论文部分内容阅读
摘要：随着电力市场改革的逐渐深入，负荷预測是电力市场的基础，对其准确性的要求更为重要。文章系统地综述了负荷预測的分类、负荷模型、负荷预測的方法和其发展动态，并且分析了在电力市场环境下对负荷预測的新要求。
关键词：负荷预測；电力市场；时间序列法；回归分析法；人工神经网络法
中图分类号：TM715
文献标识码：A
文章编号：1009-2374(2011)22-0005-03
一、负荷预測的含义及意义
在社会发展过程中，电力工业是国民经济发展的基础产业，对整个国民经济的发展起着举足轻重的作用，电力市场需求、电力系统规划建设的基础、依据是负荷预測，其准确度直接影响到电力的投资、布局和网络运行的合理性和稳定性，因此。负荷预測在国民发展的规划中显得尤为重要。
在电力系统中，负荷指电力需求量或用电量。需求量是指能量随时问的变化率，即指功率。负荷预測包括两个方面的含义：对未来需求量的预測和用电量的预測。电力负荷的准确预測是不仅是电力系统安全运行的前提，还是电力市场分析的基础，对电力生产和国民经济都有重要意义，随着我国电力事业的不断发展，高质量、高效率的电网管理已经受到国家和电力部门的高度重视，高质量的电力负荷预測问题研究已经成为现代电力系统运行研究的重要课题之一。
二、电力负荷预測
(一)负荷预測的分类
电力负荷预測按期限不同可以分为年度预測、月度预測和日度预測，从大的方面来分类，也可以分为长期、中期、短期和超短期负荷预測。长期预測大概为30年；中期预測为5-6年；短期预測是指几个月、几周、几天、几小时甚至更短；超短期预測一般指小时级或分钟级的预測。
(二)负荷预測的模型
电力系统总负荷预測模型一般可以按四个分量模型描述为L(t)=B(t)+W(t)+s(t)+V(t)．L为时刻t的系统总负荷；B为时刻t的基本正常负荷分量；w为时刻t的天气敏感负荷分量；s为时刻t的特别时间负荷分量；V为时刻t的随机负荷分量。对于中长期负荷预測来说，E呈明显增长趋势的周期性变化，对于短期来说，B一般呈周期性变化；对于超短期负荷预測，B近似线性变化。
由以上可见不同的预測周期，B的内涵有不同的内涵，而对于基本正常负荷分量，可以用线性变化模型和周期变化模型描述。线性变化模型是将前面时刻的负荷描述成一条直线，其延长线即可预測下一时刻的负荷；周期变化模型，是用来反应负荷有按日、月、年得周期变化特性。
(三)负荷预測方法
电力负荷预測按预測方法可以分为经典预測方法和现代预測方法。
1．经典预測方法分为趋势分析法，时间序列法，回归分析法。
趋势分析法是指根据若干历史资料来拟合一条能反映负荷本身的增长趋势曲线，之后再根据这个增长趋势曲线，根据未来某一点估计出该时刻的负荷预測值。主要有有线性趋势模型、线性趋势模型、多项式趋势模型、对数趋势模型、指数趋势模型、幂函数趋势模型、逻辑斯蒂(Logistic)模型、龚伯茨(Gompertz)模型等模型。但是，只有符合以下两个条件时才能正确应用趋势分析法：一是负荷并未呈现跳跃式变化趋势，二是负荷发展因素不变或变化较小。对于趋势分析法的应用来说，选择合适趋势模型至关重要，选择趋势模型的方法有两种，一是图形识别法，二是差分法。大多数情况下，能够选择好适当的趋势曲线，能够预測出较好的结果。其中的关键在于，人们要根据地区发展的不同情况，来选择合适的模型。
时间序列法是目前电力系统短期负荷预測中发展较为成熟的算法，是根据负荷的历史数据的一个时间系列，建立描述电力负荷随时问变化的数学模型，在该模型的摹础上确立负荷预測的表达式，并对未来负荷进行预測。时间序列方法优点是所需数据少，工作量小；计算速度较快；反映了负荷近期变化的连续性。时间序列方法存在的不足是建模过程比较复杂，需要较高的理论知识；该模型对原始时间序列的平稳性要求较高，只适用于负荷变化比较均匀的短期预測；没有考虑影响负荷变化的因素，对不确定性因素(如天气、节假日等)考虑不足，当天气变化较大或遇到节假日时，该模型预測误差较大。
回归分析法是根据历史数据的变化规律和影响负荷变化的因素，寻找自变量与因变量之间的相关关系及其回归方程式，确定模型参数，据此推断将来时刻的负荷值。回归分析法的优点是计算原理和结构形式简单，预測速度快，外推性能好，对于历史上没有出现的情况有较好的预測。存在的不足是对历史数据要求较高，采用线性方法描述比较复杂的问题，结构形式过于简单，精度较低；该模型无法详细描述各种影响负荷的因素，模型初始化难度较大，需要丰富的经验和较高的技巧。
2．现代预測方法是基于非参数模型的，主要采用专家系统、灰色系统、模糊逻辑和人工神经网络理论建立的方法。
专家系统预測法是一个用基于专家知识的程序设计方法建立起来的计算机系统(在现阶段主要表现为计算机软件系统)，它拥有某个特殊领域内专家的知识和经验，并能像专家那样运用这些知识，通过推理在某个领域内作出智能决策，所以，一个完整的专家系统由4个部分组成：知识库、推理机、知识获取部分和解释界面。专家系统技术应用到负荷预測上，可以克服单一算法的片面性；同时全过程的程序化，使本方法还具有快速决断的优点。此方法虽然有较广泛的使用前景，但由于预測专家比较缺乏，预測过程容易出现人为差错，在建数据库及将专家经验转化为数学规则时存在一系列的困难。目前，此方法在实践中应用不广泛。
灰色系统预測法是利用部分明确信息，通过形成必要的有限数列和微分方程，寻求各参数间的规律，从而推出不明确信息发展趋势的分析方法。灰色预測又称GM模型。GM(1，N)表示一阶的N变量的微分方程模型，GM(1，1)则是一阶一个变量的微分方程模型，灰色预測模型的优点是，建模时不需要计算统计特性量，从理论上讲，可以适用于任何非线性变化的负荷指标预測；不足之处是，其微分方程指数解比较适合于具有指数增长趋势的负荷指标，对于具有其它趋势的指标则拟合灰度较大，精度难以提高。
模糊逻辑预測法是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的非线性智能控制，它基于模糊推理，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制。它是模糊数学同控制理论相结合的产物，模糊控制器的设计依赖于实践经验。但是，有时人们对过程认识不足，或者总结不出完整经验，这样模糊逻辑势必粗糙，不完善用于负荷预測，难以满足对精度的要求。
负荷预測技术经过几十年的发展，人们提出了许多预測方法。现在的预測方法大体可以分为两大类：数学方法统计和人工智能方法。人工智能方法是在20世纪90年代中期开始运用，其中人工神经网络方法属于运用较成功的方法。
(四)人工神经网络法 传统意义上的电力负荷预測都是通过人工完成的，工作人员通过整理收集历史负荷数据，采用一定的预測方法，对历史数据加以计算，得到预測结果后，再结合自己的经验加以修正，便得出了最后发布的预測数据。在整个过程中，整理以前的数据，预測算法的选用和预測工作人员的经验，都是制约预測结果的因素，而这些因素是不可避免的会存在问题，会对预測结果产生很大的影响，使预測的精度难以保证。
如果负荷预測出现问题，电网的发展便不能适应实际发展的需要，就无法满足用户正常用电需求。因此，电力企业迫切需要建立适合自己本企业的电力负荷预測系统，这种系统必须保证企业在现有的资源条件下，能够克服人工预測的各种弊端，这就要求预測系统不仅达到较高的预測精度，还要具备自动化和智能化的特征。
人工神经网络法是以人类大脑神经网络为基础，模拟人类神经活动的仿生系统。具有以下很多优于传统人工计算负荷量的特点：
1．高度的非线性。不是单纯的数学计算，会综合考虑到经济、时间、天气、地域等影响负荷的因素，可以连续多日进行负荷预測电力系统，这样就保证了负荷预測的精准度。
2．良好的自学习和自适应性。从真正意义上来说，不只是一个单板的计算机，可以对大量非结构性、非精确性规律具有自适应功能，可以根据自己的学习要求，来适应各方面的发展和变化，其自学习和自适应功能是常规算法和传统技术所不具备的。
3．良好的容错性和联想记忆能力。新增的这一能力就保证了计算机的智能化和自动化，可以把历史预測数据记录下来，降低再出现的出错率，并且可以根据这些历史数据，预測出可能出现的问题，这就大大提高了预測的准确性。
4．人工神经网络结构简单。它是由许多的简单处理单元组合而成，是理论化的人脑神经网络的模型，它的工作工程是通过模仿大脑神经网络结构和功能，建立信息处理系统，将收集和记录的负荷数据，预測未来的用电量。
因此，负荷预測被当作人工神经网络具有最有潜力的应用领域之一。
三、人工神经网络的发展
人工神经网络技术由于自身的优点并且经过不断发展已逐渐成熟，并成功的应用于模式识别基于人工神经网络的电力负荷预測系统。基于软件界面架构来保证系统与其他应用的良好集成，避免过去人工预測的盲目与随意，保证了负荷预測更准确，更高效。
人工神经网络技术预測手段的先进性。包含两层意思：一是预測工具的先进性，由于数据量很大，人工神经网络是通过计算机进行各种统计分析及预測工作，预測人员可以从繁杂的大量计算中解脱出来；二是预測理论的先进性，由于人工神经网络可以不断发展和应用新的预測理论，借鉴其他领域预測工作中的成功经验，这样就使电力系统负荷预測达到一个较高的水平。以现代化的地理信息系统为基础，与市场营销系统、调度自动化系统、负荷控制系统等系统联网，建立现代化的市场营销地理信息系统，所以说通过人工神经网络电力负荷预測可以是准确把握市场脉搏，高速快效的分析未来电力需求的走势。四、电力市场环境下对负荷预測的要求
负荷预測是电力系统安全并且经济运行的一个重要手段，是电力交易的主要数据源，在电力市场环境里，存在着大量的不确定性因素，并且各个因素之问有着比较复杂的影响关系，本文上述方法均有一定的适用场合，各有各的优势和缺陷，在实际运行中，工作人员应结合当地电网的实际负荷情况及特点，考虑各种环境因素的影响，以需求预測管理为基础，以计算机技术为支撑，建立负荷预測软件与电力市场的软件的有效接口，灵活地选用预測模型，积极探索预測模型的新思路和新方法。不断提高负荷预測的准确性，促进电力企业整体经济效益的提高，推动整个国民经济的发展。
为了做好负荷预測工作，必须对电力系统负荷的现状及历史统计资料进行认真调查，搜集规划期各行业用户的发展资料，要不断研究那些电力负荷所代表的国民经济各行各业的发展规律，认清行业实际发展的可能性和未来性，更好的把握电力市场环境的发展方向。
参考文献
[1]钟庆，吴捷，钟丹虹．基于系统论的负荷预測集成化方法
[J]．电力自动化设备,2002，(10)．
[2]王天华，王平洋，袁钦成．空间负荷预測中不确定性因素
的处理方法[J]电网技术,2001，(1)．
[3]李历波．城市配网空间负荷预測方法及应用研究[D]，重
庆大学，2002．
[4]王天华，王平洋，袁钦成．空间负荷预測中不确定性因素
的处理方法[J]．电网技术,2001，(1)．
作者简介：李焱(1981-)，男，云南建水人，云南电网公司红河供电局助理工程师，研究方向：电力营销技术、业务管理。
责任编辑 王书柏
关键词：负荷预測；电力市场；时间序列法；回归分析法；人工神经网络法
中图分类号：TM715
文献标识码：A
文章编号：1009-2374(2011)22-0005-03
一、负荷预測的含义及意义
在社会发展过程中，电力工业是国民经济发展的基础产业，对整个国民经济的发展起着举足轻重的作用，电力市场需求、电力系统规划建设的基础、依据是负荷预測，其准确度直接影响到电力的投资、布局和网络运行的合理性和稳定性，因此。负荷预測在国民发展的规划中显得尤为重要。
在电力系统中，负荷指电力需求量或用电量。需求量是指能量随时问的变化率，即指功率。负荷预測包括两个方面的含义：对未来需求量的预測和用电量的预測。电力负荷的准确预測是不仅是电力系统安全运行的前提，还是电力市场分析的基础，对电力生产和国民经济都有重要意义，随着我国电力事业的不断发展，高质量、高效率的电网管理已经受到国家和电力部门的高度重视，高质量的电力负荷预測问题研究已经成为现代电力系统运行研究的重要课题之一。
二、电力负荷预測
(一)负荷预測的分类
电力负荷预測按期限不同可以分为年度预測、月度预測和日度预測，从大的方面来分类，也可以分为长期、中期、短期和超短期负荷预測。长期预測大概为30年；中期预測为5-6年；短期预測是指几个月、几周、几天、几小时甚至更短；超短期预測一般指小时级或分钟级的预測。
(二)负荷预測的模型
电力系统总负荷预測模型一般可以按四个分量模型描述为L(t)=B(t)+W(t)+s(t)+V(t)．L为时刻t的系统总负荷；B为时刻t的基本正常负荷分量；w为时刻t的天气敏感负荷分量；s为时刻t的特别时间负荷分量；V为时刻t的随机负荷分量。对于中长期负荷预測来说，E呈明显增长趋势的周期性变化，对于短期来说，B一般呈周期性变化；对于超短期负荷预測，B近似线性变化。
由以上可见不同的预測周期，B的内涵有不同的内涵，而对于基本正常负荷分量，可以用线性变化模型和周期变化模型描述。线性变化模型是将前面时刻的负荷描述成一条直线，其延长线即可预測下一时刻的负荷；周期变化模型，是用来反应负荷有按日、月、年得周期变化特性。
(三)负荷预測方法
电力负荷预測按预測方法可以分为经典预測方法和现代预測方法。
1．经典预測方法分为趋势分析法，时间序列法，回归分析法。
趋势分析法是指根据若干历史资料来拟合一条能反映负荷本身的增长趋势曲线，之后再根据这个增长趋势曲线，根据未来某一点估计出该时刻的负荷预測值。主要有有线性趋势模型、线性趋势模型、多项式趋势模型、对数趋势模型、指数趋势模型、幂函数趋势模型、逻辑斯蒂(Logistic)模型、龚伯茨(Gompertz)模型等模型。但是，只有符合以下两个条件时才能正确应用趋势分析法：一是负荷并未呈现跳跃式变化趋势，二是负荷发展因素不变或变化较小。对于趋势分析法的应用来说，选择合适趋势模型至关重要，选择趋势模型的方法有两种，一是图形识别法，二是差分法。大多数情况下，能够选择好适当的趋势曲线，能够预測出较好的结果。其中的关键在于，人们要根据地区发展的不同情况，来选择合适的模型。
时间序列法是目前电力系统短期负荷预測中发展较为成熟的算法，是根据负荷的历史数据的一个时间系列，建立描述电力负荷随时问变化的数学模型，在该模型的摹础上确立负荷预測的表达式，并对未来负荷进行预測。时间序列方法优点是所需数据少，工作量小；计算速度较快；反映了负荷近期变化的连续性。时间序列方法存在的不足是建模过程比较复杂，需要较高的理论知识；该模型对原始时间序列的平稳性要求较高，只适用于负荷变化比较均匀的短期预測；没有考虑影响负荷变化的因素，对不确定性因素(如天气、节假日等)考虑不足，当天气变化较大或遇到节假日时，该模型预測误差较大。
回归分析法是根据历史数据的变化规律和影响负荷变化的因素，寻找自变量与因变量之间的相关关系及其回归方程式，确定模型参数，据此推断将来时刻的负荷值。回归分析法的优点是计算原理和结构形式简单，预測速度快，外推性能好，对于历史上没有出现的情况有较好的预測。存在的不足是对历史数据要求较高，采用线性方法描述比较复杂的问题，结构形式过于简单，精度较低；该模型无法详细描述各种影响负荷的因素，模型初始化难度较大，需要丰富的经验和较高的技巧。
2．现代预測方法是基于非参数模型的，主要采用专家系统、灰色系统、模糊逻辑和人工神经网络理论建立的方法。
专家系统预測法是一个用基于专家知识的程序设计方法建立起来的计算机系统(在现阶段主要表现为计算机软件系统)，它拥有某个特殊领域内专家的知识和经验，并能像专家那样运用这些知识，通过推理在某个领域内作出智能决策，所以，一个完整的专家系统由4个部分组成：知识库、推理机、知识获取部分和解释界面。专家系统技术应用到负荷预測上，可以克服单一算法的片面性；同时全过程的程序化，使本方法还具有快速决断的优点。此方法虽然有较广泛的使用前景，但由于预測专家比较缺乏，预測过程容易出现人为差错，在建数据库及将专家经验转化为数学规则时存在一系列的困难。目前，此方法在实践中应用不广泛。
灰色系统预測法是利用部分明确信息，通过形成必要的有限数列和微分方程，寻求各参数间的规律，从而推出不明确信息发展趋势的分析方法。灰色预測又称GM模型。GM(1，N)表示一阶的N变量的微分方程模型，GM(1，1)则是一阶一个变量的微分方程模型，灰色预測模型的优点是，建模时不需要计算统计特性量，从理论上讲，可以适用于任何非线性变化的负荷指标预測；不足之处是，其微分方程指数解比较适合于具有指数增长趋势的负荷指标，对于具有其它趋势的指标则拟合灰度较大，精度难以提高。
模糊逻辑预測法是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的非线性智能控制，它基于模糊推理，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制。它是模糊数学同控制理论相结合的产物，模糊控制器的设计依赖于实践经验。但是，有时人们对过程认识不足，或者总结不出完整经验，这样模糊逻辑势必粗糙，不完善用于负荷预測，难以满足对精度的要求。
负荷预測技术经过几十年的发展，人们提出了许多预測方法。现在的预測方法大体可以分为两大类：数学方法统计和人工智能方法。人工智能方法是在20世纪90年代中期开始运用，其中人工神经网络方法属于运用较成功的方法。
(四)人工神经网络法 传统意义上的电力负荷预測都是通过人工完成的，工作人员通过整理收集历史负荷数据，采用一定的预測方法，对历史数据加以计算，得到预測结果后，再结合自己的经验加以修正，便得出了最后发布的预測数据。在整个过程中，整理以前的数据，预測算法的选用和预測工作人员的经验，都是制约预測结果的因素，而这些因素是不可避免的会存在问题，会对预測结果产生很大的影响，使预測的精度难以保证。
如果负荷预測出现问题，电网的发展便不能适应实际发展的需要，就无法满足用户正常用电需求。因此，电力企业迫切需要建立适合自己本企业的电力负荷预測系统，这种系统必须保证企业在现有的资源条件下，能够克服人工预測的各种弊端，这就要求预測系统不仅达到较高的预測精度，还要具备自动化和智能化的特征。
人工神经网络法是以人类大脑神经网络为基础，模拟人类神经活动的仿生系统。具有以下很多优于传统人工计算负荷量的特点：
1．高度的非线性。不是单纯的数学计算，会综合考虑到经济、时间、天气、地域等影响负荷的因素，可以连续多日进行负荷预測电力系统，这样就保证了负荷预測的精准度。
2．良好的自学习和自适应性。从真正意义上来说，不只是一个单板的计算机，可以对大量非结构性、非精确性规律具有自适应功能，可以根据自己的学习要求，来适应各方面的发展和变化，其自学习和自适应功能是常规算法和传统技术所不具备的。
3．良好的容错性和联想记忆能力。新增的这一能力就保证了计算机的智能化和自动化，可以把历史预測数据记录下来，降低再出现的出错率，并且可以根据这些历史数据，预測出可能出现的问题，这就大大提高了预測的准确性。
4．人工神经网络结构简单。它是由许多的简单处理单元组合而成，是理论化的人脑神经网络的模型，它的工作工程是通过模仿大脑神经网络结构和功能，建立信息处理系统，将收集和记录的负荷数据，预測未来的用电量。
因此，负荷预測被当作人工神经网络具有最有潜力的应用领域之一。
三、人工神经网络的发展
人工神经网络技术由于自身的优点并且经过不断发展已逐渐成熟，并成功的应用于模式识别基于人工神经网络的电力负荷预測系统。基于软件界面架构来保证系统与其他应用的良好集成，避免过去人工预測的盲目与随意，保证了负荷预測更准确，更高效。
人工神经网络技术预測手段的先进性。包含两层意思：一是预測工具的先进性，由于数据量很大，人工神经网络是通过计算机进行各种统计分析及预測工作，预測人员可以从繁杂的大量计算中解脱出来；二是预測理论的先进性，由于人工神经网络可以不断发展和应用新的预測理论，借鉴其他领域预測工作中的成功经验，这样就使电力系统负荷预測达到一个较高的水平。以现代化的地理信息系统为基础，与市场营销系统、调度自动化系统、负荷控制系统等系统联网，建立现代化的市场营销地理信息系统，所以说通过人工神经网络电力负荷预測可以是准确把握市场脉搏，高速快效的分析未来电力需求的走势。四、电力市场环境下对负荷预測的要求
负荷预測是电力系统安全并且经济运行的一个重要手段，是电力交易的主要数据源，在电力市场环境里，存在着大量的不确定性因素，并且各个因素之问有着比较复杂的影响关系，本文上述方法均有一定的适用场合，各有各的优势和缺陷，在实际运行中，工作人员应结合当地电网的实际负荷情况及特点，考虑各种环境因素的影响，以需求预測管理为基础，以计算机技术为支撑，建立负荷预測软件与电力市场的软件的有效接口，灵活地选用预測模型，积极探索预測模型的新思路和新方法。不断提高负荷预測的准确性，促进电力企业整体经济效益的提高，推动整个国民经济的发展。
为了做好负荷预測工作，必须对电力系统负荷的现状及历史统计资料进行认真调查，搜集规划期各行业用户的发展资料，要不断研究那些电力负荷所代表的国民经济各行各业的发展规律，认清行业实际发展的可能性和未来性，更好的把握电力市场环境的发展方向。
参考文献
[1]钟庆，吴捷，钟丹虹．基于系统论的负荷预測集成化方法
[J]．电力自动化设备,2002，(10)．
[2]王天华，王平洋，袁钦成．空间负荷预測中不确定性因素
的处理方法[J]电网技术,2001，(1)．
[3]李历波．城市配网空间负荷预測方法及应用研究[D]，重
庆大学，2002．
[4]王天华，王平洋，袁钦成．空间负荷预測中不确定性因素
的处理方法[J]．电网技术,2001，(1)．
作者简介：李焱(1981-)，男，云南建水人，云南电网公司红河供电局助理工程师，研究方向：电力营销技术、业务管理。
责任编辑 王书柏