系统负荷通用预测方法概论.pdfVIP

第 21 卷第 1 期 四　川　水　力　发　电 V o l. 20 , N o. 1 2 0 0 2 年 3 月 Sichuan　W ater　Pow er M ar. , 2 0 0 2 系统负荷通用预测方法概述 夏 昌 浩 (三峡大学, 湖北 宜昌　443002) 摘　要: 介绍了电力系统负荷通用预测方法, 包括传统方法和近代方法, 指出了传统负荷预报方法存在的问题, 说明了负荷预报方 法发展趋势。 关键词: 电力系统; 负荷预报; 神经网络; 小波分析; 专家系统 中图分类号: 714 文献标识码: 　 文章编号:(2002) TM B 1　引　言 报告中指出: 美国现在的负荷预报方法没有一个是 电力系统负荷具有不可控性和按天、按周以及 绝对准确的, 也没有一个方法可以适用于一切电力 按年的周期性变化特性, 因此, 负荷预测具有不准确 系统。负荷的组成是多种多样的且不断变化的, 其影 性、条件性、时间性和多方案性等特点。电力系统负 响因素也是多种多样的, 组成负荷需求的社会是一 荷预报分为系统负荷预测和母线负荷预测两类, 前 个大系统, 因此, 负荷预报也是一个系统工程, 想用 者按期限不同可分为年度预报、月度预报和日度预 某种单一的理论去研究负荷预报是困难的。 报, 从大的方面来分类, 也可以分为长期、中期、短期 2. 1　回归分析法 和超短期负荷预报。一般来说, 长期预报可长达 10 回归分析法是研究变量和变量之间依存关系的 ～ 30 年, 中期预报通常为 5～ 6 年, 短期预报则指几 一种数学方法。在回归分析中, 自变量是随机变量, 个月、几周、几天、几小时, 超短期负荷预报指未来 1 因变量是非随机变量, 因变量是自变量的变化结果, 小时、未来 0. 5 小时甚至未来 10 分钟的预测。科学 而这种关系是不可逆转的。负荷预报也是这种情况, 的预测是正确决策的依据和保证。电力系统负荷预 所得到的拟合曲线只是表明对随机变量的拟合, 而 报是制定发电计划和电力系统发展规划的基础, 精 不能反过来利用此曲线来描述随机变化的负荷。回 确的负荷预报对于电力系统经济、安全、可靠地运行 归分析法可由给定的多组自变量和因变量资料来研 具有特别重要的意义, 寻求有效的负荷预报方法, 以 究各自变量和因变量之间的关系, 而形成回归方程。 及提高其预测的准确度具有重要意义。 解回归方程后, 如给定各自变量值, 即能求出因变量 2　负荷预报方法1 ～ 5 值。回归方法可分为线性回归和非线性回归。 负荷预报方法可分为通用预测法和专用预测 2. 2　指数平滑法 法, 前者如回归分析法、指数平滑法、时间序列法、灰 指数平滑法是一种外推法, 其预报思想是不同 色系统方法、卡尔曼滤波法、专家系统法、小波分析 历史时期的负荷对未来负荷的影响是不同的, 历史 法、神经网络法等; 后者分为年度序列量特殊预测法 时间越近的负荷对未来负荷的影响越大, 反之就越小。 和月度序列量特殊预测法。年度序列量特殊预测法 在负荷预报中, 一般用过去数周的同类型日的 是指规划领域的传统方法, 例如, 对全