國網(wǎng)湖北省宜昌市供電公司　易思超　趙劍楠　蔣何為宜昌昌耀電業(yè)集團(tuán)有限公司　張　鑫國網(wǎng)湖北省宜昌市供電公司　羅宇航　姜鳴瞻

短期電力負(fù)荷預(yù)測淺析

國網(wǎng)湖北省宜昌市供電公司易思超趙劍楠蔣何為
宜昌昌耀電業(yè)集團(tuán)有限公司張鑫
國網(wǎng)湖北省宜昌市供電公司羅宇航姜鳴瞻

簡述了當(dāng)前電力改革新形勢下短期負(fù)荷預(yù)測的重要意義，分析了配電網(wǎng)短期負(fù)荷預(yù)測的特點(diǎn)及影響預(yù)測精度的因素，并綜合分析了經(jīng)典傳統(tǒng)方法、智能預(yù)測法兩類預(yù)測方法的基本原理，描述了配電網(wǎng)負(fù)荷預(yù)測發(fā)展的趨勢。

配電網(wǎng)；短期負(fù)荷預(yù)測；電力改革；回歸分析；BP神經(jīng)網(wǎng)絡(luò)

0　引言

從當(dāng)前的電力改革形勢可以明確看出，配售電業(yè)務(wù)將逐步脫離國家電網(wǎng)，而如何控制配售電業(yè)務(wù)的成本、提高運(yùn)營利潤的關(guān)鍵是提高配電網(wǎng)短期負(fù)荷的預(yù)測精度。負(fù)荷預(yù)測可以有效地指導(dǎo)運(yùn)營單位準(zhǔn)確地調(diào)度負(fù)荷、交易電能、合理供電，控制成本。因此，負(fù)荷預(yù)測是當(dāng)前電力新形勢下的一大重要研究領(lǐng)域。影響短期負(fù)荷的因素呈現(xiàn)出多樣性、隨機(jī)性、突變性［1］，不少預(yù)測方法已無法滿足當(dāng)前電力發(fā)展的精度需求。因此，本文針對當(dāng)前常見的預(yù)測方法做了綜合比對，分析了各種方法的原理、優(yōu)缺點(diǎn)，并指出了配電網(wǎng)短期負(fù)荷預(yù)測理論的研究方向，為當(dāng)前配網(wǎng)短期負(fù)荷預(yù)測提供借鑒之用。

1　配電網(wǎng)中短期負(fù)荷預(yù)測的特點(diǎn)和影響因素

1.1與配電網(wǎng)短期負(fù)荷預(yù)測相關(guān)的特點(diǎn)

根據(jù)配電網(wǎng)的基本構(gòu)造和功能機(jī)構(gòu)，配電網(wǎng)基本的特點(diǎn)有：（1）負(fù)荷分布范圍差異大。配網(wǎng)地理覆蓋面積不等，負(fù)荷分布特性差異明顯。（2）負(fù)荷種類多樣。配網(wǎng)中多種性質(zhì)負(fù)荷并存，負(fù)荷變化趨勢復(fù)雜度高。（3）負(fù)荷具有很大不確定性。配網(wǎng)負(fù)荷易受天氣、日照、濕度等環(huán)境因素影響，因此配網(wǎng)負(fù)荷預(yù)測具有一定的不確定性、時(shí)間性。

1.2影響負(fù)荷預(yù)測精度的因素

負(fù)荷預(yù)測是由目標(biāo)區(qū)域的歷史負(fù)荷數(shù)據(jù)運(yùn)算而來。根據(jù)目標(biāo)區(qū)域負(fù)荷資料的特點(diǎn)，選擇相應(yīng)的算法并確定合適的數(shù)學(xué)模型對目標(biāo)區(qū)域未來的負(fù)荷情況進(jìn)行預(yù)測。因此，影響預(yù)測精度因素為：（1）歷史數(shù)據(jù)；（2）時(shí)間區(qū)間；（3）數(shù)學(xué)算法；（4）氣象條件；（5）社會突發(fā)活動(dòng)等。

2　短期負(fù)荷預(yù)測方法簡述

2.1經(jīng)典傳統(tǒng)方法

2.1.1指數(shù)平滑法

指數(shù)平滑法是外推法中的一種重要類型，是用過去某段同類型時(shí)間區(qū)間的歷史數(shù)據(jù)組成一組有序數(shù)組并將其加權(quán)組合起來直接預(yù)測時(shí)間序列的將來值［2］。其基本公式為：

從公式可以看出這種方法的基本原理就是加權(quán)平均，通過由a組成的加權(quán)系數(shù)來實(shí)現(xiàn)“厚近薄遠(yuǎn)”的原則，強(qiáng)調(diào)新近數(shù)據(jù)對預(yù)測的重要性，以體現(xiàn)負(fù)荷預(yù)測的時(shí)變性。指數(shù)平滑法具備模型簡單、存儲數(shù)據(jù)量小的優(yōu)點(diǎn)，可由新進(jìn)數(shù)據(jù)快速運(yùn)算出新的預(yù)測負(fù)荷值。但無法準(zhǔn)確的考慮到當(dāng)前經(jīng)濟(jì)發(fā)展、天氣情況等隨機(jī)影響因素。

2.1.2回歸分析法

回歸分析是研究變量之間關(guān)系的一種數(shù)學(xué)方法。此方法中，自變量是影響負(fù)荷變化的隨機(jī)變量因素，而因變量是預(yù)測用電量?；貧w分析負(fù)荷預(yù)測法通過歷史數(shù)據(jù)，研究各自變量和因變量之間的相關(guān)關(guān)系及回歸方程，求解出數(shù)學(xué)模型參數(shù)，再借助模型推測將來負(fù)荷。在負(fù)荷預(yù)測實(shí)際工作中，為確定回歸方程有效性，多采用相關(guān)系數(shù)法來做檢驗(yàn)，檢驗(yàn)因變量w和自變量z相關(guān)性，其相關(guān)系數(shù)定義為：

2.2智能預(yù)測法

2.2.1小波分析法

各類電力負(fù)荷信號都是連續(xù)頻譜，常見的小波分析預(yù)測方法［4］是對原始負(fù)荷數(shù)據(jù)進(jìn)行小波分解，將混合數(shù)據(jù)分解為不同頻帶的子數(shù)據(jù)鏈，這樣既能清楚的描述負(fù)荷的周期性也能分析不同頻域的子數(shù)據(jù)鏈的變化趨勢，分解后對各子數(shù)據(jù)鏈分別建立合理的模型并進(jìn)行預(yù)測，最后將各個(gè)模型預(yù)測的結(jié)果合成得出總的負(fù)荷預(yù)測數(shù)據(jù)。

這種方法的優(yōu)勢是無需用復(fù)雜的數(shù)學(xué)形式去表達(dá)負(fù)荷變化，模型建立較為簡單，并且預(yù)測精度一般也可以滿足要求。美中不足是無法準(zhǔn)確的考慮諸多環(huán)境因素對負(fù)荷的影響。

2.2.2BP神經(jīng)網(wǎng)絡(luò)法

BP神經(jīng)網(wǎng)絡(luò)方法運(yùn)用在受到天氣和波動(dòng)用電等因素變化的短期負(fù)荷預(yù)測上具有非常大的優(yōu)勢，成功運(yùn)用的例子也很多［5］。BP神經(jīng)網(wǎng)絡(luò)將過去的歷史負(fù)荷數(shù)據(jù)作為試驗(yàn)樣本，構(gòu)建與負(fù)荷預(yù)測相適應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)，通過多次訓(xùn)練和學(xué)習(xí)來優(yōu)選網(wǎng)絡(luò)的權(quán)值和結(jié)構(gòu)，具有良好的容錯(cuò)性、并行性。BP神經(jīng)網(wǎng)絡(luò)作為負(fù)荷預(yù)測模型具有很強(qiáng)的自適應(yīng)能力。

此方法的不足是，人工神經(jīng)網(wǎng)絡(luò)的層數(shù)和神經(jīng)元確定沒有一個(gè)科學(xué)的依據(jù)，僅憑設(shè)計(jì)者的經(jīng)驗(yàn)主觀意識。當(dāng)神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和初始閥值選取不當(dāng)時(shí)，網(wǎng)絡(luò)在進(jìn)行訓(xùn)練過程中極易陷入局部極小點(diǎn)，并出現(xiàn)網(wǎng)絡(luò)收斂慢的缺點(diǎn)。

2.2.3綜合模型預(yù)測法

實(shí)際上，負(fù)荷變化具有很強(qiáng)的無規(guī)律變化性。單一的負(fù)荷預(yù)測方法因其自身的約束性，很難準(zhǔn)確地進(jìn)行預(yù)測工作。因此，在實(shí)際工作中，會結(jié)合電力系統(tǒng)自身情況選取相應(yīng)方法有機(jī)結(jié)合起來，形成綜合預(yù)測模型，以減小預(yù)測誤差。例如：人工神經(jīng)網(wǎng)絡(luò)和時(shí)間序列，人工神經(jīng)網(wǎng)和模糊理論，人工神經(jīng)網(wǎng)絡(luò)和小波分析［6］等，通過將幾個(gè)預(yù)測方法優(yōu)選組合，可以更好的克服彼此的缺點(diǎn)，提高運(yùn)算速度，提高運(yùn)算效率，優(yōu)化算法模型。

3　結(jié)語

在當(dāng)前電力新形勢下，短期負(fù)荷預(yù)測不僅影響配網(wǎng)運(yùn)行的安全性、可靠性、經(jīng)濟(jì)性，更是社會資本運(yùn)營配售電業(yè)務(wù)的基礎(chǔ)。通過本文對各種預(yù)測方法的綜合分析、比對，可以發(fā)現(xiàn)短期負(fù)荷預(yù)測的重心依然是對歷史負(fù)荷數(shù)據(jù)的處理和預(yù)測模型的選擇運(yùn)用，未來研究方向是探索綜合預(yù)測模型的新方法、新思路，以滿足不同地區(qū)、不同負(fù)荷特性的不同要求，以及社會發(fā)展條件下對負(fù)荷預(yù)測提出的新需求。

［1］申小玲.電力系統(tǒng)短期負(fù)荷預(yù)測影響因素分析［J］.電力與能源，2011，5：773-774.

［2］陳娟，吉培榮，盧峰.指數(shù)平滑法及其在負(fù)荷預(yù)測中的應(yīng)用［J］.三峽大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，32（3）：37-41.

［3］袁柏秋.電力系統(tǒng)負(fù)荷預(yù)測方法分析及應(yīng)用［J］.電力技術(shù)，2011，31：113-114.

［4］冷建偉，傅祥廉.小波分析在低壓負(fù)荷預(yù)測數(shù)據(jù)處理中的應(yīng)用［J］.電源學(xué)報(bào)，2014，1：110-113.

［5］Piras A et al.Heterogeneous Artificial Neural Network For Short Term Electrical Load Forecasting［J］.IEEE Trans on Power Systems，1996，11（1）：397-402.

［6］周巍.基于小波及人工神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測研究［D］.南京：東南大學(xué)，2005.