電力系統(tǒng)超短期負荷預(yù)測技術(shù)的應(yīng)用與發(fā)展

張 怡， 張 鋒

（1.浙江大學電氣工程學院，杭州 310027； 2.浙江電力職業(yè)技術(shù)學院，杭州 310015；3.浙江電力調(diào)度通信中心，杭州 310007）

負荷預(yù)測是電力系統(tǒng)經(jīng)濟調(diào)度中的重要內(nèi)容，是能量管理系統(tǒng)（EMS）的一個重要模塊[1]。負荷預(yù)測按其預(yù)測所取時間長度一般可分為長期、中期、短期和超短期負荷預(yù)測[2]，其中超短期負荷預(yù)測主要用于安全監(jiān)視、預(yù)防性控制和緊急狀態(tài)處理，其預(yù)測精度對電網(wǎng)安全、發(fā)用電平衡及提高電網(wǎng)頻率合格率有著舉足輕重的作用。

1 超短期負荷預(yù)測的特點及方法

超短期負荷預(yù)測是指預(yù)測未來1 h內(nèi)負荷的變化，主要用于AGC調(diào)頻、超短期機組出力控制、安全監(jiān)視、指導調(diào)度員控制聯(lián)絡(luò)線交換功率在規(guī)定范圍、預(yù)防控制和緊急狀態(tài)處理、電力市場小時交易計劃軟件編制。超短期負荷預(yù)測具有預(yù)測時間短、預(yù)測速度快以及預(yù)測精度要求高等特點。到目前為止，國內(nèi)外學者在電力系統(tǒng)負荷預(yù)測方面作了大量的工作，研究出了許多負荷預(yù)測方法?？傮w來說，超短期負荷預(yù)測的發(fā)展大致經(jīng)歷了3個階段：傳統(tǒng)預(yù)測方法階段、現(xiàn)代預(yù)測方法階段和綜合預(yù)測方法應(yīng)用研究階段。

2 傳統(tǒng)預(yù)測方法

2.1 線性外推法[3]

線性外推法是對過去一段時間內(nèi)具有隨機特性的負荷用線性曲線或二次曲線等擬合出負荷變化曲線，使得這條曲線能夠反映負荷本身的變化趨勢，然后根據(jù)這條擬合曲線，對未來某一點外推估計出預(yù)測結(jié)果。該方法能較好預(yù)測變化比較平坦的負荷曲線，但對負荷曲線拐點處的預(yù)測效果較差，會出現(xiàn)比較大的誤差。

2.2 時間序列法[4]

時間序列是按時間順序排列的一組數(shù)字序列。時間序列分析法就是利用這組數(shù)列，應(yīng)用數(shù)理統(tǒng)計方法加以處理，以預(yù)測未來的發(fā)展。時間序列分析是定量預(yù)測方法之一，它的基本原理是：承認事物發(fā)展的延續(xù)性，應(yīng)用過去數(shù)據(jù)就能推測事物的發(fā)展趨勢?？紤]到事物發(fā)展的隨機性，任何事物發(fā)展都可能受偶然因素影響，為此要利用統(tǒng)計分析中加權(quán)平均法對歷史數(shù)據(jù)進行處理。

2.3 卡爾曼濾波法[5]

卡爾曼濾波法成功采用了狀態(tài)空間的概念，不要求直接給出信號過程的二階特性或譜密度函數(shù)，而是把信號過程視為在白噪聲作用下的一個線性系統(tǒng)的輸出，用狀態(tài)轉(zhuǎn)移矩陣φ（t，τ）來描述這個線性系統(tǒng)，系統(tǒng)的輸入、輸出用一個狀態(tài)方程來描述。這樣，就使所研究的信號過程除了平穩(wěn)的標量隨機過程外，還包括非平穩(wěn)矢量隨機過程。同時，卡爾曼濾波法將狀態(tài)空間描述與離散時間更新聯(lián)系起來，提出了使均方差最小的線性遞推濾波算法，這種方法不要求存儲過去的觀測數(shù)據(jù)，當新的數(shù)據(jù)被觀測到后，只要根據(jù)新的數(shù)據(jù)和前一時刻的估計量，借助于信號過程本身的狀態(tài)轉(zhuǎn)移方程，按照遞推公式，即可算出新的估計量，大大減少了濾波裝置的存儲量和計算量，便于實時處理。

2.4 負荷求導法[6]

負荷求導法是對負荷曲線進行一次求導，得到每一點的負荷變化率，再利用數(shù)理統(tǒng)計原理對得出的負荷變化率進行統(tǒng)計，可以采用求平均值或是求加權(quán)平均值的算法來進行統(tǒng)計，最后利用得到的負荷變化率曲線進行負荷預(yù)測，得到預(yù)測結(jié)果。這種方法適用于超短期負荷預(yù)測，預(yù)測精度比線性外推法要高。但當隨機因素發(fā)生大的變化或有壞數(shù)據(jù)存在時，預(yù)測誤差會比較大。

2.5 替代法

替代法是超短期負荷預(yù)測中最簡單的一種方法，它直接以當前時間的實際負荷作為下一點的預(yù)測值。該法對正常工作日的負荷預(yù)測效果較差，但在節(jié)假日時，系統(tǒng)負荷較小，變化平穩(wěn)，與正常工作日相差很大時，實踐表明此時替代法效果比其它方法要好。

3 現(xiàn)代預(yù)測方法

3.1 灰色預(yù)測法[7]

灰色預(yù)測是就灰色系統(tǒng)所做的預(yù)測，所謂灰色系統(tǒng)是介于白色系統(tǒng)和黑箱系統(tǒng)之間的過渡系統(tǒng)?；疑到y(tǒng)理論認為對既含有已知信息又含有未知或非確定信息的系統(tǒng)進行預(yù)測，就是對在一定范圍內(nèi)變化的、與時間有關(guān)的灰色過程的預(yù)測。盡管過程中所顯示的現(xiàn)象是隨機的、雜亂無章的，但畢竟是有序的、有界的，因此這一數(shù)據(jù)集合具備潛在的規(guī)律，灰色預(yù)測就是利用這種規(guī)律建立灰色模型對灰色系統(tǒng)進行預(yù)測。

3.2 人工神經(jīng)網(wǎng)絡(luò)[8]

人工神經(jīng)網(wǎng)絡(luò)是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征進行分布式并行信息處理的算法數(shù)學模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的內(nèi)在節(jié)點聯(lián)系，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而達到處理信息的目的。人工神經(jīng)網(wǎng)絡(luò)具有自學習和自適應(yīng)的能力，可以通過預(yù)先提供的一批相互對應(yīng)的輸入/輸出數(shù)據(jù)，分析兩者之間潛在的規(guī)律，最終根據(jù)這些規(guī)律用新的輸入數(shù)據(jù)來預(yù)測輸出結(jié)果。

3.3 小波分析預(yù)測法[9]

小波分析是一種新興的數(shù)學工具，正被廣泛應(yīng)用于各個專業(yè)技術(shù)領(lǐng)域中，它在時域和頻域具有同樣良好的局部化性質(zhì)，可以任意提取短期負荷序列的細節(jié)。通過使用小波分析，可以在任何水平上分析短期負荷序列，對信息成分采取逐漸精細的時域和頻域處理，尤其在對突發(fā)與短時的信息分析上具有明顯的優(yōu)勢。

3.4 數(shù)據(jù)挖掘技術(shù)[10]

所謂的數(shù)據(jù)挖掘（DM，Data Mining）就是從海量的數(shù)據(jù)中提取隱含在其中事先未知的，但又是潛在有用的信息和知識，并將其表示成最終能被人理解的模式的高級過程。數(shù)據(jù)挖掘技術(shù)產(chǎn)生于20世紀80年代末期，是目前國際國內(nèi)的研究熱點。它是數(shù)據(jù)庫知識發(fā)現(xiàn)KDD（knowledge discovery in database）的核心技術(shù)。數(shù)據(jù)挖掘技術(shù)的顯著特點就是其強大的數(shù)據(jù)處理能力，能從大量的數(shù)據(jù)中發(fā)現(xiàn)有用的規(guī)律、規(guī)則、聯(lián)系、模式等知識。包括聚類分析、分類分析、時間序列相似性分析、關(guān)聯(lián)度分析、回歸分析等。

3.5 專家系統(tǒng)法[11]

專家系統(tǒng)預(yù)測法是對數(shù)據(jù)庫里存放的過去幾年甚至幾十年內(nèi)每小時的負荷和天氣數(shù)據(jù)進行分析，匯集有經(jīng)驗的負荷預(yù)測人員的知識，提取有關(guān)規(guī)則，按照一定的規(guī)則進行負荷預(yù)測的方法。對于突發(fā)性及節(jié)假日等非正常日引起的負荷變化脫離正常模式的情況，可由根據(jù)調(diào)度專家經(jīng)驗發(fā)展而來的負荷預(yù)測專家系統(tǒng)來避開復雜的數(shù)值計算而使問題得到解決。這些系統(tǒng)有時非常簡單，但也存在通用性較弱、缺乏學習能力等缺點。

3.6 模糊系統(tǒng)預(yù)測[12]

模糊控制是在所采用的控制方法上應(yīng)用了模糊數(shù)學理論，使其進行確定性的工作，對一些無法構(gòu)造數(shù)學模型的被控過程進行有效控制。不管模糊系統(tǒng)是如何進行計算的，從輸入/輸出的角度看是一個非線性函數(shù)。對于任意一個非線性連續(xù)函數(shù)，都可以通過找出一類隸屬函數(shù)、一種推理規(guī)則和一個解模糊方法，使得設(shè)計出的模糊系統(tǒng)能夠任意逼近這個非線性函數(shù)，進而利用該逼近函數(shù)進行負荷預(yù)測。模糊負荷預(yù)測是近幾年比較熱門的研究方向，國內(nèi)外眾多學者在該領(lǐng)域做了較多工作，取得了不少成果。

3.7 聚類分析[13]

聚類是將數(shù)據(jù)分類到不同的類或者簇的過程，所以同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。聚類分析的目標就是在相似的基礎(chǔ)上收集數(shù)據(jù)。聚類方法具有非線性映射能力，能從大量數(shù)據(jù)中提取相似數(shù)據(jù)，進而揭示氣候等各種影響因素與負荷的關(guān)系，有助于提高短期負荷預(yù)測的精度?，F(xiàn)階段聚類分析仍存在相似日劃分不科學及運算復雜等問題。

4 綜合預(yù)測方法

綜合預(yù)測方法[14]主要應(yīng)用優(yōu)選組合預(yù)測法。優(yōu)選組合有2層含義：一是從幾種預(yù)測方法得到的結(jié)果中選取適當?shù)臋?quán)重加權(quán)平均；二是指在幾種預(yù)測方法中進行比較，選擇擬和度最佳或標準偏差最小的預(yù)測模型進行預(yù)測。該方法的優(yōu)點是：優(yōu)選組合了多種單一預(yù)測模型的信息，考慮的影響信息也比較全面，因而能夠有效地改善預(yù)測效果。缺點是權(quán)重的確定比較困難，同時也不可能將所有在未來起作用的因素都包含在模型中，在一定程度上限制了預(yù)測精度的提高。

5 超短期負荷預(yù)測發(fā)展方向的探討

超短期負荷預(yù)測是電力系統(tǒng)的經(jīng)典研究課題，隨著新形勢的不斷變化，其發(fā)展方向應(yīng)該重視以下問題。

5.1 在線快速精確預(yù)測

新形勢對超短期負荷預(yù)測功能提出了許多新要求，在電力市場條件下主要表現(xiàn)為自動運行與滾動預(yù)測。具體是指在正常情況下超短期負荷預(yù)測系統(tǒng)無需人工干預(yù)，可以連續(xù)不斷地根據(jù)最新獲取的系統(tǒng)運行數(shù)據(jù)進行周期性的滾動預(yù)測，只有當預(yù)測誤差較大、需要人工處理時，才由預(yù)測人員進行適當調(diào)整。

5.2 綜合因素的考慮

電力系統(tǒng)超短期負荷預(yù)測的結(jié)果實際上受到很多綜合因素的共同影響。在超短期負荷預(yù)測領(lǐng)域，為進一步提高預(yù)測精度，需要注意的影響因素主要包括氣溫、濕度、降雨、風力、工作日/休息日、節(jié)假日類型及可預(yù)見的大事件等。處理方法可以考慮嘗試對歷史數(shù)據(jù)進行數(shù)據(jù)挖掘，從多因素共同作用的結(jié)果中找出影響預(yù)測精度的主要相關(guān)因素。此外，對于一些新的相關(guān)因素，如近來在負荷預(yù)測領(lǐng)域中開始引入的溫度累積效應(yīng)，也應(yīng)考慮引入相關(guān)體現(xiàn)指標，構(gòu)成對應(yīng)預(yù)測模型。

5.3 組合預(yù)測

考慮到單一預(yù)測方法存在的弊端，探索組合預(yù)測方法已經(jīng)成為國內(nèi)外學者的共識。組合預(yù)測的實現(xiàn)主要有2種途徑，其一是直接從預(yù)測機理的角度對單一預(yù)測模型進行組合，通過單一預(yù)測模型的相互配合實現(xiàn)預(yù)測優(yōu)化；其二是將單一模型預(yù)測結(jié)果直接加權(quán)組合，通過權(quán)值的設(shè)置實現(xiàn)對預(yù)測結(jié)果的綜合判斷，得到預(yù)測效果較好的綜合模型，但權(quán)重如何確定仍有待解決。

5.4 概率預(yù)測

傳統(tǒng)的預(yù)測結(jié)果一般都是確定的，即明確給出一個數(shù)值，缺點是無法給出預(yù)測結(jié)果的波動范圍。類似天氣預(yù)報中的降水概率預(yù)計，如能實現(xiàn)概率預(yù)測則更符合客觀需求。目前，在國外的一些預(yù)測方法中已經(jīng)開始體現(xiàn)概率預(yù)測的傾向，但是從目前的技術(shù)來看，各種預(yù)測結(jié)果的概率分布函數(shù)還是一個很難解決的問題。

5.5 原始數(shù)據(jù)的優(yōu)化處理

原始數(shù)據(jù)的準確性是提高一切超短期負荷預(yù)測方法性能的立足點。從實際工作中看，采樣得到的歷史負荷數(shù)據(jù)常常含有異常值。這些異常數(shù)據(jù)主要包括兩類：一是由于人為或設(shè)備因素造成的錯誤數(shù)據(jù)；二是數(shù)據(jù)是真實正確的，但是由于突發(fā)事件或特殊原因造成非規(guī)律性變化。在超短期負荷預(yù)測中，正確地識別并修正不良數(shù)據(jù)非常重要，目前這方面的研究雖取得了一些成果，但還需要進一步提高實用性。

5.6 “重近輕遠”原則的合理設(shè)置

預(yù)測中“重近輕遠”原則是指：物理量未來的變化趨勢更多地取決于歷史時段中近期的發(fā)展規(guī)律，遠期的歷史數(shù)據(jù)與未來發(fā)展趨勢的相關(guān)性較弱。為實現(xiàn)“重近輕遠”原則，主要采用加權(quán)參數(shù)估計的方法，即對近期數(shù)據(jù)給予較大的權(quán)值，遠期數(shù)據(jù)給予較小的權(quán)值。在超短期預(yù)測中，可以通過輸入?yún)?shù)的選擇來實現(xiàn)“重近輕遠”原則，即選擇與預(yù)測時段比較接近的時段信息構(gòu)成主要的輸入?yún)?shù)。如何合理配置相關(guān)權(quán)值及輸入?yún)?shù)，這方面還需要進一步研究。

5.7 充分考慮電力系統(tǒng)特色

在一些負荷預(yù)測研究中，將電力系統(tǒng)負荷數(shù)據(jù)當作一系列純數(shù)學的數(shù)據(jù)看待，失去了電力系統(tǒng)的特色。要在預(yù)測中引入電力系統(tǒng)特色，就要從電力系統(tǒng)的實際出發(fā)，重視負荷發(fā)展的內(nèi)在特性和規(guī)律分析，從負荷構(gòu)成的物理機理入手，研究其變化規(guī)律。以小水電運行方式對負荷預(yù)測影響為例，小水電有水發(fā)電、無水停機，在負荷預(yù)測中如果不考慮降水對小水電運行的影響，單純依靠數(shù)學方法，其預(yù)測結(jié)果將產(chǎn)生較大誤差。

5.8 自適應(yīng)預(yù)測策略的開發(fā)

在實際工作中可以發(fā)現(xiàn)，相同的預(yù)測方法在不同的情況下預(yù)測效果會有變化。自適應(yīng)預(yù)測根據(jù)其所應(yīng)用的場合和最新運行方式的不同，自動進行預(yù)測模型參數(shù)的調(diào)整，達到更好的預(yù)測效果，其本質(zhì)是一個根據(jù)預(yù)測偏差不斷調(diào)整模型結(jié)構(gòu)和參數(shù)的閉環(huán)反饋問題。從電力系統(tǒng)智能化發(fā)展的趨勢來看，自適應(yīng)預(yù)測需要予以充分的關(guān)注。

6 結(jié)語與展望

超短期負荷預(yù)測是實現(xiàn)電力系統(tǒng)安全、穩(wěn)定、優(yōu)質(zhì)、經(jīng)濟運行的基礎(chǔ)，對電力系統(tǒng)來說，提高電網(wǎng)運行的安全性和經(jīng)濟性，改善電能質(zhì)量，都依賴于準確的負荷預(yù)測。在電力企業(yè)走向市場、電力市場日趨成熟的形勢下，超短期負荷預(yù)測在電力系統(tǒng)安全經(jīng)濟運行中將會發(fā)揮越來越重要的作用。目前，國內(nèi)外學者就超短期負荷預(yù)測已研究出了許多方法，這些方法從簡單到復雜，但每一種都有一定的適應(yīng)場合，并需要不斷的完善。實際應(yīng)用時，需要掌握待預(yù)測系統(tǒng)的實際運行情況，細致分析負荷實際變化的規(guī)律和影響因素，才能最好地發(fā)揮各種方法的優(yōu)勢。可以預(yù)見，隨著電力系統(tǒng)原始運行數(shù)據(jù)的有效積累和科學處理，電力負荷預(yù)測技術(shù)與相關(guān)科學領(lǐng)域技術(shù)（如氣象、經(jīng)濟等）的交叉滲透，廣大電力工作者會對電力系統(tǒng)負荷預(yù)測有更加深入準確的認識，使電力負荷預(yù)測技術(shù)的研究取得更大進展，電力負荷預(yù)測將更準確更快捷。

[1] 康重慶，夏清，張伯明.電力系統(tǒng)負荷預(yù)測研究綜述與發(fā)展方向的探討[J].電力系統(tǒng)自動化，2004，28（17）∶1-11.

[2] 牛東曉，曹樹華，趙磊，等.電力負荷預(yù)測技術(shù)及其應(yīng)用[M].北京∶中國電力出版社，1998.

[3] 汪峰，謝開，于爾鏗.一種簡單實用的超短期負荷預(yù)報方法[J].電網(wǎng)技術(shù)，1996，20（3）∶41-43.

[4] 陸海峰，單淵達.電力系統(tǒng)的遞推自適應(yīng)超短期負荷預(yù)報[J].電網(wǎng)技術(shù)，2000，24（3）∶28-31.

[5] 謝開，汪峰，于爾鏗，等.應(yīng)用Kalman濾波方法的超短期負荷預(yù)報[J].中國電機工程學報，1996，16（4）∶245-249.

[6] 吳勁暉.負荷求導法在電網(wǎng)超短期負荷預(yù)測中的實踐[J].中國電力，2003，36（3）∶31-32.

[7] 趙成旺，顧幸生，嚴軍.負荷求導法在超短期負荷預(yù)測中的應(yīng)用[J].電力系統(tǒng)及其自動化學報，2006，18（5）∶5-9.

[8] REWAGAD A P，SOANAWANE V L.Artificial neural network based short term load forecasting[C].IEEE Region 10thInternational Conference on Global Connectivity in Energy,Computer，Communication and Control，1998.

[9] 邰能靈，侯志儉，李濤，等.基于小波分析的電力系統(tǒng)短期負荷預(yù)測方法[J].中國電機工程學報，2003，23（1）∶45-50.

[10] 劉敦楠，何光宇，范曼，等.數(shù)據(jù)挖掘與非正常日的負荷預(yù)測[J].電力系統(tǒng)自動化，2004，28（3）∶53-57.

[11] RAHMAN S，BHATNAGAR R.An expert system based algorithm for short-termload forecasting [J].IEEE Transactions on Power Systems，1998，3（2）∶392-399.

[12] KYUNG-BIN SONG，YOUNG-SIK BAEK，DUG HUN HONG.Short-term load forecasting for the holidays using fuzzy linear regression method[J].IEEE Trans on Power Systems，2005，20（1）∶96-101.

[13] SFETSOS A.Short-term load forecasting with a hybrid clustering algorithm[J].IEEE Proceedings： Communications，2003，150（3）∶257-262.

[14] 丁巧林，潘學華，楊薛明，等.最優(yōu)組合預(yù)測方法在電力負荷預(yù)測中的應(yīng)用[J].電網(wǎng)技術(shù)，2008，32（25）∶127-130.