电力负荷预测模型的应用研究

周 楠 张庆庆

国网河南省电力公司经济技术研究院

电力负荷预测模型的应用研究

周 楠 张庆庆

国网河南省电力公司经济技术研究院

周楠（1983-）男，河南驻马店人，工程师，硕士，主要从事计算机系统及网络研究。张庆庆（1983-）女，河南开封人，工程师，本科，主要从事电力系统及其自动化研究。

电力系统的安全、稳定、可靠运行关系到国民经济可持续发展。在电力系统中，电力负荷预测一直深受关注，近几年随着我国城市电网建设步伐的加快及电力工业市场化营运机制的推行，负荷预测成为电网企业及科研人员深入探索研究的领域。电力负荷预测的结果为电网规划设计提供信息参考和决策辅助，是电力系统建设和发展的重要依据。因此，电力负荷预测工作的水平已经成为衡量一个国家的能源主管部门、衡量一个电网企业的管理是否走向现代化的标志之一。

预测算法对比分析

电力负荷预测经典算法

电力负荷预测的经典算法是依靠专家的经验或部分变量间的相关关系对未来电力负荷值做一个大概性的结论，预测精度较差。主要包括以下几种：单耗法、弹性系数法、负荷密度法等。

单耗法需要作大量细致的统计调查工作，对短期电力负荷预测效果较好，但实际工作统计量太大，有时需要考虑用国民生产总值或工农业生产总值，结合其电量单耗来计算出用电量，即为产值单耗法。

弹性系数是某地区的总用电量平均年增产率与农业总产值的平均增长率之比，反映了国民经济发展和电力发展关系。电力弹性系数法一般应用于校核中长期的宏观方面的电力负荷预测。

负荷密度指标法是将政府对土地的城市规划方案作为确定用地类型的主要依据。由于负荷的历史或发展阶段不同，即使同类负荷其负荷密度也相差甚远，因此基于统一的分类负荷平均密度来预测各小区的负荷必然会产生的误差。

电力负荷预测传统算法

电力负荷预测传统方法包括趋势外推法、时间序列法、回归分析法等。

趋势外推法是按照电力负荷的变化趋势，对未来电力负荷情况做出判定。仅适用于进行简单的预测。优点是：只需历史数据，且所需的数据量较少。缺点是：如果电力负荷变化较大，则会引起较大误差。

时间序列法是根据电力负荷的历史数据进行建模，并利用模型预测出未来的电力负荷。优点是：所需历史数据少、工作量小。缺点是：未考虑电力负荷变化的因素的影响，对负荷规律性的处理不足，适用于负荷变化较均匀的短期预测。

回归分析法是利用历史基础数据建立起电力负荷和影响因素的关系，进而由这些影响因素未来的数据预测出未来的电力负荷值。优点是：模型参数估计技术较成熟，预测过程简单。缺点是：预测精度较低，适用于中期电力负荷预测。

预测模型研究

本文基于对电力负荷预测主要影响因素关联度分析的基础上，结合多元线性回归预测模型，实现电力负荷精准预测。

定义x对j的关联度为：

i若xi的所有相关点为定义xkj的权值为

表1　基础数据统计表

达到最小。

为了体现相关度越大，影响程度就越大，本文基于由关联度所定义的权值（3），采用加权最小二乘法针对模型（5）进行参数估计，得

令

将式（7）两边分别依次对参数求偏导，得

数值模拟

选取2000～2008年的河南省某地区电力负荷历史数据、用电量历史数据等作为样本数据。基础数据如表1所示。

经计算，可得电力负荷x0与各因子间的关联度iR如表2。

表2　关联度

由此可见，2000年～2008年期间，国民经济对电力负荷影响最大，第三产业用电量次之，天然气消耗量的影响最小。

基于电力负荷主要影响因子的关联度，解得各主要影响因子对电力负荷影响权重系数，见表3。

表3　影响因子权重系数

基于各电力负荷主要影响因子的基础数据，结合上文得到的预测模型，即可对2009、2010、2011三年的电力负荷进行预值，预测结果见表4。

表4　电力负荷年度预测值、实际值及误差

由表4可知，采用本文所提出的组合预测方法进行电力负荷年度预测所得到的预测结果较为可观。

结语

电力负荷预测算法种类繁多，且都具有一定的局限性。本文基于各种负荷预测算法对比分析研究，提出一种以关联度为基础的加权多元线性回归预测模型；基于本算法模型对河南某地区电力负荷进行预测，效果甚好，验证了该方法的有效性。同时，为科学合理地进行电网规划设计提供了参考依据。

10.3969/j.issn.1001-8972.2015.06.016