电力负荷预测方法

电力负荷预测办法朋友们大家好，很愉快与大家分享一下电力方面的知识。本节摘要是：负荷预测办法可分为拟定性负荷预测办法和不拟定性负荷预测办法。拟定性负荷预测办法是把电力负荷预测用一种或一组方程来描述，电力负荷与变量之间有明确的一一对应关系，涉及时间序列预测法、回归分析法、典型技术预测法、趋势外推预测法等。不拟定性预测办法基于类比对应等关系进行推理预测的，涉及灰色理论预测法、专家系统法、含糊预测法、神经网络法、小波分析预测法等。核心字：电力负荷预测办法...负荷预测是电力系统调度的一种重要构成部分，是电力交易的重要数据源，也是电力系统经济运行的基础,任何时候,电力负荷预测对电力系统规划和运行都极其重要。近几年，随着我国电力供需矛盾的突出集电力工业市场化运行机制的推行，电力负荷预测的精确度有待进一步提高。负荷预测办法可分为拟定性负荷预测办法和不拟定性负荷预测办法。拟定性负荷预测办法是把电力负荷预测用一种或一组方程来描述，电力负荷与变量之间有明确的一一对应关系，涉及时间序列预测法、回归分析法、典型技术预测法、趋势外推预测法等。而为理解决实际电力负荷发展变化规律非常复杂不能用简朴的显式数学方程来描述期间的对应和有关这一问题，许多专家学者通过不懈努力，把许多新的办法和理论引入到负荷预测中来，产生了一类基于类比对应等关系进行推理预测的不拟定性预测办法。涉及灰色理论预测法、专家系统法、含糊预测法、神经网络法、小波分析预测法等。<一>拟定性负荷预测办法一、时间序列预测法时间序列分析法运用了电力负荷变动的惯性特性和时间上的延续性，通过对历史数据时间序列的分析解决，拟定其基本特性和变化规律，预测将来负荷。时间序列预测是根据电力负荷的历史数据建立一种时间序列的数学模型，通过时间序列的数学模型能够描述这个时间序列变换的规律性，同时在数学模型的基础上建立电力负荷预测的数学体现式，并对将来的负荷进行预测。电力负荷时间序列预测办法重要涉及自回归AR（p）模型、滑动平均MA（q）模型和自回归与滑动平均ARMA（p，q）模型等。按照解决办法不同，时间序列法分为拟定时间序列分析法和随机时间序列分析法。时间序列模型的缺点在于不能充足运用对负荷性能有很大影响的气候信息和其它因素，造成了预报的不精确和数据的不稳定。该预测办法有个基本假定，即负荷过去的变化规律会持续到将来，因此当研究对象在所选时间序列内有特殊变化段，无适应性规律可言时该预测办法不成立。二、回归分析法回归分析法就是根据负荷过去的历史资料，建立能够分析的数学模型，对将来的负荷进行预测。从数学上看，就是运用数理统计中的回归分析办法，通过对变量的观察数据进行分析，拟定变量之间的互有关系，从而实现预测目的。回归分析涉及一元线性、多元线性和非线性回归法。一元线性回归方程以y=a＋bx表达，其中x为自变量，x为因变量；a，b为回归系数。多元线性回归方程为y=a0＋a1x1十a2x2＋…十anxn。非线性回归方程因变量与自变量不是线性关系，如y=aebx等，但许多通过变换后仍可转换为线性回归方程。根据实际计算的状况，模型并非越多越好。有的模型虽对历史数据拟合得较好，但并不适宜用作预测，如高次多项式。用回归法预测负荷时，若取用过去若干年的历史资料正处在发展上涨快的时期，则预测将来越来越快，反之，若取用下降时，则预测将来越来越慢。这种数学模型含有原理简朴，计算速度快，精度高的特点，在中短期的电力负荷预测中应用较为广泛。但其重要缺点为：规划水平年的工农业总产值无法统计，并且采用这种办法能够预测出综合用电负荷的水平，但无法实现对各供电区域负荷水平，因此无法进行电网建设的规划。三、典型技术预测法1、单耗法单耗法是根据第一、二、三产业每单位用电量发明的经济价值，从预测经济指标推算用电需求量，加上居民生活用电量，构成全社会用电量。预测时，通过对过去的单位产值耗电量进行统计分析，并结合产业构造调节，找出一定的规律，预测规划期的一、二、三产业的综合单耗，然后按国民经济和社会发展规划的指标，按单耗进行预测。这个办法是根据预测期的产品产量（或产值）和用电单耗计算需要的用电量，即Ah＝QiUi式中Ah—某行业预测期的需电量；Ui—多个产品（产值）用电单耗；Qi—多个产品产量（或产值）。当分别算出各行业的需用电量之后，把它们相加，就能够得到全部行业的需用电量。这个办法合用于工业比重大的系统。单耗法的优点是办法简朴，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，很难反映当代经济、政治、气候等条件的影响。2、负荷密度法负荷密度普通以kW/km2表达。不同地区、不同功效的区域，负荷密度是不同的。运用负荷密度法，普通要将预测区域分成若干功效区,如商业区、工业区、居住区、文教区等，然后根据区域的经济发展规划、人口规划、居民收入水平增加状况等，参考本地区或国内外类似地区的用电水平，选择一种适宜的负荷密度指标，推算功效区和整个预测区的用电负荷。计算公式是A=SD，其中S是土地面积，D是用电密度。该办法重要合用于土地规划比较明确的都市区域。3、弹性系数法电力弹性系数是反映电力消费的年平均增加率和国民经济的年平均增加率之间的关系的宏观指标。电力弹性系数能够用下面的公式来表达：E=Ky/Kx式中E-为电力弹性系数Ky-为电力消费年平均增加率Kx-为国民经济年平均增加率在市场经济条件下，电力弹性系数已经变得捉摸不定，并且随着科学技术的迅猛发展，节电技术和电力需求侧管理，电力与经济的关系急剧变化，电力需求与经济发展的变化步伐严重失调，使得弹性系数难以捉摸，使用弹性系数法预测电力需求难以得到满意的效果，应逐步淡化。四、趋势外推预测技术电力负荷虽有随机、不拟定的一面,但却有明显的变化和发展趋势。根据各行业负荷变化的规律,运用趋势外推技术进行负荷预测能够得到较为抱负的成果。外推法有线性趋势预测、对数趋势预测、二次曲线趋势预测、多项式趋势预测、季节型预测和累计预测等办法。外推法的优点是只需要历史数据、所需的数据量较少。<二>不拟定性预测办法1、灰色理论预测法所谓灰色系统是指信息部分明确、部分不明确的系统。灰色系统理论就是运用了部分明确的信息，通过形成必要的有限序列和微分方程，谋求各参数间的规律，从而推出不明确信息发展趋势的分析办法。灰色系统理论的形成是有过程的。早年邓聚龙专家从事控制理论和含糊系统的研究，获得了许多成果。后来，他接受了全国粮食预测的课题，为了搞好预测工作，他研究了概率统计追求大样本量，必须先懂得分布规律、发展趋势，而时间序列法只致力于数据的拟合，不重视规律的发展。邓专家但愿在可运用数据不多的状况下，找到了较长时期起作用的规律，于是进行了用少量数据做微分方程建模的研究。这一工作开始并不顺利，一时建立不起可供应的模型。后来，他将历史数据作了多个解决，找到了累加生成，发现累加生成曲线是近似的指数增加曲线，而指数增加正符合微分方程解的形式。在此基础上，进一步研究了离散函数光滑性，微分方程背景值、平射性等某些基本问题，同时也考虑了有限和无限的相对性，定义了指标集拓扑空间的灰导数，最后解决了微分方程的建模问题。在灰色模型中，最具普通意义的模型是由个变量的阶微分方程描述的模型，称为模型，作为一种特例的模型可用下式表达：式中，表达原始数据经累加后生成的新数列；称为模型的发展参数，反映及原始数列的发展趋势；称为模型的协调系数，反映数据间的变化关系。解上述微分方程，能够求得的预测模型为:以时间为序列的原始数据列是一种随机过程，有时未必平稳，因此要用数据累加，得到新的数据序列。通过解决后的新序列，其随机性被弱化了。该办法首先建立白化形式的微分方程，根据历史统计数据用最小二乘原理解得参数后，得到预测模型，按此模型就可进行预测。2、专家系统法专家系统是一种应用基于知识的程序设计方案建立起来的计算机系统，它拥有某个特殊领域专家的知识和经验，并能像专家那样运用这些知识，通过推理，在该领域内做出智能决策。因此，一种完整的专家系统是有四部分构成的，即知识库、推理机、知识获取部分和解释界面。专家系统办法是对于数据库里寄存的过去几年的负荷数据和天气数据等进行细致的分析，聚集有经验的负荷预测人员的知识，提取有关规则。借助专家系统，负荷预测人员能识别预测日所属的类型，考虑天气因素对负荷预测的影响，按照一定的推理进行负荷预测专家系统技术用于中长久负荷预测时，能对所收集整顿的常规的预测模型逐个进行评定决策，快速地做出最佳预测成果，避免了人工推理的繁琐和人为差错的出现，克服以往用单一模型进行预测的片面性缺点，但是对其提取有关规则较为困难，另外必须对数年的数据进行调查、分析、提取，将耗费大量的人力、物力和财力。专家系统是含有人类专家的知识和经验，能模拟人类专家的思维决策过程，对问题求解并给出相称于专家水平的答案的计算机程序。同含糊预测法相比，其不仅能将人类不可量化的经验进行转化，还含有较好的透明性和交互性，能解释其得出结论的理由，便于专家检查其推理过程中与否出错并进行对应的修改。但其运算速度较慢，缺少学习能力和运用含糊知识的能力，过分依赖规则，而规则本身不含有普遍适应性，预测模型不能推广到全部的系统。3、含糊预测法含糊控制技术是在系统的控制中加入含糊数学理论，使其进行拟定性工作，能够对某些无法建立数学模型的系统进行有效控制。含糊系统是一种非线性系统，不考虑计算过程，而是从输入输出的角度进行控制。对于一种非线性持续函数，含糊控制系统需要找出一类附属函数，一种推理规则和一种解含糊法，使设计的含糊系统能够逼近所控制的非线性函数。用于电力系统负荷预测的含糊办法有含糊分行业用电模型、含糊线性回归、含糊指数平滑、含糊聚类、含糊时间序列模型等，这些含糊负荷预测模型是在原有模型的基础上结合含糊理论形成新的预测模型，能够较好的解决带有含糊性的变量，解决了在负荷预测中存在大量的含糊信息的难题，提高了电力系统中长久负荷预测的精度。含糊预测办法不是根据历史数据的分析，而是考虑电力负荷与多因素的有关，将负荷与对应环境作为一种数据整体进行加工，得出负荷变化模式及对应环境因素特性。从而将待测年环境因素与各历史环境特性进行比较，得出所求的负荷增加率。下列是电力系统负荷预测几个基本的含糊办法：①含糊聚类法此办法采用电力负荷增加率作为被测量，调研后采用国内生产总值（GDP）、人口、农业总产值、工业总产值、人均国民收入、人均电力等因素的增加率作为影响电力负荷增加的环境因素，构成一种总体环境。通过对历史环境与历史电力负荷总体的分类和及分类特性、环境特性的建立，进一步由将来待测年份的环境因素对各历史类的环境特性的识别，来选出与之最为靠近的那类环境，得出所求电力负荷增加率。②含糊线性回归法该办法认为观察值和预计值之间的偏差是由系统的含糊性引发的。回归系数是含糊数预测的成果是带有一定含糊幅度的含糊数。含糊指数平滑法是指在指数平滑模型的基础上，将平滑系数含糊化，用指数平滑进行预测。这种办法含有算法简朴、计算速度快、预测精度高、预测误差小，特别在原始数据存在不拟定性和含糊性时，更含有优越性。③含糊相似优先比法该办法是用相似优先比来判断哪种环境因素发展特性与电力负荷的发展特性最为相似，选出优势因素后，通过待测年某因素与历史年相似因素的贴近度选出与待测年贴近度最大的历史年，并认为这样选中的历史年电力负荷特性与待测年的电力负荷特性相似，从而得出预测负荷值与含糊聚类办法相比，该办法把影响电力负荷的多个因素“简化”为一种重要因素，合用于某种特殊功效占主导地位的供电区域。④含糊最大贴近度法该办法的核心在于选定某种影响因素(如经济增加速度等)，通过比较所研究地区与各参考地区该因素靠近的程度，选中与其最为贴近的参考地区，认为该地区对应的电力负荷发展规律与所研究地区对应的电力负荷发展规律相似。该办法与前两种含糊办法相比，不需要待测地区的历史数据，也不必通过识别历史负荷数据的发展模式来进行预测因此不必进行历史数据修正就能够直接完毕预测工作同时，数据的收集和整顿也远比前两者方便。含糊预测法是基于含糊理论，将已有的工作的经验、历史的统计数据或将两者的综合以规则的形式体现出来，并转换成能够在计算机上运行的算法，进而完毕多个工作任务。相比人工神经网络，该办法能够比较明确地描述专家的意图，解决电力系统中许多不精确的、含糊的现象，还能够用于中长久负荷预测；但其学习能力较弱，受人为因素的影响较大。四、神经网络法神经网络是模仿人脑神经网络进行学习和解决问题的非线性系统。它由若干个含有并行运算功效的神经元节点及连接它们的对应的权值构成，通过激励函数实现输入变量到输出变量之间的非线性映射。神经网络法是一种不依赖于模型的办法，它比较适合那些含有不拟定性或高度非线性的对象，含有较强的适应和学习功效。用于负荷预测时，神经网络法运用神经网络能够任意逼进非线性系统的特性，对历史的负荷曲线进行拟合。神经网络含有大规模分布式并行解决、非线性、自组织、自学习、联想记忆等优良特性，其在电力领域的应用即使解决了负荷预测中传统办法未能解决的问题，但有时应用现有神经网络模型进行实际负荷预测时，预测精度还是难以达成规定。误差反向传输算法又称为BP法，提出一种简朴的三层人工神经网络模型，就能实现从输入到输出间非线性映射任何复杂函数关系。负荷预测中惯用的模型有Kohonen模型、BP模型、改善的BP模型、RBF神经网络等。从已知数据拟定权值是一种无约束最优化问题，典型的算法是BP法，对于前馈神经网络模型尚有诸多其它权值修正法。BP网络学习规则的指导思想:对网络权值和阈值的修正要沿着体现函数下降最快的方向-负梯度方向.其中是现在的权值和阈值矩阵,是现在体现函数的梯度,是学习速度。神经网络理论是运用神经网络的学习功效，让计算机学习包含在历史负荷数据中的映射关系，再运用这种映射关系预测将来负荷。由于该办法含有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场，但其缺点是学习收敛速度慢，可能收敛到局部最小点；并且知识体现困难，难以充足运用调度人员经验中存在的含糊知识。五、小波分析预测法小波分析是一种时域—频域分析办法,在时域和频域上同时含有良好的局部化性质。小波变换能将多个交错在一起的不同频率混合构成的信号,分解成不同频带上的块信息。对负荷序列进行正交小波变换,投影到不同的尺度上,各个尺度上的子序列分别代表原序列中不同“频域”的分量,可清晰地体现负荷序列的周期性。以此为基础,对不同的子负荷序列分别进行预测。由于各子序列周期性明显,采用周期自回归模型会得到更为精确的预测成果。最后,通过序列重组得到完整的小时负荷预测成果,它要比直接用原负荷序列进行预测来得精确。并且能根据信号频率高低自动调节采样的疏密，它容易捕获和分析微弱信号以及信号、图象的任意细小部分。其优于传统的Fourier分析的重要之处在于：能对不同的频率成分采用逐步精细的采样步长，从而能够聚焦到信号的任意细节，特别是对奇异信号很敏感，能较好的解决微弱或突变的信号，其目的是将一种信号的信息转化成小波系数，从而能够方便地加以解决、存储、传递、分析或被用于重建原始信号。这些优点决定了小波分析能够有效地应用于负荷预测问题的研究。<三>电力负荷预测办法综合与比较综上分析比较上述的几个预测办法，不拟定性负荷预测办法较拟定性预测精度上都有所改善。但是不拟定性负荷预测模型在应用中由于参数选用的不拟定性影响了它的预测精度，另首先，即使不拟定性负荷预测办法针对提高历史数据的