短期电力负荷预测浅析

国网湖北省宜昌市供电公司　易思超　赵剑楠　蒋何为宜昌昌耀电业集团有限公司　张　鑫国网湖北省宜昌市供电公司　罗宇航　姜鸣瞻

短期电力负荷预测浅析

国网湖北省宜昌市供电公司易思超赵剑楠蒋何为
宜昌昌耀电业集团有限公司张鑫
国网湖北省宜昌市供电公司罗宇航姜鸣瞻

简述了当前电力改革新形势下短期负荷预测的重要意义，分析了配电网短期负荷预测的特点及影响预测精度的因素，并综合分析了经典传统方法、智能预测法两类预测方法的基本原理，描述了配电网负荷预测发展的趋势。

配电网；短期负荷预测；电力改革；回归分析；BP神经网络

0　引言

从当前的电力改革形势可以明确看出，配售电业务将逐步脱离国家电网，而如何控制配售电业务的成本、提高运营利润的关键是提高配电网短期负荷的预测精度。负荷预测可以有效地指导运营单位准确地调度负荷、交易电能、合理供电，控制成本。因此，负荷预测是当前电力新形势下的一大重要研究领域。影响短期负荷的因素呈现出多样性、随机性、突变性［1］，不少预测方法已无法满足当前电力发展的精度需求。因此，本文针对当前常见的预测方法做了综合比对，分析了各种方法的原理、优缺点，并指出了配电网短期负荷预测理论的研究方向，为当前配网短期负荷预测提供借鉴之用。

1　配电网中短期负荷预测的特点和影响因素

1.1与配电网短期负荷预测相关的特点

根据配电网的基本构造和功能机构，配电网基本的特点有：（1）负荷分布范围差异大。配网地理覆盖面积不等，负荷分布特性差异明显。（2）负荷种类多样。配网中多种性质负荷并存，负荷变化趋势复杂度高。（3）负荷具有很大不确定性。配网负荷易受天气、日照、湿度等环境因素影响，因此配网负荷预测具有一定的不确定性、时间性。

1.2影响负荷预测精度的因素

负荷预测是由目标区域的历史负荷数据运算而来。根据目标区域负荷资料的特点，选择相应的算法并确定合适的数学模型对目标区域未来的负荷情况进行预测。因此，影响预测精度因素为：（1）历史数据；（2）时间区间；（3）数学算法；（4）气象条件；（5）社会突发活动等。

2　短期负荷预测方法简述

2.1经典传统方法

2.1.1指数平滑法

指数平滑法是外推法中的一种重要类型，是用过去某段同类型时间区间的历史数据组成一组有序数组并将其加权组合起来直接预测时间序列的将来值［2］。其基本公式为：

从公式可以看出这种方法的基本原理就是加权平均，通过由a组成的加权系数来实现“厚近薄远”的原则，强调新近数据对预测的重要性，以体现负荷预测的时变性。指数平滑法具备模型简单、存储数据量小的优点，可由新进数据快速运算出新的预测负荷值。但无法准确的考虑到当前经济发展、天气情况等随机影响因素。

2.1.2回归分析法

回归分析是研究变量之间关系的一种数学方法。此方法中，自变量是影响负荷变化的随机变量因素，而因变量是预测用电量。回归分析负荷预测法通过历史数据，研究各自变量和因变量之间的相关关系及回归方程，求解出数学模型参数，再借助模型推测将来负荷。在负荷预测实际工作中，为确定回归方程有效性，多采用相关系数法来做检验，检验因变量w和自变量z相关性，其相关系数定义为：

2.2智能预测法

2.2.1小波分析法

各类电力负荷信号都是连续频谱，常见的小波分析预测方法［4］是对原始负荷数据进行小波分解，将混合数据分解为不同频带的子数据链，这样既能清楚的描述负荷的周期性也能分析不同频域的子数据链的变化趋势，分解后对各子数据链分别建立合理的模型并进行预测，最后将各个模型预测的结果合成得出总的负荷预测数据。

这种方法的优势是无需用复杂的数学形式去表达负荷变化，模型建立较为简单，并且预测精度一般也可以满足要求。美中不足是无法准确的考虑诸多环境因素对负荷的影响。

2.2.2BP神经网络法

BP神经网络方法运用在受到天气和波动用电等因素变化的短期负荷预测上具有非常大的优势，成功运用的例子也很多［5］。BP神经网络将过去的历史负荷数据作为试验样本，构建与负荷预测相适应的网络结构，通过多次训练和学习来优选网络的权值和结构，具有良好的容错性、并行性。BP神经网络作为负荷预测模型具有很强的自适应能力。

此方法的不足是，人工神经网络的层数和神经元确定没有一个科学的依据，仅凭设计者的经验主观意识。当神经网络的初始权值和初始阀值选取不当时，网络在进行训练过程中极易陷入局部极小点，并出现网络收敛慢的缺点。

2.2.3综合模型预测法

实际上，负荷变化具有很强的无规律变化性。单一的负荷预测方法因其自身的约束性，很难准确地进行预测工作。因此，在实际工作中，会结合电力系统自身情况选取相应方法有机结合起来，形成综合预测模型，以减小预测误差。例如：人工神经网络和时间序列，人工神经网和模糊理论，人工神经网络和小波分析［6］等，通过将几个预测方法优选组合，可以更好的克服彼此的缺点，提高运算速度，提高运算效率，优化算法模型。

3　结语

在当前电力新形势下，短期负荷预测不仅影响配网运行的安全性、可靠性、经济性，更是社会资本运营配售电业务的基础。通过本文对各种预测方法的综合分析、比对，可以发现短期负荷预测的重心依然是对历史负荷数据的处理和预测模型的选择运用，未来研究方向是探索综合预测模型的新方法、新思路，以满足不同地区、不同负荷特性的不同要求，以及社会发展条件下对负荷预测提出的新需求。

［1］申小玲.电力系统短期负荷预测影响因素分析［J］.电力与能源，2011，5：773-774.

［2］陈娟，吉培荣，卢峰.指数平滑法及其在负荷预测中的应用［J］.三峡大学学报（自然科学版），2010，32（3）：37-41.

［3］袁柏秋.电力系统负荷预测方法分析及应用［J］.电力技术，2011，31：113-114.

［4］冷建伟，傅祥廉.小波分析在低压负荷预测数据处理中的应用［J］.电源学报，2014，1：110-113.

［5］Piras A et al.Heterogeneous Artificial Neural Network For Short Term Electrical Load Forecasting［J］.IEEE Trans on Power Systems，1996，11（1）：397-402.

［6］周巍.基于小波及人工神经网络的短期负荷预测研究［D］.南京：东南大学，2005.