电力系统负荷预测是以电力负荷的历史数据为基础,同时考虑政治、经济、气象等因素,通过不断地研究历史数据的变化规律,找出未来负荷与历史数据之间的内在联系,从而对未来的用电负荷做出精确而科学的判断。
　　电力负荷预测与电力系统各部门有着紧密的联系,在电力系统中有着举足轻重的地位。是否能够进行精准的负荷预测,关乎电力系统是否能够经济、安全、可靠地运行,从而影响国民经济的快速发展。
　　指数平滑法由于所需存储的数据少,计算简便,且只需在模型建立时做极少的工作,便可以得到非常好的预测结果,是一种性能优良,适应性强的预测模型。由于以上这些特点,它被广泛的应用于各个领域。它的模型原理是利用平滑系数对各期数据进行相应的加权,并利用各期平滑值计算预测结果。平滑系数的取值为从0到1,它不仅体现了模型对时序变化的反应速度,还决定了其修正随机误差的能力。因此,从某种程度来说,取值直接决定了预测精度的好坏,平滑系数的选取成为整个预测工作的关键所在。
　　本文着重分析了基于“厚近薄远”原则,利用历史误差权重系数对误差函数进行修正,从而优选得到平滑系数的方法。随后从统计学出发,通过Matlab建立数学模型,用大量的仿真实验总结了指数平滑法的“厚近薄远”规律。结果表明,“厚近薄远”规律可由历史误差权重系数的取值体现。对于不同的负荷序列,需要先对序列进行适当的分析,再根据序列的特点选择相应的历史误差权重系数。只有采用合适的历史误差权重系数,才能体现基于“厚近薄远”的指数平滑法的优越性。最后,将实验所得的“厚近薄远”规律应用于实际算例,得到了令人满意的结果。