发布时间 : 星期二 文章电力负荷预测毕业论文更新完毕开始阅读3cc7afd46edb6f1afe001fbe
算，得到预测结果后，结合自己.的经验加以修正，形成最后发布的预侧数据。在整个过程中，历史数据的选择，预测算法的选用和预测人员的经验，都会对预测结果产生很大的影响，预测的精度难以保证。因此，电力企业迫切需要建立自己电力负荷预测系统.这种系统必须能够结合企业现有的资源，能够克服人工预测的各种弊端，不仅要有较高的预测精度，还要有自动化和智能化的特性
它不仅可以尽量降低电力短缺所带来的危害，还能为电力企业带来更大的经济效益。因此，本文的研究具有重要的理论和现实意义。
2电力负荷预测相关理论知识
2.1电力负荷预测的定义
所谓的负荷预测是指，在充分考虑一些重要的系统运行特性、增容决策、自然条件与社会影响的条件下研究或利用一套系统地处理过去与未来负荷的数学方法，在满足一定精度要求的前提下，确定未来某特定时刻的负荷数值。负荷可指电力需求量或者用电量，而需求量是指能量的时间变化率，即功率。也可以说，负荷时指发电厂、供电地区或电网在某一瞬间所承担的工作负荷。对用户来说，用电负荷是指连接在电网的用户所有用电设备在某一瞬间所消耗功率之和[11]。
随着我国电力系统的发展，电网管理的日趋现代化，负荷预测问题的研究也越来越引起人们的注意，并已成为现代电力系统科学中的一个重要的领域，因为整个社会是一个复杂的整体，它的用户成千上万每个用户的要求也各部相同，因此，整个社会的用电需求既有一定的统计规律性，又具有大量的随机影响因素，具有不确定性电力系统负荷预测是电网规划和经济运行的重要一环。负荷预测对电力系统控制、运行和计划都是非常重要的，提高负荷预测的精度既能增强电力系统运行的安全性，又能改善电力系统运行的经济性。因此，在实践中，无论是制定电力系统规划或是实现电力系统运行自动化，进行相应的负荷预测都是必不可少的[12]。
电力负荷预测主要是预测一下三个方面：
未来电力需求量（功率），也就是确定电力系统发点设备和输送容量。 未来用电量（能量），主要是用来选择机组，确定电源结构和原料计划等。 负荷曲线，它是为电力的峰值、电站容量、设备协调运行提供数据支持。
3
2.2电力负荷预测的分类
负荷预测从预测的时间范围上可以分为长期、中期、短期和超短期预测（如图2.1）。长期预测一般指十年以上并以年为单位的预测，中期预测指在五年左右以年为单位的预测，中长期负荷预测主要是用于指定电力系统的扩建规划，包括装机容量的大小、形式、地点、时间和电网的增容扩建，它为所在地区或电网的电力发展速度、电力建设规模、电力工业布局、能源资源平衡、地区间的电力余缺调剂、电网资金和人力资源的需求平衡提供了可靠的依据；短期预测指一年内以月为单位的负荷预测，还指以周、天、小时为单位的负荷预测，通常预测未来一个月、未来一周、未来一天的负荷指标，也预测未来一天每小时的负荷，短期负荷预测对电力企业的日常运营起到指导和调节作用，有利于合理安排电力日生产计划；超短期负荷预测指未来1h、0.5h，甚至10min的预测，其意义在于对电网进行计算机在线控制，实现发电容量的合理调度，满足给定的运行要求，同时使发电成本最小。
负荷预测 超短期负荷预测 （1小时以内） 短期负荷预测 （1年以内）
图2.1 负荷预测分类图
负荷预测从用途上又可以分为发电部门预测和供电部门预测。前者从整体上预测负荷的变化，根据负荷特性和负荷趋势来进行预测，称为趋势预测；而后者则往往利用由底向上的方法，根据负荷的结构和特性分别预测、统一汇总，称为因子预测。从目前电力部门对负荷的掌握情况来看，负荷结构还没有一个比较确切、定量的模型，预测时无法考虑全面，预测偏差也比较大。现在常用的是根据整体负荷进行预测，通过对各种因素的修正而得到预测结果，实际运作的结果表明这种方法比较实用和有效。
按照系统负荷构成可以将其划分为：城市民用负荷、商业负荷、工业负荷、农业负荷及其它负荷等模型（如图2.2）。不同类型的负荷有着不同的变化规律，例如随家用电器的普及，城市居民负荷年增长率提高、季节波动增大，尤其是空调设备的迅速扩展，使系统峰荷受气温影响越来越大；商业负荷主要影响晚高峰，而且随季节而变化；工业负荷受气象影响较小，但大企业成分下降，使夜间低估增长缓慢；农业负荷季节变化强，而且与降水情况关系密切。一个地区负荷往往含有几种类型的负荷，比例不同
[14]
中期负荷预测 （5年以内） 长期负荷预测 （10年以上） 。
4
工业负荷（40% ） 农业负荷 （15%） 系统负荷 （100%） 城市民用负荷 （10%） 商业负荷 （20%）
图2.2 某地区负荷构成图
电力系统负荷预测是实现电力系统安全、经济运行的基础，对一个电力系统而言，提高电网运行的安全性和经济性，改善电能质量，都依赖于准确的负荷预测。因此，负荷预测的关键是提高准确度。
其他符合 （15%） 3 电力负荷预测的方法
短期负荷预测技术发展至今己有几十年，随着数学统计理论和人工智能技术的相继发展，人们提出各种各样的预测方法。迄今为止，短期负荷预测方法大致可以分为两类：即传统预测方法和人工智能方法。传统预测方法有：外推法、回归分析法、时间序列法、卡尔曼滤波、灰色预测等；基于智能原理的方法：人工神经网络、专家系统、模糊理论等。
3.1传统预测方法
3.1.1外推法
根据已知的历史资料来拟合一条曲线，使得曲线能反映负荷本身增长趋势；然后按曲线对未来预测求得某一点，从曲线估计该时刻的负荷值。常用曲线有直线、指数曲线、幂函数曲线，S型曲线等。外推法的原理简单，使用方便，但由于负荷变化趋势多种多样，简单的线性拟合难以实现准确性；多项式拟合的幂指数又难以确定，且指数越高公式越复杂化；有限的几个增长模型不能囊括负荷趋势变化，各种随机因素也是影响提高预测精度难点。趋势外推法一般仅用于长期预测
[15]
。
5
3.1.2回归分析法
回归分析法是一种曲线拟合法，即对过去的具有随机特性的负荷记录进行拟合，得到一条确定的曲线，然后将此曲线外延到适当时刻，就得到了该时刻的负荷预测值。这种方法是研究变量和变量之间依存关系的一种数学方法。由于影响负荷的因素错综复杂或相关因素数据资料无法得到，在预测模型中，很难准确、详细、全面的描述影响预测对象的各种负荷因素，回归分析法很难适应；另外有时影响因素之间的高度相关，违背了回归分析的基本假设，也会导致一系列错误，则模型就不能用于预测。这些都使得回归分析法的应用受到了很大的限制，预测精度也较差，因而不是理想的预测方法
[16]
。
3.1.3时间序列法
用时间来代替影响负荷的因素，依据负荷过去的统计数据，找到其随时间变化的规律，建立时序模型，以推断未来负荷数值。其基本假设是：负荷过去的变化规律会持续到将来，即未来是过去的延续。其主要数学模型有自回归(AR)模型、滑动平均（MA）模型和自回归－滑动平均（ARMA）模型等。但时序法无论采用哪种模型都没有考虑不同时刻负荷之间的相关性和其它因素（比如天气因素）对负荷的影响，预测精度较差，因此时序法存在着预测不准确的问题
[17]
。
3.1.4小波分析方法
小波分析是近年来数学研究成果中杰出的代表。它是一种时域-频域分析，在时域、频域同时具有良好的局部化性质。小波分析汲取了现代分析学中诸如泛函分析、调和分析、样条分析等众多数学分支的精华。小波变换能将交织在一起的不同频率组成的混合信号分解成不同频带上的块信号，对负荷序列进行小波变换，可以将负荷序列投影到不同的尺度上，而各个尺度可近似地看作各个不同的“频带”，这样各个尺度上的子序列分别代表了原序列中不同“频域”的分量，它们可以清楚的表现出负荷序列的周期性。在此基础上，分别对各个尺度上变换得到的子序列进行预测，最后利用各个尺度上的预测结果进行信号重构，就得到了完整的预测结果
[18]
。
3.1.5卡尔曼（Kalman）滤波方法
是建立状态空间模型，把负荷作为状态变量，用状态方程和量测方程来描述。卡尔曼滤波算法递推地进行计算，适用于在线负荷预测。这是在假定噪声的统计特性已知的情况下得出的，实际上，该方法的难点是对噪声统计特性的估计
[19]
。
3.1.6灰色预测法
灰色预测理论其显著特征就是用少量的数据做微分方程建立起预测的模型。在将一定范围内变化的历史数据列进行累加，使其变成具有指数增长规律的上升形状数列，可以对生成的这个形状数列建立起GM(GREY MODEL)模型。GM(1，n)也就是对n个变量用一阶微分方程建立的灰色模型。
6