电力系统负荷预测探究综述.docVIP

电力系统负荷预测探究综述 　　摘要：负荷预测是电力系统规划、计划、用电、调度等部门的基础工作.讨论了中长期负荷预测方法及特点，分析了负荷预测问题的各种解决方案，并指出未来的主要研究方向.根据国内电力系统负荷预测的实践和国外的经验，对我国开展电力系统负荷预测工作提出了一些建议 关键字：电力系统、负荷预测、研究 1 引言 由于电力工业的发展需要消耗巨大的投资和一次能源，规划失误不仅会造成巨大的资源浪费，而且会失去难得的发展机遇。因此，对电力系统规划问题进行研究，以求最大限度地提高规划质量，具有重大的现实意义，电网规划的目的就是建一个安全可靠、适应性强、结构合理、能满足城乡经济社会发展和生活用电需要的电网结构。而实现这个目标的第一步就是要做好负荷预测 中长期负荷预测的意义在于帮助决定新的发电机组的安装包括装机容量大 小、型式、地点和时间与电网的规划、增容和改建，是电力规划部门的重要工作 近年来，随着计算机技术的迅猛发展，使大量复杂的、用人工方法难以实现的预测 方法的采用成为可能，而且负荷预测的手段也逐渐发展为运用软件预测，使得负荷 预测的精度也得到了大幅度的提高 2 国内外研究现状 长期以来，人们对电力系统负荷预测，特别是中长期负荷预测进行了大量的研究，提出了许多有效的方法。国外进行了大量理论研究，达到了较高的水平，部分已经投入实际应用，国内已有了比较系统的研究 近些年，随着科学技术的迅速发展，预测理论技术也取得了长足的进展，新的预测方法，尤其是人工智能与模式识别领域的新方法层出不穷，为电力负荷预测问题的研究提供了有力的工具 3 中长期负荷预测方法研究现状 最早的电力负荷预测工作完全依靠预测人员的运行经验，没有科学的理论做指导，预测误差往往较大。随着电力行业的不断发展，电力系统日趋复杂，单纯地依靠人工预测己经远远不能满足预测的要求。因此，要求电力负荷预测更科学、更准确，极大地促发了电力负荷预测理论研究的开展 3.1 基于参数模型的中长期电力负荷预测方法 基于参数模型的方法就是通过分析负荷和影响负荷因素之间定性的关系，可以建立负荷的数学模型或统计模型，多见于经典和传统的预测方法，常见的有分产业产值单耗法、时间序列法、电力弹性系数法、人均电量指标换算法、回归分析法、相关分析法等，下面对较为常用的几种方法作简要的介绍： 3.1.1 ?r间序列法 电力系统的负荷变动具有惯性特征，在时间上有延续性，因而时间序列法成为早期负荷预测技术中的主要方法，并且是现在各种先进预测技术的基础 时间序列预测法在电网情况正常、气候等因素变化不大时预测效果良好，但在随机性因素变化较大或存在坏数据的情况下，预测结果不太理想 3.1.2 电力弹性系数法 电力弹性系数是电量平均增长率与国内生产总值之间的比值，根据国内生产总值增长速度结合电力弹性系数得到规划期的总用电量。同时由于弹性系数值受到预测期的经济发展水平、产业结构科技及工艺水平、生活水平、电价水平及节电政策和措施等诸多因素的影响，所以如何确定预测期的电力弹性系数成为这种方法的关键。其优点是能较好地把握电力负荷增长的趋势及范围，但是由于近年来产业结构的调整，使得弹性系数意义在淡化，具体地区弹性系数波动太大，因此目前更倾向于以弹性系数法作为中长期负荷预测结果校核的一种手段 3.1.3 回归分析法 回归分析方法简单、预测速度快、外推性好，对于历史上未出现的情况又较好的预测性。但它对数据的要求高，特别是历史数据残缺或存在较大误差的情况下，预测效果很不理想；考虑气象因素时只能考虑诸如温度、湿度等定量条件，不能比较详细地考虑到各种影响负荷的因素，缺乏自学习能力，负荷结构变化，模型不修正，难以得到较准确的预测结果 3.2 基于非参数模型的中长期电力负荷预测方法 3.2.1 灰色预测技术 它是自动控制科学和运筹数学方法相结合的一门新理论，它为系统研究提供了新的科学方法和数学手段。部分信息已知、部分信息未知的系统称为灰色系统。其优点是要求数据少，不考虑分布规律、不考虑变化趋势、运算方便、短期预测精度高、易于检验等。缺点是当数据的离散程度越大，即数据灰度越大，则预测精度越差，不适合电力系统的长期若干年的预测 3.2.2 人工神经网络预测法 运用人工神经网络进行负荷预测是近十年来讨论的热点，其优点是可以模仿人脑的智能化处理，对大量非线性、非精确性规律具有自适应功能，具有信息记忆、自主学习、知识推理和优化计算的特点，特别是其自学习和自适应功能是常规算法所不具备的 3.2.3 专家系统预测技术 所谓专家系统法，是对数据库里存放的过去几年的，每小时的负荷和天气数据进行细致的分析，从而汇集有经验