基于电力市场负荷预测的探究.docVIP

精品论文 参考文献 基于电力市场负荷预测的探究 （天津天大求实电力新技术股份有限公司 300384） 摘要：随着国民经济的迅速发展，电力市场负荷预测已成为电力行业关注的热点。电力市场负荷预测主要是在考虑系统运行特性、自然条件、社会条件和地区经济状况等重要因素的影响下，利用历史负荷值，经过一系列的数学计算，在满足一定精度和速度的情况下，决定未来某个特定时刻的负荷。负荷预测无论是对电力系统控制还是对运行和计划都尤为重要，而电力市场需求下的负荷预测更是保证电力市场有效运作的基础。 关键词：电力市场；负荷预测 一、负荷预测的含义及意义 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、依据是负荷预测，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，负荷预测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间的变化率，即指功率。负荷预测包括两个方面的含义：对未来需求量的预测和用电量的预测。电力负荷的准确预测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测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、电力负荷的分类及组成 2.1电力负荷的分类 电力系统负荷一般可以分为长期负荷、中期负荷、节假日负荷、短期负荷和超短期负荷，不同类型的负荷具有不同的特点和规律。 2.2电力负荷的组成 电力系统的负荷是经常变化的，不但按小时、按日变，还按周及年变，所以负荷通常由正常分量B(t)、气候敏感分量W(t)、特别事件负荷分量S(t)和随机负荷分量V(t)这几个部分组成，也即电力系统的总负荷L(t)可按公式(1)所示的形式表示。 L(t)=B(t)+W(t)+S(t)+V(t) 长期以来，人们对电力系统负荷预测进行了大??的理论研究，提出了许多有效的方法。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发展，新的预测方法，特别是人工智能与模式识别领域的新方法层出不穷，成为研究电力负荷预测问题的有力工具。负荷预测可以分为传统预测法和现代预测法两类。其中，传统预测法主要利用传统的数学工具，主要有回归分析法、时间序列法等；现代预测方法是随着人工智能的发展而兴起的，它结合了人工智能领域里的神经网络、专家系统以及小波理论等学科的研究成果。 三、传统预测法 3.1回归模型预测法 回归模型预测法又分一元回归分析和多元回归分析，通过给定的多组自变量和因变量资料来研究各自变量和因变量之间的关系，形成回归方程。回归方程因变量为电力系统的负荷，自变量为影响系统负荷的各种因素。而回归变量的选取和变量因素的量化涉及计量经济学的范畴，因而预测过程比较繁琐。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。 3.2时间序列预测法 该方法是一种发展比较成熟的负荷预测法，将负荷数据看作是单位时间(年、季、周、天或小时)周期性变化的时间序列，根据负荷历史资料建立数学模型来描述负荷变化的统计性规律。 状态估计、Box——Jenkins模型及自动回归平均模型是时间序列法中最常见的几种方法，其中Box——Jenkins模型是最为有效的时间序列法。该方法在负荷预测中的应用优于回归分析法，但其建模过程比较复杂，受天气变化的影响较大，在节假日的负荷预测中误差较大。 四、现代预测法 4.1人工神经网络 运用人工神经网络技术预测系统负荷是一种新型的研究方法，对非结构性、非精确性的规律具有很好的自适应能力。该方法无需搭建负荷模型，其良好的函数逼近能力可以解决天气和温度等因素与负荷的对应关系。但人工神经网络的训练时间较长，网络结构的确定、输入变量的选取等比较困难，仍需不断探索和完善。 4.2专家系统 专家系统由知识库、用户界面、推理机等多个模块组成，主要利用领域内专家丰富的知识和经验，通过启发式知识的推理做出智能决策。在节假日等重大社会活动和突发事件的情况下，专家知识可起到重要的作用。但预测知识规则的形成及知识库的建立却是一个难点问题，而且知识更新的比较复杂，知识库的可维护性也较差。 4.3小波分析法 小波分析法吸取了分析学中多个分支领域的