电力市场环境下的负荷预测研究

肖俊青

摘 要：电力关乎国计民生，在电力市场改革不断深入的今天，做好负荷预测更为迫切。而负荷预测也对预测速度与精确度提出了更高要求。本文在系统论述负荷预测分类及常见模型的基础上，重点就电力负荷预测的方法进行总结，在明确其优劣势的基础上系统分析电力市场环境下对电力负荷预测的新要求，以期对负荷预测研究起到一定指导。

关键词：电力市场；电力环境；负荷预测；研究分析

1负荷预测的含义及意义

伴随社会的不断发展，电力工业作为国民经济支柱产业，直接影响生产生活。而要想确保电力市场需求的有效满足，奠定电力系统规划建设的良好基础，负荷预测是根本，负荷预测直接决定电力投资、网络布局及运行的合理性稳定性。做好负荷预测研究是城市发展规划的重要内容。就电力系统而言，负荷指的是电力需求量，是能量对比时间的变化率，负荷预测有两方面的解读。既是对未来电力用量的预测也是对未来电力需求量的预测，奠定电力系统安全运行的前提。随着经济的持续稳定发展，电力需求旺盛，提供高质量、稳定的电力供应已经成为电力系统关注的首要问题，因此该背景下做好电力负荷的预测分析具有重要意义。而负荷预测的研究关注重点在于负荷预测方法的创新改进及当前市场环境下的电力需求满足。

2电力负荷的有效预测

2.1电力负荷预测的几种常见分类

分类依据不同对应多种负荷预测分类。按照期限分可以分为年度预测、月度预测、日度预测。从更广的时间维度来分类，又可以划分为长期预测、中期预测与短期预测。长期预测一般周期为30年，中期预测则缩短为6年，短期预测则往往指几个月。

2.2电力负荷预测的常见模型

电力系统总负荷预测模型按照四个分量模型被描述为，L（t）=B（t）+W（t）+S（t）+V（t）。其中L为时刻t的天气敏感负荷分量。而S对应的是时刻t的特别时间负荷分量。V则是时刻t的随机负荷分量。就中长期电力负荷预测来说，E呈现出明显增长的周期变化规律，而短期电力负荷预测B一般呈现周期性变化。而对于超短期负荷预测，B的变化近似线性。预测周期不同，B的内涵也不断变化。而对于基本正常负荷分量，线性变化模型与周期变化模型基本满足描述需求。线性变化模型是将前面时刻的负荷描述成为直线，对应延长线即可预测下一时刻的电力负荷。对于周期性的变化模型来说，主要反应负荷日月年的周期变化特征。

3电力负荷预测的常见方法

3.1回归模型预测分析法

回归模型预测分析法是传统预测法的一种。具体又分为一元回归分析和多元回归分析，主要通过给定的多组自变量和因变量资料分析研究两者之间的关联，总结归纳成回归方程，回归方程因变量为电力系统的负荷，自变量则是影响系统负荷的各种因素。无论是回归变量的选取还是变量因素的量化处理都涉及到经济学知识，要想成功预测必须具备经济学的专业分析知识，而其预测过程也相对繁琐。

3.2时间序列预测分析法

时间序列预测分析法是一种比较成熟的负荷预测法，其将负荷数据看做是单位时间，可以是年、季度、周、天、小时。根据周期性变化的时间序列，在总结负荷历史资料的基础上建立数学模型来描述呈现负荷变化的统计性规律。在时间序列法中卡尔曼滤波法、状态估计最为常见，这些方法在符合预测中具有回归分析不可比拟的优势。但对应建模过程更为复杂，也更容易受天气变化的影响。节假日的电力负荷预测并不准确，存在较大误差。

3.3人工神经网络预测法

人工神经网络技术预测系统负荷是一种更为新型的负荷研究方法，针对非结构性、非精确性的规律具有较好的适应性，并且该方法相较于传统的负荷预测，不需要搭建负荷模型，具备很好的函数逼近能力，可以有效解决天气及温度等因素对负荷影响的数据捕捉。其弊端是人工神经网络需要较长的训练，而网络结构确定、变量输入选取操作执行比较困难，目前该电力负荷预测还不够成熟完善，还有较大的改进空间。人工神经网络预测模型如下：

3.4专家系统电力负荷预测

除了人工神经网络电力预测，专家系统也是当前比较常见的电力负荷预测法，其主要由知识库、用户界面、推理机等几个模块组成，通过整合电力系统负荷预测领域内专家学者的丰富知识与经验，借助启发式知识推理自动得出决策结论。对于节假日的电力负荷预测及重大社会活动突发事件的电力预测，起具有明显优势。其弊端是难以迅速高效地预测知识规则并建立知识库，因为是参考专家经验，知识更新相对缓慢，在后期知识库的维护上也需要耗费大量精力，成本较高。

3.5电力负荷小波分析法

对于现代电力负荷预测来说，小波分析法也是不错的选择。小波分析法更多地吸收了分析学中多个分支领域的精华部分，目前不仅仅在电力预测在多个科学领域得到有效运用。在负荷预测中，其选取合适的母小波函对负荷进行分类，针对不同性质的负荷会选择相应的预测方法，在此基础上对分解的序列进行预测，预测得到的序列重构从而获得更为精确的负荷预测结果。但该方法也并不是尽善尽美的，其弊端在于重构带来的误差风险，使得误差累加，这也意味着对小波的预测精度要求更高，整个模型的预测也更加复杂。

3.6综合电力负荷预测法

综合法其实更多地是整合上述预测分析法的优势整合后的预测方法。重点参考的是模型法和人工智能法。吸收两者的优势，带来预测的高精度。目前综合法又有多种分类，比较常见的有松散性结合、并联型结合、串联型结合、网络学习型结合及结构等价性结合。

4电力市场环境下对负荷预测的新要求

伴随经济的发展，电力市场需求更加迫切。而负荷预测作为电力系统安全运行的前提，同时是经济运行的重要手段备受关注。其承担着电力交易的数据提供责任。其实在当前的电力市场环境下，往往有很多不确定因素，正是这些不确定因素的客观存在使得电力负荷具有未知性，加上多个因素之间综合作用形成复杂影响关系，对电力系统的正常运行提出考验。做好电力负荷预测是基础性的工作。本文通过论述多种负荷预测方法，明确了各自的优势与缺陷，让工作人员在电力负荷预测中更有参考与借鉴。其实针对电力系统，在实际运行中，必须根据当地电网的实际负荷情况及独有特点进行全方位的考察分析，做好对各种客观因素的影响把控，从需求预测管理出发，发挥计算机技术的支撑作用，有效建立负荷预测软件与电力市场软件的有效接口，从而选择更合适的预测模型，实现电力负荷的正确预测。在工作中也应树立创新思维，积极探索电力负荷预测的新思路新方法，切实提升电力企业整体经济效益，奠定国民经济健康发展的电力基础。要想真正做好电力负荷预测，必须了解电力负荷现状并做好历史统计资料的研究学习，通过整理规划期各行业用户的发展资料，在个例与共性的捕捉分析中把握国民经济各行各业的发展规律，了解行业实际发展的可能性与未来星，做到对电力市场环境发展方向的正确把握。

5结语

电力市场的发展更加复杂多样，而解决电力负荷预测问题已经成为摆在电力科技工作者面前的重要课题。在利用现有数据资料基础上，掌握正确的预测方法，建立符合电力负荷实际的预测模型，切实提升预测的速度与精确度，更好地满足电力市场对负荷预测的客观要求。而我们也应该看到电力市场条件下电力负荷预测的复杂性与艰巨性，因此，电力负荷预测还需要更深入的分析与研究。

参考文献：

[1]李燚.电力市场环境下的负荷预测研究[J].中国高新技术企业，2011，22：5-7.

[2]李峰，曹晏宁，郑日红.电力市场环境下的负荷预测分析与展望[J].内蒙古科技与经济，2012，23：90+92.

[3]张芳明.电力市场环境下的电力系统扩展短期负荷预测研究[D].湖南大学，2009.

[4]马立新，彭华坤，李渊.电力市场下负荷分析与预测优化方法的研究[J].信息技术，2013，09：58-61.

（作者单位：国网泉州供电公司）