短期电力负荷预测数据预处理

摘要电力负荷预测是电力系统正常运行的重要一环，而短期电力负荷预测又是电力负荷预测的重要环节，精准的负荷预测对于经济调度，最优潮流，安全分析，生产预先安排，机组最优组合都起到非常重要的作用和意义。电力负荷预测不仅是电力系统运行的基础，也是电力市场运行的关键，他直接影响着电力企业的经济效益。到目前为止，电力系统短期负荷预测的方法有很多，负荷预测的结果也会受到很多不同因素影响，还没有一种完美的预测方法，可以在任何不同的条件下，都能取得完美的预测结果。因为天气，温度，地区因素的影响，而使得预测结果发生变化，所以在进行负荷预测时，应该结合预测地区的实际情况，用多种预测方法进行预测，然后将不同预测方法的结果进行相互核校，最终确定最后的预测值。本文研究了短期电力负荷预测理论及其应用，首先简要介绍了电力系统负荷预测的意义，国内外负荷预测的发展现状和展望，然后系统分析了各种预测方法的理论，及其优缺点，结合国内预测理论的实际情况。分析了预测理论用于实际情况的方法，最后进行了负荷特性的分析和数据预处理的研究关键词：负荷特性分析；影响因数；小波变换；短期负荷预测AbstractPowerloadforecastingisanimportantpartofthenormaloperationofthepowersystem,andshort-termpowerloadforecastingisanimportantpartofpowerloadforecasting,accurateloadforecastforeconomicdispatch,optimalpowerflow,safetyanalysis,productionprearranged,theoptimalcombinationunithaveplayedaveryimportantroleandsignificance.Notonlyisthebasepowerloadforecastingofpowersystemoperation,butalsothekeytoruntheelectricitymarket,hedirectlyaffectstheeconomicpowerenterprises.Sofar,therearemanymethodsofpowersystemshort-termloadforecasting,loadforecastingresultswillbeaffectedbymanydifferentfactors,thereisnotaperfectpredictionmethodcanbeinanydifferentconditions,canobtainaperfectprediction.Becauseoftheweather,temperature,factorsaffectingtheregion,andmakespredictionschange,soduringloadforecasting,predictionshouldbecombinedwiththeactualsituationintheregion,usingavarietyofforecastingmethodstopredict,andthentheresultsofdifferentpredictionmethodsformutualnuclearschool,andultimatelydeterminethefinalprediction.Inthispaper,theshort-termloadforecastingtheoryanditsapplication,firstintroducesthesignificanceofthepowersystemloadforecasting,developmentstatusandprospectsabroadloadforecasting,thenthesystemanalyzesthetheoreticalpredictionofvariousmethods,theiradvantagesanddisadvantages,combinedwithdomesticpredictactualtheory.Themethodusedtopredictthetheoreticalanalysisoftheactualsituation,thelastloadcharacteristicswerestudiedanalysisanddatapreprocessingKeywords:loadcharacteristic;affectingfactors;waveletstransform;STLF(short-termloadforecasting)目录1绪论.11.1电力负荷预测的分类和意义.11.2负荷预测国内外发展现状.11.2.1负荷预测的起源和发展.11.2.2我国在电力系统负荷预测领域的进展.21.3短期电力负荷预测基本方法.21.3.1人工神经网络(ANN).31.3.2灰色数学模型（GM）.31.3.3时间序列法.41.3.4小波分析法.51.3.5经验技术法.51.3.6组合预测模型.61.4负荷预测误差分析.61.5在负荷预测中减小误差的重要意义.91.6本文所做的主要工作.92电力系统负荷预测原理与特性.102.1负荷特性概述.102.2短期负荷预测特征分析.102.3电力系统负荷分类.112.3.1城市民用负荷.112.3.2商业负荷.112.3.3农村负荷.112.3.4工业负荷.122.4负荷预测的原理.122.5负荷预测的特点.132.6本文电力负荷特性分析.132.7本章小结.143小波分析理论.153.1傅立叶变化到小波分析的过度.153.1.1短时傅立叶变换.153.1.2小波分析.163.1.3小波分析与傅立叶变换的关系.183.2几种常见的小波变换.183.3常用的小波函数的一些基本性质.203.4本章小结.214数据的预处理.224.1异常数据的识别和修正方法.224.1.1异常数据的分类和特性.224.1.2异常数据的识别和修正.244.2小波变换模极大值与奇异点的关系.244.3lipschits指数与小波变化模极大值的关系.264.4小波阀值去噪原理.284.5模极大值去噪仿真.294.6阈值去噪仿真.324.7两种方法比较.334.8本章小结.345结论.355.1本文小结.355.2研究展望.35参考文献.36文献翻译.38英文原文.38中文译文.38致谢.521绪论电力系统是由电力网和电力用户构成的，其功能就是对各类用户供应经济、可靠而又合乎标准要求的安全电能。来随时满足各类用户的不同的负荷需求，但是由于电力的生产与使用每时每刻都在变化，并且电能又不能储存，于是要求系统发电出力必须紧跟系统负荷的起伏保持动态平衡，不然就会影响供电的质量，甚至危及系统的稳定与安全。短期负荷预测的意义在于对运行中的电厂发电要求提出预告，使发电机组出力变化预先可以估计;在保证正常用电的情况下，合理安排机组检修计划，经济合理地安排本网内各机组的启停，降低旋转储备容量。电力负荷预测己成为评判一个电力管理企业是否成功走向现代化的标志。1.1电力负荷预测的分类和意义负荷预测按时间分类可分为长期负荷预测、中期负荷预测、短期负荷预测和超短期负荷预测：（1）长期负荷预测是指10年以上并以年为单位进行的预测，中期负荷预测是指以5年为时间段进行的负荷预测。他们对于帮助确定新的发电机组的安设和电网的规划、改建、增容有着至关重要的意义，是电力系统远景规划部门中十分重要地工作；（2）短期负荷预测通常指1年之内以月份为单位进行的负荷预测，还指以周、天、小时为单位进行的负荷预测，通常预测未来一个月度、未来一周、未来一天的负荷指标，也预测未来一天24h中的负荷。其意义在于：帮助确定燃料供应计划：对运行中的电厂出力要求提出预告，使对发电机组出力变化事先得以估计；可以经济合理地安排本网内各机组的启停，降低旋转储备容量；可以在保证正常用电的情况下合理安排机组检修计划；（3）超短期负荷预测是指在未来很短一段时间的预测，通常是未来1h、0.5h乃至未来10min的预测，他的意义在于可以用计算机对电网实施在线控制，从而满足给定的运行要求，实现发电容量的合理调度，使发电成本最小化12；1.2负荷预测国内外发展现状1.2.1负荷预测的起源和发展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。从二十世纪六，七十年代到现在，负荷预测可以大致划分为两个阶段：第一阶段（二十世纪六、七十年代到八十年代末）是使用传统负荷预测技术的阶段，这一阶段基本沿袭了经济领域的预测技术。采用的方法大致可以分为两种类型，一是时间序列法，另一种是回归分析法。时间序列法是通过对预测对象的历史观察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，因而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型时序法和随记型时序法，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。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预测负荷。由于电力负荷的变化收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和突发性和随机性，造成传统的负荷预测误差大，在扰动情况下不具备鲁棒性，对节假日等特殊负荷预测模型的预测效果差，无法满足实用化的精度要求。第二阶段（二十世纪九十年代到现在），随着计算机几乎的日新月异，人工智能技术的兴起，负荷预测迅速进入了使用智能化负荷预测技术的阶段。专家系统、人工神经网络和模糊逻辑系统代表着当今人工智能技术的三大分支，他们都在负荷预测领域逐步得到应用。同时，灰色系统理论、非线性系统理论、小波分析理论等技术方法被提出。1.2.2我国在电力系统负荷预测领域的进展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短期预测，国内则基本上两者并重。随着社会主义市场经济体制改革的深入发展，电力工业以增强活力、提高效益、改善服务为目的的市场化改革已成为必然趋势。我国于1998年开始了电力工业市场化改革，近年来，随着我国电力市场改革的深入开展，负荷预测的研究取得了长足进展，几乎每个实行电力市场的区网，其电力市场技术支持系统都有负荷预测模块（虽然在03年下半年到04年期间由于电力供应紧张，此模块曾一度中断）。1.3短期电力负荷预测基本方法电力系统短期负荷预测是一项十分复杂的工作，也是电力系统领域一个传统的研究问题，在衡量电力系统负荷预测的许多指标中预测的精度是最重要的一条，它是一切模型与算法追求的目标。预测的技术方法是负荷预测的核心问题，而预测精度是检验预测方法可行性的最重要的指标。短期电力负荷预测方法总体上表现出两大趋势：一种是普遍运用新兴理论尤其是人工智能的方法进行负荷预测的探讨，如小波分析法、模糊控制、遗传算法等；另外一种就是建立组合预测模型，这样就要求克服原有理论的缺陷，并且将一些方法进行综合。鉴于目前各种预测方法的运用程度，将一些已经取得较好效果的方法列举如下。1.3.1人工神经网络(ANN)人工神经网络是人工智能领域的又一个重要分支，人工神经网络也是人工智能技术用于短期负荷预测最普遍的方法。人工神经网络是从模拟人脑思维开始发展起来的:人工神经网络是由大量的简单神经元组成的非线性系统，每个神经元的结构和功能都比较简单，而大量神经元组合产生的系统行为却非常复杂；人工神经网络具有自学习能力，可通过训练样本，根据周围环境来改变自己的网络并根据变化的信息，调整自身的结构；人工神经网络能够用来解决非线性问题和不确定性问题。人工神经网络模型有多种形式，它取决于网络拓扑结构、神经元、特性函数和学习算法。根据网络模型的特点，人工神经网络模型可以分为前馈性人工神经网络(如BP网络、RBF网络)、自组织竞争人工神经网络(如ART网络、Kohonen网络)以及反馈性人工神经网络(如Hopfield网络)。人工神经网络用于短期负荷预测的具体过程为:以历史负荷、天气数据(如气温)等作为输入变量，以负荷预测值为输出变量，通过大量的样本训练神经网络，确定神经元之间的连接权值及神经元的值，然后将训练完成的网络用于预测未来的负荷，并且随着新样本的加入，可以重新训练神经网络，形成新的权值和阀值。一般人工神经网络是由三个层组成的即：输入层、中间层（隐含层）和输出层16。结构图如图1.1所示：图1.1BP网络的结构1.3.2灰色数学模型（GM）GM是指在一定范围内变化的灰色量，无规律的数字序列累加生成的具有指数商厦规律的数列。灰色系统理论是由中国学者邓聚龙教授首先提出的。目前这一理论已经成功的运用到负荷预测中，并取得了较好的结果。通过累加后的负荷序列可以近似看成具有增长趋势，对于负荷较平稳的地区的短期负荷预测，灰色方法因具有很高的精度而得到了广泛应用。与时间序列法相比，灰色系统预测的优点:要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、短期预测精度高、易于检验。缺点:一是当数据离散程度越大，即数据灰度越大，预测精度越差；二是不太适合于电力系统的长期后推若干年的预测因此这种模型一般在电力短期的负荷预测中不被推广。jt1xnxijwjtv1opo输入层中间层输出层1.3.3时间序列法所谓时间序列法就是把预测负荷看作有一定的周期性（如、季、月、天、小时等）的时间序列信号，通过这个随即信号来处理分析将来的信号。下面对常用的时间序列分析模型做一个较为简单的介绍：1自回归(AR)模型自回归模型的实质为：将负荷自身的过去值作为自变量，而因变量为待测负荷，因变量待测负荷表示为过去个历史时刻的观测值和一个当前时刻的随机误差的线性typta组合。因为预测值与负荷自身的过去值有关，所以称之为AR()模型。因此阶AR模pp型的数学表达式为：(1.1)tpttttayyy21式中：模型的阶数,随机干扰，白噪音序列在时刻的值常数系pttp,21数，是模型的待确定的参数2动平均(MA)模型动平均模型是将待测负荷表示成随机干扰的白噪音序列的线性组合，表达式为：(1.2)qttttaay1式中：模型参数模型的阶数白噪音序列q,qtta,3自回归滑动平均(ARMA)模型ARMA()模型可以看作是AR()模型和MA()模型的组合，因为在实际中，许p,pq多随机序列常常同时具有两个模型AR()和MA()的特性。这三个模型之间存在着深刻地联系，AR()和MA()可以看作是ARMA(,0)和ARMA(0,)。ARMA()模型的qqp,表达式为：(1.3)qtttpttttaayyy1214累积式自回归动平均(ARIMA)模型。上述四种模型要应用的前提条件就是他们的时间序列必须是平稳的，然而在实际中，电力系统负荷周期发生变化是以小时、天、星期、月甚至年为周期的，所以说负荷时间序列大多为周期性的非平稳随机过程。ARIMA模型的实质就是通过差分变换，从非平稳过程中抽出平稳因素，既能适应非平稳随机过程的负荷预测，同时又考虑了平稳随机变化负荷。1.3.4小波分析法小波分析是本世纪数学研究成果中杰出的代表作之一，已经被广泛应用于信号处理、图像处理、语音识别与合成、音乐、天体识别、机械故障诊断与监控等众多领域。利用小波分析理论进行负荷预测成为当今负荷预测研究的一个热点。电力系统中日负荷曲线具有特殊的周期性，负荷以天、周、年为周期发生波动，大周期中嵌套小周期。小波变化的优点在于能将交织在一起的不同频率组成的混合信号分解成不同频带上的块信号。对负荷序列进行小波变换可以将负荷序列分别投影到不同的尺度上，利用正交二进制小波变换，而各个尺度可近似地看作各个不同的“频带”，这样各个尺度上的子序列分别代表了原始序列中不同的“频域”的分量，它们更加清楚地表现了负荷序列的周期性。在此基础上，对不同的子负荷序列分别进行预测。由于各个子序列的周期性更为明显，因而如果对每个子序列进行周期自回归模型预测再通过序列重组能够得到很好的预测结果。1.3.5经验技术法（1）专家预测法专家预测法分为专家会议法和专家小组法。专家会议法通过召集专家开会，面对面的讨论问题，每个专家能充分发表意见，并听取其他专家的意见。这种方法的主要缺点在于:参加会议的人数有限，影响代表性；权威者的意见可能起到主导作用，并影响其他人的意见。因此，专家会议法得出的结论有可能不能集中所有专家的正确看法。专家小组法则可以避免这些问题，专家们不通过会议形式，而是以书面形式独立的发表个人见解，专家之间相互保密，经过多次反复，给专家以重新考虑并修改原先意见的机会，最后综合给出预测结果。（2）单耗法单耗法即单位产品电耗法，通过某一工业产品的平均单位产品用电量以及该产品的产量，得到生产这种产品的总用电量。（3）负荷密度法负荷密度预测法式从某地区人口或土地面积的平均耗电量出发，对用电量进行算公式是:dsA（1.4）在进行预测时，首先预测出未来某时期的人口数量和人均用电量，未来用电量公sd式相应的变为：dsA（1.5）将人口数量换成建筑面积或土地面积，按单位面积计算用度，其预测公式完全类似。(4)比例系数增长法比例系数增长法假定今后的电力负荷与过去的电力负荷有相同的增长比例，用历史求出比例系数，按比例预测未来的发展。(5)弹性系数法设为自变量，是的可微函数，则有:xy（1.6）xydx/则称为对的弹性系数。xy由过去的用电量和国民生产总值可以分别求出它们的平均增长率，记为和，xk从而求得电力弹性系数:(1.7)xyk/E如果用某种方法预测未来年的弹性系数为,国民生产总值的增长率为，可以得mxk到电力需求增长率为:（1.8）mykA)1(0这样就可以按照比例系数增长预测法得出第年的用电量:（1.9）xykE1.3.6组合预测模型一般在在实际应用中，无论哪一种预测技术，对预测对象及其所处的环境都有一定的假设。在建立模型时同样也受到两方面的限制:一个是不可能将所有在未来起作用的因素全包含在模型中，另一个是很难确定众多参数之间的精确关系。因此也不能说建立的模型越复杂，预测越准确。由于预测模型存在不同的条件限制，为保证预测的准确性和可靠性，预测人员常对同一事件采用多种预测方法，然后在这些预测方法种进行比较、分析及选择，得到一个较好的预测模型。但是这种选择一般是依据现有的信息，而这些信息在未来时段内如何发展变化几乎无法确定，因此，试图事先确定一种最好的预测方法是不可能的。另外，对于同一个预测问题，不同的预测方法所用到的信息也各不相同，从信息的利用角度来看，任何一种单一的预测模型都是只利用了部分有用信息，同时抛弃了其它的一些有用的信息，为了尽可能地利用相关信息，人们提出了组合预测模型。优选组合预测有两类概念:一是指将几种预测方法所得的预测结果，选取适当的权重进行加权平均;二是指在几种预测方法中进行比较，选择拟合优度最佳或标准离差最小的预测模型进行预测组合预测方法是建立在最大信息利用的基础上，由于它集结多种单一模型所包含的信息，进行最优组合，所以可以达到改善预测结果的目的。y000(1),2()xxniiii1.4负荷预测误差分析因为负荷预测是一种对未来负荷的预算，于是，它与客观实际之间就存在着一定的差异，而这个差异就是误差。产生负荷预测误差的原因有很多，主要包括如下几个方面：(1)预测模型误差。预测数学模型基本只包含所研究现象的一些主要因素，对复杂电力系统负荷的变化来说，反映了这个模型只是一个简化负荷情况下，实际的负载与其之间存在差距。(2)预测方法选择误差。负荷所受的影响，千变万化，预测的目的也是不尽相同的，所以就存在该如何选择合适预测方法的问题。(3)原始数据误差。各项数据和信息并不能确保都是准确和可靠的。(4)特殊事件造成误差。例如突发的天气、气温变化，突发的经济活动。预测误差和预测精度紧密相连。因此，误差产生原因的研究，误差大小的计算和分析，对负荷预测精度的提高，负荷预测的改进工作，检验和采用适当的预测方法有很大帮助。预测的方法多种多样，因此如何选择一个合适的预测模型，它成为一个非常重要的问题。一般，我们把这一步称为模型评价估计。它一般包括以下几种方法：相关分析法，概率统计法和后验差检验等。1.关联度分析关联度分析的基本思想，是根据曲线间的相似程度来判断关联程度，实质上是几条曲线间几何形状的分析比较。设指定参考数列为，被比较数列为（）：i1.m则称：(1.10)00min()max()()kiikiiiiixkxkk为曲线和曲线在k点的关联系数。0xi综合各点的关联系数，曲线和曲线的关联度为：ix0ir(1.11)1()niikr关联度越大，表明两条曲线形状越接近，也就表明了对应的预测模型的优越性。2.后验差检验12后验差检验是跟据预测模型值和实际值之间的统计情况，进行检验的方法。其内容是：以残差（绝对误差）为基础，根据各期残差绝对值的大小，考察残差较小的点出现的概率，以及与预测误差方差有关指标的大小。设历史负荷序列为：(1.12)(0)()(0)(0)1,2xxn设预测值序列为：(1.13)(0)()(0)(0)1,2xn记k时刻实际值与计算值（预测值）之差为，称为k时刻残差。()k(0)xk()（k1，2n）(1.14)0(0)x记实际值，（k1，2n）的平均值为，即：(0)x(1.15)(0)1k记残差（k1，2n）的平均值，有：()(1.16)1()mk其中，m为预测残差数据个数，一般有mn。记历史数据（实际值）方差为，即：21S(1.17)2(0)211nkx记残差方差为，有：2S(1.18)21()mk则可得后验差的两个重要数据：即后验差比值C，小误差概率P：;(1.19)21SC1()0.6745PS指标C越小越好，C越小，表示S1越大，而S2越小。S1大，表明历史数据方差大，历史数据离散程度大，S2小，表明残差方差小。C小，表明尽管历史数据很离散，而模型所得实际值和预测值之差并不太离散。指标P越大越好，P越大，表示残差与残差平均值之差小于给定值0.6745S1的点越多。按C与P两个指标，可以综合评定预测模型精度。表1-1综合评定预测模型的小误差概率P和后验差比值C预测精度等级PC好（一级）0.950.80.7=0.651.5在负荷预测中减小误差的重要意义随着我国社会主义市场经济的不断完善，电力企业逐步走向市场，电力系统的经营方式从垄断转变为市场竞争将成为必然。短期负荷预测是电力市场的基础工作，随着电力市场改革的深入开展，其作用日益重要，它不但成为发电厂报价的依据，更是保证电网安全稳定运行的重要前提，其预测精度直接影响到了电网及各发电厂的经济效益。(1)在电力市场下，高精度的负荷预测是有效的维护各实体经济利益的前提条件之一；(2)准确的负荷预测为发电商投标竞价提供了一个真实的依据，它可以使发电商和电网公司签订的预购合同更接近实际交易合同，避免了因合同变更而产生的交易费用；(3)准确的负荷预测能够使电网公司在保证电网安全的前提下，减少冗余的旋转备用，从而降低电网公司的运营成本；(4)在电网公司与其他电网公司进行功率交换谈判时，准确的负荷预测起着非常重要的指导作用；(5)准确的负荷预测对电力市场的投资规划提供决策依据；(6)负荷预测是电价预测的基础和未来电力市场预测期货交易的基础型。以上几点说明了在负荷预测过程中精度的精确是预测效果的直接体现，在电力市场化的今天电力市场运营对负荷预测提出了更高、更严格的要求。1.6本文所做的主要工作从短期负荷预测的一般程序入手，本文的主要工作有如下3点；(1)介绍各种短期电力负荷的方法熟悉各种预测方法是做好本设计的前提，本文在第一章中先后介绍了6种预测方法。(2)对某地区的电力负荷特性进行分析不同地区的电力负荷具有不同的特性，为更好地建立适合该地区的模型，首要步骤便是对该地区的电力负荷进行特性分析。(3)应用小波分析进行数据处理这是本文的关键部分，因为在收集数据的过程中个别数据会会出现通道的拥堵。这时所采集到的数据就会出现不真实甚至错误，首先我们要做的工作便是找出这些不真实或是错误的数据进行处理，使他们不会影响到预测结果。因为本文所研究的负荷波动性比较大，所以不能采用一般的数据异常识别和修正方法。在此，将波动性较大的负荷看作是有噪声的信号，利用小波变换噪声于信号不同的传播特性来判别数据异常和修正。在第四章中详细的介绍了小波去噪的几种方法，根据小负荷大波动地区的负荷特征本文选择了最合适的方法来预测。2电力系统负荷预测原理与特性电力系统在逐步发展完善过程中，负荷预测已成为能量管理系统(EMS)中一项独立的内容。在实际应用中，电力系统不同组成部分对负荷预测的范围和精度有所不同，因此研究负荷变化的内在规律和负荷特性、影响负荷变化的各种相关因素，对提高预测精度及负荷预测的发展有重要的意义。2.1负荷特性概述长期以来，通过对大量历史数据的分析可以发现影响负荷变化的因素有;负荷构成、负荷随时间的变化规律、气象变化的影响及负荷的随机波动，一般论文在设计时都是将一个时刻看做以下4种分量的组合。1典型负荷分量典型负荷分量也称为正常负荷，它与气象无关，具有线性变化和周期变化的特点。线性变化描述日平均负荷变化规律，而周期变化描述以24小时为周期的变化规律。典型负荷的不同主要是由于各地负荷组成方式的不同所引起，负荷组成的差异性主要体现在两个方面:一是负荷种类;二是各种负荷成分所占比重。不同组成的负荷在这两方面的差异决定了它们的负荷特性及对影响因素的响应特性互不相同。究其原因，不同的组成成份对各种影响因素的灵敏度不同表现出不同的响应特性。可见，负荷的具体组成对负荷特性具有根本性和决定性的影响6。2天气敏感负荷分量天气敏感负荷分量与一系列天气因素有关:如温度、湿度、风力、阴晴等。不同天气因素影响负荷的方式不同，一年中不同时期天气因素影响负荷的方式也不同，这就形成负荷季节性周期变化的规律。3异常或特殊事件负荷分量异常或特殊事件负荷分量使负荷明显偏离典型负荷特性:如政治事件、系统故障、限电、特别电视节目等。由于这类事件的随机性，需要由调度人员参与判断。在各种负荷预测模型中这部分分量往往通过人工修正得以改进。4随机负荷分量随机负荷分量是负荷中的不可解释成分，可通过负荷预测的模型和算法来考虑这些随机负荷分量。例如，在时间序列法中，将剩余的残差，即为各时刻的随机负荷变量，看成是随机时间序列;而在神经网络预测中利用模型良好的非线性能力，可以很好的考虑到随机负荷因素2.2短期负荷预测特征分析长期以来，通过对大量历史数据的分析，可以发现影响负荷变化的因素有:负荷构成、负荷随时间的变化规律、气象变化的影响及负荷的随机波动，同中长期负荷预测相比，短期负荷预测具有以下显著特征：(1)具有明显的周期性。主要体现在：不同日之间24h整体变化规律的相似性；不同星期同一星期类型日的相似性；如温度、湿度、风力、阴晴等。不同天气因素影响负荷的方式不同，一年中不同时期天气因素影响负荷的方式也不同，这就形成负荷季节性周期变化的规律。(2)会受到各种环境因素的影响。如：设备事故，季节更替、检修、天气因异常变化、一些娱乐活公益活动等，这就影响到负荷时间序列变化呈现非平稳的随机过程。实践表明，季节性的极端气候(即热浪和寒潮)可以影响到电力系统峰值的产生。在高温延续期期间，各种家用电气，降温防暑电器几乎都满负荷运行，因此也就造成了夏季峰值负荷；在低温延续期期间，一般不会造成热浪期间那样严重的峰值负荷，但是寒潮季节一般照明负荷增长，而且还有大量的保温负荷，因此也应考虑在内。（3）负荷的具体组成对负荷特性具有根本性和决定性的影响。主要体现在两个方面:一是负荷种类;二是各种负荷成分所占比重。不同组成的负荷在这两方面的差异决定了它们的负荷特性及对影响因素的响应特性互不相同。究其原因，不同的组成成份对各种影响因素的灵敏度不同表现出不同的响应特性。2.3电力系统负荷分类每一个电力系统总是具备各式各样的负荷，而总负荷预测经常是各种各样不同种类的负荷预测的总和。负荷可分为城市民用、商业、农村、工业和其他负荷，不同类型的负荷具备不同的特征和规律。2.3.1城市民用负荷城市民用负荷基本是城市居民的家用负荷，拥有经常的年增长和明显的季节性波动特征，而居民负荷的季节性变化在很多条件下，直接干扰系统峰值负荷的季节性变化，其影响水平则取决于城市居民负荷在系统总负荷中所占的比例。2.3.2商业负荷商业负荷是指一些商业部门里的工作用电、休闲用电、动力等用电负荷，即使用电增长比较平稳，但是也具有季节性变动的特性。商业负荷所占的比重不如工业负荷和民用负荷，但商业负荷对每日负荷晚高峰的出现有明显的影响。此外，由于商业部门中的商业行业会在节假日时额外增加营业时间，从而成为节假日中影响电力负荷的主要因素之一。2.3.3农村负荷农村负荷是指农村居民用电和农业生产用电和农村工商业用电等。农业生产的特性决定了农村负荷受季节影响大，对降水量、温度、光照等自然因素的变化十分敏感。尤其是灌溉和排水的电力消耗，因为作物种类的差别，需要灌溉和排水的时间、水量也不尽相同，各地降雨季节和雨量的不同，抗旱、排涝等都会造成农村用电负荷骤增的情况。农副产品加工用电负荷一般比较平稳，与工业用电负荷规律基本上相同。在工业发达的国家，由于农村经济的高度发展，农业用电的构成与城市用电的构成差别较小，而在发展中国家两者差别较大。在我国建国初期，农业用电负荷主要表现为排水和灌溉用电。八十年代以来，由于工业在农村发展较快，于是在农村工业用电负荷就增长的相对较快。而农村农业用电负荷受气候、季节影响而波动的趋势逐渐减小。农村农业用电负荷受农作物种类、耕作季节、耕作时间的不同，农忙时负荷相对较大，农闲相对较小。2.3.4工业负荷工业负荷一般被视为受气候影响较小的基础负荷。除个别地区外，工业负荷的比重在用电构成中位居于首位，它对总用电负荷起决定作用的特点是非常重要的。不同国家的工业用电负荷占总负荷的比重也不相同，工业发达国家的工业用电负荷所占比重较小(例如美国工业负荷占总负荷的三分之一，日本占二分之一)，但是在发展中国家的工业用电负荷比重还是较大。随着我国经济的发展，我国工业用电比重相对以往正在逐渐减小。用户的工作方式直接影响着工业负荷，但是各工业行业的行业特点也对它有着较大的影响。工业用电负荷是由工业生产规律来决定的，具体表现为晚间的负荷较小而白天的负荷教大，工作日的负荷比节假日的负荷大。但是总体来讲工业负荷的稳定性比其他类型的负荷好，气候等因素对它的影响不大。2.4负荷预测的原理负荷预测工作就是根据电力负荷的发展变化规律，用于指导用电部门工作的。预计或判断其未来发展趋势和状态的活动，这就要求科学的总结出预测工作的基本原理。总结如下；(1)可知性原理。也就是说，预测对象的发展规律、其未来的发展趋势和状况是可以为人们所认知的，客观世界是可以被认知的。人们不但可以认识它的过去和现在，而且还可以通过总结它的过去和现在推测其将来。这就是预测活动的基本原理。(2)可能性原理。因为事物的发展变化是在内因和外因的共同作用下进行的，内因的变化及外因作用力大小不同，会使事物发展变化有多种可能性。所以，对某一具体指标的预测，往往是按照其发展变化的多种可能性，进行多方案预测的。(3)连续性原理。又称惯性原理，是指预测对象的发展是一个连续统一的过程，其未来发展是这个过程的延续。它强调了预测对象总是从过去到现在，再从现在发展到未来。电力系统的发展变化同样存在着惯性，如某些负荷指标会以原来的趋势和特性保持下来、延续下去，因此了解事物的过去和现在，并掌握其规律，就可以对未来的发展情况利用连续性原理进行预测。(4)相似性原理。尽管客观世界中各种事物的发展各不相同，但事物发展之间还是存在着相似之处，人们可以利用这种相似性原理进行预测。在多数情况下，作为预测对象的一个事物，其现在的发展过程和发展状况可能与另一事物过去一个阶段的发展过程和发展状况相类似，人们就可以根据后一事物的己知发展过程和状况，来预测所预测对象的未来发展过程和状况，这就是相似性原理。(5)反馈性原理。反馈就是利用输出返回到输入端，再调节输出结果。预测的反馈性原理实际上就是为了不断提高预测的准确性而进行的反馈调节。人们在预测活动实践中发现，当预测的结果和经过一段实践所得到的实际值之间存在着差距时，可以利用这个差距，对远期预测值进行调节，以提高预测的准确性。(6)系统性原理。预测对象是一个完整的系统，它本身有内在的系统，它与外界事物的联系又形成了它的外在系统。这些系统综合成一个完整的总系统，在预测中都要进行考虑，即预测对象的未来发展就是系统整体的动态发展，而且整个系统的动态发展与它的各个组成部分和影响因素之间的相互作用和相互影响有关。系统性原理还强调系统整体最佳，只有系统整体最佳的预测，才有高质量的预测，才能为决策者提供最佳的预测方案。2.5负荷预测的特点因为负荷预测未来的数值是根据电力负荷的过去进行推测的，所以在预测中要研究的对象不是确定的。因此采取适当的预测技对于不确定事件、随机事件的负荷预测很有必要，推测负荷的发展趋势和可能达到的状况，这就使负荷预测具有以下明显的特点:(1)预测不准确性。因为电力负荷未来的发展状况是不确定的，它受到各种各样复杂因素的影响，而各种影响因素也是发展变化的，人们对于这些发展变化有些能够预先估计，有些却很难预先估计。(2)预测的条件性。负荷预测都是在一定的条件下来做的。条件可分为必然条件和假设条件两种。如果预测人员掌握了电力负荷的本质规律，那么预测条件就是必然条件，此时所做出的预测往往都是比较可靠的。而在很多情况下，由于负荷未来发展状态的不确定性，就需要一些假设条件。当然，这些假设条件应根据研究分析，综合各种情况而来。给预测结果加以一定的前提条件，更有利于用电部门使用预测结果。(3)预测具有时间性。因为负荷预测属于科学预测的范畴，所以各种负荷预测都有一定的时间范围。这就要求预测要有比较确切的数量概念。所以预测中需要指明预测的时间。(4)预测的多方案性。因为预测的具有不准确性和条件性，因此预测偶尔要对负荷在各种可能的发展情况下进行预测。就会得到各种不同条件下的负荷预测方案。2.6本文电力负荷特性分析0204060801012014016018020147103169252831437043649525861467037698258914时刻负荷205年9月6日a某市典型日负荷曲线20.140.147103169252831437043649525861467037698258914时刻负荷205年9月6日b某县典型日负荷曲线020406080101201401601802012858210936190217427198325379406346087514568956249时刻负荷05年9月5日-1日a某市连续一周负荷曲线20.140.1295781341697253281093765394219475035618961745时刻负荷05年9月5日-1日b某县连续一周负荷曲线本文主要研究小负荷大波动地区的负荷特性，参考原始资料可以得到以下规律：(1)不平稳性，负荷量在一天的各个时段都有所不同，具体表现为在一天中的上午负荷量达到高峰，在晚上11点之前负荷量也一直保持较高的趋势。(2)总负荷量相对较小，本文研究地区负荷量和所给资料中市级城市地区区的负荷量相差很大。粗略估计大约有10倍。(3)所研究地区的日负荷规律现对于一些大地区的日负荷规律不够明显，这就表明对一些大地区负荷预测方法可能不适合本地区负荷预测。(4)所研究地区由于有数量众多、单机容量偏小、分散面广的小水电，一这些小水电站未将其纳入统一调度范围，由此导致的结果是，电网调度部门只是关心网供负荷的数据，这对其安排统一调度机组的发电计划至关重要。可是，真正具有规律性的是全社会用电负荷，它与温度因素等密切相关；同时，地方小水电靠天吃饭，有了降雨，就可以发电上网，没有水就不发电，有些有水库的小水电很多是用来调峰用的。这种实际情况对网供负荷具有重大影响。2.7本章小结本章主要介绍了各种电力负荷的分类