电力系统负荷预测方法及特点分析

张剑洪

摘要： 电力系统的规划与发展中，负荷预测成为电力系统建设中的主要工作，电力系统负荷预测能够规范电力系统的管理工作，通过负荷预测能够分析出电力系统的运行特点，进而制定出可行的用电计划。电力系统负荷预测方法要符合实际的情况，因此，本文主要探讨电力系统负荷预测的方法及特点。

关键词： 电力系统;负荷预测;特点

电力负荷预测时要以以往的负荷数据为基础，再结合不同的影响因素，预测出电力负荷的使用特点，完成配网规划的工作。电力系统中负荷预测是一项重要的工作，其可实现电网运行的稳定性，保障电力系统能够为实现经济、社会等综合效益。电力负荷经常会受到不同因素的干扰，要掌握负荷变化的特点就要在电力系统中实行负荷预测，以此来完善电力系统的运行。

电力系统中负荷预测的影响因素

电力系统中负荷预测方法中需要用到负荷的历史数据以及影响因子，将这些数据整理到负荷预测的模型内，就可以完成未来阶段电力负荷的预测工作，实际电力负荷预测也受到一定因素的影响，比如电力负荷的历史数据，负荷历史数据中的数据量、数据质量等均会影响预测的结果，再加上电力负荷自身的特征参数，也会对预测的结果产生不同程度的影响，电力系统负荷预测中选用的模型不同，預测的结果也会有差异，在负荷预测时可以使用的模型有多类，要根据负荷预测的实际情况选择对应的模型，以此来减小模型产生的影响。

电力系统中负荷预测的基本方法

本文例举电力系统中负荷预测常用的几类方法，并且分析这几类方法的优缺点，为电力系统负荷预测提供参考。

小波分析法

小波分析在电力系统中是比较常用的一类负荷预测方法，小波分析法采用的是时域–频域分析，时域–频域的宽口形状可以改变，大小是固定的，小波分析法用于分析电力负荷的历史数据，把电力系统的历史负荷划分成若干频段，其中低频段为电力负荷预测的整体变化趋势，高频段是短期负荷的变化趋势，这样就能分析出电力负荷的基本变化趋势[1]。小波分析法中小波变换能够把负荷数据映射在对应的尺度位置，以尺度为标准生成负荷的子序列，子序列属于频域分量，根据频域分量能够预测出负荷在周期范围中的变化规律，还可继续分析子序列，进而获取电力负荷的预测信息。小波分析方法应用到负荷预测中，其优势是可以快速、细致的去观察到负荷的变化特征，时间信号可以准确的规划到频率域上，此类方法优势明显，而缺点就是小波分析涉及到的数据较多，增加了数据收集的工作负担。

时间序列法

时间序列法在负荷预测中属于比较有效的一种方法，时间序列预测电力负荷时可以在随机的数列中获取有用的预测信息，根据规定的时间间隔采集电力负荷，并且记录好时间序列中对应的数据信息，因为电力负荷中的数据有随机性的特征，所以经过采集和分析后能够建立起相关的数学模型，掌握电力负荷的变化规划[2]。时间序列法预测负荷时不需要特别多的数据，可以快速的建立数学模型，提高了负荷预测中数据计算的效率，给出连续性的负荷变化结构，时间序列法的缺陷是对历史数据的要求高，必须采集平稳的负荷数据才能准确预测出负荷的规律，在负荷预测中很容易出现数据不准确的情况。

极限学习机法

极限学习机法的核心是求解单隐层前馈神经网络算法，其在负荷预测中仅用设置网络结构，其他参数不变就可以完成预测的工作，除此以外还要使用方程确定出隐含层到输出层的链接权值。极限学习机法是经过改进得到了新方法，其具备泛化能力上的优势，而且具有较强的非线性能力，可以满足负荷预测全局最优的要求。

BP神经网络算法

BP神经网络算法中的BP神经网络可以用作负荷预测的数学模型，模型中的BP算法能够在负荷预测时获取最小误差的预测方法，BP神经网络算法运用计算误差逆向传播以及正向传播计算的方法，把正向传播中的数据写入到输入层，在隐含层处理之后由输出层传出，进而获取输出误差，再进行一系列的逆向反转之后把负荷预测的误差分散到不同层的单元内，此时需要调整权值、阈值，促使误差能够顺着模型的梯度下降，在模型中多次进行负荷预测才能获得误差最小的网络模型[3]。BP神经网络算法的结构性强，具备很高的非线性映射能力，有助于提高负荷预测的结果，实际运用时容易预测局部的负荷数值，缺乏理论性的指导操作。

支持向量机

支持向量机就是SVM算法，其在电力负荷预测中先要创建实例，再构建模型，配合二元线性分类器获取负荷预测中的最优解，支持向量机能够在负荷预测中获得全局最优解[4]。支持向量机比传统的预测方法优势明显，其中的SVM算法比较成熟，而且具备成熟的数学理论支持，负荷预测时的收敛速度快，可以在短时间内获取全局最优解，其缺点是需要大量的历史数据，对历史数据也会有很大的要求，如果电力历史数据中负荷波动较大预测结果就会不理想。

电力系统中负荷预测的特点分析

电力系统中负荷预测的特点有：（1）周期性，电力负荷具有波动的特征，其波动的过程中表现出连续性的特征，时间是划分周期的单位，可以根据时间划分的周期完成电力负荷的预测工作;（2）随机性，电能具有瞬时的特征，电力负荷也会表现出随机性的特点，电力负荷容易受到消费和生产两项因素的影响，因而在负荷预测中就表现出随机性的特点;（3）条件性，电力系统中每一项负荷预测的方法都需要具备特定的条件，负荷预测方法满足条件之后才能降低结果失真的可能性;（4）多方案性，负荷预测是一项难度比较高的工作，在实际负荷预测中应该采用多方案相互组合的方法，这样能够发挥多方案的优势，弥补单一方案的缺陷，保障负荷预测的准确性。

结束语

负荷预测与电力系统的稳定性存在直接的关系，电力系统中预测出负荷的特点，辅助完成供电决策，这样才能提高电力系统的经济效益。电力系统中积极落实了负荷预测的方法，在此基础上规划好电力系统的供电方案，确保电力系统能够满足日常用电，优化电力系统的运行过程。

参考文献

邓永生，焦丰顺，张瑞锋，王将平.配电网规划中电力负荷预测方法研究综述[J].电器与能效管理技术，2019（14）：1–7.

赵威.基于大数据的短期负荷预测关键技术研究[D].山东大学，2019.

魏亮亮，毛森，吕杭.电力系统短期负荷预测方法研究[J].科技经济导刊，2019，27（08）：89.

邱涌.电力系统负荷预测中存在的问题及探讨[J].低碳世界，2018（12）：74–75.