊理论形成的新预测模型，对模糊性变量进行处理，有效地解决了负荷中存在大量模糊信息的情况，对电力规划中长期负荷预测的精确度有了明显的提高。但因为我国相关的统计数据不完善，而模糊预测法需要大量的历史数据，所以造成了精度不是非常准确。

模糊预测方法把对应环境和负荷当做一个整体数据来加工，考虑了电力负荷多方面的相关因素，而不单单依赖历史数据，从而得到对应环境和变化负荷的特点。再对比历史环境因素和待测年环境因素，从而得到负荷增长率。

3 结语

负荷预测是电力系统安全稳定和经济运行的重要保障，尽管对负荷预测的研究已经有很长时间，但负荷预测的方法仍在不断的完善和发展中。本文对几种典型的电力预测方法做了详细的介绍，并给出了具体的应用实例，对负荷预测方法优化具有重大意义。

参考文献

[1] 吴茜.电力负荷预测方法综述[J].科技与企业，

2012，（3）.

[2] 周泉，鲍茜，牛艳君.电力负荷预测方法及应用实

例分析[J].湖北电力，2008，（12）.

[3] 崔凯，李敬如，陈伟，张昊昱.城市电网负荷预测

方法研究[J].电力技术经济，2009，（8）.

摘要：电力规划中负荷预测是我国电力企业发展的必备条件，是确保电力系统安全稳定运行的基础。文章先是对电力负荷预测方法进行了分类，然后详细地分析了几种典型的负荷预测方法。

关键词：电力规划；负荷预测；电力系统

中图分类号：TM715 文献标识码：A 文章编号：1009-2374（2014）03-0029-02

1 电力负荷预测方法的分类

负荷预测是指根据负荷本身变化情况及经济、气象等因素，通过分析历史数据，探究事物发展变化规律和联系，从而对电力需求做出的预测。对电力系统来说，准确的负荷预测能有效地提高电网运行的安全与稳定。但由于资料的不全和电网本身变化的复杂性，对负荷准确预测不是那么简单。随着时代的发展，负荷预测的准确度也日益提高。

按照时间进行划分，电力负荷预测主要分为以下四种：超短期负荷预测、中期负荷预测、短期负荷预测以及长期负荷预测。其中，超短期负荷预测是以10分钟到1小时为计算单位来进行监控、处理和预测；短期负荷预测如经济负荷分配、水火电协调和检修设备等，是以一年中的月、周、天、小时为计算单位来进行预测的；中期负荷预测如对设备进行大修等，是以5年左右的时间为计算单位来进行预测的；长期负荷预测则是以10年以上的时间为计算单位来进行预测的。本文中的负荷预测在中长期负荷预测的范围内。

2 电力负荷预测方法与应用

2.1 趋势分析法

趋势分析法是拟合历史数据为一条曲线，从而推算出负荷发展趋势的一种方法，曲线用多种形式的数学模型来反映，从而预测出在未来的某一个时刻的负荷数值。趋势分析法的优点是需要数据量少、简单直观。但趋势分析法也有其局限性，它只适用于短期城市电网规划预测。在实际的应用中，因为数据模型选用不同，预测结果会有所不同，模型要通过地区具体的情况来选择。例如可以在Excel中选择“插入图表”命令，选“xy散点图”或“折线图”，即可出现多种数据模型的变化，非常便捷。

2.2 单耗法

单耗法推测计算电量，是利用产品数量和产品用电单耗，即：

Ah=QiUi

式中：

Ah—某行业预测期所需的电量

Qi—各类产品产量（产值）

Ui—各类产品（产值）用电单耗

对每个行业所需的用电量计算完后，逐一相加，最终得出所有行业需要的用电量。在知道用电量的情况下，对年最大负荷进行预测，即：

Pn·max=

式中：

Pn·max—年最大负荷，MW

Tmax—年最大负荷利用小时数，h

An—年需用电量，kW·h

历史资料结合日后用电结构的改变确定出年最大负荷利用小时数。

在具体的预测过程中，产值单耗可以由各产业的用电量和产值求出，结合产业结构及未来的发展趋势，通过各产业的单耗预测，从而预测出国民经济指标。单耗法近期的预测效果明显、简单易算，但需要细微的统计工作和大量的分析工作，而且难以克服经济、政治及气候等因素。

2.3 电力弹性系数法

作为一个宏观的指标，电力弹性系数能够有效地反映出国民经济年平均增长率和电力消费年平均增长率之间的关系。在某一历史阶段，电力弹性系数在一个相对稳定的范围之内，电力弹性系数可以由经济增长和历史记录推算得出。电力弹性系数法就是通过电力弹性系数求出的电力负荷预测值，可用以下公式来表示：

kt=

式中：

kgzch—国内生产总值年平均增长率

kzch—用电量年平均增长率

kt—电力弹性系数

在得知电力弹性系数之后，就可以计算出规划年份的需电量，即：

Am=A0（l+ktkgzch）n

式中：

Am—期末需电量预测值

A0—期初需电量预测值

kt—电力弹性系数

kgzch—国民经济年平均增长率

n—计算期年数

电力弹性系数的优势在于方便、简单、容易计算。缺点就是人为主观影响因素较大，要做大量的调研工作对经济发展进行准确的预测。

2.4 回归分析法

对于用电负荷与自变量如人口经济产值之间的关系，回归分析法通过大量数据统计，采用数理统计的方法对数据进行处理，从而建立出一个数学模型，构成回归方程，进行外推，预测今后的用电量。回归方程分为非线性回归方程、多元线性回归方程和一元线性回归方程。一元线性回归方程用y=a+bx表示，其中a和b为回归系数，x为自变量，y为因变量；非线性回归方程可以用y=aebx等来表示，x自变量和y因变量为非线性关系，但经过多次转换可转化为线性回归方程；y=a0+a1x1+a2x2+…十anxn表示多元线性回归方程。

在应用回归分析法中，自变量为随机变量，因变量为非随机变量，负荷预测遇到的问题恰恰是该类问题。由于自变量的变化引起因变量发生变化，这种变化不能改变，负荷预测也是如此，负荷随机变化作为一个随机变量然后拟合出曲线，负荷随机变化不同，所以得到的拟合曲线也不相同。

通过分析历史数据，函数曲线选取最为接近的，由最小二乘法来求出最小偏差平方和，再把回归系数求解出来，建立成一个回归方程。然后把需要求解的未知点代入，从而计算出预测值，还可以算出置信区间。在理论上来说，不能外推，回归方程只对原来观测变化范围内数据好用；但在实际上来说，回归方程是能够外

推的。

回归分析方法在应用的时候需要先确定好回归线类型，选择的回归线类型若不合适则会影响到结果的精确度，而且负荷特点在不同系统当中不一致，所以基本不能建立通用性的负荷预测模型。在程序中，通过最小二乘拟合的计算，选择最为合适的模型。实验多次证实，模型不是越多越好，有的模型在预测上并不适合，对历史数据拟合好，这种模型不可用，如高次多项式。应用回归分析法预测电力负荷时，如果过去的历史资料正好在下降时期，那么预测未来将会变慢；如果过去的历史资料正好在发展上涨时期，那么预测未来将会变快。

2.5 模糊预测法

模糊理论是由美国的查德教授最早提出，目前对模糊理论在电力方向应用较多的是负荷预测、最优化运行、电厂的选址及规划网架等。在电力规划负荷中，模糊方法有行业用电模型法、模糊线性回归法、模糊指数平滑法、模糊时间序列模型法及模糊聚类法等。在结合了原有的模型后，上述模糊负荷预测方法通过模糊理论形成的新预测模型，对模糊性变量进行处理，有效地解决了负荷中存在大量模糊信息的情况，对电力规划中长期负荷预测的精确度有了明显的提高。但因为我国相关的统计数据不完善，而模糊预测法需要大量的历史数据，所以造成了精度不是非常准确。

模糊预测方法把对应环境和负荷当做一个整体数据来加工，考虑了电力负荷多方面的相关因素，而不单单依赖历史数据，从而得到对应环境和变化负荷的特点。再对比历史环境因素和待测年环境因素，从而得到负荷增长率。

3 结语

负荷预测是电力系统安全稳定和经济运行的重要保障，尽管对负荷预测的研究已经有很长时间，但负荷预测的方法仍在不断的完善和发展中。本文对几种典型的电力预测方法做了详细的介绍，并给出了具体的应用实例，对负荷预测方法优化具有重大意义。

参考文献

[1] 吴茜.电力负荷预测方法综述[J].科技与企业，

2012，（3）.

[2] 周泉，鲍茜，牛艳君.电力负荷预测方法及应用实

例分析[J].湖北电力，2008，（12）.

[3] 崔凯，李敬如，陈伟，张昊昱.城市电网负荷预测

方法研究[J].电力技术经济，2009，（8）.

摘要：电力规划中负荷预测是我国电力企业发展的必备条件，是确保电力系统安全稳定运行的基础。文章先是对电力负荷预测方法进行了分类，然后详细地分析了几种典型的负荷预测方法。

关键词：电力规划；负荷预测；电力系统

中图分类号：TM715 文献标识码：A 文章编号：1009-2374（2014）03-0029-02

1 电力负荷预测方法的分类

负荷预测是指根据负荷本身变化情况及经济、气象等因素，通过分析历史数据，探究事物发展变化规律和联系，从而对电力需求做出的预测。对电力系统来说，准确的负荷预测能有效地提高电网运行的安全与稳定。但由于资料的不全和电网本身变化的复杂性，对负荷准确预测不是那么简单。随着时代的发展，负荷预测的准确度也日益提高。

按照时间进行划分，电力负荷预测主要分为以下四种：超短期负荷预测、中期负荷预测、短期负荷预测以及长期负荷预测。其中，超短期负荷预测是以10分钟到1小时为计算单位来进行监控、处理和预测；短期负荷预测如经济负荷分配、水火电协调和检修设备等，是以一年中的月、周、天、小时为计算单位来进行预测的；中期负荷预测如对设备进行大修等，是以5年左右的时间为计算单位来进行预测的；长期负荷预测则是以10年以上的时间为计算单位来进行预测的。本文中的负荷预测在中长期负荷预测的范围内。

2 电力负荷预测方法与应用

2.1 趋势分析法

趋势分析法是拟合历史数据为一条曲线，从而推算出负荷发展趋势的一种方法，曲线用多种形式的数学模型来反映，从而预测出在未来的某一个时刻的负荷数值。趋势分析法的优点是需要数据量少、简单直观。但趋势分析法也有其局限性，它只适用于短期城市电网规划预测。在实际的应用中，因为数据模型选用不同，预测结果会有所不同，模型要通过地区具体的情况来选择。例如可以在Excel中选择“插入图表”命令，选“xy散点图”或“折线图”，即可出现多种数据模型的变化，非常便捷。

2.2 单耗法

单耗法推测计算电量，是利用产品数量和产品用电单耗，即：

Ah=QiUi

式中：

Ah—某行业预测期所需的电量

Qi—各类产品产量（产值）

Ui—各类产品（产值）用电单耗

对每个行业所需的用电量计算完后，逐一相加，最终得出所有行业需要的用电量。在知道用电量的情况下，对年最大负荷进行预测，即：

Pn·max=

式中：

Pn·max—年最大负荷，MW

Tmax—年最大负荷利用小时数，h

An—年需用电量，kW·h

历史资料结合日后用电结构的改变确定出年最大负荷利用小时数。

在具体的预测过程中，产值单耗可以由各产业的用电量和产值求出，结合产业结构及未来的发展趋势，通过各产业的单耗预测，从而预测出国民经济指标。单耗法近期的预测效果明显、简单易算，但需要细微的统计工作和大量的分析工作，而且难以克服经济、政治及气候等因素。

2.3 电力弹性系数法

作为一个宏观的指标，电力弹性系数能够有效地反映出国民经济年平均增长率和电力消费年平均增长率之间的关系。在某一历史阶段，电力弹性系数在一个相对稳定的范围之内，电力弹性系数可以由经济增长和历史记录推算得出。电力弹性系数法就是通过电力弹性系数求出的电力负荷预测值，可用以下公式来表示：

kt=

式中：

kgzch—国内生产总值年平均增长率

kzch—用电量年平均增长率

kt—电力弹性系数

在得知电力弹性系数之后，就可以计算出规划年份的需电量，即：

Am=A0（l+ktkgzch）n

式中：

Am—期末需电量预测值

A0—期初需电量预测值

kt—电力弹性系数

kgzch—国民经济年平均增长率

n—计算期年数

电力弹性系数的优势在于方便、简单、容易计算。缺点就是人为主观影响因素较大，要做大量的调研工作对经济发展进行准确的预测。

2.4 回归分析法

对于用电负荷与自变量如人口经济产值之间的关系，回归分析法通过大量数据统计，采用数理统计的方法对数据进行处理，从而建立出一个数学模型，构成回归方程，进行外推，预测今后的用电量。回归方程分为非线性回归方程、多元线性回归方程和一元线性回归方程。一元线性回归方程用y=a+bx表示，其中a和b为回归系数，x为自变量，y为因变量；非线性回归方程可以用y=aebx等来表示，x自变量和y因变量为非线性关系，但经过多次转换可转化为线性回归方程；y=a0+a1x1+a2x2+…十anxn表示多元线性回归方程。

在应用回归分析法中，自变量为随机变量，因变量为非随机变量，负荷预测遇到的问题恰恰是该类问题。由于自变量的变化引起因变量发生变化，这种变化不能改变，负荷预测也是如此，负荷随机变化作为一个随机变量然后拟合出曲线，负荷随机变化不同，所以得到的拟合曲线也不相同。

通过分析历史数据，函数曲线选取最为接近的，由最小二乘法来求出最小偏差平方和，再把回归系数求解出来，建立成一个回归方程。然后把需要求解的未知点代入，从而计算出预测值，还可以算出置信区间。在理论上来说，不能外推，回归方程只对原来观测变化范围内数据好用；但在实际上来说，回归方程是能够外

推的。

回归分析方法在应用的时候需要先确定好回归线类型，选择的回归线类型若不合适则会影响到结果的精确度，而且负荷特点在不同系统当中不一致，所以基本不能建立通用性的负荷预测模型。在程序中，通过最小二乘拟合的计算，选择最为合适的模型。实验多次证实，模型不是越多越好，有的模型在预测上并不适合，对历史数据拟合好，这种模型不可用，如高次多项式。应用回归分析法预测电力负荷时，如果过去的历史资料正好在下降时期，那么预测未来将会变慢；如果过去的历史资料正好在发展上涨时期，那么预测未来将会变快。

2.5 模糊预测法

模糊理论是由美国的查德教授最早提出，目前对模糊理论在电力方向应用较多的是负荷预测、最优化运行、电厂的选址及规划网架等。在电力规划负荷中，模糊方法有行业用电模型法、模糊线性回归法、模糊指数平滑法、模糊时间序列模型法及模糊聚类法等。在结合了原有的模型后，上述模糊负荷预测方法通过模糊理论形成的新预测模型，对模糊性变量进行处理，有效地解决了负荷中存在大量模糊信息的情况，对电力规划中长期负荷预测的精确度有了明显的提高。但因为我国相关的统计数据不完善，而模糊预测法需要大量的历史数据，所以造成了精度不是非常准确。

模糊预测方法把对应环境和负荷当做一个整体数据来加工，考虑了电力负荷多方面的相关因素，而不单单依赖历史数据，从而得到对应环境和变化负荷的特点。再对比历史环境因素和待测年环境因素，从而得到负荷增长率。

3 结语

负荷预测是电力系统安全稳定和经济运行的重要保障，尽管对负荷预测的研究已经有很长时间，但负荷预测的方法仍在不断的完善和发展中。本文对几种典型的电力预测方法做了详细的介绍，并给出了具体的应用实例，对负荷预测方法优化具有重大意义。

参考文献

[1] 吴茜.电力负荷预测方法综述[J].科技与企业，

2012，（3）.

[2] 周泉，鲍茜，牛艳君.电力负荷预测方法及应用实

例分析[J].湖北电力，2008，（12）.

[3] 崔凯，李敬如，陈伟，张昊昱.城市电网负荷预测

方法研究[J].电力技术经济，2009，（8）.