电力系统短期负荷预测方法与预测精度综述

郭华安 加玛力汗·库马什 常喜强 姚秀萍

（1.新疆大学电气工程学院，乌鲁木齐 830047；2.新疆电力调度通信中心，乌鲁木齐 830002）

一小时到一周的电力系统短期负荷预测是电力系统安全、可靠、持续、经济运行的前提和基础，对国民经济的健康稳定发展具有重要的意义，例如早在1985年英国的一份研究报告表明：英国电力负荷预测的误差每增加一个百分点，每年的经济损失就达一千万英镑[1]。特别是近些年来，随着我国电力市场的建立、发展和不断完善，短期负荷预测在现代电力系统调度和管理中占据着重要地位，发挥的作用也日益显现。它不但为电力系统的安全、经济运行提供可靠保障，而且为市场环境下合理安排调度计划、供电计划、交易计划提供了依据[2]。因此，短期负荷预测已经成为现代电力系统运行和管理中的一个重要研究课题。

短期负荷预测发挥的重大作用是以它的精确性为前提的，也就是说，预测精度越高，在实践中发挥的作用就越大，反之，就会对电力系统的安全、稳定、经济运行造成影响。本文正是基于这一目的，紧紧围绕提高短期负荷预测精度[3]这一目标，对短期负荷预测的特点和影响电力系统短期负荷预测精度的因素进行了深入的总结和分析，接着对近年来的负荷预测方法进行了详细的阐述和探讨，并提出了提高负荷预测精度的几项措施和展望了负荷预测未来发展方向。

1 短期负荷预测的特点和影响负荷预测精度的因素

1.1 短期负荷预测的特点

负荷预测是一种对后期负荷的一种估算，即根据已有的资料和经验，运用一定的方法和模型，分析负荷本身及其有关因素的相互关系，编制负荷预测曲线。在预测过程中，由于受经济，政治，气象，时间等多种随机性因素的影响，短期负荷具有随机性和不确定性。总的来说，短期负荷预测具有以下明显特点：

1）不确定性

电力负荷受多种复杂因素的影响，且这些影响因素有时难以准确确定，这就会导致负荷预测结果的不准确。

2）条件性

负荷未来发展的不确定性，导致条件无法确定，因此就需要一些假设条件，在此基础上对负荷进行预测。

3）时间性

科学的负荷预测，要求有比较确切的数量关系和概念，因此，要指明预测的起止时间和历史样本的起止时间。

4）多方案性[4]

不同地区的负荷情况所采用的预测方案是不一样的，我们需要对各种情况下可能的负荷发展状况进行预测，这样短期负荷预测就具有多方案性。

5）周期性

由于人们在长期的社会活动过程中形成了特定的生产和生活方式，使负荷变化具有了一定的规律性，其中最典型的是年周期性、周周期性、日周期性，其中日周期性是日短期负荷预测和超短期负荷预测的依据和基础。

6）连续性

短期电力负荷是连续的，在负荷变化过程中，无论是负荷增加还是减少都要求负荷变化量在一定的范围之内，其外在表现就是负荷的连续性。

7）非线性

短期负荷的变化与其影响因素基本上不存在正比关系，这样在短期负荷预测中应用线性模型进行预测效果就会比较差。

8）相似性

在实际的负荷预测过程中，负荷预测结果在相对应的阶段呈现相近的情况，事实上，我们在负荷预测过程中使用类推法和历史类比法，就是基于这个特点。

1.2 影响负荷预测精度的因素

精度是负荷预测最重要的指标。在电力系统短期负荷预测中，影响短期负荷预测精度的因素是多方面的，但主要是以下几方面：

1）历史数据

历史负荷数据在很大程度上决定了未来预测负荷的水平，然而负荷预测所需的大量历史资料并不能保证其绝对准确可靠，在一定程度上必然会带来一些预测误差。

2）经济因素

经济环境的好坏和经济发展状况对负荷预测是有重要影响的。一般来说，经济发展比较好的情况下，负荷水平就提升的比较快；反之，负荷水平就会下降。

3）政治因素

例如军事冲突等，此类事件出现的概率很小，但是一旦出现就会对负荷造成重大影响。

4）气象因素

影响负荷的天气因素很多，在进行负荷预测时，往往预测模型只考虑研究对象的主要因素，而忽略了许多次要的因素，另外，再加上气象预报本身的不准确，会造成双重误差。

5）时间因素

时间的周期性和季节性变化、节假日等时间因素使负荷曲线在不同的时间范围内呈现出不同的特征。

6）样本因素

影响短期电力负荷预测的样本因素包括样本数量、样本质量和样本范围。在进行短期电力负荷预测时，不能仅仅考虑时间、历史数据因素，应该综合考虑影响负荷的各种因素，同时对各个因素进行定量和定性的分析，进而选择最佳样本，使预测更加准确。

7）预测模型

不同负荷预测模型所得出来的预测结果有时是有较大差别的，我们应根据地区实际和特点，选择精确的负荷预测模型。

8）其他因素

在确保电力市场经济性的的情况下，执行峰谷分时电价，在一定程度上对负荷曲线产生了影响；难以确定反映负荷周期性、趋势性以及与影响因素之间关系的样本数；有些突发事件，如拉闸限电、冲击负荷、停电检修和重大活动等都可能会对系统负荷产生很大的影响；大电网（网、省级）负荷变化一般都有较强的统计规律性，预测结果比较准确，而地区级电网的统计规律则不是很明显，不能有效地指导负荷预测等，上述情况都会对进行精确的负荷预测产生不同程度的干扰。

2 电力系统短期负荷预测方法

目前应用于短期负荷预测的方法很多，限于篇幅，本文主要对一些智能负荷预测方法和新方法进行说明。实际上，每一种预测方法都代表了一种发展规律，只是各种预测方法考虑的侧重点各不相同，而不同地区负荷的发展规律是不相同的。因此，我们只有针对不同的地区，选择不同的预测模型和模型组合，才能最大限度的提高负荷预测的精度。

2.1 专家系统法[5]

专家系统是一类具有专门知识和经验的计算机智能程序系统，通过对专家问题求解能力的建模，采用人工智能中的知识表示和知识推理技术来模拟通常由专家才能解决的复杂问题，建立知识库，并在系统的实际运行过程中对知识库不断进行更新和维护，来跟随事物的变化轨迹，达到具有与专家同等解决问题能力的水平。专家系统的优点是具有丰富的经验且不断更新，较好的透明性和交互性，可靠性好，工作效率高等。专家系统的不足之处是针对性强，不具有普遍性；需要高质量的数据库，建模时存在困难[6]。

2.2 数据挖掘

数据挖掘[7]是指从大量数据中挖掘出隐含的未知的、对决策有价值的模式和规律的过程。它的基本步骤如图1所示。

图1 数据挖掘技术基本步骤

数据挖掘技术可以在错综复杂的历史数据中，剔除错误和作用比较小的数据，而且尽可能的考虑决定短期负荷的影响因素，最终得出短期负荷的真正变化规律，从而最大限度的提高预测精度。尤其在环境因素和社会信息等变化较大的条件下，将数据挖掘用短期负荷预测是非常有利的。

2.3 人工神经网络法[8-10]

人工神经网络是模仿人脑的神经网络进行学习和处理问题的非线性系统。由于短期负荷受到天气情况和人类社会活动等多种因素的影响，存在大量的随机性和非线性关系，所以神经网络在处理短期负荷预测问题时有较好的效果。人工神经网络的优点是具有很强的鲁棒性，能够对大量非结构性、非精确性规律具有较强自适应能力，具有很强的信息综合能力和容错能力等。它的不足是神经网络的结构选择缺乏有效的理论依据，难以科学地确定网络结构，收敛速度慢且容易陷入局部极小，训练时间较长等。

2.4 支持向量机

支持向量机（SVM）是一种基于统计学习理论[11]提出的能实现在有限样本条件下满足VC维理论和结构风险最小原理的机器学习方法， SVM 的训练问题实质上是经典的二次规划问题，它的一个重要特征是只有惟一的全局最优解，还有一个很重要的方面是它可以利用最优化理论中许多成熟的算法，为自己所用。它的优点是泛化能力比较强、全局最优和收敛速度相对比较快，它的不足之处是存贮需求量大，编程和实际应用较难，而且不能确定数据中的知识是否冗余，以及作用大小；在自选参数和核函数的选择时，主要依靠经验确定，人为因素比较明显，对于随机波动性较强的中小型电网，其预测效果相对较差。

2.5 综合模型预测法[12-13]

由于历史负荷数据的复杂性和随机性，单一的负荷预测模型一般难以达到理想的精度要求，我们就需要对影响负荷预测精度的因素进行认真的分析，仔细研究负荷预测误差产生的原因，充分利用各种算法的优点，构建其综合负荷模型，提高负荷预测精度。此方法的优点是解决了单一算法的不足，充分利用每一种算法的优点，但这样会增加建模的难度，影响整体的计算速度，比如文献[14]将模糊和专家系统相结合，文献[15]将神经网络与小波理论相结合，文献[16]将神经网络和模糊算法相结合,文献[17]将序列法和神经网络相结合，文献[18]将混沌理论和神经网络相结合，文献[19]将遗传算法和神经网络相结合,文献[20]将粒子群和神经网络相结合等等，这些算法在预测的精度上有一定的提高，但同时也增加了负荷模型的复杂性。

3 提高电力系统短期负荷预测精度的措施

3.1 电力系统短期负荷预测基本流程

负荷预测所有工作的中心是围绕如何提高负荷预测准确率展开的，图2是短期负荷预测的基本流程图。

3.2 提高短期负荷预测精度的几条措施

根据短期负荷预测的特点以及影响负荷预测精度的因素，结合短期负荷预测的基本流程图，我们应在以下几个方面来提高短期负荷预测的精度。

1）历史数据的正确与否在一定程度上决定了预测结果的精确度，有效的利用高质量的样本数据既是非常基础也是非常重要的工作。

2）加强对运行人员的培训力度，增强运行人员的理论修养和经验知识的积累。

3）加强与气象预报部门的沟通，提高天气预测的准确率，它是提高负荷预测准确率的前提和基础。

4）预测部门工作人员要加强与非统调之外电厂（站）的沟通与协调，掌握准确的负荷信息，对提高负荷预测精度将产生重要意义。

5）建立电力负荷的大用户中心，实时掌握大客户的负荷调整信息，这样就能缓解在特殊情况下对负荷预测造成的不利影响，提高预测精度。

6）针对预测地区的负荷特性分析和负荷特点，选择精确的预测模型。

7）加大对负荷预测研究工作的资金投入力度，不断尝试用新理论和新技术对负荷进行预测，建立完整的负荷预测体系。

8）加强各地区电网的管理和协调，实现信息共享，建立特殊情况下的应急体系，及时调整负荷预测的工作进度和工作方法等。

4 结论

短期负荷预测是电力系统调度运营部门一项重要的基础工作，预测精度的高低直接影响到电网运行的安全性、经济性以及电能质量。随着电力市场条件下对供电安全性，可靠性和经济性的更高要求，提高短期负荷预测的质量势在必行。

本文分析了短期负荷预测的特点，总结了影响负荷预测精度的因素，对负荷预测的一些方法进行了阐述和探讨，提出了提高负荷预测精度的措施，希望能给负荷预测工作者带来一些新的工作思路。作者认为未来的负荷预测工作，在加强对基础数据进行处理的同时，要运用科学的技术手段不断完善负荷预测模型，并积极探索负荷预测的新思路和新方法，在实际中，有针对性的对特定地区和特定情况选用特定的负荷预测模型，建立全面的和不断更新的负荷预测数据库，不断提高负荷预测精度和负荷预测工作水平。

[1]Damitha.K.Ranaweera, George. G.Karady, Richard.G.Farmer.Economic impact analysis of load Forecast-ing[J].IEEE Transon Power Sysems, 1997,12(3):1388-1392.

[2]康重庆,夏清,刘梅.电力系统负荷预测[M].北京:中国电力出版社,2007.

[3]周平,杨岚,周家启.电力系统负荷灰色预测的新方法[J].电力系统及其自动化学报,1998,10(3):45-50.

[4]牛东晓,曹树华,赵磊,等. 电力负荷预测技术及其应用[M]. 北京:中国电力出版社,1998.

[5]张涛,赵登福,周琳等.基于RBF神经网络和专家系统的短期负荷预测方法[J].西安交通大学学报,2001,35(4):331-334.

[6]Rahman S,Bhatangar R. An expert system based algorithm for short-term load forecast[J]. IEEE Trans on Power Systems,1998,3(2):392-399.

[7]安淑芝.数据仓库和数据挖掘.北京:清华大学出版社, 2005.

[8]高山,单渊达.基于径向基函数网络的短期负荷预测[J].电力系统自动化,1999,23(5):31-34.

[9]彭建春,江荣汉.电力系统短期负荷预报的动态神经网络方法[J].湖南大学学报,1997,21(1):83-86.

[10]李世昌.用前向神经元网络进行短期负荷预测的方法[J].福建电力与电工,1996.

[11]瓦普尼克著,张学工译.统计学习理论[M].北京:电子工业出版社,2004.

[12]谢敬东,唐国庆.组合预测方法在电力负荷预测中的应用[J].中国电力,1998,31(6):3-5.

[13]史永,王鹏,张粒子.一种实用的短期负荷组合预测方法[J].现代电力,2000,17(1):35-40.

[14]招海丹,余得伟.模糊专家系统用于短期负荷预测修正的初步探讨[J].华东电力,2000(5):24-27.

[15]邰能灵,侯志俭,李涛等.基于小波分析的电力系统短期负荷预测方法[J].中国电机工程学报,2003,23(1):45-50.

[16]甘文泉,王朝晖,胡保生.结合神经元网络和模糊专家系统进行电力短期负荷预测[J].西安交通大学学报,1998, 32(3):28-32.

[17]卢建昌,王柳. 基于时序分析的神经网络短期负荷预测模型研究[J]. 中国电力,2005,38(7):11-14.

[18]李广,邹德忠,谈顺涛. 基于混沌神经网络理论的小电网短期电力负荷预测[J].电力自动化设备,2006,26(2): 50-52.

[19]梁海峰,涂光瑜,唐红卫. 遗传神经网络在电力系统短期负荷预测中的应用[J].电网技术,2001,25(1):49-53.

[20]蔡金锭,付中云. 粒子群神经网络混合算法在负荷预测中的应用[J]. 高电压技术,2007,33(5):90-93.