案例10：电力系统自动化系统

案例10：电力系统自动化系统

一、案例正文

电力自动化系统，包括调度自动化系统和配网自动化系统两部分。

它除了具有数据采集和监视控制(SCADA)基本功能外，还必须具有能

对电网的安全和经济运行进行计算、分析、管理和控制的高级应用软

件，一般称为PAS。

PAS主要包括网络建模、网络拓扑分析,状态估计，调度员潮流，

负荷预报，自动发电控制与经济调度，安全控制和培训仿真系统等。

PAS是建立在一定的数据源基础之上的，这些数据源包括：

(1)由SCADA采集来的量测数据，即系统运行的实时数据及运行

的历史数据；

(2)由人工输入的系统静态数据，如系统的发电机、变压器及线路

的参数等；

(3)计划数据，主要是未来时刻的计划行为数据，如预计负荷及检

修安排等。

1.1电力系统网络拓扑分析

1.1.1网络拓扑的定义及基本功能

网络拓扑(TOP)又称网络结构分析。系统网络随时可能变化，网

络拓扑分析的基本功能，就是根据断路器的开合状态(实时遥信信息)

和电网一次接线图，及时修正系统中各种元件(线路、变压器、母线段

等)的连接状况，将电网一次接线图转化成一种“拓扑”结构，即以

节点和支路来定义的结构，为其他各种应用做好准备。

在网络拓扑分析之前，需要进行网络建模。网络建模是将电网的

物理特性用数学模型来描述，以便用计算机进行分析。其中，电网的

数学模型包括发电机组、变压器、导线、电容器、负荷、断路器等。

网络建模用于建立和修改网络数据库，为其他应用如状态估计、潮流

计算等定义电网的网络结构。

网络模型分为物理模型和计算模型。物理模型(也称节点模型)

是对网络的原始描述计算模型(也称母线模型)与网络方程相联系，随

开关状态变化，用于网络分析计算。电力系统的分析计算是面向电气

节点(bus)的，而一个电气节点有时包括多个物理节点(node)。当电网

结构发生变化时，如一台断路器发生状态变位，则node与bus的对

应关系也随之变化c网络拓扑的任务就是通过实时检查电力系统中所

有元件的连接情况，将面向node的节点模型转化成面向bus的母线

模型，形成node与bus的对照表，为其他高级软件的应用做好准备。

网络拓扑根据断路器状态和电网元件关系，将网络物理模型转化

为计算用模型。运用堆栈原理，搜索网络图的树支，来判断支路的连

通状态，划分电网中的各“拓扑岛”。当电网解列时，拓扑分析仍可

给出各子系统的拓扑结构。

此外，用拓扑结果可标出电网元件的带电部分和停电部分，并跟

踪着色，用直观方式表示网络元件的运行状态和网络接线的连通性。

EMS中的网络拓扑分析也可用于研究模式。

网络拓扑分析是其他高级应用软件的基础，应有可靠、方便、快

速特点。

网络拓扑程序可召唤启动或由厂站开关变位事件驱动。先检查开

关变位标志，对变位门站的所有断路器、隔离开关进行扫描，以进行

电气节点分析。完成所有厂站的电气节点分析后，再对所有线路进行

扫描，确定系统的连通状态。最终建立一个可供状态估计及其他在程

序应用的完整的网络模型。TOP的数据来源于数据库，分析结果也存

在共享数据库中。

1.1.2节点编号优化和节点Y阵建立

电网的数学模型包括节点电压方程和回路电流方程等，其中以节

点导纳矩阵（Y阵）表示的节点电压方程在电力潮流计算中广泛使用。

为计算上的方便和节约程序内存占用量，需个建立了阵因子表。为尽

量减少Y阵因子表的“注入元素”，需对节点编号进行优化。经节点

编号优化后建立的Y阵非常稀疏（即大量元素为0）,其因子表也同

样稀疏。Y阵数据从存放到使用，都应用了节约程序内存的稀疏矩阵

技术。

节点编号优化软件采用静态优化法。因为用动态优化法相应的编

程比静态优化法复杂许多，而能够进一步减少的注入元素数量却有限。

1.2电力系统状态估计

电力系统状态估计是电力系统高级应用软件的一个模块（程序）。

许多安全和经济方面的功能都要用可靠数据集作为输入数据集，而可

靠数据集就是状态估计程序的输出结果。所以，状态估计是一切高级

应用软件的基础，真正的能量管理系统必须有状态估计功能。

1.2.1必要性

SCADA系统收集了全网的实时数据汇成实时数据库一SCADA

数据库。SCADA数据库存在下列明显缺点。

(1)数据不齐全

为了使收集的数据齐全，需在电力系统的所有厂站都设置RTU,

并采集系统所有节点和支路的运行参数。这将使RTU、远动通道和变

送器的数量大大增加，而这些设备价格相当昂贵。实际情况是仅有部

分重要厂站设置了RTU,而有时RTU或信道还会故障。这样就总有

一些节点或支路的运行参数不能被量测到，造成数据收集不全。

(2)数据不精确

数据采集和传送的每个环节(如TA、TV、A/D转换等)都会产

生误差。这些误差有时使相关的数据变得相互矛盾，且其差值之大甚

至使人不便取舍。

(3)受干扰时会出现不良数据

干扰总是存在的。尽管已经采取了滤波和抗干扰编码等措施，减

少了出现错误的次数，但个别错误数据的出现仍不能避免。这种错误

数据不是误差，而是完全不合道理的数据。

(4)数据不和谐是指数据相互之间不符合建立数学模型所依据的

基木物理学定律。原因有二：一是前述各项误差所致，二是各项数据

可能不是同一时刻采样得到。数据的不和谐影响了各种高级应用软件

的计算分析。

由于SACDA系统收集的实时数据有以上缺点，因而必须找到一

种方法，能够把不齐全的数据“填平补齐”，不精确的数据“去粗取

精”，挑出错误的数据“去伪存真”，使整个数据系统“严密和谐”，质

量和可靠性得到提高。这种方法就是状态估计。

122功能

“状态估计”是一种计算机程序，有时也按硬件的说法称其为“状

态估计器”。状态估计能实现以下功能：

(1)根据网络方程和最佳估计准则(一般为最小二乘准则)，利用实

时网络拓扑结果，对生数据(即SCADA实时采集的断面数据)进行

计算,得到最接近系统真实状态的最佳估计值,给出电网和谐、完整、

准确的运行潮流断面数据。

(2)进行不良数据(或叫坏数据)的检测、辨识、改正或删除，提高

数据的可靠性。

(3)推算出齐全精确的电力系统运行参数，例如根据相邻变电站

的遥测，推算出某未装RTU变电站的各种运行参数；或者根据现有

类型的遥测量，推算出另外类型的难于量测的运行参数，例如根据有

功功率测值推算各节点电压的相位角。

(4)根据遥测量估计电网实际结构，纠正偶尔的开关状态遥信错

误，保证数据库中电网结构数据的正确性。状态估计的这种功能被称

为网络接线辨识或开关状态辨识。

(5)对某些可疑或未知的设备参数，也可以估计出它们的值。例如

有载调压变压器分接头位置信号没有传送到调度中心时•，就可以把它

估计出来。根据掌握的运行数据，也可以估计某些未知网络(“黑箱”)

的参数。状态估计的这种用法，称为参数估计。

(6)可应用状态估计算法，以现有数据预测未来的趋势和可能出

现的状态，如电力系统负荷预测和水库来水预测等。

(7)可以通过状态估计，确定合理的测点数量和合理的测点分布。

将新增的量测设置在关键点，全面优化量测配置，既达到较好量测指

标，乂使付出的成本最小。

综上所述，电力系统状态估计程序输入的是低精度、不完整、不

和谐、偶尔还有坏数据的“生数据”；输出的则是精度高、完整、和

谐、可靠的数据，由这样的数据组成的数据库，称为“可靠数据库”。

电网调度自动化系统的许多高级应用软件，都以可靠数据库的数据为

基础。因此，状态估计有时被誉为应用软件的“心脏”，可见这一功

能的重要程度。

1.2.3基本原理

(1)测量的冗余度

状态估计算法必须建立在实时测量系统有较大冗余度的基础之

上。对那些不随时间而变化的量，为消除测量数据的误差，常用的方

法就是多次重复测量。测量的次数越多，它们的平均值就越接近真值。

但在电力系统中不能采用上述方法，因为电力系统运行参数属于

时变参数。消除或减少时变参数测量误差，必须利用一次采样得到的

一组有多余的测量值。多余的测量值越多，状态估计得越准，但是会

造成在测点及通道上的投资越多。一般要求是：

测量系统的冗余度二系统独立测量数/系统状态变量数=1.5〜3。

系统状态变量，是指表征电力系统特征所需的最小数目变量，状

态变量一般取各节点电压幅值及其相位角。若有N个节点，则有2N

个状态变量。由于可以设某一节点电压相角为零(电压参考点)，所以

对一个电力系统，其未知的状态变量数为2N-K图1为电力系统状

(2)状态估计的步骤

①假定数学模型

假设数学模型指在没有结构误差、参数误差和不良数据的假定条

件下，在相互和谐的数据间，建立符合物理学定律的数学模型。状态

估计可选用的数学方法有加权最小二乘法、快速分解法、正交化法和

混合法等。目前电力系统用的较多的是加权最小二乘法。对电力系统

的测量值可选取母线注入功率、支路功率和母线电压数值。量测不足

之处可使用预报和计划型的“伪测量”，同时将其权重设置得较小，

以降低其对估计结果的影响。另外，无源母线上的零注入量测和零阻

抗支路上的零电压量测，也可以作为量测量，这样的量测可靠，可取

较大的权重。

②状态估计计算

根据所选定的数学方法，计算出使“残差”最小的全部状态变量

估计值，这就是状态估计计算的内容。所谓残差，就是各实际量测值

与其相应的估计值之差。

③检测

检查有无不良测值混入或结构错误，如无，此次估计即告完成,

如有，转入下一步。

④识别

识别，又称辨识，是确定具体的不良数据或网络结构错误信息的

过程。在除去或修E已识别出来的不良测值和结构错误后，需要重新

进行第二次状态估计计算，这样反复迭代估计，直至没有不良数据或

结构错误为止。

图2是状态估计的四个步骤及相互关系。由图中可见量测值在输

入前还要经过前置滤波和极限值检查。因为一些很大的测量误差，只

要采用一些简单的方法和很少的加工就可轻易地排除。例如，对输入

的节点功率可进行极限值检验和功率平衡检验，这样就可提高状态估

计的速度和精度。

图2状态估计的步骤

(3)不良数据的检测方法

没有不良数据的检测与识别，状态估计将无法投入在线实际应用。

当有不良数据出现时，必然会使目标函数J大大偏离正常范围，这种

现象可以用来发现不良数据。为此可把状态估计值代入目标函数中，

求出目标函数的值，如果大于某一“门槛值”，即可认为存在不良数

据当然，确定各地电网J的“门槛值”，不是一件容易的事。

(4)不良数据的识别方法

发现有不良数据就要找到不良数据。对于单个不良数据的情况，

一个最简单的方法就是逐个试探。例如把第一个测量值去掉，重新估

计，若正好这个测量值是不良数据・，去掉后再检查J值时就会变为合

格；如是正常数据，去掉后值肯定还是不合格，这时就把第一个测量

值补回，再去掉第二个测量值。如此逐个搜索，定会找到不良数据。

至于存在多个相关不良数据的辨识，就要复杂多了，目前还没有特别

有效的辨识办法。

124状态估计的程序框图

图3电力系统状态估计程序框图

(1)没有出现不良数据时的情况

首先由调度项目时间程序1(状态估计一般每5min执行一次)

向控制器3发出执行状态估计的指令，控制器在接到指令后即将状态

估计程序投入运行。先由框4根据遥信信号判断系统接线有无改变。

如无改变，则信号进入框5。在框5中，要将新的一组遥测值与前一

组遥测值进行比较，若差值未超过预先设定的槛值，则视为系统状态

无变化而没有新数据如果经比较后发现已超过门槛值，说明系统运行

参数已发生变化，就转入框7以计算最小二乘法的目标函数J,计算

结果进入框8检验了是否合格。若合格，则在框6显示运行状态。

如果系统接线发生改变，则由框4转人框10,即按照新的系统

接线图修改原有的状态方程组。然后按修改后的方案进入框11,进行

系统当时运行状态的估计计算，估计得结果在框5中比较，由于开关

变位故此组数据显然会与前一组数据不同，所以也是先进入框7,然后

到框8而后到框6。

(2)出现不良数据时的情况

①个别遥测设备失灵

遥测设备失灵造成的不良数据是个别的，且误差率很大，而此时

其他的遥测量都较好，这样计算的结果会使总的目标函数增大，并经

框8中检验不合格后进入框9。框9的功能是检错与识别，当不良数

据个数较少时，可以把不良数据找到并剔除(由于有冗余度，剔除个

别不良数据后仍然可以估计)。然后进入框1(),把不良数据相应的方

程式也剔除后，进入框11,根据剩下的量测量进行一次估计，得出全

部的状态估计值(也包括刚才被剔除的量测量)，经框5、框7、框8

后到框6显示出来

②个别遥信设备失灵

个别遥信设备失灵导致遥信信号出错。例如某条线路开关已经跳

闸但传到调度中心的遥信信号仍然为合闸状态，这时就有一大批测量

数据被误认为是“不良数据:此时，测量数据仍然由框4输入框5,

经框7、框8到框9,剔除任何遥测数据后进行估计，J肯定仍不合

格，这时可令框10自动试探“断开”某条线路来修改结构，然后再

进行估计，若不行再试探第二条“线路”断开，再估计。直到经框8

检验合格后，最后一次试探“断开”的线路，就是遥信失灵之所在。找

出遥信信号失灵的原因并进行改正，这样即可将正确的开关状态显示

出来。

电力系统运行状态估计框图有很多种,上面仅举一个例子来说明

状态估计的步骤及其相互关系。一个良好的状态估计程序应该具有下

列特点：

(1)快速，可靠，收敛性好。程序执行时间短且占用计算机内存较

少。

(2)正确和有效在给定测量误差的统计特性条件下，计算结果正

确有效。

(3)方便灵活。可方便地适应网络结构的变化，灵活处理任何类型

测量数据的组合。当增加或删除某些测量点时，不需要修改程序。量

测的项目一般为变电站母线电压U、出线的有功功率P和无功功率

Qo

125状态估计的矩阵算法

实际电力系统中通常有成百上千个节点，必须借助计算机来进行

矩阵计算。

(1)状态估计数学模型

状态估计的数学模型是基于反映网络结构、线路参数、状态变量

和实时量测之间相互关系的量测方程。

量测量包括线路功率、线路电流、节点功率、节点电流和节点电

压等。状态量包括节点电压幅值和相角。状态估计的量测方程为

z=h(x)+v(1)

式中Z一—量测量列向量，维数为m;

x——状态向量，若母线数为则x的维数为2亿即每个节

点有电压幅值和相角;

h(x)——基于基尔霍夫定律建立的量测函数方程，其数目与量测

向量一致，m维；

v——量测误差，m维。

与潮流计算不同，状态估计中对应于状态量的量测量通常有冗余

度，状态估计正是利用量测量的冗余来辨识不良数据的。

(2)状态估计算法

求解状态向量工时，大多使用极大似然估计，即求解的状态向量

x使量测值z被观测到的可能性最大。一般使用加权最小二乘法准则

来求解，并假设量测量服从正态分布。量测向量z给定以后，状态估

计向量x是使量测量加权残差平方和达到最小的"的值，即

式中Ri一一mx〃维对角阵，其对角元素为量测的加权因子(可采用

量测方差的倒数)。

版X)是x的非线性向量，不能直接计算x,可采用迭代算法求解。

对Mx)进行线性化假设后，得到状态估计的迭代修正公式为

Ax=[HT(x)R^H(x)R-H(x)[z-h(x)](3)

Ax<Zd，(4)

式中I——迭代序号；

△J"'——第/次迭代的状态修正向量；

H一一量测方程的雅可比矩阵。

按照式⑶进行迭代修正，直到目标函数J(”>)接近于最小值为止,

可采用相应的收敛判据来判断收敛与否。

状态估计算法需要求解迭代式(4)的增量V。Ax可由式(3)得到。

式(3)可以简写为

G(x)Ax=HT(x)R'/^z(5)

其中,^z=z-h(x),G(x)=H7(x)RT"(x)称为信息矩阵。

状态估计不同算法表现在求解式(5)的不同。比较常用的是最小

二乘法，是对信息矩阵进行因子分解，然后采用前代回代方

法求解式(5)。

(3洪他一些问题的处理

①变压器分接头的处理

变压器分接头位置发生错误会影响电力系统分析计算，所以需对

重要变压器的分接头位置进行估计。通常将其扩展到状态变量中进行

估计。也可将分接头估计与状态估计分开进行，利用变压器局部量测

的冗余度估计分接头位置。

②网络拓扑错误的检测和辨识

网络拓扑错误主要由遥信量错误造成，分为支路拓扑错误和厂站

母线错误两种。处理这类错误的方法有基于残差分析方法，增广状态

估计法，人工智能和基于正则信息量法等。

③线路参数错误的处理

线路参数错误处理：一种方法是将可疑线路参数作为状态变量进

行增广状态估计，另一种方法是用残差灵敏度矩阵确定可疑支路，将

支路潮流作为状态变量，检测辨识和估计可疑参数。

1.3电力系统的负荷预测

1.3.1概述

能量管理系统(EMS)需要过去、现在(实时)和未来三类数据，负

荷预测是未来数据的主要来源。电网未来一个时段负荷变化的趋势和

特点，是电网调度部门必须掌握的基本信息。电力负荷预测是做好电

力系统实时控制、运行计划和发展规划的前提。要掌握电力生产的主

动，必先做好负荷预测。作为EMS的重要组成部分，负荷预测越来

越受到重视。过去负荷预测靠人工手算，现在则依据一个计算机程序

模块进行。

提高负荷预测精度，既能提高电力系统运行的安全性，也能提高

系统运行的经济性。提高SCADA精度的主要途径是硬件，而提高负

荷预测精度的主要途径却是软件。一套理想的完善的负荷预测软件,

应包含各种周期的预测功能，并有多种算法供用户选择，只要用户提

供足够详细的历史负荷数据，软件应能自动选择模型和最佳算法。

根据运用的目的和预测时间的不同，负荷预测可分为以下几种:

(1)长期负荷预测。用于规划电源和电网发展建设，需要数年至数

十年的负荷预测值例如预测今后20年逐年最大负荷值，使用对象是

电力系统规划工程师。

(2)中期负荷预测。确定下一年度水库调度、机组检修、电量交换

和燃料计划等，需要1月〜1年的负荷预测值，使用对象是编制中长

期运行方式计划的工程师。

(3)短期负荷预测，包括周负荷预测和日负荷预测。安排一周调度

计划、设备检修、水库调度等，需要1周的负荷预测值；安排日调度

计划，需要预测未来24h负荷变化曲线。主要用于开停机安排，如水

火电协调、火电分配、机组经济组合，负荷经济分配和联络线交换功

率计划等，使用对象是编制调度计划的工程师。

(4)超短期负荷预测。用于电能质量的实时控制，需要未来5-10s

的负荷预测值，用于电力系统安全监视，需要未来1〜5min负荷预

测值，用于预防性安全控制或紧急状态处理以及实时经济调度，需要

未来lOmin〜lh的负荷预测值。其使用对象是系统调度员

电力系统负荷预测又分为系统负荷预测和母线负荷预状态估计

测两类。EMS涉及的许多网络分析软件，如潮流计算等，需要用到系

统中每一母线的负荷值，而且同时需要有功负母线负荷预测系统负荷

预测负荷和无功负荷，所以母线负荷预测很有必要。图4所示为系统

/母线负荷预测与其他应用软件的关系框图。

图4系统/母线负荷预测与其他应用软件的关系框图

发电计划由超短期一短期一中期一长期组成的在线预测系统，其

源头是实时运行的超短期负荷预测，以秒或分为周期从SCADA取得

实时数据。短期预测又将平滑好的预测数据提供给长周期预测做原始

数据，并从长周期那里取得预测值做负荷升降拐点的参考，

母线负荷预测由系统负荷预测取得某一时刻系统负荷值，并将其

分配到每一母线之上。在系统负荷到每一母线负荷之间往往需再设

1〜2层负荷区，对某一时刻来说具有一套多层的分配系数，对不同的

时刻配有不同的分配系数，这样才能适应上下层之间负荷曲线的不一

致性，母线负荷分配系数由状态估计在线维护。

L3.2提高负荷预测精度的关键

精度是负荷预测的最重要指标。提高负荷预测精度的关键，首先

是对具体电力系统负荷变化规律的掌握，其次是选择合适的模型与算

法。一般来说，负荷预测软件的使用，要针对各个电网负荷变化特性

不同，有一个研究与改进的过程。要针对具体电网，总结出最符合实

际的负荷变化规律，研究负荷变化模型和选择算法，形成一套处理历

史数据的程序。

电网负荷数据可以看作由三种不同变化趋势的负荷分量组成：

(1)长期趋势分量，是负荷在较长的持续时间内某种发展总趋势

分量，即从长期来看，负荷数据连续增加(减少)或者平稳的趋势分量。

(2)周期性趋势分量，以天、周或年为周期而发生的周期性变动分

量。

(3)随机性分量，反映用户负荷的一些偶然性变化，如受气象条件

的变化而引起的变动。这种负荷分量变化快，没有确定的规律。

影响负荷变化的因素：

负荷变化模型中，影响负荷变化的主要有四种因素，即系统负荷

构成情况、负荷随时间变化规律、气象变化的影响及负荷随机波动状

况。

(1)系统负荷构成。系统负荷可分为城市民用负荷、商业负荷、工

'也负荷、农'也负荷及其他负荷等类型。不同类型负荷有不同的变化规

律，如随着家用电器的普及，居民负荷逐年提高、季节波动增大，尤

其空调在南方普及，使系统峰荷受气温影响越来越大；商业负荷主要

影响晚尖峰负荷，且随季节变化，工业负荷受气象影响较小，农业负

荷季节变化强，且与降水情况关系密切。一个地区往往含有几种类型

且比例不同的负荷。

(2)负荷随时间的变化规律。各类用电负荷随时间的变化规律各

不相同，由它们构成系统负荷也具有不同的变化规律。分析二段时间

的负荷历史记录，可以看出两种变化规律第一种是负荷逐渐增长的大

趋势，第二种是按日、周、月、年为周期的负荷变化规律。

(3)气象对负荷的影响。气象对负荷有明显的影响，冷热、晴阴、

降水和大风都会引起负荷的变化，但每个电网负荷对各种气象因素的

敏感程度是不相同的，这是负荷预测研究的重要内容，例如，东北地

区初冬的一次寒流会使负荷由南至北逐次漕加，南方夏季的台风路解

除各地的闷热天气，也使负荷逐次下降。

(4)负荷的随机波动。这是指某些未知的不确定因素引起的负变

化，随机波动负荷大小对每一电网是不相同的。对超短期负荷预测来

说，巨大的轧钢负荷属于随机扰动。

合理划分负荷预测模型的区域：

对于大型电力系统，负荷预测模型的区域划分是非常重要的。例

如，华中电网开始作为一个总体负荷预测区进行日负荷预测，精度较

低，后来分成四个负荷预测区（湖北、河南湖南、江西），分别采用不

同的模型预测，再合成华中电网总负荷，使预测精度大为提高。除按

地区划分之外，也可以按负荷类型来划分，这往往在母线负荷预测的

分层模型中采用，因为同一类型负荷的周期变化形状非常一致。

选择合适的负荷预测算法：

负荷预测模型确定了之后，进一步应确定采取何种负荷预测算法。

几十年来，人们把各种可能的算法均在负荷预测上试验过了，如线性

外推法、线性回归法、时间序列法、卡尔曼滤波法、人工神经网络法、

灰色系统法和专家系统法等。各种算法均有一定的适用场合，也可以

说，没有一个“放之四海而皆准”的算法。实际上，可以利用某一电

网的历史数据，采取试验比较法选择对该电网最有效的算法。而在精

度相近的条件下，则应选择比较简单的算法。表1所示为各种类型的

电力系统负荷预测一览。表中列出了各系统负荷预测的周期用途、模

型和一般算法。

表1各种类型的电力系统负荷预测一览

预测类型预测周期用途模型算法

①，②，③，

超短期数分至数小时AGC,安全监视线性

④

机组、水电、交换线性X周

短期日.月①,②，④

计划期

水库、检修、燃料线性X周

中期年、月①,②，④

计划期

线性X周

长期多年发电、电网规划①,②，⑤

期

注：①线性外推法;②时间序列法;③卡尔曼滤波法；，④人工神经网络法；⑤灰色理论

法。

1.3.3负荷预测的数学方法

(1)线性回归法

线性回归法根据历史数据及一些影响负荷变化的因素来预测将

来的负荷值，主要采用多元线性回归模型建立负荷与影响因素之间的

关系，预测值可写为

Y(t)=々ZbiKi(t)(6)

/=0

式中丫⑺一一/时刻的预测负荷值；

屈⑺一一第i个影响负荷变化的因素在/时刻的取值；

。，6——回归系数。

由于影响电力系统负荷的因素很多，因此实际负荷预测时应根据

客观条件适当选择合适的因