（电气工程专业论文）电力系统中长期负荷预测方法研究与应用.pdf

l o n g t e r mp o w e rs y s t e ml o a df o r e c a s t i n gr e s e a r c ha n da p p l i c a t i o n b y l iy u n b e ( n o r t h w e s t e r np o l y t e c h n i c a lu n i v e r s i t y ) 2 0 0 9 at h e s i ss u b m i t t e di np a r t i a ls a t i s f a c t i o no ft h e r e q u i r e m e n t sf o rt h ed e g r e eo f m a s t e ro fs c i e n c e l n e l e c t r i c a le n g i n e e r i n g i nt h e g r a d u a t es c h o o l o f h u n a nu n i v e r s i t y s u p e r v i s o r a s s o c i a t ep r o f e s s o ry a o j i a n g a n g a p r i l ，2 0 1 1 哪9洲53胁70m 9 iiiii_y 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得 的研究成果。除了文中特另, j j j n 以标注引用的内容外，本论文不包含任何其他个 人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承 担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和 借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“4 ) 作者签名： 导师签名： 日期：k i1 年r 月日 海矽缎、日期：扣( 降f 月a - 7 日 电力系统中长期负倚预测方法研究与应用 摘要 电力系统中长期负荷预测是电力部门的重要工作之一，是制定电力发展规划 的基础。提高中长期负荷预测水平，有利于计划用电的优化管理，有利于电力建 设的合理规划，有利于提高电力系统的经济效益和社会效益，对电力系统具有重 要意义。 电力系统负荷量受到很多直接和间接因素的影响，变化是比较复杂的，单一 的负荷预测模型一般难以准确描述负荷变化的规律，因此单项预测法预测精度经 常随时间而改变，有时甚至发生剧烈波动以致与实际值相距甚远。组合预测法可 以综合多种预测方法来进行预测，取长补短，有利于提高预测精度和降低预测风 险。然而传统的组合预测法总是给各单一的预测法赋予相同的权重，当预测精度 会发生变化时所得到的预测结果往往不是全局上的最优结果。 针对这一情况本文提出了一种基于诱导有序加权几何平均算子和叠加马尔可 夫链的组合预测方法，该方法根据各单项预测方法在各年份上预测精度的高低来 赋与权重，使权重与各预测方法不再是对应关系，而是由预测精度决定，任意时 刻都将把大的权重赋给预计预测精度高的预测方法，解决了上面所说的问题，实 现了组合预测模型中权系数与拟合精度的对应。 该组合预测模型的基本思想是通过诱导有序加权几何平均算子( i o w g a ) 建 立组合预测模型，i o w g a 是一种特殊的算子，它可以按照每个单项预测方法在 各个预测时刻点拟合精度的高低按顺序来对其赋权，使得各预测方法的权重可以 由预测精度的高低来决定；叠加马尔可夫链将事物划分为多个状态，根据事物的 初始状态和可能状态之间的转移概率预测事物未来的发展趋势，将预测精度看作 随机过程，通过叠加马尔可夫链可以定性地推测出预测年份上各单项预测方法的 预测精度状态；最后按照预测年份单项预测方法的预测精度状态的高低为各单项 预测法分配权重来进行预测。 本文详细阐述了该预测方法的理论背景、特点、建模思路、计算步骤，并且 用该方法对某省的全社会用电量进行了预测，将预测结果与单项预测法及普通组 合预测法所得的结果进行了深入的对比分析，通过实践证明了该预测法具有独特 的优势和较强的实用价值。 关键词：负荷预测；组合预测；诱导有序几何加权平均算子；叠加马尔可夫链； 预测精度 a bs t r a c t m i d - a n d 1 0 n gt e r ml o a df o r e c a s t i n g o fp o w e rs y s t e m ，s e r v e da s t h eb a s eo f f o r m u l a t i n ge l e c t r i cp o w e rd e v e l o p m e n tp l a n ，i so n e o ft h em o s ti m p o r t a n tt a s k sf o r p o w e rd e p a r t m e n t i m p r o v et h em i d a n d - l o n gt e r mf o r e c a s t i n gl e v e l ，i s b e n e 丘c i a lt o t h eo p t i m a lm a n a g e m e n to fp l a n e du s eo fe l e c t r i c i t y ，t o t h ep r o p e rp l a no fp o w e r c o n s t m c t i o n ，a n dt ot h ee c o n o m i ca n ds o c i a le f f e c t ，h e n c ei t ss i g n i f i c a n c e t op o w e r s y s t e m t h ep o w e rs y s t e mc a p a c i t yi si n f l u e n c e db ym a n y d i r e c ta n di n d i r e c tf a c t o r s ，s o t h ec h a n g eo fi ti sc o m p l e x ，w h o s ep a t t e r ni sd i f f i c u l tt od e s c r i b eb ya s i n g l ef o r e c a s t m o d e l a n dt h ep r e c i s i o ni sc h a n g e a b l eo v e r t i m ea n de v e nw i l lb ef a ra p a r tf r o mt h e a c t u a lv a l u ed u et of i e r c ef l u c t u a t i o n c o m b i n a t i o nf o r e c a s tm o d e li n t e g r a t e sm u i t i d l p e f o r e c a s tm e t h o d sw h i c hc o m p l e m e n t s e a c ho t h e r , a n dc a ni m p r o v et h ep r e c l s l o nw n l i e r e d u c et h er i s k h o w e v e r ，t r a d i t i o n a l c o m b i n a t i o nm e t h o d sa l w a y sa l l o c a t e se q u a l w e i g h tt oe a c hs i n g l eo n e ，a n dl a c kf l e x i b i l i t yw h e n p r e c i s i o nc h a n g e s ，s ot h ef o r e c a s t r e s u i ti sn o tt h eo p t i m a lo n ei no v e r a l ls i t u a t i o n o na c c o u n to ft h e s e sp r o b l e m s ，t h i sp a p e rp r o v i d e sa c o m b i n a t i o nm e t h o db a s e d o ni n d u c i n go r d e r e dw e i g h t e dg e o m e t r i ca v e r a g eo p e r a t o r ( i o w g a ) a n ds t a c k m a r k o vc h a i n ( s m c ) i nt h i sm e t h o d ，w e i g h ti s a l l o c a t e da c c o r d i n gt ot h ef o r e c a s t p r e c i s i o no f e a c hs i n g l ef o r e c a s tm e t h o di ne a c hy e a r t h ew e i g h t i n gi sd e t e 珊1 n e d b y p r e c i s i o ni n s t e a do fe a c hs i n g l em e t h o d ，s i n c e l a r g e rw e i g h ti s a l l o c a t e dt om o r e p r e c i s ef o r e c a s tm e t h o d s ot h ep r e v i o u sp r o b l e m sa r es o l v e db yt h ec o r r e s p o n d e n c e o fw e i g h tc o e f f i c i e n ta n df i tp r e c i s i o ni nc o m b i n a t i o nf o r e c a s t m o d e l t h eb a s i ca s s u m p t i o no ft h i sf o r e c a s tm o d e li st oe s t a b l i s ha c o m b i n a t i o nm o d e l v i ai o w g a i o w g ai sas p e c i a lk i n do fo p e r a t o rw h i c h c a na l l o c a t ew e l g h tt oe a c h s i n g l em e t h o di ns e q u e n c e ，a c c o r d i n g t ot h e i rp r e c i s i o na te a c ht i m ep o i n t s m c d i v i d e st h eo b je c ti n t om u l t i p l es t a t u s e s ，f o r e c a s t st h ed e v e l o p m e n tt e n d e n c y o nt h e b a s i so ft r a n s i t i o np r o b a b i l i t yf r o mt h eo r i g i n a ls t a t ea n dp o s s i b l es t a t e ，a n dr e g a r d s f o r e c a s tp r e c i s i o na sar a n d o mp r o c e s s t h e f o r e c a s tp r e c i s i o no fs i n g l ef o r e c a s t m e t h o dw i t h i nf o r e c a s t i n gy e a rc a nb ei n f e r r e dq u a n t i t a t i v e l yt h r o u g hs m c ，a n dt h e w e ig h ta l l o c a t i o no fs i n g l ef o r e c a s tm e t h o di s t h e ni n f e r r e db a s e do nt h ep r e c i s l o n l e v e lo fs i n g l ef o r e c a s ty e a r t h i sp a p e re x p o u n d so nt h et h e o r e t i c a lb a c k g r o u n d ，c h a r a c t e r i s t i c s ，m o d e l i n g i i i t h o u g h t sa n dc a l c u l a t i n gp r o c e d u r e so ft h i sf o r e c a s tm e t h o d af o r e c a s to fe l e c t r i c i t y c o n s u m p t i o n o fo n ep r o v i n c ei sc o n d u c t e d b ya p p l y i n gt h i sm e t h o d ，a n dt h e f o r e c a s t i n gr e s u l t sa r ea n a l y z e db yc o m p a r i s o nw i t ht h a to fo r d i n a r yc o m b i n a t i o n m e t h o d s i tp r o v e st h a tt h e p r e s e n tm e t h o dh a sp a r t i c u l a ra d v a n t a g e sa sw e l la s p r a c t i c a lv a l u e s k e yw o r d s ：l o a df o r e c a s t i n g ；c o m b i n a t i o nl o a df o r e c a s t i n g ；i n d u c e do r d e r e d w e i g h t e dg e o m e t r i ca v e r a g eo p e r a t o r ；s u p e r p o s i t i o nm a r k o vc h a i n ；p r e d i c t i o n a c c u r a c y i v 工程硕卜学位论文 目录 学位论文原创性声明和学位论文版权使用授权书i 摘要i i a b s t r a c t i i i 目 录v 插图索引v i i i 附表索引i x 第l 章绪论1 1 1 课题的研究背景和意义1 1 2 负荷预测概述一l 1 2 1 负荷预测的概念和基本原则1 1 2 2 负荷预测的分类3 1 2 3 负荷预测的特点一4 1 2 4 负荷预测的基本要求4 1 2 5 负荷预测的基本理念5 1 2 6 影响负荷预测的主要因素一6 1 2 7 负荷预测的基本程序6 1 2 8 负荷预测误差分析7 1 3 本文主要研究工作9 第2 章中长期负荷预测常用方法与组合预测方法1 1 2 1 基于参数模型的预测法1 1 2 1 1 单耗法一l l 2 1 2 负荷密度法1 1 2 1 3 电力弹性系数法一1 l 2 1 4 回归模型预测法一1 2 2 1 5 趋势外推预测法1 2 2 1 6 时间序列预测方法1 3 2 2 基于非参数模型的预测法1 3 2 2 1 专家系统法一l3 2 2 2 模糊预测法14 2 2 3 灰色预测法一1 4 v 电力系统中长期负荷预测方法研究与应用 2 2 4 人工神经网络预测法1 6 2 2 5 小波分析预测法1 7 2 3 组合预测法1 7 2 3 1 组合预测的概念和特点一1 7 2 3 2 常用组合预测模型18 2 3 3 组合预测权重的确定1 9 2 3 4 诱导有序加权平均算子( i o w a ) 2 2 2 3 5 诱导有序加权几何平均算子( i o w g a ) 一2 2 2 4 本章小结2 3 第3 章随机过程与马尔可夫链一2 4 3 1 随机过程2 4 3 1 1 随机现象2 4 3 1 2 随机过程2 4 3 2 马尔可夫过程2 4 3 3 马尔可夫链的定义和性质2 5 3 3 1 马尔可夫链的定义2 5 3 3 2 马尔可夫链的性质2 6 3 4 马尔可夫链的转移概率2 6 3 4 1 一步转移概率2 6 3 4 2 多步转移概率：2 7 3 5 马尔可夫链的状态分类2 9 3 5 1 状态相通2 9 3 5 2 吸收态和闭集一2 9 3 5 3 首达时刻和概率2 9 3 5 4 常返态与非常返态3 0 3 5 5 周期性与遍历性3l 3 6 马尔可夫链转移概率的计算3 1 3 7 随机变量序列的马氏性检验3 2 3 8 马尔可夫链预测步骤3 2 3 9 本章小结3 3 第4 章基于i o w g a 和叠加马尔可夫链3 4 的组合负荷预测模型3 4 4 1 建模思路3 4 4 2 预测步骤和流程一3 5 4 2 1i o w g a 预测步骤3 5 v l 工程硕：t 学位论文 4 2 2 叠加马尔可夫链及预测方法步骤3 6 4 2 3 整体预测步骤3 7 4 3 模型分析4 0 4 4 本章小结一4 0 第5 章实例分析4 l 5 1 原始数据一4 1 5 2 单项预测4 l 5 2 1 回归法4 l 5 2 2 指数平滑法4 2 5 2 - 3 灰色预测法4 2 5 3 精度计算4 3 5 4 组合模型权重计算4 4 5 4 1i o w a 权重的计算4 4 5 4 2i o w g a 权重的计算4 5 5 5 叠加马尔可夫链预测精度4 7 5 5 1 划分精度状态4 7 5 5 2 统计状态转移规律4 9 5 5 3 对预测精度进行预测5 l 5 5 4 预测结果5 4 5 6 预测效果分析_ 5 5 5 6 1 与普通马尔可夫预测法效果对比。5 5 5 6 2i o w a 与i o w g a 效果对比5 5 5 6 3 与单项预测法的对比5 7 5 6 4 与其它组合预测法对比5 7 5 6 5 对预测效果的结论5 9 5 7 结论5 9 5 8 本章小结6 0 总结与展望一6 1 参考文献6 3 致 谢6 7 附录a 攻读学位期间所发表的学术论文目录6 8 附录b 攻读学位期间所参加的科研项目目录6 9 v l i 电力系统中长期负荷预测方法研究与应用 插图索引 图4 1 预测模型整体思路图3 5 图4 2 诱导有序加权几何平均算子计算流程图3 6 图4 3 叠加马尔可夫链预测流程图：3 7 图4 4 预测总体流程图4 0 v i l l 工程硕卜学位论文 附表索引 表5 1 某省1 9 9 0 年 - 2 0 0 6 年全社会用电量4 l 表5 2q u a 对历史年份预测结果表4 l 表5 3q u a 对未来年份预测结果表4 l 表5 4e s 对历史年份预测结果表4 2 表5 5e s 对未来年份预测结果表4 2 表5 6g m ( 1 ，1 ) 对历史年份预测结果表4 3 表5 7g m ( 1 ，1 ) 对未来年份预测结果表4 3 表5 8 某省1 9 9 0 年 2 0 0 6 年全社会用电量三种单项预测法的预测值4 3 表5 9 各单项预测方法的预测精度表4 4 表5 1 0 历史年份i o w a 组合权重分配表4 5 表5 1 l 实际值的对数值以及各单项预测方法预测值的对数值表4 6 表5 1 2 历史年份i o w g a 组合权重分配表4 7 表5 1 3 精度分布统计表一4 8 表5 1 4 精度分布统计表二4 8 表5 1 5 精度状态表4 8 表5 1 6q u a 各步长精度状态一步转移规律表一4 9 表5 1 7q u a 各步长精度状态一步转移规律表二一4 9 表5 1 8e s 各步长精度状态一步转移规律表一4 9 表5 1 9e s 各步长精度状态一步转移规律表二4 9 表5 2 0g m ( 1 ，1 ) 各步长精度状态一步转移规律表一一5 0 表5 2 1g m ( 1 ，1 ) 各步长精度状态一步转移规律表二5 0 表5 2 22 0 0 7 年q u a 精度预测表一5 2 表5 2 32 0 0 7 年e s 精度预测表一5 2 表5 2 42 0 0 7 年g m ( 1 ，1 ) 精度预测表5 2 表5 2 52 0 0 8 年q u a 精度预测表5 2 表5 2 62 0 0 8 年e s 精度预测表5 2 表5 2 72 0 0 8 年g m ( 1 ，1 ) 精度预测表5 3 表5 2 82 0 0 9 年q u a 精度预测表5 3 表5 2 92 0 0 9 年指数e s 精度预测表5 3 表5 3 02 0 0 9 年g m ( 1 ，1 ) 精度预测表5 3 表5 3 1 各单项预测方法未来三年的预测结果5 4 i x 电力系统中长期负荷预测方法研究与应用 表5 3 2 各单项预测方法未来三年预测结果和实际值对照表5 5 表5 3 3 各单项预测方法未来三年预测精度表5 5 表5 3 4 叠加马尔可夫链预测结果5 5 表5 3 5i o w a 与i o w g a 预测结果对照表5 6 表5 3 6i o w a 与i o w g a 精度对照表_ 5 6 表5 3 7i o w a 与i o w g a 预测误差分析5 6 表5 3 8 单项预测法与组合预测法预测结果对照表5 7 表5 3 9 单项预测法与组合预测法预测精度对照表5 7 表5 4 0 各组合预测方法预测值对照表5 8 表5 4 1 各组合预测模型误差分析5 9 x 工程硕士学位论文 第1 章绪论 1 1 课题的研究背景和意义 电力工业是国民经济的重要组成部分，是经济发展最基本的动力，也是人民 正常生产生活最重要的保障。随着社会经济的不断发展和生活水平的不断提高， 电力的需求量越来越大，对电力系统安全性和经济性的要求也越来越高，近年来 兴起的智能电网技术也对负荷预测提出了更高的要求。由于电能不能大量储存， 因此提前预知未来的电量对更好的保证电力系统安全、经济、可靠的运行具有重 要意义。 中长期负荷预测是负荷预测中极为重要的部分，准确预知未来较长时期的用 电量能使相关部门合理的安排电网建设，把握好电力发展速度、电力建设规模、 电力工业布局、能源资源平衡、电力余缺调剂以及电网资金和人力资源的需求平 衡，避免出现因投资不足而出现的“电荒 或因投资过度而导致的资源浪费，更 合理的利用资金，更可靠的保障电网运行，最大限度的获得经济和社会效益，因 此中长期负荷预测是电力系统规划和建设的基本依据，对国民经济的健康运行和 保障人民的日常生活具有重要意义。当前，电力工业高速发展、电力企业走向市 场化、智能电网的出现都对电力系统中长期负荷预测提出了更高的要求，需要我 们充分应用最先进的科学预测理论，使负荷预测更加快速、精确、可靠，以满足 电力发展的要求，因此研究电力系统中长期负荷预测具有重要意义。 提高电力系统中长期负荷预测的核心是改进预测的技术方法。如何将各种 先进的数学理论运用到负荷预测中来，找到精度更高、可靠性更强的负荷预测新 方法，是我们研究的重点。随着科学技术的不断发展，各种新的负荷预测方法不 断出现，它们有各自不同的特点。组合预测方法能将几种方法综合起来，取长补 短，有利于降低预测风险和提高预测精度。i o w g a 和叠加马尔可夫链是数学研 究的杰出成果，在许多领域有着广泛应用。本文针对电力系统中长期负荷预测提 出了一种基于i o w g a 和叠加马尔可夫链的新型组合预测方法，并且通过实例证 明它在负荷预测中有良好的效果。 1 2 负荷预测概述 1 2 1 负荷预测的概念和基本原则 负荷预测顾名思义就是对未来时刻的电力需求量或用电量进行预测。电力系 统负荷预测需要从历史的电力负荷、经济、社会、气象等一系列数据中，探寻电 1 电力系统中长期负荷预测方法研究与应用 力负荷的发展变化规律，探索电力负荷与各种相关因素之间的内在联系，从而预 计或判断其未来发展趋势，作出科学合理的预测。 负荷预测的基本原理有1 1 , 2 , 6 7 - 7 4 】： ( 1 ) 可知性原理 该原理是说预测对象的发展规律和未来的状况是可以为人们所认知的。客观 世界是可以被认识的，人类可以认识过去和现在，也可以根据过去和现在预测其 未来，同时预测的准确性和可靠性决定于掌握事物发展规律的程度。这是进行预 测活动的基本依据。 ， ( 2 ) 可能性原理 事物的发展是在许多种因素的作用下进行的，各因素的作用力不同将使事物 的发展变化有多种可能性。所以，对某一具体指标的预测，不能得出完全确定的 结果，只能对其可能性进行预测，预测中往往是预测其发展变化的多种可能性及 其出现的概率大小，得出最有可能出现的结果。 ( 3 ) 可控性原理 人类对事物未来的发展是可以影响和干预的，这就是预测的动机之一，通过 预测的未来信息j 在未来到来之前作出一定行动来影响事物的变化，使事物向着 符合人类利益的方向发展。 ( 4 ) 系统性原理 预测对象是一个完整的系统，既有本身的内在系统，又有外界与之联系的事 物构成的外在系统。这些系统组成一个完整的系统，影响着事物未来的发展，系 统中各个组成部分相互作用、相互影响，预测对象处在系统中与系统密不可分共 同发展。因此分析预测对象时不能脱离其所在的系统整体，不能让其孤立，只有 考虑了系统整体，才会有高质量的预测，才会有最佳的预测方案。 ( 5 ) 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，强调了事物的 变化是循序渐进的，事物的发展不会与其过去失去联系，事物发展变化过程中会 有某些原有特征保持下来，延续下去。电力系统中某些负荷指标以原有的趋势和 变化率发展下去正是存在惯性的表现。这种惯性正是我们进行负荷预测的主要依 据。因此，了解事物的过去和现在，并掌握其变化规律，就可以对其未来的发展 情况利用连续性原理进行预测。 ( 6 ) 相似性原理 不同事物间也存在着相似之处，人们就利用这种相似性进行预测。作为预测 对象的一个事物，其当前的发展过程和发展状况可能与另一先发展的事物的发展 过程和发展状况相类似，人们就根据已发展的事物的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。目前，预测技术中的类推法， 2 工 就是基于这个原理的预测方法。 ( 7 ) 相关性原理 任何事物的发展变化都与其他事物之间存在相互的联系，相互的影响，这就 是相关性，如电力系统受天气变化影响，与经济发展相互影响等。基于相关性原 理，产生了相关预测技术。 ( 8 ) 概率性原理 又称统计原理。预测量的历史行为中必然包含着一定的随机因素，而且还有 很多难以量化的相关因素。对这些，我们只能从统计规律上来分析预测对象，需 要尽量从不确定结果中提出确定结论，这就要需要应用概率推断原理。例如，定 量预测中的置信区间就是一个代表。 ( 9 ) 反馈性原理 预测的反馈性原理实际上就是让输出与输入相互调节，把输出反馈给输入， 影响输入来改变输出，以提高预测的准确性。在预测中，当预测的结果和实际值 存在着差距时，可利用这个差距，对远期预测值进行反馈调节，以提高预测的准 确性。进行反馈调节时，首先分析预测值和实际值之间产生差距的原因及规律， 然后适当改变输入数据，进行反馈，调节远期预测结果。反馈预测实际上就是将 预测的理论值和实际值相结合，在实践中检验理论，调整和完善理论，提高预测 质量。 1 2 2 负荷预测的分类 ( 1 ) 按时间分类【1 - 3 , 6 , 6 7 】 电力负荷预测中最常用的是按照时间期限进行分类，一般分为长期、中期、 短期和超短期。长期负荷预测通常指以年为单位的1 0 年以上期限的负荷预测，中 期负荷预测主要预测未来5 年内的负荷的变化，长期和中期负荷预测通常合称为 中长期负荷预测，主要用来帮助制定电源发展规划和电网发展规划；短期预测主 要指一年以内期限的负荷预测，用于合理安排大修计划以及电厂的经济运行；超 短期负荷预测则是预测未来几小时甚至几分钟的负荷变化，主要用于对电网进行 实时控制，实现发电容量的合理调度，满足给定的运行要求，同时使发电成本最 低。 ( 2 ) 负荷预测按行业分类 负荷预测按行业可分为城市民用负荷、商用负荷、农村负荷、工业负荷以及 其它负荷的负荷预测【1 , 2 , 6 】。城市民用负荷预测主要指城市居民日常生活用电负荷 预测；商业负荷预测和工业负荷预测是指各自对商业与工业服务的负荷进行预测； 农村负荷预测是指广大农村所有负荷( 包括农村生活用电、生产用电以及商业用电 等) 的预测：而其它负荷预测则包括市政、政府办公、铁路交通、国防等行业用电 电力系统中长期负荷预测方法研究与应用 负荷的预测。 ( 3 ) 负荷预测按特性分类 按照负荷预测表示的特性，又可分为最高负荷，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。 1 2 3 负荷预测的特点 负荷预测经历了许多代人的研究与发展，并与最新的数学、工程学的研究成 果相结合，到今天拥有了较为成熟的思路方法和经验，总结起来也就形成了现代 负荷预测的特征。掌握这些特征将对负荷预测的进一步研究和发展提供更明确的 思路与方法。 现代负荷预测归纳起来有以下几个明显的特点【1 , 7 0 - 7 4 】： ( 1 ) 不准确性：电力负荷未来的发展受到多种复杂因素的影响，各种影响因 素也在不断变化，不光有随机状况还可能发生一些突发性的状况，这使得电力负 荷未来的发展也是不能肯定的，这使得预测结果是不完全准确的。 ( 2 ) 条件性：负荷预测都是在一定条件下作出的。预测时，由于未来的不确 定性就需要添加一些假设条件，如可假设在某一时间段内，国家政策不会有大的 变动，不会发生大的自然灾害，经济以现有势头继续增长等。假设也不能随意凭 空产生，而应根据调查分析，以出现概率最大的情况作为假设情况。 ( 3 ) 时间性：负荷预测都是有实效性的，负荷的某一发展规律也只存在于一 定的时间范围内，因此负荷预测时的历史数据应选取在特定的时间范围内的数据， 所预测的对象也只能是在某一时间范围内的。 ( 4 ) 多方案性：根据可能性原理，电力负荷在未来存在多种可能性，因此有 时需要考虑在不同条件下电力负荷可能出现的各种状况，得到各种条件下不同的 预测方案。 1 2 4 负荷预测的基本要求 由于影响电力负荷预测因素较多，每种负荷预测的方法自身存在着某些不确 定性。负荷预测的核心是根据预测对象的历史资料，建立数学模型来表述其发展 变化规律，得到合理、可信的预测结果，因此，需要满足以下五个方面的要求【2 , 3 , 6 7 】： ( 1 ) 基础资料的合理性 负荷预测是根据预测对象的历史资料，建立数学模型来表述其发展变化规律， 得到合理、可信的预测结果。因此，要科学的进行负荷预测，就需要获得全面、 准确、合理的资料，并进行分析和整理，这是电力系统负荷预测的基础。 ( 2 ) 历史数据的可用性 如果数据之间存在矛盾，就要对数据进行分析与取舍，排除数据中的错误数 4 工程硕士学位论文 据、误差较大的数据和“异常数据 某些特殊原因影响较大的统计数据， 必须排除。 。“异常数据 是受到历史上的突发事件或 给正常历史序列带来较大的随机干扰，因此 ( 3 ) 统计分析的全面性 预测者应该对历史资料进行客观全面的统计分析。从客观情况出发，实事求 是的研究和分析历史发展的内在规律，为预测工作打好基础。 ( 4 ) 预测手段的先进性 包括预测工具的先进性和预测理论的先进性。采用计算机进行统计分析和预 测计算，可以极大减少预测人员的工作量。发展和使用新的预测方法，使电力系 统负荷预测达到更高的水平。 ( 5 ) 预测方法的适应性 包括预测方法能适应预测量发展变化规律的多样性，预测模型能根据预测效 果不断进行自适应调整，将多种预测模型进行组合得到精度更高的综合模型，本文 就将提出一种新的组合预测模型。 1 2 5 负荷预测的基本理念 ( 1 ) “近大远小 6 7 , 6 8 , 7 0 】 因为通常情况下，事物某个时刻的状况与近期事件和近期规律的关联性大， 与时间距离较远的事件和规律的关联性相对要小。因此在负荷预测中要把近期和 远期的数据区别对待，更加突出近期数据的预测作用。 ( 2 ) 尽量简单 在同等条件下，简单模型优于复杂模型。简单模型不仅参数容易估计，结 果易于计算，原理也易于解释。因此，在同等情况下，优先使用简单易懂的模型。 ( 3 ) 重视负荷成因分析 在负荷预测工作中切记不要把负荷数据当做纯粹的数字看待，把负荷预测工 作看成纯粹的数学工作。要从电力系统的角度出发，进行电力负荷本身内在规律 的研究，重视对负荷变化原因的分析，这样才能使负荷预测越做越好。 ( 4 ) 区分拟合和预测 拟合最佳并不一定就是预测最佳，因此在预测中不能一味地用很复杂的数学 模型去追求精度更高的拟合效果，而要从实际出发，选择最合适的模型。 ( 5 ) 综合预测 不同的预测方法有不同的特点，而负荷本身的变化是复杂多变的，很难用单 一的模型描述，很难有永远效果都好的预测方法，各预测方法的长处在不同的情 况下将发挥出来。我们如果综合多种预测方法来进行预测，就可以取长补短，发 挥各预测方法的优势，也降低了单个预测方法在遇到不适合的情况时带来的风险。 组合预测法就是综合预测理念的表现乜1 。 气 电力系统中长期负荷预测方法研究与应用 1 2 6 影响负荷预测的主要因素 影响电力负荷的因素是负荷预测时需要考虑的，最主要的因素概括如下l 4 6 j ： ( 1 ) 经济发展速度和经济结构变化： ( 2 ) 电价影响( 包括分时电价、可中断电价、差别电价等) ； ( 3 ) 居民收入水平、消费水平； ( 4 ) 电力消费结构； ( 5 ) 需求侧管理措施( 包括移峰填谷、蓄能设备等) ； ( 6 ) 电力供应侧状况( 包括电力短缺状况、电网建设与配电网改造等) ； ( 7 ) 气候变化和自然灾害； ( 8 ) 政策因素( 如能源市场变化、环保要求、宏观产业结构调整等) 。 以上的各个因素对负荷影响的程度各有不同，其中最重要的是经济发展速度、 经济结构、电力消费结构、电价、生活水平等因素，这些因素对负荷的影响程