（农业电气化与自动化专业论文）基于反馈的中长期电力负荷组合预测方法的研究.pdf

摘要 基于反馈的中长期电力负荷组合预测方法的研究 摘要 本文首先对了电力负荷预测的定义、目的和意义等相关方面 进行简单地介绍，然后分析了国内外中长期电力负荷预测的发展 现状，指出了目前中长期电力负荷预测方法存在的不足，以及导 致预测精度不高的原因，并针对这些原因提出了基于反馈的中长 期电力负荷组合预测方法。本方法由五个部分组成：历史资料 的搜集：本文提出了两种方案分别解决历史资料中数据缺失以及 数据不平滑的情况；根据预测电网的情况选择多种单一负荷预 测方法进行预测，采用组合预测方法求解预测值。本文提出了三 种求解组合预测模型的方法：线性规划、人工神经网络、遗传算 法。并对每一种方法都进行了详细地推导、分析、比较以及算例 分析；考虑到了由于不确定因素导致负荷预测结果存在的误 差。根据能否搜集到不确定因素的资料提出神经网络法求解或可 变权组合误差法求懈。然后再将求解出的误差结果反馈到组合预 测结果中。这一方法的使用，使得预测结果的精度有了很大程度 的提高；通过概率性分析，确定中长期负荷预测结果的波动范 围，也就是置信区间；对本文提出的“基于反馈的中长期电力 负荷组合预测方法”模型进行校验。选用的校验方法有：绝对误 差、相对误差、均方根误差、后验差检验等。 最后，用本文提出的“基于反馈的中长期电力负荷组合预测方 法”对广西电网进行中长期电力负荷预测，并对预测结果进行分 析、校验。证明了该方法能较好的提高中长期电力负荷的预测精 度，具有较高的实用性、科学性。 关键字：中长期负荷预测；组合预测；不确定因素；置信区间 a b s t r a c t t h er e s e a r c ho fs y n t h e t i cf o r e c a s t i n gm e t h o df o r m i d - l o n gt e r me l e c t r i c i t yl o a df o r e c a s t i n gt h a t b a s e do nf e e d b a c k a b s t r a c t t h i sp a p e rf i r s tg i v e sab r i e fi n t r o d u c t i o no ft h ed e f i n i t i o n ，g o a l sa n d s i g n i f i c a n c eo fe l e c t r i c i t yl o a df o r e c a s t i n g ，t h e nm a k e sa na n a l y s i so ft h e c u r r e n tc o n d i t i o n sa n dp r o s p e c t so fm i d l o n gt e r m e l e c t r i c i t y l o a d f o r e c a s t i n gb o t ha th o m ea n da b r o a da n da l s op o i n t so u tt h ei n s u f f i c i e n c y i nt h em e t h o do fm i d - l o n gt e r me l e c t r i c i t yl o a df o r e c a s t i n ga n dt h e r e a s o n so ft h el o wa c c u r a c y t h i sp a p e rp u t sf o r w a r dt h em e t h o do f m i d l o n gt e r me l e c t r i c i t yl o a ds y n t h e t i cf o r e c a s t i n gb a s e do nf e e d b a c k b a s e do nt h ea b o v er e a s o n sa n dc o n s i s t so ft h ef o l l o w i n gf i v e p a r t s ， n a m e l y ，i c o l l e c t i o no fp r e v i o u sd a t a ：t w os c h e m e sa r em e n t i o n e dt o s o l v et h ep r o b l e m so ft h ed a t ai n s u f f i c i e n c ya n dr o u g hf r o mt h ep r e v i o u s d a t a ；i i o nt h eb a s i so ft h ec u r r e n ts i t u a t i o n so ff o r e c a s t e dp o w e r n e t w o r k ，t h ep a p e rp o i n t so u tt h em e t h o do ft a k i n ga d v a n t a g eo fs o m e s i n g l el o a df o r e c a s t i n gm e t h o da n ds y n t h e t i cf o r e c a s t i n gm e t h o dt og e t t h ef o r e c a s t i n gv a l u e t h e r ea r et h r e em e t h o d so fo b t a i n i n gs y n t h e t i c f o r e c a s t i n gm o d e l ，n a m e l y ，l i n e a rp r o g r a m m i n g ，a n n ，g aw i t hd e t a i l e d d e r i v a t i o n ，a n a l y s i s ，c o m p a r i s o na n de x a m p l ea n a l y z i n g ；i i i t a k i n gt h e e r r o ro fl o a df o r e c a s t i n gr e s u l tc a u s e db ys o m eu n c e r t a i nf a c t o r si n t o c o n s i d e r a t i o na n da c c o r d i n gt ot h ef a c tw h e t h e rt h eu n c e r t a i nf a c t o r sc a n b ec o l l e c t e d ，t w op l a n s a n na n dv a r i a b l ew e i g h ts y n t h e t i ce r r o rm e t h o d a r ep r o p o s e di nt h ep a p e r t h e nt h er e s u l tw i l lb ec h e c k e da st h e 一+ f e e d b a c ku s e di nt h es y n t h e t i cf o r e c a s t i h g ，w h i c hc a ni n c r e a s et h e i i i a b s t r a c t a c c u r a c yi n al a r g ed e g r e e ；i v t h r o u g ht h ep r o b a b i l i t ya n a l y s i s ，t h e r a n g i n gs c o p e ，i e b e l i e v e a r e ao fm i d l o n gt e r ml o a df o r e c a s t i n g s r e s u l tc a nb ed e t e r m i n e d ；v p r o o f r e a d i n gp r o g r a m ，i n c l u d i n ga b s o l u t e e r r o r ，r e l a t i v ee r r o r ，m e a n r o o t s q u a r ee r r o ra n dl i k e l i h o o dd i f f e r e n c e w i l lb ec a r r i e do u tt oc a l i b r a t et h em i d l o n gt e r m e l e c t r i c i t y l o a d s y n t h e t i cf o r e c a s t i n gb a s e do nf e e d b a c km e n t i o n e di nt h ep a p e r t h em e t h o dp r o p o s e di nt h ep a p e rw i l lm a k es o m ep r o s p e c t so fm i d l o n g t e r ml o a df o r e c a s t i n go ft h eg u a n g x ip o w e rn e t w o r ka n dm a k es o m ea n a l y s i s a n dp r o o f r e a d i n gw o r k ，t h r o u g hw h i c ht h em e t h o di sj u s t i f i e do fr e l a t i v e l y h i g hp r a c t i c a la n ds c i e n t i f i cv a l u et oi n c r e a s et h ea c c u r a c yo fm i d l o n gt e r m l o a df o r e c a s t i n g k e w o r d s ：m i d l o n g t e r m e l e c t r i c i t y l o a d f o r e c a s t i n g ；s y n t h e t i c f o r e c a s t i n g ；u n c e r t a i n t yf a c t o r ；b e l i e v ea r e a 关于学位论文使用授权的说明 本人完全了解广西大学有关保留、使用学位论文的规定，即： 广西大学拥有在著作权法规定范围内学位论文的使用权，其中包 括：( 1 ) 已获学位的研究生必须按学校规定提交学位论文，学校可以 采用影印、缩印或其他复制手段保存研究生上交的学位论文；( 2 ) 为 教学和科研目的，学校可以将公开的学位论文作为资料在图书馆、资 料室等场所供校内师生阅读，或在校园网上供校内师生浏览部分内 容。 本人保证遵守上述规定。 ( 保密的论文在解密后遵守此规定) 作者签名：奁盔硷 日期：2 鱼垒6 堡五目2 j 日 导师签名： 日期： 年 越型 删3 声 明 声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，独 立进行研究工作所取得的成果。尽我所知，除文中已经注明引用的 内容外，本学位论文的研究成果不包含任何他人享有著作权的内容。 对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文 中以明确方式标明。 签名：建盛揸日期：地址兰 第一章引言 第一章引言 1 1 课题研究的背景和意义 预测是对尚未发生或目前还不明确的事物进行预先的估计和推测。 预测可以提供未来的信息，为当前人们做出有利的决策提供依据。随着 人类社会和科学技术的发展，预测技术也得到了不断的发展，尤其是最 近几十年来，随着预测理论、方法和技术的不断丰富，电力系统负荷预 测的准确度可以达到相当高的水平。但由于影响电力系统负荷预测问题 的因素很多，所以还存在不少难以解决的问题。因此预测不准或不完全 准确的情况也是经常发生的。这就引起了不少争论，并吸引了不少人进 行分析和研究。这也说明预测工作尚需不断加以发展和完善。 电力负荷预测就是在充分考虑一些重要因素( 如系统运行特性、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 和未来负荷的数学方法，在满足一定精度要求的条件下，确定未来某特 定时刻的负荷值。 1 1 1 电力负荷预测的目的 电力负荷预测的目的就是提供负荷的发展状况及水平，为电力生产 部门及管理部门制定生产计划和发展规划提供依据。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发展水平、确定各规划 年用电负荷构成。 负荷预测中经常按时间期限进行分类，通常分为长期、中期、短期、 超短期负荷预测。长期负荷预测一般指l5 年以上并以年为单位的预测， 中期负荷预测指5 1 5 年内并以年为单位的预测。中长期负荷预测是制 定电力系统发展规划，包括装机容量的大小、形式、地点、时间和电网 的增容扩建、燃料计划的前提，它为所在地区或电网的电力发展速度， 电力建设规模，电力工业布局，能源资源平衡，地区间的电力余缺调剂， 以及电网资金和人力资源的需求平衡提供了可靠的依据。它是电力规划 部门的重要工作之一1 2 j 。 第一章引言 1 1 2 电力负荷预测的意义 负荷预测是电力系统运行调度中非常重要的内容，它是保证电力系 统安全经济运行和实现电网科学管理及调度的重要依据，也是能量管理 系统( e m s ) 和配电管理系统( d m s ) 的重要组成部分。提高负荷预测的技 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 工作己成为实现电力系统管理现代化的重要内容之一p j 。 在我国电力事业飞速发展的今天，电力负荷预测问题的解决已经成 为我们面临的重要而艰巨的任务。在国家电力公司每年度科技申报的项 目中，包括用电市场关键技术、电网规划在内的许多项目都是针对电力 负荷预测、市场需求预测等的研究。可见，如何充分利用现有的数据资 料、建立正确的预测理论和方法、建立相应的预测模型、提高预测精度， 己成为电力系统用电预测不容忽视的研究课题之一”1 。 长期以来，由于我国受计划经济的影响，电力系统负荷预测工作并 没有受到足够的重视。随着电力市场的改革，电力工业正逐步由计划经 济向市场经济转变，使得电力部门之间的竞争更加激烈。只有提高经济 效益、提高劳动生产率、降低发电成本，才能获得更大的利润，才能为 电力部门赢得更大的生存空间，才能使电力部门在激烈的竞争中立于不 败之地。电力市场的引入必然给e m s 带来功能和内涵上的重大变化。 与垄断运营模式不同，以引入竞争为主要目的的市场经济运营模式迫使 电力部门对负荷预测的重要性和迫切性的认识上升到了个新的高度， 同时对电力系统负荷预测提出了新的标准和要求。这些要求包括准确性， 实时性、可靠性、智能性等，它们之间是相互联系、相互制约的。 电能作为一种非常重要的能源，已经被应用到各行各业，同时对电 能质量的要求也越来越高。电力负荷预测作为保证电能质量的一个基本 工具，得到了越来越多的关注。近年来，随着计算机技术的迅速发展， 计算机的容量不断扩大，计算机的速度也不断提高，这不但为大且复杂 的、用人工方法难以实现的预测方法的采用成为可能，而且负荷预测的 手段也逐渐由人工预测方式被软件预测方式所代替，从而为提高负荷预 测的精度创造了条件【5 】。 第一章引言 总之，了解负荷预测技术的发展趋势，掌握负荷预测的最新技术， 将有助于提高负荷预测的精度、合理调度系统的安全和经济运行方式。 准确地预测电力负荷，即是保证无条件供应国民经济各部门及人民生活 以充足电力的需要，也是电力工业自身健康发展的需要。电力系统是一 个运行高度统一的大系统，由于电能不能大量储存，其生产和消费必须 同时进行，因此预知负荷的需求不但可以减少不必要的投资，而且还可 以为电力生产和管理部门提供依据，不仅具有非常重要的理论意义，而 且还具有十分显著的工程实用价值。电力负荷预测理论就是因此而发展 起来的，尤其是在形成电力交易的过程中，负荷预测的研究更具有极其 重要的意义。 1 2 电力负荷预测综述 1 2 1 电力负荷预测的分类 ( 1 ) 按时间分类 电力系统负荷预测按时间进行分类，可以分为超短期、短期、中期 和长期负荷预测。 超短期负荷预测是指未来1h 、未来o 5h ，甚至未来几秒钟的预测。 用于质量控制和自动发电控制( a g c ) ，需要5 1 0s 的负荷值；用于安全 监视，需1 - 5 m i n 的负荷值；用于预防控制和紧急状态处理，需1 0 - 6 0 r a i n 的负荷值。超短期负荷预测的使用对象是调度员。在正常情况下，一般 不考虑气象条件的影响，因为天气因素中最主要的影响因素- 温度己 体现在负荷的历史数据中了。超短期负荷预测主要反映负荷在短时间内 的变化规律，即反映负荷的上升、下降或水平趋势及变化值。 短期负荷预测是指一年之内，以月为单位的负荷预测，还指以周、 天、小时为单位的负荷预测。通常预测未来一个月、未来一周、未来一 天的负荷值，也预测未来一天2 4 h 中的负荷值。短期负荷预测主要用于 火电分配、水火电协调、机组经济组合、交换功率计划、确定燃料供应 计划、合理安排机组的检修计划、对运行中的电厂出力要求提出预告， 对发电机组出力变化事先得以估计。短期负荷预测的使用对象是编制调 度计划的工程师。一 、” ”。 第一章引言 中期负荷预测是指5 1 5 年，并以年为单位的预测。主要用于水库 调度、机组检修、交换计划和燃料计划，帮助决定新的发电机组的安装( 包 括装机容量大小、型式、地点和时间) 与电网的规划、增容和改建。中期 负荷预测的使用对象是编制中长期运行计划和电力系统规划的工程师。 长期负荷预测一般是指1 5 年以上的负荷预测。主要用于电源和网络 发展及电力系统的远景规划。长期负荷预测的使用对象是规划工程师。 长期负荷预测受地区的社会经济、人口、气候等因素影响，涉及许多不 确定性问题。 ( 2 ) 按行业分类 一般来说，按行业可以分为城市民用负荷预测、农村负荷预测、商 业负荷预测、工业负荷预测等。不同类型的负荷有不同的变化规律。随 着家用电器的普及，城市居民负荷增长率提高、季节波动增大，且系统 峰荷受气温影响越来越大。商业负荷影响晚尖峰，而且随季节而变化。 工业负荷受气象影响较小，但大企业成分下降，使夜间低谷增长缓慢。 农村负荷季节性变化强，且与排灌等情况密切相关。 ( 3 ) 按特性分类 根据负荷预测表示的不同特性，可分为最高负荷、最低负荷、平均 负荷、负荷峰谷差、高峰负荷平均、低谷负荷平均、平峰负荷平均、全 网负荷、母线负荷、负荷率等类型的负荷预测，以满足供电、用电部门 的管理工作的需要【6 j 。 1 2 2 电力负荷预测的特点 由于负荷预测是根据电力负荷的过去和现在推测它的未来数值，所 以负荷预测工作研究的对象是不肯定时间、随机时间，需要采用适当的 预测技术和模型，推出负荷的发展趋势和可能达到的状况。因此其特点 如下： ( 1 ) 不准确性或不完全准确性 由于电力负荷受到多种多样的复杂因素的影响，而且各种影响因素 又是千变万化的，所以电力负荷未来的发展是不肯定的。人们对负荷的 影响因素有些能够预先估计，有些却很难预见到，再加上一些临时情况 和突发事件的影响，预测不准或不完全准确的情况也是经常发生的。这 4 第一章引言 也说明预测工作尚需不断加以完善，掌握多种预测方法，采用先进的预 测技术，使预测结果尽可能准确。 ( 2 ) 条件性 负荷预测的预测过程是一个由历史向未来递推的过程，是在一定条 件下做出的。条件可以分为必然条件和假设条件两种。如果真正掌握了 电力负荷的本质规律，那么预测条件是必然条件，所作出的预测往往是 比较可靠的。而在很多情况下，由于负荷未来发展的随机性，需要一些 假设条件，给出的负荷预测结果就是基于这种假设的前提。这些假设条 件不能毫无根据的凭空假设，而应根据研究分析，综合各种情况而得来， 在这种情况下作出的预测往往是不准确的。 ( 3 ) 负荷预测的地区效应 在不同的负荷预测范围内，负荷的构成比重不同，影响负荷的因素 也有所不同。一般说来，大电网负荷变化有较强的统计规律性，预测结 果较准确。而地区级电网负荷变化规律并不是十分明显，其预测精度也 相对低一些。 ( 4 ) 负荷预测的时间性 各种负荷预测都有一定的时间范围。因为负荷预测属于科学预测的 范畴。因此要求有比较确切的数量概念，往往需要确切的指明预测的时 间。 ( 5 ) 负荷预测的多方案性 由于预测的不准确性和条件性，所以有时要对负荷在各种情况下可 能的发展状况进行预测，就会得到各种条件下不同的负荷预测方案【7 】。 除了以上共有的特点之外，中长期负荷预测还有其特有的特点： 中期负荷预测的特点是：预测时间长，对计算速度没有特殊要求； 规律性强，1 年1 2 个月的负荷具有很强的规律性( 季节性、趋势性、 周期性) ；气温、气候等因素影响很大，模型必须能够考虑这些因素的 影响；用电量和预测区域负荷构成、工农业构成比例有关。 长期负荷预钡4 的特点是：预测时间长，对计算速度没有特殊要求； 受社会经济、政治、人口、气候等因素的影响，涉及许多不确定性； 对预测精度要求不高，预测误差甚至容许达到1 5 纠吼 第一章引言 1 2 3 影响负荷预测的主要因素 提高电力系统负荷预测的准确度，可以提高电网的安全性和经济性， 并可以改善电能的质量。精确的负荷预测是人们所期望的，但影响电力 负荷预测的因素也是复杂多样、规律各异的。在社会方面，如农业结构、 经济发展速度、能源利用、人口增长、科学技术发展水平、国家政策、 社会状况、节假日制度等；在自然因素方面，如天气变化、季节更替、 自然灾害等各种气象条件。因此，电力系统负荷是自然和社会诸因素的 综合产物，在负荷预测中，必须考虑这些因素的影响。当然，在这些影 响因素中，有些对长期负荷预测影响大，有些对短期负荷预测影响大。 因此，在负荷预测的研究中，在保证一定精度要求的条件下，为研究问 题的方便，往往只计及主要因素，忽略次要因素。 对于中长期负荷预测而言，影响负荷预测的主要因素是国家的宏观 经济形势、宏观产业结构调整及能源市场变化。在国民经济高速增长的 时期，各种用电量增加，电力需求旺盛。而当经济增长放慢时，电力需 求必然受到影响。短期负荷预测的影响因素主要是气象条件的变化及节 假日等。不同地区，这些影响因素所起作用的大小也不尽相同。 除了上述的影响因素之外，突发性事件、不可预测性事故停电、线 路状况、用电大户的负荷波动以及非计划性检修等也都对负荷预测的精 度产生影响。对于这些影响因素，有些在预测模型中无法考虑其影响， 需要预测人员根据经验及实际情况予以考虑【9 】。 总丽言之，电力负荷预测精度的高低，是各种因素共同作用的结果。 只有正确地分析负荷预测的各种影响因素，才能做到合理、准确、科学 地预测电力负荷。然而，有些影响因素是人力无法知道的。 1 2 4 电力负荷预测的步骤 ( 1 ) 明确负荷预测的内容和要求 当对电力系统的负荷进行预测时，首先要了解负荷预测的内容和要 求，进而确定属于哪类预测、应满足哪些标准、是定性还是定量预测及 应满足的预测精度等。根据不同地区、不同时期的具体情况，确定合理 的预测内容和预测指标。 ， ( 2 ) 资料的搜集和整理 6 第一章引言 资料是进行预测的依据，应根据负荷预测的内容和要求，搜集进行 负荷预测时所需用到的各种资料。尽量使搜集的资料系统而且全面，尽 可能避免用臆想的数据去填补负荷预测数学模型中所缺少的资料。同时， 对搜集来的各种资料进行分析、加工整理，并对搜集的资料去粗取精， 提高资料的可信度。对于尚缺的必要资料，则应想方设法加以搜集。 ( 3 ) 对资料进行分析 画出所搜集资料中历史数据的折线图或散点图，从图形中观察资料 中数据变动的轨迹，以便选择恰当的预测模型，特别注意历史数据的异 常值和转折点，找出异常值产生的原因，查明异常值的原因后对其加以 处理。经过处理后，历史数据序列趋于平稳，且规律性比较强，容易找 出负荷的变化规律。 ( 4 ) 选择预测模型 负荷预测模型是统计资料轨迹的概括，它反映的是经验资料内部结 构的一般特征，与该资料的具体结构并不完全吻合。模型的具体化就是 负荷预测公式，由公式可以得出与观察值有相似结构的数值，这就是预 测值。负荷预测的模型是多种多样的，以适应于不同的负荷变化规律。 因此，正确选择预测模型是负荷预测中最为关键的一步，如果模型选择 不当，造成预测误差过大，就需要改换模型。必要时，可同时采用几种 数学模型进行运算，以便对比、选择。 在预测中常用的预测方法有多种，如组合预测法【1 、人工神经网络 预测法】【1 2 】1 1 3 1 等多种方法。各种预测方法均有其不同的特点和适用范 围。实践证明，没有一种方法在任何预测场合下均可以保证获得满意的 预测结果。因此，对于信息的利用程度也存在差异。进行电力负荷预测 时，对于预测模型的选择，预测人员必须根据对资料的占有情况，以及 预测目标、预测期限、预测环境、预测结果的准确度、预测模型的特点、 预测模型的适用范围和负荷历史数据的散点图或折线图所反应的历史数 据的变化规律等进行权衡，以便作出合理的选择。 对于电力系统中长期负荷预测而言，由于影响负荷变化的因素错综 复杂，使得建立负荷预测模型时，不可能考虑所有的影响因素。因此， 各种预测方法所考虑的因素各不相同，必要时可以采用几种不同的预测 方法进行预测，通过比较来确定预测方法。在单一模型不能很好的反缺 第一章引言 历史数据的变化规律时，采用组合预测来提高负荷预测的精度也是十分 必要的。 随着科学技术的发展，预测理论有了很大的进步，各种预测方法层 出不穷，使得预测手段对计算机的依赖性越来越强。依据选择的预测模 型，根据所掌握的历史数据，运用负荷预测软件进行预测，可以完成一 些手工不能完成的计算。比如：神经网络，专家系统法等等。为多种智 能方法应用于负荷预测提供了可能。 模型的选择对预测精度有很大的影响。在选择预测模型时，应考虑 三个主要的问题：即合适性、费用和精确性。任何一种预测模型都是建 立在一定的假定条件之上的，而任何一种假定条件都无法囊括影响负荷 预测的所有因素，因此，必须考虑模型的适用条件。 在精确性和费用问题上，要权衡两者的轻重，要依靠自己的判断能 力去断定应该用多大的力量，从而决定使用哪一种模型。 ( 5 ) 分析预测结果 根据预测模型得到的预测结果并不一定与实际情况完全相符，这是 由于所建立的预测模型是对实际情况的近似模拟，在计算和推测过程中 难免会产生误差。因此，需要对预测结果进行分析和评价，以确定预测 结果是否可信。如果超出了误差的允许范围，就要分析产生误差的原因， 决定是否需要对预测模型和预测结果加以修正，使之更接近于实际。 1 2 5 中长期负荷预测方法存在的不足 目前正在使用中的各种中长期负荷预测方法中，多数是基于负荷的 历史数据及其相关因素的历史数据进行加工拟合，建立数学模型来预测 未来负荷，如时间序列法和相关分析法等。由于我国的经济正处于高速 发展期而相关政策也在探索完善的过程中，变化较大，不确定因素较多， 规律性不强，所以造成时间序列趋势模型和相关分析模型拟合历史数据 进行预测的结果并不是十分令人满意【l 4 1 。 另外，一些方法在预测时对各方面数据要求比较严格，如分区负荷 密度法要求被预测区域有比较明显的功能区划分，且对各功能区的经济、 环境以及发展规划等有比较详尽的数据，庙于受经济发展的阶段性制约 这在目前大多数地区还是难以做到的。 第一章引言 在实际工作当中采用最多的还是所谓的“拍脑瓜”的做法，例如单耗 法和弹性系数法中的单耗的预测值和弹性系数的预测值，往往是由预测 人员根据经验以及对社会经济发展趋势的预测来确定的，即使是根据数 学模型计算到的结果也是由预测人员通过主观取舍判定其合理性而决 定。可见，预测者和专家在预测中起着关键性甚至是决定性的作用，而 现有模型在建立和使用上，未能很好地与专家经验相结合。另一方面， 无论是哪一个领域的专家，都可能只对本领域内的知识精通，即从影响 电力负荷的整个大系统来看，专家意见都只是局部的。现有预测方法往 往只考虑了某一因素或某些因素的影响，而没有考虑众多因素交互作用 的结果【”j 。 综上所述，对于中长期电力负荷预测方法的研究与选用应该主要解 决以下的不足之处i l6 j ： 在进行数据处理分析和建立预测模型的过程中，要充分考虑外界 因素( 经济、政策等) 的变化以及未来相关因素的不确定性对中长期负 荷预测结果的影响； 解决模型参数根据环境和相关因素的改变而出现的趋势的适应问 题，模型使用过程中对于预测专家的经验和意见要加以有效的利用； 对于影响中长期负荷变化的多方面因素综合作用要加以研究和采 用不同方法组合进行预测工作。 1 3 中长期电力负荷预测国内外研究现状 预测的意识和简单的直观预测，很早就存在于人类的生活和生产实 践中。二十世纪三四十年代以来，科学技术和生产力的高速发展给人类 带来了许多新问题和新事物，使人们日益感到预测未来的重要性。客观 的需要导致人们进行研究和实践。随着科学技术的发展，为预测研究和 应用提供了科学分析的方法和有效的预测手段。因而，到二十世纪七十 年代末，预测逐渐形成了一门自成体系的综合性学科，得到了迅速发展。 但电力系统负荷预测方法的系统深入研究起源于二十世纪八十年代【l ”。 目前，国内外常用的中长期电力负荷预测的方法有：增长率加大用 户法、分产业产值单耗法、分部门预测法、电力弹性系数法、分区负荷 9 第一章引言 密度法、时间序列法、相关分析法、人均电量指标换算法、回归分析法、 专家系统预测法等等”】【伸】。但是经典和传统的预测方法精度较差，已经 不能完全适应现在的需要。越来越多的现代预测技术开始应用于中长期 电力负荷预测。 1 3 1 负荷预测的经典技术 从严格意义上讲，负荷预测的经典技术并不是真正的负荷预测方法， 它仅仅依靠专家的经验或一些简单的变量之间的相关关系对未来负荷值 做一个方向性的结论，预测精度较差。主要有以下几种 2 0 1 2 1 】【2 2 】【2 3 】： ( 1 ) 分产业产值单耗法 i 综合产值单耗法 规划年的用户需电量： 形= k g d p ( i - 1 ) 式中：彬是预测年的需电量： k 是预测年选用的产值单耗指标； g d p , 是预测年国内生产总值的目标值。 2 分行业产值单耗法 彬= 与g d 最+ 彬 ， 彬= k o e ( 1 2 ) e = 岛( 1 + a ) 式中：形是预测年的需电量； 墨是i 产业的产值单耗； g d p , 是f 产业预测年的国内生产总值目标值； n 是产业划分个数； 彬是预测年居民生活需电量； k 是预测年人均年生活用电量指标； e 是预测年预计居民人口数： 鼠是基础年； 口是预测期估计的人口自然增长率。 产业产值单耗法需要作大量细致的统计工作，但在实际工作中很滩 第一章引言 对所有产品较准确地求出其单耗，而且工作量太大。 ( 2 ) 电力弹性系数法 电力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。电力弹性系数与科技进步和经济 结构及产品结构的调整有关。科技进步等因素可以使单位产值的电耗不 增加甚至减少，即电力弹性系数会小于l 。应用电力弹性系数预测电力 负荷，一般适合于大范围( 例如全国) ，较长时段( 例如五年及以上时段) 的预测，属于较长期趋势预测。它是一种宏观预测方法。预测时间短， 预测范围小时，应用电力弹性系数法难以得到满意的结果。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，预测 结果可信度不高。因此，进行电力系统规划不能单独只用电力弹性系数 来预测电量。 应用弹性系数法预测电力负荷的前提条件，是必须预先知道预测期 ( 或规划期) 内国内经济的发展目标及其年平均增长速度，这可以根据 国家经济发展战略规划来确定。 已知、，求出口， ，= 芦) ，彬= w o ( 1 + 触。) 。 ( i - 3 ) 式中：形是规划期需要的电力( 或用电量) ； 是基年的实际发电量( 或用电量) ； 口是规划期采用的电力生产( 或消费) 弹性系数； 吼是规划期预计的国内生产总值年均增长率； 口。是生产( 或消费) 的年增长率； t 是基年至规划年间隔的年数。 ( 3 ) 增长率法 它是根据历史上电力发展的速度，或者按其趋势外延至预测年，或 者由电力规划部门或专家根据国家经济发展的基本情况和趋势，主观地 确定一个或几个电力发展速度( 即所谓的高速度，中速度和低速度) ，然 后以此为依据预测出未来年间所需的电量。 设基准年的用电量为矾，估计基准年至预测年的年平均增长速度为 口，疗年后，所需的用电量为睨，则： 第一章引言 = ( 1 + 口) ”( 1 4 ) ( 4 ) 分区负荷密度法 负荷密度预测法是从地区土地面积( 或建筑面积) 的平均耗电量出 发作预测。作预测时，先预测出来某时期的土地面积( 或建筑面积) 和 单位面积用电密度，再乘以面积得到用电量预测值，分区负荷密度法首 先根据近年来的发展情况、经济发展目标以及电力规划目标将待预测区 域划分成多个功能区，然后对每个功能区用负荷密度法进行预测，最后 相加得到总的用电量预测值。 ( 5 ) 人均电量指标换算法 人均电量指标换算法是指选取一个与本地区人文地理条件、经济发 展状况以及用电结构等方面相似的国内外地区作为比较对象，通过分析 比较两地区过去和现在的人均电量指标，得到本地区的人均电量预测值， 再结合人口分析得到总用电量的预测值。 ( 6 ) 分部门法 分别对生活用电和产业用电进行预测，二者相加得到总需电量预测。 其优点是考虑了社会各个部门对负荷的影响，在数据准确的情况下可以 达到很高的精度。缺点是需要数据量大。使用于预测地区较大时的中长 期负荷预测。 1 3 ，2 传统的负荷预测方法 传统的负荷预测方法大致可以分为两类【2 4 1 2 5 】【2 6 】【2 7 】：一类是时间序 列分析方法，如卡尔曼滤波法【2 、回归分析法、自回归滑动平均模型 ( a r m a ) 、灰色预测法和分解模型法；另一类是因果分析法( 或称计量 经济法) ，如气候( 主要是温度，其次是湿度、风速等) 辨识法。传统的预 测方法具有计算简单，要求历史数据少的优点，缺点是预测精度稍差。 由于中长期负荷预测对精度要求不高，传统的负荷预测方法在实际应用 中一般可以满足精度要求。 ( 1 ) 时间序列法 时间序列分析法是根据负荷过去的统计数据，找到其随时间变化的 规律，建立时序模型，以推断未来负荷数值的方法，其基本假定是：负 荷过去的变化规律为持续到将来，即未来是过去的延续。 第一章引言 负荷预测时间序列法，就是根据负荷的历史数据，设法建立一个数 学模型，一方面，利用这个数学模型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定负荷预测 的数学表达式，对未来的负荷进行预测。将负荷认为是一种马尔柯夫随 机过程，通过模型辨识，对模型参数进行估计来预测负荷。时间序列模 型有自回归( a r ) 、动平均( m a ) 、自回归一动平均( a r m a ) 、累计式自回 归一一动平均( a r i m a ) 等模型。模型辨识的基本途径是对原时间序列的 相关分析，即：计算序列的均值、自相关和偏相关函数，以均方误差最 小为标准，从而确定模型的类型和阶数。模型辨识后，就要利用原序列 有关的样本数据，在最佳模型基础上进行负荷预测。 ( 2 ) 相关分析法 相关分析法是寻找负荷与影响因素之间的因果关系，建立相关分析 模型，通过对观察数据的统计分析和处理进行预测的方法。其特点是： 将影响预测对象的因素分解，在考察各个因素的变化中，估计预测对象 未来的数量状态。 ( 3 ) 趋势外推法 趋势外推法是根据已知的历史资料来拟合一条曲线，使得这条曲线 能反映负荷本身的变化趋势，然后再按照这条趋势曲线进行外推，从曲 线上估计负荷预测值。这种方法是一种确定外推，因为在处理负荷历史 数据、拟合曲线的过程中，都可以不考虑随机变量。但通常负荷是时间 或温度的函数，由于自变量( 如温度) 可看作是正态分布随机变量，因此 负荷预测也可认为是随机外推。在实际应用中，常用的拟合曲线有：直 线、指数曲线、双曲线、几何曲线和s 曲线等。在选择拟合曲线时，最 常用的是最小二乘法，即：使估计值与观测值之间的偏差的平方和为最 小。就其实质而言，外推法是属于回归分析，即：通过研究自变量与因 变量之间的关系，形成回归方程，得到描述负荷增长趋势最好的模型参 数估计，再对给定的某一自变量求解，从而得到因变量值。显然，由此 得到拟合曲线只是在一定的程度上满足给定点的数据，根据该趋势曲线 得到的外推值，精度有限，因此该种方法的预测精度不高。 _应用趋势外推法有两个假设条件：假设负荷没有跳跃式变化； 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。 第一章引言 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。 趋势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。趋势外推法一般适 用于中长期负荷预测。趋势外推法的优点是：只需要历史数据、所需 的数据量较少；可以揭示事物发展的未来，并定量地估计其功能特性。 缺点是：如果负荷出现波动，会引起较大的误差。 ( 4 ) 回归分析法 回归分析法是电力系统负荷预测一种常用的数理统计预测方法，即 根据历史数据的变化规律寻找自变量与因变量之间的回归方程式，确定 参数方程而做出预测。按照“近大远小”原则，应区别对待各个时段的拟 合残差，即历史时段中近期的发展规律应更好的拟合，远期的历史数据 的拟合程度可以稍低。为此，可以在参数估计时加入权重矩阵实现。在 回归方程的确定上，根据历史数据和未来发展分析。由于方程是基于历 史数据进行的回归分析，能较好的拟合过去，但对未来的预测效果会随 时间的延长而减弱。此外，存在着历史数据的缺乏和统计口径的不统一 问题，造成数学方程的误差，但预测的结果仍有参考价值。其优点是方 程参数估计技术比较成熟，预测过程简单。缺点是线性回归分析方程预 测精度较低；而非线性回归预测计算开销大，预测过程复杂。回归分析 采用的回归方程有： 直线性回归方程：y = a x + b 抛物线回归方程：y = 甜2 + b x + c 幂函数回归方程：y = 甜6 0 0 1 自回归方程：只= a o + 嘶y f - l + 盯2 y f - 2 + + 指数函数回归方程：y = 凹“ 多元线性回归方程：y = 口+ b x + “，+ 式中：x 为自变量，代表影响用电量变化的某个因素。例如：国内 生产总值、工业生产总值、人均收入等等。 非线形回归方程因变量与自变量不是线性关系，但是经过变换后可 以转换成线性回归方程。 回归分析法适用于中、短期负荷预测。其优点是：预测人员能够 第一章引言 清楚地看到负荷增长趋势与其它因素之间的关系；预测精度较高；缺 点是：规划水平年的工农业总产值很难详细统计：需要样本量大且 要求样本有较好的分布规律，当预测的长度大于原始数据的长度时，采 用该方法进行预测在理论上不能保证预测结果的精度。 1 3 3 现代的中长期电力负荷预测方法 近年来，随着科学技术的迅速发展，预测理论技术也取得了很大的 进展，新的预测方法不断出现，这些方法为电力负荷预测问题的研究提 供了有力的工具。新发展起来的负荷预测方法主要有：灰色预测法、模 糊预测法、专家系统预测法、人工神经网络预测法、优选组合预测法、 小波分析法。 ( 1 ) 灰色预测法2 9 】【3 们。 灰色预测法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。灰色预测的优点是： 要求负荷数据少、不考虑分布规律、原理简单、运算方便、短期预测精 度高、易于检验。缺点是：数据离散程度越大，即数据灰度越大，预 测精度越差；不太适合于电力系统的长期预测，追究其根本原因在于 建模时不是对应同一点的函数值和导数值去辨识微分方程中的参数所 致，从而导致在作长期预测时误差加大。 ( 2 ) 模糊预测法【3 1 儿3 2 】【3 3 1 f 3 4 1 l a za de h 于1 9 6 5 年在模糊集一文中首次提出了模糊数学和 模糊控制问题，并给出了定量描述方法，自此模糊理论便作为一门崭新 的学科显示出了强大的生命力。模糊预测法，是近几年来在电力系统负 第一章引言 荷预测中出现的一种新的预测方法。模糊预测法主要有模糊聚类法、模 糊线性回归法等。 所谓的模糊聚类分析就是应用模糊数学方法对事物进行模糊分类。 其基本思想是通过对历史数据进行加工处理，提炼出负荷变化的若干典 型模式，进而由影响负荷变化的相关因素的未来状态去判断未来负荷变 化属于哪一种模式，从而达到预测的目的。这样做不仅避免了建立数学 模型的困难，而且隐含计及了不确定因素的影响。 模糊预测法是建立在模糊数学理论上的一种负荷预测新技术。将模 糊预测法引入的原因是电力系统中存在着大量的模糊信息，如负荷预测 中的关键因素气象状况的评判、负荷的日期类型的划分等。常规的处理 模糊信息的方法就是采用统计和经验相结合的方法，这给负荷预测引入 了不科学的因素，并且与自动化要求相矛盾。模糊预测法将模糊信息和 经验以规则的形式