电力系统中长期负荷预测方法发展探讨

电力系统中长期负荷预测方法发展探讨

李明磊1石国良2

（国网河南卢氏县供电公司河南三门峡472200）

摘要：负荷预测是根据负荷的历史数据及其相关影响因素，使用一定的预测模型和方法，以未来经济形势、社会发展、气候条件、气象因素等预测结果为依据，估计未来某时段的负荷数值的过程。其主要工作是预测未来电力负荷的时间和空间分布。就负荷预测内容而言，首先应该区分总量预测和空间分布预测。总量负荷预测包括对未来的电力需求量（功率）的预测、对未来用电量（能量）的预测以及负荷曲线的预测。本文主要讨论中长期负荷预测的总量预测方法。

关键词：电力系统；长期负荷预测；方法

负荷预测是电力行业规划发展的重要依据，电力负荷预测的结果，决定了发电厂未来新发电机组的装机容量的布局和大小，以及发电机组安装时间，同时为输配电网的新建、改造和调整提供科学的依据。供电企业的任务是提供安全、可靠、优质、经济和生态友好的电能，而电能应时刻保持负荷供需关系的动态平衡，从而满足用户对用电量和电能质量的要求。在进行电力规划设计以及运行管理时，均须设法保证科学合理的负荷预测，为此，专家学者对电力系统负荷预测进行了坚持不懈研究。

1中长期负荷预测方法分类

中长期负荷预测的方法可分为经验预测法和数学模型计算法。经验预测法是指依靠专家或专家组的判断进行负荷预测，不包括数量模型。根据使用数据不同，数学模型法主要分为自身规律外推法和相关分析法。两种方法的差别在于，自身规律外推法仅以负荷自身的历史数据为预测基础，而相关分析法将负荷与各种社会经济因素联合起来考虑。

按数学模型是否需要进行参数计算，数学模型法主要可分为参数模型和非参数模型。参数模型方法能反映负荷变化的规律性，但缺乏对负荷中随机变化分量部分的处理。近年来，非参数模型逐渐得到应用，但其物理意义不清晰，较难对模型本身进行分析和调整。表1为负荷预测方法的简单分类。

出于模型可用性和计算快捷性的考虑，以上各单一预测方法会忽略一些因素的影响，而着重考虑负荷的某一个或是几个变化规律或特点，因而都有其不足之处。对于多变量、非确定性的中长期负荷预测，使用单一定性预测或定量预测的方法显然不够。如何将各种方法合理地结合起来，实现优势互补，进一步提高负荷预测的精度已成为研究重点。在这种情况下，组合预测成为共识。

2中长期负荷预测方法

2.1组合预测

组合预测强调综合各单项预测模型的信息，从多方面反映负荷发展的趋势，相比较而言，组合预测不仅预测精度更高，而且出现极端预测误差的风险更小。另一方面，组合预测的思想与传统预测思想其实是相辅相承的，传统预测是组合预测的基础，组合预测是传统预测的综合。权重系数表示的是单项模型相对而言对真实情况的贴切程度，引用越多的单项模型则增加了组合预测的样本。假设某几种单项模型的组合能够发现效果更优的模型，从理论上来说就可能通过以上各模型所包含反映不同侧面信息建立更复杂但更精确的单项模型。

2.2相关分析法

在中长期负荷预测的方法中，相关分析法包括着弹性系数法、线性回归模型、产业产值单耗法等三种具体的分析方法，介于篇幅关系笔者在这里对弹性系数法进行较为详尽的解读。作为一种经典的相关分析法，其能够通过通过判断电量指标与国民经济间增长速度的内在关系，实现对未来一段时间全社会用电总量的预测，

这弹性系数法的计算公式，其中E为弹性系数、凡为用电量增长速度、Rx为经济指标增长速率。根据这一公式我们就可以得出全社会用电量或各产业用电量指标的预测。在具体的弹性系数法应用中，我们需要通过查阅地区电网的规划文本及相关资料，了解我国经济发展的规划，这样才能够得到较好的国民经济指标增长率预测，并以此完成较为精准的中长期负荷预测。

2.3灰色系统预测法

灰色系统理论是由邓聚龙教授首先提出的，该理论在预测领域中的作用非常重要。灰色系统的重要特征是系统的因素不确定或因素之间不具有确定的关系。灰色系统理论对原始数据加以处理，将杂乱无章的原始数据转变为规律性较强的生成数据，并建立生成数据的动态模型，从而进行分析预测。电力负荷系统是典型的灰色系统。灰色理论模型所需样本数少、预测精确、计算快捷、可验性强，适用于电力负荷预测。但灰色模型的预测精度受使用数据的影响，灰度随数据离散程度的增大而增大，预测偏差也增大。灰色系统理论用于预测主要使用灰色模型（GreyModel，GM），一般表达为GM（m，n），表示对n个变量建立m阶微分方程。电力系统中长期负荷预测常用最简单的灰色时间序列模型GM（1，1）。近年来，针对GM（1，1）模型的缺陷和不足之处提出了很多改进，改进方法主要从模型参数估计方法、模型背景值构造方法、模型计算初始条件3方面出发。

3中长期负荷预测方法发展

3.1电力大数据与云计算的综合应用

云计算是解决大数据管理的一种基础平台和支撑技术。目前大数据管理与处理的主流技术是开源Hadoop技术，凭借高可靠性和强大的可扩展能力等优点，该技术已被众多互联网公司使用。目前，大数据和云计算技术在新能源接入、风电机组安全状态评估和电网灾难预警中得到了应用，也将在电力系统负荷预测方面发挥作用。高准确度的中长期负荷预测将是智能电网建设的重要组成部分。相关关系分析法在大数据处理和管理中也得到了重视。在电力系统负荷特性统计指标和气温日益积累大数据背景下，有效提取数据之间关联特征对电力系统规划和运行具有重大意义。大数据技术可促进地球空间、天气预报等技术在智能电网中的应用，对提高负荷预测精确度具有积极意义。

3.2概率性负荷预测

电力负荷预测根据电力负荷及其相关因素的历史数据推测它的未来数值，具有不确定性、时间性、条件性和多方案性等特点。负荷预测从本质上说是一个随机问题，但今天很多电力公司仍旧研究和应用点式预测而不是概率性预测。实现概率性的预测更符合负荷预测自身特点和客观需求。

综上所述，现在的很多预测方法都是基于负荷发展的趋势做出预测，而没有关注电力负荷的影响因素及内在关系，这就导致在出现偶然事件的时候产生较大的预测误差。弹性系数法作为一种经典的预测方法，虽然关注了全社会用电量和经济总量的关系，但还是在宏观层面上预测，并没有进行微观方面的定量关系的具体研究。另外，很多数据来源不同，统计口径不一，导致数据不可避免地存在一些人为误差。在预测技术不断发展的同时，还需考虑进行多方位的考虑。

参考文献：

[1]谢春林.电力系统中长期负荷预测研究与应用[D].南昌大学，2016.

[2]邢鲁华，付兆远，施雨.电力系统中长期负荷预测方法发展探讨[J].山东电力技术，2017，01：13-18+40.