毕业设计（论文）-基于人体舒适度指数的负荷预测.doc

华北电力大学本科毕业设计（论文）摘 要负荷预测作为能量管理系统(ems)和电力系统运行管理的重要组成部分, 其预测结果同电力系统的安全、经济运行密切相关。电力负荷预测是指定发电计划和电力系统发展规划的基础。随着社会经济与电力系统的发展，系统对负荷预测的精度要求越来越高，很多先进的模型取代了传统的模型。随着负荷预测系统的完善，负荷预测考虑的影响因素也不断增加，从而提高负荷预测的精度。气象因素的影响对负荷的影响也是很明显的，特别是在夏天季节，空调，冰箱等制冷设备的使用影响着负荷的趋势。因此，本文引入了人体舒适度指数作为因变量进行预测。人体舒适度指数就是建立在气象要素预报的基础上，较好地反映多数人群的身体感受综合气象指标或参数。以综合考虑温度、湿度、风速等因素的综合气象指数为切入点，并以其为关联变量建模，运用回归分析法对历史负荷数据进行处理的基础上进行负荷预测，从而探讨负荷与人体舒适度指数的关系，得出一个运用人体舒适度指数为因变量的负荷预测模型。关键字：负荷预测，人体舒适度指数，回归分析法38abstractthe load forecast is an important constituent in electricity system operation management and energy management system (ems), its forecast results are related to power system security and economic operation. generating plan and designated power system development planning are based on power load forecasting. along with the social economy and the development of electric power system, the system of load forecasting accuracy requirement is more and more strict, a lot of advanced model replaced the traditional one. as the load forecast system becomes more perfect, we consider more factors which influence the load forecasting, so as to improve the accuracy of the load forecast. meteorological factors that influence the effect of load is obvious. especially in the summer season, the refrigeration equipments such as air conditioner, refrigerator, affect load trend. therefore, this article introduces human comfort index as the dependent variable forecast. human comfort index was built on the basis of meteorological forecast, which better reflect most peoples feeling about the body comprehensive meteorological index or parameters. with the comprehensive considering temperature, humidity, wind speed of meteorological index factors such as comprehensive as the breakthrough point, and with its associated variables for modeling, we use regression analysis data processing of historical load on the basis of load forecast, and explores the load and human relations, measurable index to get a dependent variable load forecasting model by using human comfort index.key words: load forecast, human comfort, regression analysis method目 录摘 要iabstractii第1章 绪论11.1选题背景与意义11.2 国内外研究现状11.3 论文的主要工作1第2章 负荷预测概述12.1 负荷预测的概念12.1.1 负荷的概念与分类12.1.2 负荷预测的概念12.2 负荷预测的原理12.3 负荷预测的特点与特征12.4负荷预测的影响因素12.5负荷预测的分类12.6负荷预测的基本步骤12.7负荷预测的主要方法12.7.1传统的负荷预测方法12.7.2 人工智能的负荷预测方法12.7.3 时频分析的负荷预测方法12.7.4 动态过程描述的负荷预测方法12.8 负荷预测的误差分析12.8.1误差产生的原因12.8.2预测误差分析12.9 提高负荷预测精度的方法12.10 小结1第3章 基于人体舒适度指数的负荷预测13.1 人体舒适度指数13.1.1 概念13.1.2 人体舒适度指数的组成与分级13.2人体舒适度指数与电力负荷的关系13.2.1气象因素对人体的影响13.2.2人体舒适度指数与电力负荷的关系13.3 基于人体舒适度指数的负荷预测13.3.1预测中需要考虑的因素13.3.2 人体舒适度指数模型13.4回归分析法13.4.1非线性方程与线性方程的转化13.4.2二元回归分析13.4.3最小二乘法求参数13.5小结1第4章 算例分析14.1历史数据的预处理14.1.1 数据转换14.1.2数据分段14.2利用matlab软件计算14.2.1回归分析法计算方程的系数14.3预测结果检验14.3.1计算预测负荷与实际负荷的相关系数14.3.2 计算预测负荷与实际负荷的误差率14.4 数据分析1结 论1参考文献1附 录1附录a：人体舒适度指数表1附录b：负荷表1致 谢1第1章 绪论1.1选题背景与意义 电力系统是由发电厂、输电线路、配电系统及负荷组成的复杂系统。电力系统的经济运行是在满足安全和一定质量要求的条件下尽可能提供运行的经济性，即合理地利用现有的能源和设备，以最少的燃料消耗量(或燃料费用、运行成本)保证对用户可靠而满意地供电。负荷预测作为能量管理系统( ems)电力市场运行管理的重要组成部分, 其预测结果同电力系统的安全、经济运行密切相关。电力负荷预测是指定发电计划和电力系统发展规划的基础。负荷预测根据用于不同目标一般可分为超短期、短期、中期和长期预测。超短期负荷预测指未来一小时内的负荷预测，主要用于电能电力系统的负荷预测是根据电力负荷、经济、社会、气象等的历史数据，探索电力负荷历史数据变化规律对未来负荷科学的预测。负荷预测对电力系统许多部门都起着重要的作用1。例如，一年以上的中长期负荷预测是制定电力系统发展规划的前提，以日负荷曲线为预测对象的短期负荷预测则是制定日前发电计划的基础。负荷预测问题涉及电力系统规划和设计，电力系统运行的经济性、可靠性和安全性、电力市场交易等多个方面，它已成为现代化电力系统运行和管理中的一个重要研究领域。电力系统的主要任务是为各类用户提供经济、可靠和高质量的电能，应随时满足用户的负荷需求量和负荷特性的要求。为此，在电力系统规划、运行管理和电力市场交易中，必须对负荷需求量的变化与负荷特性有一个准确的预测。这就是人们不断研究并发展负荷预测理论的重要原因。 理论上讲，负荷预测的数学理论的核心是如何获得预测对象的历史变化规律及其受某些因素影响的关系。预测模型实际上是表述这种变化规律的数学函数。建立良好的数学模型，减少负荷预测误差、提高预测精度，是预测人员关注的核心问题。在电力系统发展规划阶段，如果负荷预测结果偏低，将会导致系统的规划装机容量、输电规划等不足，无法满足社会的用电需求；而如果负荷预测结果偏高，则会导致一些发电、输电设备投入系统后的运行效率不高，从而引起投资的浪费2。很多文献1，2，3都分析到负荷预测的误差对电力系统运行所造成的影响，不同负荷预测精度下电力系统的经济性，还给出了一直负荷预测结果分布方差时系统运行风险的评估结果。这些都表明，提高负荷预测精确度时电力系统规划和运行的必然要求。电力系统预测，在电力进入市场化运行后，其实质上时对电力市场需求的预测。电力供需瞬时平衡的特点决定了电力行业的预测比其他行业更加紧迫，人们越来越认识到，做好电力负荷预测工作是实现电网安全、经济运行的重要保障。传统的负荷预测是电力系统中规划、计划、用电、调度等部门基础工作，其重要性早已被人们所认识。在电力工业市场化的过程中，负荷预测成为市场交易、市场营销等部门的核心业务之一。负荷预测是电力系统调度、实时控制、运行计划和发展规划的前提，是一个电网调度部门和规划部门所必须具有的基本信息。提高负荷预测技术水平，有利于计划用电管理，有利于合理安排电网运行方式和机组检修计划；有利于节煤、节油和降低发电成本；有利于制定合理的电源建设规划；有利于提高电力系统的经济效益和社会效益。因此，负荷预测已成为实现电力系统管理现代化的重要内容。 但是气候因素对负荷预测的影响也相当重要，其中电力负荷随季节气候的变化, 即在相关的气候影响下电力负荷的波动不容忽视。近年来经济的飞速发展和人民生活水平的不断提高，生活用电负荷所占比重越来越大，接近总用电负荷的30%，是造成季节性缺电的主要原因，所以说气象因素是影响电力负荷的一个敏感因素。然而很多研究都只是把气候因素落实到气温、风速、湿度等个别的因素上。由于这些因素对负荷的影响可能有不同方面的影响，导致得出的结果有所误差，不利于负荷预测的进行。所以研究负荷随其的变化规律，可为电力系统安全和缺电指数预报提供依据人体舒适度指数3（di）。人体舒适度指数是为了从气象角度来评价在不同气候条件下人的舒适感，根据人类机体与大气环境之间的热交换而制定的生物气象指标，是人体对温度、湿度、风速等气象因子的综合反映。不同季节人体舒适程度的不同将直接影响空调、热水器等日常生活电设备的使用。因此，引入人体舒适度指数来进行负荷预测有很大的价值，是未来负荷预测中相当重要的一部分。1.2 国内外研究现状负荷预测的起源可以追溯到二十世纪二十年代初。当时电力系统规模小，因此负荷预测的思想没有引起人们的重视。但是六十年代中期的几次系统瓦解事故，将电力系统的安全分析提上了日程。同时，世界各国的经济迅猛发展，对电力的需求量越来越大，对电能质量的要求越来越高，从而带动电力系统迅速发展壮大。从这时候开始，负荷预测获得了初步的发展。从发展至今，负荷预测大致可以分为两个阶段：第一阶段（二十世纪六、七十年代到八十年代末）：这是负荷预测技术发展的阶段，这一阶段基本沿袭了经济领域的预测技术。采用的方法分为两种类型：时间序列法和回归分析法。时间序列法是通过对预测对象的历史观测数据-时间序列的分析处理，来研究其发展过程的基本特征和变化规律，并据此预测未来行为的方法。电力系统的负荷变动同样具有惯性，在时间上具有连续性，因此时间序列法成为早期传统负荷预测技术中的主要方法，并且是现代各种预测方法的基础。时间序列法分为确定性时间序列法和随机性时间序列法。前者包括时间序列平滑法、趋势外推法和季节变动法等；后者包括马尔科夫法和box-jenking法等。回归分析法属于相关法预测，它通过建立某些变量与负荷之间的因果关系而获得负荷预测。由于电力负荷的变化受到很多相关因素的影响，所以采用回归分析法进行负荷预测是自然的想法和可行的途径。由于影响因素的多样性、突发性和随机性，造成传统的负荷预测误差大，在扰动情况下不具备稳定性，对节假日等特殊负荷模型的预测效果差，无法满足实用化的精度要求。第二阶段（二十世纪九十年代至今），随着计算机技术的迅猛发展，人工智能技术的兴起，负荷预测迅速进入了适用智能化负荷预测技术的阶段。北美地区广为适用的annstlf软件，在美国epri的支持下，从1992年开发到1998年升级为第三代，用户数达35个专家系统（expert system）、人工神经网络（artificial neural network）和模糊逻辑系统（fuzzy logic）代表着当今人工智能技术的三大分支，它们都在负荷预测领域逐步得到应用。同时，灰色理论（grey system theory）、非线性系统理论（nonlinear system theory）、小波分析理论（wavelet analysis theory）等技术方法被提出。从国内外研究情况看，国外大概是由于其负荷发展变化规律趋于稳定的缘故，中长期负荷预测的研究远远少于日负荷预测，国内则基本两者并重。随着社会主义市场经济体制改革的深入发展，电力工业增强活力、提高效益、改善服务为目的的市场化改革已经成为必然趋势。随着电力市场改革的深入开展，负荷预测的研究取得了长足的进展，几乎每个实行电力市场的电力市场技术支持系统都有负荷预测模块。近年来负荷预测的手段已由人工预测方式逐步被计算机预测方式所代替。这使得大量负荷预测方法和预测模型的采用成为可能，为提高负荷预测精度创造了有利条件。负荷预测的核心问题是如何利用现有的历史数据(历史负荷数据和气象数据等)，采用适当的预测方法对未来时刻或时间段内的负荷值和电量值进行估计。进行负荷预测要具备两方面的条件: 一是历史数据信息的可靠性；二是预测方法的有效性。由于现在电力系统管理信息系统的逐步建立以及气象部门气象预测水平的提高，各种历史数据的获取已不再困难, 因此负荷预测的核心问题是预测方法的预测能力水平高低。随着科学技术的迅速发展，人们对其的研究加深，为了准确而又便捷地进行负荷预测，新的预测方法不断出现。虽然这些技术虽然较之传统的方法有了很大的改善，但是都有着一定的缺陷，要么就是考虑的因素不够全面，要么就是没有适用性。这些都很难满足现在负荷预测的需求。因此对负荷预测的研究是关系电力系统稳步发展的重要工程，需要人们付出努力与汗水。负荷预测技术具有如下发展趋势如下4-8：1)、近现代方法取代经典、经验方法, 综合考虑影响负荷的各种因素二十世纪60年代以来提出的回归法、时间序列法、指数平滑法主要基于负荷形状及函数形式对负荷进行研究，主要把负荷预测的不确定性归为随机性，运用概率论与数理统计的方法进行处理，存在的缺点有：模型的定阶、求解、识别困难；模型的适应性不强；模型与数据不分离，建模所需数据量大，运算速度慢，精度低等。而灰色预测法、专家系统法、卡尔曼滤波法、小波分析法和神经网络法等方法除了考虑负荷形状等因素外，还考虑影响负荷的许多外在因素，如天气状况、日期特征等，因而精度进一步提高，具有较好的发展前景。2)、人工智能技术与现代数学理论结合应用包括神经网络在内的人工智能技术可以广泛应用于短期甚至中长期负荷预测。除了各种单一人工智能技术的应用负荷预测外, 还有神经网络和模糊系统的结合、神经网络与遗传算法的结合、神经网络与混沌方法的结合、神经网络与专家系统及模糊系统的结合、神经网络与小波分析方法的结合等。这些结合的理论正成为研究热点，也是现在重点研究的方向之一。3)、应用组合预测技术单一预测方法所用的信息是有限的，不同的预测方法所用信息是不会完全相同的，将各种单一预测结果进行组合可以得到组合预测结果。但也不能说组合预测结果就一定比单一方法预测结果好。如果找到一个能够反映负荷变化规律的单一模型，则用这个模型进行预测是合适的，如果这种模型找不到，或者把握不大，也可以从不同预测角度建立多种模型进行组合预测。组合预测集多种预测模型的信息，往往能够达到改善预测效果的目的，也是一种新颖而可行的预测方法。近年来，研究人员在负荷预测中引入了基于人体舒适度指数的负荷预测方法，这个方法充分地考虑到气候因素对于负荷的影响。然而人们对基于人体舒适度指数的负荷预测虽然已经进行了很多研究，但是还不是很完善，没有得出一个完整的理论体系，很多方面都需要有所提高。基于人体舒适度指数的巨大潜在应用价值，综合国内外相关的理论研究成果，建立适合我国应用的人体舒适度模型，鉴定和区划我国复杂气候条件下的人体舒适度指标特点已显得特别迫切。它不仅是开展全国规范化的舒适度指数预报的必要前提，同时也是电力系统负荷预测、开展商业市场决策、野外施工条件预报、旅游区域和季节热点分析，气象疾病发病率预测，交通运输和驾驶安全性分析，以及军事季节装备和军事着装配置决策等广泛的应用研究的依据14。在分析气象因素的影响时，我们需要考虑两个方面的特点。一方面，气象因素对负荷的影响具有“相似性”，即同一地区相同或相近的气象因素下对每日各点的短期负荷影响是类似的，这是我们做日特征气象因素应用的出发点；同时气象因素的影响还具有“实时性”，即：当天气因素发生剧烈变化时，对发生时段的负荷有较大影响。所以需要直接在负荷预测模型中考虑各种因素对不同时段的影响。如今，基于人体舒适度指数的负荷预测研究很多都是运用spss统计软件，在人工神经网络法或其它方法的日负荷预测中，以人体舒适度指数来代替温度、风速和湿度三种气象因素进行相关的负荷预测。在有的论文中作者还考虑到衣服着装，紫外线强度。当然这两方面由于统计不方面，很难做到全面又有代表性，所以一般都不在统计范围内。以人体舒适度指数为输入变量能方便直观地体现气象因素在用电负荷中的作用，减少了网络输入，简化了网络模型，加快了网络训练速度，提高了负荷预测精度。人体舒适度的计算公式为 （1-1）其中d为人体舒适度指数，t为日平均气温（），u为相对湿度（%），v为日平均风速（m/s）。 到目前为止，我国对人体舒适度指数的研究虽然有一定的基础，但因国土广阔，区域气象差异大，迄今尚没有一个能够广泛适用的舒适度指数计算模型。所以在不同地区不同季节公式中的系数一般都不一样。例如：文献6提出了1种基于负荷分解的日最大负荷预测算法，即将负荷分解为正常负荷分量和天气敏感负荷分量，用结合指数趋势和周期趋势的组合模型预测正常负荷分量， 用神经网络法预测天气敏感负荷分量。同时，在分析最大负荷和人体舒适度相关性的基础上，在预测中用人体舒适度替代了常规气象因子。在文中，作者通过基于人体舒适度的日最大负荷预测的可行性分析，基于负荷分解的负荷预测算法进行分析，同时对预测结果进行分析和比较。因此，在建模过程中引用人体舒适度大大简化了网络结构，也从一定程度上提高了网络的训练速。文献9中按人体舒适度指数对应于的一个日最大负荷而做出敏感度曲线。敏感度曲线基本上可以分为4个区域，即弱敏感区、较弱敏感区、强敏感区和过敏感区。这样可以清楚看出各区域内的人体舒适度，但是没有了连续性，结果难有代表性。文献13分别按时间序列选取样本按月分析夏季日峰荷与人体舒适度、日平均温度的灰色关联度；按人体体表温度筛选样本分析夏季日峰荷与人体舒适度、日平均温度的灰色关联度；按节气筛选样本分析夏季日峰荷与人体舒适度指数、日平均温度的灰色关联度进行分析，但是都是以夏天的负荷为预测基础，缺乏了对整年负荷预测的适用性。所以现在研究的问题在于，如何才能研究出一种具有适普性的基于人体舒适度指数的负荷预测理论模型，可以在不同地区，不同季节里都能运用到这个适普模型。这样有利于电力系统负荷预测的研究和电力系统的发展。相信不久的将来，通过人们的努力，这样的模型能服务于电力系统负荷预测当中。在加强相关理论研究的同时，我们要在技术上加以改善，如：增加科技的投入、加强用电侧管理、提高各地区整体负荷能力等等。这样在理论和实践都投入相应的力度，必然能使电力系统负荷预测有利进行，使电力系统健康发展！1.3 论文的主要工作负荷预测的理论核心就是如何获得预测对象的历史变化规律及其受某些因素的影响的关系，从而预测出下一阶段的情况。所以本文就是通过对某地区的负荷与人体舒适度指数的历史数据分析相关联系。以人体舒适度指数为自变量，负荷为因变量，通过建立合适的模型，预测出下一阶段的负荷情况。所以，论文的主要工作有如下几点：1）、收集某一地区的负荷情况和人体舒适度指数，并进行整理；2）、分析该地区的负荷情况和人体舒适度指数，找出相关的联系；3）、学习多种负荷预测的方法，并了解各种方法的特点与适用范围；4）、选取合适的一种方法，并建立模型对该地区的负荷进行预测5）、分析预测结果，从中找出方法和模型的得失，从而进行修改；6）、对预测过程和预测结果进行总结。第2章 负荷预测概述2.1 负荷预测的概念2.1.1 负荷的概念与分类 在电力系统中电气设备所用的电功率称为负荷或电力。由于电功率分为视在功率、有功功率和无功功率，一般用电流表表示负荷实际上是对视在功率而言。目前供电部门所分配的负荷指标，主要是指小时平均的有功负荷指标，而不是视在功率和无功功率。电力系统负荷一般可以分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷等，不同类型的负荷具有不同的特点和规律。 同时电力负荷应根据对供电可靠性的要求及中断供电在政治、经济上所造成损失或影响的程度进行分级，并应符合下列规定： 一、符合下列情况之一时，应为一级负荷： 1中断供电将造成人身伤亡时； 2中断供电将在政治、经济上造成重大损失时。例如：重大设备损坏、重大产品报废、用重要原料生产的产品大量报废、国民经济中重点企业的连续生产过程被打乱需要长时间才能恢复等； 3中断供电将影响有重大政治、经济意义的用电单位的正常工作。例如：重要交通枢纽、重要通信枢纽、重要宾馆、大型体育场馆、经常用于国际活动的大量人员集中的公共场所等用电单位中的重要电力负荷。在一级负荷中，当中断供电将发生中毒、爆炸和火灾等情况的负荷，以及特别重要场所的不允许中断供电的负荷，应视为特别重要的负荷。 二、符合下列情况之一时，应为二级负荷： 1中断供电将在政治、经济上造成较大损失时。例如：主要设备损坏、大量产品报废、连续生产过程被打乱需较长时间才能恢复、重点企业大量减产等。 2中断供电将影响重要用电单位的正常工作。例如：交通枢纽、通信枢纽等用电单位中的重要电力负荷，以及中断供电将造成大型影剧院、大型商场等较多人员集中的重要的公共场所秩序混乱。 三、不属于一级和二级负荷者应为三级负荷。2.1.2 负荷预测的概念定义：通过研究国民经济和社会发展的各种相关因素与电力需求之间的关系，预测电力用户的需电量和最大负荷。负荷预测是根据系统的运行特性、增容决策、自然条件与社会影响等诸多因数，在满足一定精度要求的条件下，确定未来某特定时刻的负荷数据，其中负荷是指电力需求量（功率）或用电量；负荷预测是电力系统经济调度中的一项重要内容，是能量管理系统(ems)的一个重要模块。2.2 负荷预测的原理与其他领域的预测一样，电力系统负荷预测也基于如下的原理：1、可知性原理：人类可以认识过去、现在，也可以据此预测未来。预测的可靠性取决于掌握事物发展规律的程度。 2、可能性原理：事物未来的发展，存在各种可能性，而不是单一可能，因此，只能对其可能性进行预测。 3、可控性原理：事物未来的发展是可以控制和干预的。预测的动机及在于，将所预测的未来信息反馈至现在，从而做出决策，以调整和控制未来的行动。 4、系统性原理：预测对象在时间上是连续的，预测将来必须已知过去和现在2.3 负荷预测的特点与特征1、预测结果的不准确性电力负荷的未来发展受到各种复杂因素的影响，而且各种影响因素也是变化的，如社会经济发展、人口增长、全球气候变化，新科技发展等，众因素有的是可以估计的，有点是不能或者很难估计的。同时科学的预测技术也在不断更新与进步，这些都影响着预测的精度。2、预测的条件性各种电力负荷预测都是在一定条件下进行的。这些条件有必然条件和假设条件，按必然条件做出的负荷预测往往是可靠的；按照假设条件进行的预测准确性显然具有条件性。3、预测结果的多方案性由于负荷预测具有精度总是受一定的预测条件的制约，预测手段及理论数学模型必然有多样性，是预测的结果并非是唯一的。同时预测量发展变化的规律复杂多样，采用单一方法进行预测，很难取得令人满意的结果，这就要求负荷预测模块建立完备的预测模型库。其次，预测方法本身应能具备较强的适应性，应能够在多种预测模型得到的结果基础上，进行合理综合分析，优化组合、得到最接近客观规律、可靠性好、预测精度高的综合模型。4、预测的重要性预测中长期预测非常重要。由于电力建设周期长、耗资达，是电力需求预测中的长期预测更为重要。同时短期预测也很重要，关系着日前负荷的计划和供需平衡。2.4负荷预测的影响因素电力系统的负荷预测问题，不仅仅是局限于电力系统内部的，它实际上受到许多外界因素的影响。因此，如何在预测中引入一些主要的相关因素来提高预测精度，是值得深入研究的问题。在中长期预测中，国内生产总值、总人口、城市结构、地理等是常见的影响因素，所使用的方法主要是多元相关分析。此外，在短期预测中，还要考虑季节性温度变化、节日变化等因素的影响。在电力系统负荷预测目前的研究中，预测方法与实际相结合，尤其注重气象条件、电电价弹性、市场环境、负荷构成等对预测具有重要影响的因素的细致研究。考虑到电力系统是一个多因素共同作用的系统，与相关因素想配合，可以对历史数据进行数据挖掘，从中找出影响预测精度的主要相关因素，这是一个有价值的发展方向。2.5负荷预测的分类 首先，从简单的按预测指标分类，电力系统负荷预测的内容可以分为电量预测和电力预测两大类。此外，考虑到国民经济和社会发展是电力系统负荷预测的依据，一些综合性指标（电力弹性系数、产业单耗等）是某些预测方法的基础参数，则可以从不同统计径口列出如下内容：（1）年度预测，包括国民经济发展的预测或结果获取、综合指标预测、年度电量预测、年度电力预测、年负荷曲线预测 （2）月度预测，包括月度参数的预测或结果获取、月度电力预测、月度电量预测、月典型日负荷特性预测，其中包含个月典型工作日、典型周六、日负荷曲线、各月特殊日负荷曲线。 （3）日度预测，包括正常日（工作日/休息日）负荷曲线，可进行逐日负荷曲线预测，一般是一周以内每天的负荷曲线预测，每日的负荷曲线由24、48、96或288点组成；还有各典型节假日负荷曲线预测。 （4）时分预测，进行超短期负荷预测，一般以530min为预测周期，预测后续1个到几个小时内的负荷变化。 除此之外，还有从应用的广泛性来区分，按照预测期限的不同，可以分为长期预测、中期预测、短期预测、超短期预测。两者关系如表2-1所示。其中根据机理的不同，又将年度预测、月度预测合称为中长期预测。从国内外研究的情况看，国外由于其负荷发展变化规律趋于稳定，关于中长期的研究远远少于短期预测，而国内基本上两者并重表2-1：负荷预测的时序分类预测周期0时/分日周月年预测类型超短期预测短期预测中长期预测长期预测 2.6负荷预测的基本步骤根据预测的一般规律，电力系统负荷预测一般可以分为几个基本的步骤，如下：（1）预测目标和预测内容的确定。不同级别的电网对预测内容的详尽程度有不同的要求，同一地区在不同时期对预测内容的要求也不尽相同，因此应该根据特定地区的特定时段进行的负荷预测，要明确负荷方法的合理性和可行性。这样才能使预测结果符合预测人员的要求。（2）相关历史资料的收集。负荷预测需要具体而又准确的历史数据。所以根据预测内容的具体要求，广泛收集所需的相关资料。资料的收集应当可能全面、系统、连贯和准确。除了电力系统负荷数据以外，还应收集经济、天气等影响负荷变化的一些因数的历史数据。（3）基础资料的分析。在对大量的资料进行全面分析之后，选择其中有代表性的、真实程度和可用程度高的有关资料作为预测的基础资料。对基础资料进行必要的分析和整理，对资料中的异常数据进行分析，做出合理的取舍，为后面的负荷预测做好准备。（4）电力系统相关数据的预测或获取。电力系统不是孤立的系统，它受到经济发展，天气变化等因数影响。可以从相关部门获取其对相关因数未来变化规律的预测结果，作为系统预测的基础依据。在必要时，电力系统有关人员还可以尝试进行相关因数的预测。（5）预测模型和方法的选择。根据所确定的预测内容，并考虑本地区实际情况和资料的可利用程度，选择适当的预测模型和方法。（6）建模。对预测对象进行客观、详细的分析，根据历史数据的发展情况，并考虑本地区的实际情况和资料的可利用程度，根据模型集，选择建立合理的模型。（7）数据处理。如果有必要，可以选择数学模型，用合理的方法对实际数据进行预处理。（8）模型参数辨识。预测模型一旦建立，即可根据实际数据求取模型的参数。（9）评价模型，检验模型显著性。根据假设检验原理，判断模型是否合理。如果模型不够合适，则舍弃该模型，更换另外的模型。（10）应用模型进行预测。根据所确定的模型以及所求取的模型参数，对未来时段的结果进行预测。（11）预测结果的综合分析与评价。选择多种预测模型进行上述的预测过程。然后对多种方法的预测结果进行比较和综合分析，判定各种方法的预测结果的优劣程度，并对多种方法的预测结果进行比较和综合分析，实现综合预测模型；可以根据预测人员的经验和常识判断，对结果进行适当修正，得到最终的预测结果。2.7负荷预测的主要方法电力负荷预测是指定发电计划和电力系统发展规划的基础。近年来负荷预测的手段已由人工预测方式逐步被计算机预测方式所代替。这使得大量负荷预测方法和预测模型的采用成为可能, 为提高负荷预测精度创造了有利条件。进行负荷预测要具备两方面的条件: 一是历史数据信息的可靠性; 二是预测方法的有效性。由于现在电力系统管理信息系统的逐步建立以及气象部门气象预测水平的提高, 各种历史数据的获取已不再困难, 因此负荷预测的核心问题是预测方法的预测能力水平高低。2.7.1传统的负荷预测方法电力负荷的一大特点是其明显受到各种环境因素的影响，如季节更替、天气因素突然变化、设备事故和检修、重大社会活动等，这使得负荷时间序列的变化出现非平稳的随机过程。传统负荷预测方法对于这些因素的处理通常显得不够有效，传统理论和方法主要包括以下几种4，5:1）趋势外推法：趋势外推法是根据负荷的变化趋势对未来负荷情况进行预测。电力负荷虽然具有随机性和不确定性。但在一定条件下，仍存在着明显的变化趋势。例如农业用电，在气候条件变化较小的冬季，日用电量相对稳定，表现为较平稳的变化趋势。这种变化趋势可为线性或非线性，周期性或非周期性等等。2）时间序列法：时间序列法把负荷数据看作是一个按季节、按周、按天以及按小时周期性变化的时间序列并将实际负荷和预测负荷之间的差值看作一个平稳的随机过程进行分析和处理。时间序列法又分为确定型时序法和随机型时序法, 前者包括时间序列平滑法、时间序列分解法和谱展开法等；后者包括马尔可夫法、boxjerkins法(又称arma模型法)和状态空间法等。3）回归分析法：回归分析法是根据负荷过去的历史资料, 建立可进行数学分析的数学模型, 对未来的负荷进行预测。其特点是将预测目标的因素作为自变量，将预测目标作为因变量，具有较强的内插能力。由于影响负荷因素的多样性、突发性和随机性,造成传统的负荷预测误差大，在扰动情况下不具备代表性，对节假日等特殊负荷模型的预测效果差，无法满足实用化的精度要求。4）灰色模型法：灰色系统理论是研究解决灰色系统分析、建模、预测、决策和控制的理论。近年来，它已在气象、农业等领域得到广泛应用。从电力系统的实际情况可知，影响电力负荷的诸多因素中，一些因素是确定的，而另一些因素则是不确定的，故可以把它看作是一个灰色系统。灰色系统具有计算简洁、精度高、实用性好的优点，它在电力负荷预测中已有很多成功的应用。该方法适用于短、中、长三个时期的负荷预测。在建模时不需要计算统计特征量，可以使用于任何非线性变化的负荷指标预测。但其不足之处是其微分方程指数解比较适合于具有指数增长趋势的负荷指标。对于具有其它趋势的指标则有时拟和灰度较大，精度难以提高。2.7.2 人工智能的负荷预测方法近年来，一些基于新兴的人工智能学科理论的现代预测方法逐渐得到了成功应用。这其中主要有神经网络理论、专家系统、模糊理论预测法等。 1）人工神经网络：人工神经网络是一门涉及生物、电子、计算机、数学和物理等学科的交叉学科，它从模仿人脑智能的角度出发，来探寻新的信息表示、存储和处理的方式， 设计全新的计算处理结构模型。构造一种更接近人类智能的信息处理系统来解决传统计算机难以解决的问题，它必将大大促进科学的进步，并具有非常广泛的应用前景。神经网络具有很强的自主学习、知识推理和优化计算的特点，以及非线性函数拟合能力，很适合于电力负荷预测问题。2）专家系统预测法：专家系统是将专家在实际工作中对事物获得的感性认识进行提取， 建立知识库，并在系统的实际运行过程中对知识库不断进行更新和维护，以跟随事物的变化轨迹，达到模拟专家的目的。专家系统用于短期电力负荷基本上达到了令人满意的效果，但把专家知识转换为一系列的数学规则是较难实现的。专家系统分析本身就是个耗时的过程，并且某些复杂的因素(如天气因素)即使知道其对负荷的影响，但要准确定量地确定其影响十分困难。3）模糊神经网络法：模糊逻辑和模糊推理是专门用来推导不确定性问题的理论。模糊推理系统用一组模糊if-then规则来表示系统输入输出之间的非线性映射关系，通过对输入输出空间的划分，模糊推理系统可以逼近任意复杂的非线性关系。其规则含义较为清晰直观，规则结构适合描述不同种类变量之间的复杂关系。基于模糊理论的模糊神经网络结合了模糊逻辑和神经网络的优点，补偿各自的不足，有效的定义了模糊理论中的语言变量和规则库，并充分利用了神经网络的自学习能力。2.7.3 时频分析的负荷预测方法针对电力系统本身具有的负荷以天、周、年为单位发生周期性波动的特点，可以将负荷按变化的频率进行分类，从而在频域中讨论负荷预测方法。 1）傅里叶分析法：傅里叶分析是最常用的频谱分析方法，具有快速可靠的分析特性。采用快速傅立叶变换进行负荷数据的预处理，可以利用滤波算法及单位时间负荷曲线的频谱分析对数据进行分析，得出被研究系统负荷的周期特性，继而提取反映被预测系统负荷真实特性的信息。2）小波分析法：小波分析吸取了现代数学中诸如泛函分析、数值分析、傅里叶分析、样条分析、调和分析等众多分支的精华。它在时域、频域同时具有良好的局部化性质。小波变换能将由各种不同频率交织在一起的混合信号分解成不同频带上的块信号。通过对含有周期特性的负荷序列进行小波变换，可以将各子序列分别投影到不同的尺度上，子序列分别代表了原负荷序列中不同频域的分量，因而各子序列的周期性更加明显，使用周期自回归模型有选择的对分解序列进行预测，最后对各分量预测信号进行重构得到最终预测结果。2.7.4 动态过程描述的负荷预测方法1）混沌理论：混沌理论是非线性科学的重要组成部分，是确定的非线性动力学系统中出现的随机现象，是不含外加随机因素的完全确定的内在随机行为，产生这一随机现象的本质是系统内部的非线性作用机制，但并非任何非线性系统都会产生混沌。由于非线性电力负荷系统具有混沌特性，便可以将混沌时间序列对负荷进行描述，即对负荷时间序列进行相空间重构，最终在重构相空间中进行预测。预测方法可以选择神经网络法或卡尔曼滤波法。2）卡尔曼滤波算法：卡尔曼滤波算法(kf)提供了一种高效可计算的方法来估计过程的状态，并得到均方误差最小意义上的最优估计。在负荷预测中把负荷作为状态变量，用卡尔曼滤波算法进行预测。卡尔曼滤波算法是递推进行的，它适用于在线预测。对于负荷预测，精度是关键。预测方法中必须尽可能应用数据的统计信息，并缩短预测时间。应用极大似然估计的卡尔曼滤波方法进行超短期负荷预测，使得参数辨识、偏差处理和负荷预测统一于卡尔曼滤波过程中，可以提高预测精度，并缩短预测处理时间。卡尔曼滤波算法所建的负荷模型是线性的，且过于简单，要用于复杂系统的负荷预测，可以使用扩展卡尔曼滤波算(ekf)或sigmapoint kalman滤波(spkf)。spkf是一种新的将kf算法应用与非线性系统的方法，相比传统的ekf方法使用泰勒级数将非线性系统离散线性化的做法，spkf可以将非线性系统对象黑箱方式处理，且其计算量更小，更容易实现。无论是传统的负荷预测方法或是先进的智能预测方法，都有缺点和不足之处。所以结合各种预测模型优点的组合方法将会得到越来越多的关注。今后的负荷预测研究应该在做好多种方法融合的基础上，进一步寻求新的理论和手段。2.8 负荷预测的误差分析由于负荷预测是一种对未来负荷的估算，因此，它与客观实际还是存在着一定的差距，这个差距就是误差。预测误差和预测结果的准确性密切相关。误差越大，准确性就越低；反之一样。可见研究产生误差的原因，计算并分析误差的大小具有很大的意义。2.8.1误差产生的原因误差产生的原因有很多，主要有以下几方面：1）进行预测往往要用到数学模型，而数学模型大多只包括多研究现象的某些主要因素，很多次要的因素都被略去了，所以用一盒简单化的模型来预测就会产生一定的误差。2）负荷所受影响是千变万化的，进行预测的目的和要求又各种各样，因而就有一个如何从许多预测方法中正确选用一个合适的预测方法的问题。如果选择不当的话，也就随之产生较大的误差。3）进行负荷预测要用到大量的资料，而各种资料并不能确保都是准确可靠的，或者资料的时效性不足等，这些原因都会导致在预测过程中产生一定的误差。4）某种意外时间的发生或情况的突然变化都会使预测的结果与现实的结果有差异，产生一定的误差。以上各种不同的原因引起的误差是混合在一起表现出来的，因此，当发现误差很大，预测结果严重失实，必须对以上原因进行分析和改进，从新进行预测。2.8.2预测误差分析计算和分析预测误差的方法和指标很多，现在主要介绍如下几种：1、绝对误差与相对误差设x表示实际值，y表示预测值，则称x-y为绝对误差，称为相对误差。有时相对误差也用百分数表示。这是一种直观的误差表示方法。2、平均绝对误差 (2-1)式中 mae表示平均绝对误差； 表示第i个预测值域实际值的绝对误差； 表示第i个实际负荷值； 表示第i个预测负荷值。由于预测误差有正有负，为了避免正负相抵消，故取误差的绝对值进行综合并计算平均数。3、均方误差 (2-2)式中mse表示均方差，其他符号表示同上。均方差是预测平方之和的平均数，它避免了正负误差不能相加的问题，是误差分析的综合指标之一。4、均方根误差 (2-3)式中rmse表示均方根误差，其他符号表示同上。这是均方误差的平方根。由于对误差e进行了平方，加强了数值大的误差在指标中的作用，从而提高了这个指标的灵敏性。5、标准误差(2-4)式中表示预测标准误差；n表示历史负荷数据个数；m表示自由度，也就是标量的个数。2.9 提高负荷预测精度的方法 由于负荷预测的结果将对电力系统的未来一段时间内的发电量和用电量产生很重要的意义，所以提高负荷预测精度是很必要的。 1）通过制定负荷预测工作流程，实现了负荷预测工作全过程的可控、在控，为提高负荷预测精度奠定了良好的基础。2）通过建立专业管理网，不断采取提高预测精度的各项措施，明确各个部门的负荷预测要求，有效第提升负荷预测的整体水平。3）强化人员责任心，负荷预测系统全员高度重视负荷预测工作，设立负荷预测专门学习交流平台，组织员工进行绩效评比等，并从制度上保证负荷预测工作的规范化和专业化。4）加强负荷分析，对本地区负荷进行认真研究，针对每个预测节点的预测的大小及占总负荷的比例、基础负荷情况、各用户的负荷性质，并根据各种负荷预测的要求进行全面的分析，掌握负荷特性和变化曲线。5）加强节假日负荷预测工作，节假日负荷波动较大，且连续预测多日，预测难度进一步加大。节假日主要是春节、五一、十一、元旦、中秋节和元宵节，所以要针对这些节假日的负荷建立专门的预测模型，并建立负荷预测的数据库，以供今后预测需要。6）强化自动化数据管理，自动化数据特别是关口数据的准确性是负荷预测工作的基础，直接影响负荷预测准确率。7）加强调度计划管理，提高调度计划的科学性和合理性，主要调度计划的约束力、严格执行研修计划，在调度系统自下而上地维护调度计划的严肃性，确保负荷预测的预期质量8）认真开展负荷预测分析总结建立负荷预测“日分析、周分析、季度分析”制度，每天对前一天的预测情况进行分析，找出误差产生的主要因素，以便对下次预测曲线做出调整。同时研究负荷特点，从中找出其变化规律，及时发现并消除误差的主要影响因素，制定改进措施，提高预测的准确率。2.10 小结在电力系统规划和运行中，负荷预测具有十分重要的地位。同时它对国家的能源建设、人民生活和整个社会的发展都起着相当重要的作用。因此，在电力市场机制下，要研究新的预测方法和模