电力系统短期负荷预测

摘要随着我国区域性电力市场的逐步建立和完善，短期负荷预测工作将在电力市场运营中占据十分重要的地位。国内外的许多专家、学者在预测理论和方法方面做了大量的研究工作，取得了很多卓有成效的进展。电力系统负荷预测是电力生产部门的重要工作之一。准确的负荷预测，可以合理安排机组启停，减少备用容量，合理安排检修计划及降低发电成本等。准确的预测，特别是短期负荷预测对提高电力经营主体的运行效益有直接的作用，对电力系统控制、运行和计划都有重要意义。本文在介绍和分析了几种负荷预测的方法及特点的基础上，对短期负荷预测的方法做了全面综述。关键字：短期负荷预测；电力负荷;预测方法第1章绪论1.1研究的背景负荷预测的目的就是提供负荷发展状况及水平，同时确定各供电区、各规划年供用电量、供用电最大负荷和规划地区总的负荷发展水平，确定各规划年用电负荷构成。负荷预测包括两方面的含义：对未来需求量(功率)的预测和未来用电量(能量)的预测。电力需求量的预测决定发电、输电、配电系统新增容量的大小；电能预测决定发电设备的类型(如调峰机组、基荷机组等)。短期负荷预测是随着电力系统EMS的逐步发展而发展起来的，现已经成为EMS必不可少的一部分和为确保电力系统安全经济运行所必需的手段之一。随着电力市场的建立和发展，对短期负荷预测提出了更高的要求，一般而言短期（数小时至数周）负载预测是应用于负载管理、经济调度、发电预定、机组发电排程以及污染控制等之重要参考依据，短期负荷预测不再仅仅是EMS的关键部分，同时也是制定电力市场交易计划的基础。因此精确的短期负载预测，可以提供电力规划人员评估发电成本及供电可靠度的参考指标，即能避免限电危机以及电力能源的浪费。所以，负载预测的准确性，直接影响系统发电成本及运转可靠度与安全性。电力负荷预测是否准确，也会影响到电力系统计划、规划等管理部门的工作。短期负荷预测是电力系统发电计划的重要组成部分，是调度合理安排电网运行方式、机组启停计划、交换功率计划等的基础，因此负荷预测精度的好坏会直接关系到产业部门的经济利益。负荷预测不足可能会导致用电紧张和系统运行安全性下降，因而由费用高的机组来承担负荷或者从邻近的电网买入价格较高的电能。另一方面，如果估计过量可能导致过多的旋转备用因而增加运行费用，对于长期的负荷预测来说有可能造成设置过多的设备，引起资金积压。另外，负荷预测也有利于计划用电的管理;节煤、节油和降低发电成本;制订合理的电源建设规划;提高电力系统的经济效益和社会效益。1.2电力负荷预测的现状西方发达国家如美国、英国随着电力市场的日益成熟，电力供应商为了获取最大利润，十分重视电力负荷预测工作。为此，科研工作者一直在研究电力负荷预测的新方法以提高预测精度。自从1991年美国学者Park等人提出使用神经网络预测电力负荷以来，人们对此表现出广泛的关注。在此基础上，美国的Khotanzad博士领导的科研小组经过几年的艰苦研究，提出了人工神经网络电力负荷短期预测系统(ANNSTLF)。这个系统己经在实用化方面取得了空前的成功。北美洲有35个大发电系统(公司)，根据天气预报、工业和居民用电统计资料，利用ANNSTLF系统预测发电站必须提供的发电量，大大提高了电站的经济效益和安全运转系数。但该系统有一个弱点，即不能处理不确定性信息，且需要大量的历史数据进行训练和学习。我国的负荷数据近些年才开始系统收集，采用ANNSTLF系统不太适合我国的国情。Hiroyuki教授等人则在电力负荷短期预测中运用了自适应模糊推理，Srinivasan博士采用了模糊神经计算进行需求预测。这些方法主要是针对工业化发达国家实际情况提出的，而我国的国情复杂，地区之间的差距很大，生搬硬套上述方法，很难取得成功。当前国内电力短期负荷预测研究备受瞩目，很多学者提出自己的看法。东南大学的单渊达教授采用径向基函数(RBF)为神经网络预测系统前向网络的学习提供了一种新颖而有效的手段。RBF网络具有良好的推理能力，而且在学习方面比误差反向传播(BP)方法快得多。清华大学张伯明教授采用共共轭梯度法训练预测系统的神经网络，在学习算法上有所突破。国内著名人工智能学者蔡自兴教授则结合多层感知神经网络和多分辨率遗传算法来进行电力负荷预。华南理工大学的吴捷教授运用模糊逻辑和时序特性来进行最优模糊逻辑推理汇，该系统的输入量通过对历史数据的自相关分析而建立，再通过最近邻聚类法对历史数据的学习得到若干数据对，进一步由最优模糊逻辑系统建立短期电力负荷的预测模型。国家电力科学研究院的胡兆光老师将AI推理和模糊系统结合起来，建立AI规则库对电力负荷进行预侧，也取得了较好的效果。第2章影响及原理2.1短期负荷预测的影响短期负荷预测可对未来一天到七天的负荷进行预测，是调度中心制定发电计划及发电厂报价的依据。它也是能量管理系统(EMS)的重要组成部分，对电力系统的运行、控制和计划都有着非常重要的影响，提高电力系统短期负荷预测的精度既能增强电力系统运行的安全性，又能改善电力系统运行的经济性。电力系统负荷预测是以准确的统计数据和调查资料为依据，从用电量的历史和现状出发，在充分考虑一些重要的系统运行特性、增容决策，自然条件与社会影响的条件下，研究或利用一套系统地处理过去与未来负荷的数学方法。在满足一定精度要求的意义下，确定未来某特定时刻的负荷数值[1]。电力负荷预测的目的就是提供负荷的发展状况和水平，为电力生产部门和管理部门制订生产计划和发展规划提供依据，确定各供电地区的供电电量，生产规划等等。随着我国电力市场的进一步发展，短期负荷预测在电力系统的经济运行方面的影响会愈来愈明显，尤其对发电市场侧有深远影响，主要表现在：2.1.1短期负荷预测值对实时电价制定的影响电价是电力市场的杠杆和核心内容，体现了电力市场的竞争性和开放性，而电价的制定是在未来给定电价计算期的负荷预测的基础上完成的。因此，发电企业要保证其电价的竞争能力并且盈利，就必须获得较精确的负荷预测，才能订出既有竞争力又保证盈利的电价。2.1.2短期负荷预测值对用户用电情况的影响由于负荷的随机变化，或发、输、配电设备的故障，电能的供、需情况是不断变化的，供电成本也是随之变化的。即使是同一用户，不同时间用电时，对其供电的成本也是不同的。短期负荷预测结果的出现，使用户可以了解负荷高峰和低谷出现的时间以便合理安排用电情况，节约电费；而且用户可以相应地对电价做出响应，选择低电价时段用电。2.1.3短期负荷预测对转运业务的影响提供转运业务是电力市场中电网的一项基本功能，转运是电力市场平等竞争的必要条件，可以给电网带来巨大的效益。2.1.4电网在执行转运业务时将根据负荷预测的数据及各发电机的运行参数，制定发电计划和调度计划，所以准确的负荷预测将促进供、运、用电三方的协调。2.1.5短期负荷预测对合同电量分配的影响由于在初级发电市场，所有电量统一进行竞价,只在电费结算时考虑合同电量，按照差价合约结算。由于电费结算按时段进行，需将合同电量按负荷预测曲线分配至各时段。在最后是按短期负荷预测曲线将日合同电量分到各时段，所以不准确的短期负荷预测将导致违约，甚至引起电量分配的不合理，造成电量不足等问题。2.1.6短期负荷预测对系统充裕性评估的影响系统充裕性评估由电力调度中心负责，主要内容是分析预测中、短期系统供需平衡和系统安全情况，目的是让市场成员正确了解信息，安排1年中系统的供电、用电及设备检修，进行发电报价决策，以尽可能减少电力调度中心的干预。这也体现了准确的短期负荷预测对系统及发电市场的重要影响和作用。）2.2电力负荷预测的意义电力工业是国民经济的基础产业，在整个国民经济的发展起着举足轻重的作用。多年的实践经验告诉我们，如果电力工业的发展速度能够满足国民经济建设的需要，就会促进经济的高速发展；否则，就会产生严重的供需矛盾，阻碍国民经济的发展。随着现代工业和农业的不断发展及人民生活水平的日益提高，社会对电力的需求量越来越大。为了满足日益增大的电力需求，必须不断扩大电力系统的规模。由于电力工业的发展不仅需要消耗巨大的投资和一次能源，而且对国民经济的其它部门也会产生巨大的影响，合理的进行电力系统规划不仅可以获得巨大的经济效益，也会获得巨大的社会效益。相反，电力系统规划的失误会给国家建设带来不可弥补的损失。因此，对电力系统规划问题进行研究，以求最大限度地提高规划质量，具有重大的现实意义，而实现这一目标的第一步就是要做好负荷预测。负荷预测是电力系统规划建设的依据。负荷预测的准确程度将直接影响到投资、网络布局和运行的合理性，因此，负荷预测在规划中显得尤其重要。若负荷及电量预测不足，电网的发展便不能适应实际发展的需要，无法满足用户正常用电需求，甚至还可能缺电。另一方面，若负荷及电量预测过高，则又会导致一些过多而不能充分利用的设备，从而引起投资的浪费。总之，负荷预测的精度高低直接关系到各方利益，电力负荷预测工作的水平已成为衡量一个电力企业的管理是否走向现代化的显著标志之一，尤其在我国电力事业空前发展的今天，用电管理走向市场，电力负荷预测问题的解决已经成为电力行业人员面临的重要而艰巨的任务。电力系统负荷预测是以准确的历史数据和调查资料为依据，从用电量的历史和现状出发，用科学的方法预测未来电力系统负荷的发展趋势和变化规律的科学。根据预测的时间跨度，一般将负荷预测分为长期、中期和短期负荷预测。短期负荷预测主要指预测未来一天或一周内各个整点的负荷曲线，主要用于制定系统的生产计划，安排系统的短期运行方式、进行电力调度以及离线安全分析等。传统的负荷预测都是人工完成的。预测人员通过历史负荷数据，采用一定的预测算法加以计算，得到预测结果后，结合自己.的经验加以修正，形成最后发布的预侧数据。在整个过程中，历史数据的选择，预测算法的选用和预测人员的经验，都会对预测结果产生很大的影响，预测的精度难以保证。因此，电力企业迫切需要建立自己电力负荷预测系统.这种系统必须能够结合企业现有的资源，能够克服人工预测的各种弊端，不仅要有较高的预测精度，还要有自动化和智能化的特性。它不仅可以尽量降低电力短缺所带来的危害，还能为电力企业带来更大的经济效益。因此，本文的研究具有重要的理论和现实意义。2.3特点和基本原理负荷预测是根据电力负荷的过去与现在来推测它的未来数值，所以，这一工作所研究的对象是不确定性事件，它具有以下特点：2.3.1预测结果的非准确性电力负荷的大小受各种复杂因素的影响，这些影响因素是发展变化的，如社会经济发展、气候变化、新技术发展、政治政策等。人们对有些因素能预先估计，有些因素则不能或很难被准确预测。另外，预测方法与理论的不断更新，也将影响到预测的精度。2.3.2预测的条件性各种电力负荷预测都是在一定条件下做出的。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，按假设条件做出的预测准确性显然具有条件性，比如说，预测模型训练时有些参数初始值的设定不同，预测结果会不同，很显然，由此做出的负荷预测就具有了特定的条件性。2.3.3预测结果的多方案性由于负荷预测精度问题要求、预测条件的制约不同，再加上预测手段及理论数学模型的多样性，使得预测的结果并非是唯一的。由于负荷预测具有不确定性、条件性、多方案性等特点。建立负荷预测模型和实施预测方法，一般要基于以下几个基本原理。（1）相似性原理相似性原理即事物的发展过程和发展状况可能与过去一定阶段的发展过程和发展状况存在相似性，根据这种相似性可以建立相同的预测模型。例如：在特殊假期内(如春节、国庆等长时间公众假期)，由于社会用电需求状况类似，导致电力负荷表现出一定的相似性。(2)连续性原理连续性原理指预测对象从过去发展到现在，再从现在发展到将来，其中某些特征得以保持和延续，这一过程是连续变化的。例如：各个地区的用电量具有连续性，这些连续性为电力预测工作提供了基本依据。(3)相关性原理即未来负荷的发展变化同许多其他因素有很强的相关性，这些因素直接影响预测结果。例如：某地的负荷预测同本地区的经济因素、气象因素及历史负荷相关。若没有其他因素的影响，日电力负荷曲线形状应相似。(4)规律性原理即事物的发展变化有内在规律，这些规律是可以为人们所认识的。在负荷预测中，可以发现实际电力负荷曲线是有规律的。例如在晚上12点后至早晨8点前存在一个电力负荷低谷点。在早晨8点上班后至下午6点下班前，大部分电力设备运行，则存在电力负荷的高峰点。第3章负荷预测相关理论知识3.1电力负荷预测的定义所谓的负荷预测是指，在充分考虑一些重要的系统运行特性、增容决策、自然条件与社会影响的条件下研究或利用一套系统地处理过去与未来负荷的数学方法，在满足一定精度要求的前提下，确定未来某特定时刻的负荷数值。负荷可指电力需求量或者用电量，而需求量是指能量的时间变化率，即功率。也可以说，负荷时指发电厂、供电地区或电网在某一瞬间所承担的工作负荷。对用户来说，用电负荷是指连接在电网的用户所有用电设备在某一瞬间所消耗功率之和。随着我国电力系统的发展，电网管理的日趋现代化，负荷预测问题的研究也越来越引起人们的注意，并已成为现代电力系统科学中的一个重要的领域，因为整个社会是一个复杂的整体，它的用户成千上万每个用户的要求也各部相同，因此，整个社会的用电需求既有一定的统计规律性，又具有大量的随机影响因素，具有不确定性电力系统负荷预测是电网规划和经济运行的重要一环。负荷预测对电力系统控制、运行和计划都是非常重要的，提高负荷预测的精度既能增强电力系统运行的安全性，又能改善电力系统运行的经济性。因此，在实践中，无论是制定电力系统规划或是实现电力系统运行自动化，进行相应的负荷预测都是必不可少的。电力负荷预测主要是预测一下三个方面：未来电力需求量（功率），也就是确定电力系统发点设备和输送容量。未来用电量（能量），主要是用来选择机组，确定电源结构和原料计划等。负荷曲线，它是为电力的峰值、电站容量、设备协调运行提供数据支持。3.2电力负荷预测的分类电力系统负荷预测是实现电力系统安全、经济运行的基础，对一个电力系统而言，提高电网运行的安全性和经济性，改善电能质量，都依赖于准确的负荷预测。因此，负荷预测的关键是提高准确度。负荷预测的研究已有几十年的历史，国内关于负荷预测的研究已出现了许多种方法，目前，国内发表的电力系统短期负荷预测的文献较多，所采用的预报方法和到达的预报精度也各有不同。综合起来主要可分为以下三类。3.2.1传统统计模型法这是一种二十世纪九十年代以前常用的方法。主要包括时间序列法和回归分析法。这种方法的优点是计算简单、要求的历史数据少。由于是基于统计模型，不易全面地考虑天气因素、突发事件等对于负荷的影响，因此预测精度低。3.2.2专家系统法即充分利用有经验的运行人员的知识、经验和推断规则来进行负荷预测，然而，把专家的知识和经验等精确地表达并转化为一系列规则，则往往是很困难的，而且建立专家系统的工作量要比一般预报算法大得多。3.2.3人工神经网络法人工神经网络具有任意逼近非线性函数的特性，负荷变化是与诸多因素有关的一个非线性函数，用人工神经网络对负荷历史数据进行学习，是抽取和逼近负荷变化曲线并进行负荷预报的有效方法。近十年来，国外报道的相关文献主要是用神经网络方法围绕提高或改善负荷预报的精度来进行负荷预报研究。最具代表性的是美国研制的人工神经网络短期负荷预报器，它包含有两部分预测：一部分预测基本负荷；而另一部分预测负荷变化，这部分考虑了短期内气候条件（温度、湿度）。两部分的自适应组合便是最终的预报结果。该预报器具有较好的自组织自适应特性，已在美国，加拿大的35家电力公司采用。于是，有学者开始将各种智能化算法，如人工神经网络法、遗传算法、最小绝对值滤波算法等用于在受到诸如气象变化、经济环境变化等随机因素干扰情况下的电力系统负荷预测。由于电力系统的负荷受众多不确定因素的影响，是典型的灰色系统，运用灰色系统来分析众多不确定因素与电力负荷预测的关联度已经运用广泛，但如何准确定量描述，以何种准则来进行不确定因素的人工修整仍是一个难题，所以，通常很多地区很大程度上依靠预测人员的经验进行预测。第4章电力系统短期负荷预测方法4.1短期负荷预测方法回顾短期负荷预测技术经过几十年的发展，人们提出了许多的预测方法。现有的预测方法大体可以分为2类：一类较传统的方法是属于时间序列范畴的，即经典的数学统计方法，另一类是利用人工智能的，包括专家系统、模糊推理方法和各种人工神经网络模型。4.1.1单耗法

按照国家安排的产品产量、产值计划和用电单耗确定需电量。单耗法分"产品单耗法"和"产值单耗法"两种。采用"单耗法"预测负荷前的关键是确定适当的产品单耗或产值单耗。从我国的实际情况来看，一般规律是产品单耗逐年上升，产值单耗逐年下降。单耗法的优点是：方法简单，对短期负荷预测效果较好。缺点是：需做大量细致的调研工作，比较笼统，很难反映现代经济、政治、气候等条件的影响。

4.1.2趋势外推法

当电力负荷依时间变化呈现某种上升或下降的趋势，并且无明显的季节波动，又能找到一条合适的函数曲线反映这种变化趋势时，就可以用时间t为自变量，时序数值y为因变量，建立趋势模型y＝f(t)。当有理由相信这种趋势能够延伸到未来时，赋予变量t所需要的值，可以得到相应时刻的时间序列未来值。这就是趋势外推法。

应用趋势外推法有两个假设条件：1）假设负荷没有跳跃式变化；2）假定负荷的发展因素也决定负荷未来的发展，其条件是不变或变化不大。选择合适的趋势模型是应用趋势外推法的重要环节，图形识别法和差分法是选择趋势模型的两种基本方法。

外推法有线性趋势预测法、对数趋势预测法、二次曲线趋势预测法、指数曲线趋势预测法、生长曲线趋势预测法。趋势外推法的优点是：只需要历史数据、所需的数据量较少。缺点是：如果负荷出现变动，会引起较大的误差。

4.1.3弹性系数法

弹性系数是电量平均增长率与国内生产总值之间的比值，根据国内生产总值的增长速度结合弹性系数得到规划期末的总用电量。弹性系数法是从宏观上确定电力发展同国民经济发展的相对速度，它是衡量国民经济发展和用电需求的重要参数。该方法的优点是：方法简单，易于计算。缺点是：需做大量细致的调研工作。

4.1.4回归分析法

回归预测是根据负荷过去的历史资料，建立可以进行数学分析的数学模型。用数理统计中的回归分析方法对变量的观测数据统计分析，从而实现对未来的负荷进行预测。回归模型有一元线性回归、多元线性回归、非线性回归等回归预测模型。其中，线性回归用于中期负荷预测。优点是：预测精度较高，适用于在中、短期预测使用。缺点是：1）规划水平年的工农业总产值很难详细统计；2）用回归分析法只能测算出综合用电负荷的发展水平，无法测算出各供电区的负荷发展水平，也就无法进行具体的电网建设规划。

4.1.5时间序列法

时间序列法就是根据负荷的历史资料，设法建立一个数学模型，用这个数学模型一方面来描述电力负荷这个随机变量变化过程的统计规律性；另一方面在该数学模型的基础上再确立负荷预测的数学表达式，对未来的负荷进行预测。时间序列法主要有自回归AR(p)、滑动平均MA(q)和自回归与滑动平均ARMA(p,q)等。这些方法的优点是：所需历史数据少、工作量少。缺点是：没有考虑负荷变化的因素，只致力于数据的拟合，对规律性的处理不足，只适用于负荷变化比较均匀的短期预测的情况。

4.1.6灰色模型法

灰色预测是一种对含有不确定因素的系统进行预测的方法。以灰色系统理论为基础的灰色预测技术，可在数据不多的情况下找出某个时期内起作用的规律，建立负荷预测的模型。分为普通灰色系统模型和最优化灰色模型两种。

普通灰色预测模型是一种指数增长模型，当电力负荷严格按指数规律持续增长时，此法有预测精度高、所需样本数据少、计算简便、可检验等优点；缺点是对于具有波动性变化的电力负荷，其预测误差较大，不符合实际需要。而最优化灰色模型可以把有起伏的原始数据序列变换成规律性增强的成指数递增变化的序列，大大提高预测精度和灰色模型法的适用范围。灰色模型法适用于短期负荷预测。灰色预测的优点：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。

4.1.7德尔菲法

德尔菲法是根据有专门知识的人的直接经验，对研究的问题进行判断、预测的一种方法，也称专家调查法。德尔菲法具有反馈性、匿名性和统计性的特点。4.1.8专家系统法

专家系统预测法是对数据库里存放的过去几年甚至几十年的，每小时的负荷和天气数据进行分析，从而汇集有经验的负荷预测人员的知识，提取有关规则，按照一定的规则进行负荷预测。实践证明，精确的负荷预测不仅需要高新技术的支撑，同时也需要融合人类自身的经验和智慧。因此，就会需要专家系统这样的技术。专家系统法，是对人类的不可量化的经验进行转化的一种较好的方法。但专家系统分析本身就是一个耗时的过程，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她们对负荷地区的影响也是很难的。专家系统预测法适用于中、长期负荷预测。此法的优点是：能汇集多个专家的知识和经验，最大限度地利用专家的能力；占有的资料、信息多，考虑的因素也比较全面，有利于得出较为正确的结论。缺点是：不具有自学习能力，受数据库里存放的知识总量的限制；对突发性事件和不断变化的条件适应性差。

4.1.9神经网络法

神经网络预测技术，可以模仿人脑做智能化处理，对大量非结构性、非确定性规律具有自适应功能。ANN应用于短期负荷预测比应用于中长期负荷预测更为适宜。因为，短期负荷变化可以认为是一个平稳随机过程。而长期负荷预测可能会因政治、经济等大的转折导致其模型的数学基础的破坏。优点是：（1）可以模仿人脑的智能化处理；（2）对大量非结构性、非精确性规律具有自适应功能；（3）具有信息记忆、自主学习、知识推理和优化计算的特点。缺点是：（1）初始值的确定无法利用已有的系统信息，易陷于局部极小的状态；（2）神经网络的学习过程通常较慢，对突发事件的适应性差。

4.2短期负荷特性概述负荷预测是根据负荷过去的历史资料，建立恰当的数学模型对未来的负荷进行预测。所以了解负荷的特性对掌握负荷预测本质，提高负荷预测的精度有重要的意义，尤其是对精度要求较高的短期负荷预测。电力系统负荷的变化一方面有其不确定性，如气候的变化、意外事故的发生等造成对电力负荷的随机性干扰。另一方面，在一定条件下，电力负荷按一定趋势有规律地发展变化。因此，在进行电力系统的短期负荷预测时，针对负荷变化的这些特点，既要充分分析、掌握并利用其规律性，又要兼顾各种因素的影响。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。所以，在本论文将任一时刻的负荷假设为以下4种成分的组合，针对每种成分的特性分别进行分析，然后在预测模型中分别考虑各种成分如何处理。4.2.1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