提高配電網(wǎng)短期負(fù)荷預(yù)測(cè)準(zhǔn)確率的研究

曹松錢(qián)

（國(guó)網(wǎng)浙江省電力公司寧波供電公司，浙江寧波315200）

提高配電網(wǎng)短期負(fù)荷預(yù)測(cè)準(zhǔn)確率的研究

曹松錢(qián)

（國(guó)網(wǎng)浙江省電力公司寧波供電公司，浙江寧波315200）

以鎮(zhèn)海電網(wǎng)作為研究對(duì)象，將影響電網(wǎng)負(fù)荷的外界因素量化為特征向量，并修正了最高溫度，采用相似日選擇法選取與待預(yù)測(cè)日相似程度最高的日期作為輸入樣本，通過(guò)灰色系統(tǒng)的計(jì)算得到負(fù)荷預(yù)測(cè)值。通過(guò)對(duì)鎮(zhèn)海電網(wǎng)工作日和節(jié)假日分別進(jìn)行負(fù)荷預(yù)測(cè)分析，驗(yàn)證了此方法的實(shí)用性和有效性。

短期負(fù)荷預(yù)測(cè)；氣溫；相似日；灰色系統(tǒng)

電力系統(tǒng)負(fù)荷預(yù)測(cè)指的是在考慮一些重要的運(yùn)行特性、增容特性、自然條件以及設(shè)備影響的前提下，利用各種計(jì)算方法去預(yù)測(cè)未來(lái)負(fù)荷變化規(guī)律，并能滿足一定的精度要求。提高負(fù)荷預(yù)測(cè)水平有利于計(jì)劃用電、減少能耗和發(fā)電成本、合理安排檢修計(jì)劃和調(diào)整電網(wǎng)運(yùn)行方式[1-2]。

以鎮(zhèn)海配電網(wǎng)為主要研究的對(duì)象，探討短期負(fù)荷預(yù)測(cè)的方法，即預(yù)測(cè)未來(lái)1～7日的負(fù)荷變化趨勢(shì)。

1 負(fù)荷預(yù)測(cè)方法的選擇

電網(wǎng)的短期負(fù)荷受到各種因素的影響，其中較為明顯的有天氣變化、社會(huì)活動(dòng)和節(jié)假日類型等因素，從時(shí)間序列上來(lái)看呈現(xiàn)出非平穩(wěn)的隨機(jī)過(guò)程，但是影響電力系統(tǒng)負(fù)荷的各種因素大部分是具有規(guī)律性的，這也就為實(shí)現(xiàn)有效的負(fù)荷預(yù)測(cè)奠定了基礎(chǔ)。目前常用的負(fù)荷預(yù)測(cè)的方法有回歸分析法、時(shí)間序列法、神經(jīng)網(wǎng)絡(luò)法、灰色系統(tǒng)法等[3-6]。

采用了灰色系統(tǒng)法可以對(duì)含有不確定因素的系統(tǒng)進(jìn)行預(yù)測(cè)，利用灰色模型（GM）的微分方程作為單一指標(biāo)（如網(wǎng)供負(fù)荷）的預(yù)測(cè)時(shí)，求解微分方程的時(shí)間響應(yīng)函數(shù)表達(dá)式即為所求的灰色預(yù)測(cè)模型。對(duì)模型的精度和可信度進(jìn)行校驗(yàn)并修正后，即可據(jù)此模型預(yù)測(cè)未來(lái)的負(fù)荷，適用于信息匱乏條件下的分析和預(yù)測(cè)。常用的灰色預(yù)測(cè)模型是GM（1，1），其優(yōu)點(diǎn)在于建模時(shí)不需要計(jì)算統(tǒng)計(jì)特征量，用于任何非線性變化的指標(biāo)預(yù)測(cè)，需求的負(fù)荷數(shù)據(jù)少，不考慮分布規(guī)律和變化趨勢(shì)。

以下采用的是相似日選擇法和灰色系統(tǒng)預(yù)測(cè)法相結(jié)合的方式，先在歷史數(shù)據(jù)中檢索出與預(yù)測(cè)日相似程度較高的幾個(gè)典型日，完成處理和修正以后作為灰色系統(tǒng)的輸入值，通過(guò)微分變換得出對(duì)應(yīng)的負(fù)荷預(yù)測(cè)值。

圖1是近幾年來(lái)鎮(zhèn)海電網(wǎng)負(fù)荷增長(zhǎng)情況，從圖1可以看到，鎮(zhèn)海地區(qū)工業(yè)發(fā)展十分迅速，電網(wǎng)負(fù)荷增長(zhǎng)明顯，近幾年維持在15%左右的增速，電網(wǎng)的參數(shù)變動(dòng)較大，歷史數(shù)據(jù)的參考價(jià)值不大，所以選擇灰色系統(tǒng)法來(lái)應(yīng)對(duì)信息量不足的問(wèn)題，會(huì)取得良好的效果。

圖1 網(wǎng)供最大負(fù)荷變化趨勢(shì)

2 電網(wǎng)負(fù)荷特性分析

圖2是某日鎮(zhèn)海電網(wǎng)負(fù)荷變化情況，通過(guò)觀察典型日網(wǎng)供負(fù)荷曲線可以看到，負(fù)荷曲線8∶00開(kāi)始上升16∶00開(kāi)始下降，期間出現(xiàn)2次波峰，分別在10∶00和14∶00，由此可見(jiàn)鎮(zhèn)海區(qū)工業(yè)負(fù)荷特性較為明顯。

圖2 鎮(zhèn)海電網(wǎng)日負(fù)荷變化

鎮(zhèn)海地區(qū)專線用戶有24家，大多數(shù)為化工企業(yè)，其負(fù)荷曲線主要有3類，第1類企業(yè)用電負(fù)荷基本不變，呈1條直線，典型代表為鎮(zhèn)洋化工；第2類企業(yè)用電負(fù)荷呈現(xiàn)振蕩式周期性變化，主要與其生產(chǎn)工藝有關(guān)，典型代表為天地特鋼；第3類企業(yè)用電負(fù)荷在以日為周期變化，典型代表為光鑫特鋼。

其中第1類和第3類企業(yè)的負(fù)荷除了出現(xiàn)臨時(shí)故障或者節(jié)假日休息等特殊情況外基本不變，沒(méi)有研究的價(jià)值；第2類企業(yè)需要預(yù)測(cè)生產(chǎn)周期，通過(guò)建立大用戶每日上報(bào)制度，基本能實(shí)現(xiàn)準(zhǔn)確預(yù)測(cè)，這些用戶負(fù)荷幾乎不受外界因素的影響。為提高預(yù)測(cè)的準(zhǔn)確度，在研究負(fù)荷預(yù)測(cè)時(shí)均將上述幾家大用戶負(fù)荷剔除，得到電網(wǎng)基礎(chǔ)負(fù)荷，通過(guò)灰色系統(tǒng)計(jì)算得出預(yù)測(cè)結(jié)果，在此基礎(chǔ)上疊加上述專線大用戶負(fù)荷，最終得到實(shí)際的網(wǎng)供負(fù)荷值。采用此方法有助于發(fā)現(xiàn)外界因素對(duì)電網(wǎng)負(fù)荷的影響程度。

3 相似日選取與修正

3.1 相似日選擇流程

相似日選擇的方法有很多，而各種方法的側(cè)重點(diǎn)不同。有純粹利用歷史負(fù)荷數(shù)據(jù)，用負(fù)荷的趨勢(shì)相似度與曲線相似度相結(jié)合來(lái)選取相似日；有利用氣象要素與負(fù)荷曲線相結(jié)合，將氣象數(shù)據(jù)與負(fù)荷數(shù)據(jù)相結(jié)合，用不同季節(jié)里溫度對(duì)負(fù)荷的影響來(lái)選取相似日[7-8]。

此處采用預(yù)測(cè)日的日類型和氣象要素來(lái)選取相似日，選擇流程見(jiàn)圖3。通過(guò)獲取待預(yù)測(cè)日的類型和氣象信息，在歷史數(shù)據(jù)庫(kù)中檢索出相似度較高的N天作為樣本輸入灰色系統(tǒng)進(jìn)行計(jì)算得出預(yù)測(cè)值。

圖3 相似日選擇流程

3.2 日期分類

鎮(zhèn)海配電網(wǎng)周負(fù)荷曲線見(jiàn)圖4，觀察1周的網(wǎng)供負(fù)荷曲線可以發(fā)現(xiàn)，周二至周五的負(fù)荷曲線基本一致，沒(méi)有太大的變化，所以將其定義為工作日，在選取時(shí)不需要區(qū)分。周六負(fù)荷整體比工作日偏小，可以參考工作日負(fù)荷變化趨勢(shì)，周日負(fù)荷最小，一般最大負(fù)荷比工作日減少100 MW左右，周一凌晨時(shí)段負(fù)荷較工作日明顯偏小，所以這3天的負(fù)荷定義為周末負(fù)荷，選取時(shí)只能參考之前的周末負(fù)荷。

特殊日指負(fù)荷明顯不同的特定日期。主要包括一些節(jié)日，如元旦、春節(jié)等。另外，一些地區(qū)的災(zāi)害性天氣、舉辦特定活動(dòng)的日期也可認(rèn)為是特殊日。一年當(dāng)中特殊日出現(xiàn)的次數(shù)不多，在定義日期類型時(shí)未加區(qū)分，統(tǒng)一歸為一類，在遇到特殊日需要預(yù)測(cè)時(shí)，采用人工選取的方式。

圖4 鎮(zhèn)海電網(wǎng)周負(fù)荷曲線

3.3 日期距離修正

式中：Sim為第x周日期距離因素的相似度；a為衰減系數(shù)，定義為歷史日所在的周與待預(yù)測(cè)日每增加1周相似度的縮減比例，一般取值在（0.9，0.99）區(qū)間范圍內(nèi)；C為最低相似度。

設(shè)置以周為單位主要考慮到一般情況下1周內(nèi)的負(fù)荷變化很小，具有較高的參考價(jià)值，設(shè)置日期距離相似度系數(shù)可以保證其入選。設(shè)置最低相似度是為了應(yīng)對(duì)氣溫突變情況的發(fā)生，進(jìn)入夏季以后剛出現(xiàn)高溫時(shí)本年度數(shù)據(jù)無(wú)法利用，只能檢索歷史數(shù)據(jù)，或者在持續(xù)高溫情況下出現(xiàn)降溫或者降雨導(dǎo)致近期內(nèi)沒(méi)有相似日，為了保證距離遠(yuǎn)的日期在出現(xiàn)上述情況時(shí)有入選的可能性，所以設(shè)置了最低相似度。

一般來(lái)說(shuō)，距離待預(yù)測(cè)日越近其負(fù)荷曲線相似度越高，因此在選擇相似日時(shí)，應(yīng)遵循“近大遠(yuǎn)小”的規(guī)律。日期距離相似度的修正采取下式計(jì)算：

3.4 歷史數(shù)據(jù)修正

若研究的配電網(wǎng)處于成熟期，則可以直接參照使用歷史數(shù)據(jù)，此處研究的配電網(wǎng)處于發(fā)展期，近2年的負(fù)荷數(shù)據(jù)具有參考價(jià)值，在選取歷史數(shù)據(jù)時(shí)需要對(duì)其作出修正，若直接引用偏差過(guò)大。采取的方法是將待預(yù)測(cè)日所在月份的前1個(gè)月某1周負(fù)荷取平均值，減去對(duì)應(yīng)前N年月份某1周負(fù)荷平均值，估算出2個(gè)年份對(duì)應(yīng)月的負(fù)荷差值，將其加在下1個(gè)月對(duì)應(yīng)工作日的網(wǎng)供負(fù)荷上，作為修正后的歷史數(shù)據(jù)。選取上1個(gè)月的數(shù)據(jù)來(lái)計(jì)算差值主要考慮到用戶接入的時(shí)間和負(fù)荷是隨機(jī)的，不是按比例平穩(wěn)增長(zhǎng)的，選取時(shí)間越接近，修正后得到的電網(wǎng)負(fù)荷預(yù)測(cè)也就越準(zhǔn)確。

圖5顯示2014年和2013年4月份某1周的負(fù)荷差值，將其作為增長(zhǎng)負(fù)荷疊加在5月份的網(wǎng)供負(fù)荷上，得到修正以后的歷史網(wǎng)供負(fù)荷值。

圖5 負(fù)荷修正

3.5 氣溫修正

由于人體感官對(duì)溫度的變化有一個(gè)適應(yīng)的過(guò)程，若該地區(qū)一直處于高溫天氣，負(fù)荷處于較高水平，如果某1天溫度突然下降，則負(fù)荷減少不明顯。相反，涼爽的天氣持續(xù)一段時(shí)間以后，溫度突然上升，負(fù)荷上升也不明顯。所以在選取相似度時(shí)需要將最高溫度進(jìn)行修正，體現(xiàn)出前幾日溫度的累積效應(yīng)[9-10]。

考慮到溫度的累積效應(yīng)主要體現(xiàn)在空調(diào)負(fù)荷上，所以只有溫度介于28℃和38℃之間時(shí)修正，低于28℃空調(diào)負(fù)荷未開(kāi)啟，高于38℃時(shí)空調(diào)已基本全部開(kāi)啟。

式中：T′為考慮累積效應(yīng)后的待預(yù)測(cè)日最高氣溫修正值；T0為待預(yù)測(cè)日最高氣溫；Ti為待預(yù)測(cè)日i天前氣溫的真實(shí)值；k為累積效應(yīng)系數(shù)；p=min（n，3）；n為日最高溫度連續(xù)高于28℃的天數(shù)。

3.6 特征向量

通過(guò)對(duì)影響負(fù)荷預(yù)測(cè)的各個(gè)參數(shù)量化以后形成一個(gè)特征向量，包括日類型、天氣、最高溫度、最低溫度、相對(duì)濕度等。通過(guò)矩陣運(yùn)算可以快速檢索出負(fù)荷條件的待選日期，再計(jì)算最高溫度偏差值和日期距離，得到具體的相似度數(shù)值，選取相似度最高的N個(gè)待選日作為灰色系統(tǒng)的輸入值。采用上述方法可以減少計(jì)算量，快速得到所需的網(wǎng)供負(fù)荷預(yù)測(cè)值。

特征向量：E=[D，W，H，Tmax，Tmin]，

4 灰色系統(tǒng)的負(fù)荷預(yù)測(cè)

4.1 預(yù)測(cè)流程

短期負(fù)荷預(yù)測(cè)流程見(jiàn)圖6。首先選取相似日負(fù)荷值作為輸入值，得到預(yù)測(cè)值，疊加上專線大用戶負(fù)荷，然后判斷網(wǎng)架結(jié)構(gòu)是否正常，有無(wú)限電等，若沒(méi)有就不需要修正。

4.2 灰色GM（1，1）模型

灰色GM（1，1）模型通過(guò)累加的方式，將離散的負(fù)荷數(shù)據(jù)轉(zhuǎn)化成非減遞增數(shù)列，從而削弱原樣本數(shù)據(jù)的隨機(jī)性，突出其趨勢(shì)性，以探求數(shù)據(jù)序列的內(nèi)在規(guī)律，其基本的形式是：

根據(jù)新序列x（1）計(jì)算灰色模型的背景值序列z（1），可得

GM（1，1）模型的微分方程為

式中：a為發(fā)展系數(shù)；b為灰作用量。

式中：z（1）（t）為上文定義的背景值。

由最小二乘法求出

圖6 短期負(fù)荷預(yù)測(cè)流程

得到灰色模型為

式中：t=1，2，3，…，n.

4.3 預(yù)測(cè)結(jié)果修正

得到預(yù)測(cè)結(jié)果以后，結(jié)合近期的配電網(wǎng)檢修工作，同時(shí)利用現(xiàn)有的PI數(shù)據(jù)庫(kù)檢索鎮(zhèn)海地區(qū)負(fù)荷較大的用戶前幾日負(fù)荷數(shù)據(jù)，判斷負(fù)荷是否出現(xiàn)波動(dòng)。

各考核點(diǎn)負(fù)荷預(yù)測(cè)偏差率：

日負(fù)荷預(yù)測(cè)偏差率均方根：

日負(fù)荷預(yù)測(cè)準(zhǔn)確率：

月負(fù)荷預(yù)測(cè)準(zhǔn)確率：

4.4 預(yù)測(cè)結(jié)果

周負(fù)荷預(yù)測(cè)平均準(zhǔn)確率見(jiàn)圖7，2014年3月份的負(fù)荷預(yù)測(cè)準(zhǔn)確率見(jiàn)表1。

可以看到，負(fù)荷預(yù)測(cè)的準(zhǔn)確率基本能維持在97%左右的高水平，其中工作日準(zhǔn)確率在98%左右，其余在97%左右。主要原因在于工作日參考的歷史數(shù)據(jù)豐富，1周有4天，能選擇相似程度高的樣本，而其余日期1周只有1天，加上星期天負(fù)荷最小，導(dǎo)致準(zhǔn)確率相對(duì)要略差一點(diǎn)。

圖7 周負(fù)荷預(yù)測(cè)平均準(zhǔn)確率

表1 2014年3月份負(fù)荷預(yù)測(cè)準(zhǔn)確率%

5 節(jié)假日負(fù)荷預(yù)測(cè)

節(jié)假日負(fù)荷預(yù)測(cè)難度較大，其原因在于電力負(fù)荷特性與正常的工作日和周休日的特點(diǎn)明顯不同，采用相似日選取的方法存在樣本容量不足的問(wèn)題，不能單純的以過(guò)去某1年的歷史數(shù)據(jù)作為參考。

節(jié)假日的負(fù)荷預(yù)測(cè)主要采用比例法，操作步驟：選取相似的參考模型，得到參考的歷年節(jié)假日的節(jié)前節(jié)后以及節(jié)假日當(dāng)天歷史數(shù)據(jù)；計(jì)算節(jié)假日當(dāng)天各個(gè)時(shí)刻與節(jié)前各個(gè)關(guān)聯(lián)日時(shí)刻的比值系數(shù)，通過(guò)該比值系數(shù)構(gòu)成1個(gè)序列，利用該序列可以預(yù)測(cè)出待預(yù)測(cè)年的比值系數(shù)；結(jié)合預(yù)測(cè)年節(jié)前關(guān)聯(lián)日各個(gè)時(shí)刻的負(fù)荷數(shù)據(jù)，依次計(jì)算出待預(yù)測(cè)節(jié)假日所有時(shí)刻的數(shù)據(jù)，即可得到該節(jié)假日的負(fù)荷曲線。其中關(guān)聯(lián)日可以參照前文中提到的相似日的方法選取，一般挑選放假前1周的配電網(wǎng)負(fù)荷參數(shù)。

比值系數(shù)計(jì)算如下：

假設(shè)共有N年的歷史數(shù)據(jù)，每年節(jié)前關(guān)聯(lián)日為m天，先求出第n年第l日t時(shí)刻負(fù)荷為Pnlt，對(duì)第n年節(jié)前關(guān)聯(lián)日求平均值

設(shè)第n年節(jié)假日t時(shí)刻負(fù)荷為Pnt，則該年的t時(shí)刻比值系數(shù)為

得出96個(gè)點(diǎn)的比值系數(shù)后，將其作為輸入值構(gòu)成初始序列X（0），后續(xù)的計(jì)算方法與正常工作日一致。

在分析了鎮(zhèn)海地區(qū)歷年的網(wǎng)供負(fù)荷數(shù)據(jù)后，發(fā)現(xiàn)節(jié)假日期間最小負(fù)荷均出現(xiàn)在法定節(jié)假日的當(dāng)天，負(fù)荷的變化趨勢(shì)與法定節(jié)假日在3天假期中所處的位置有直接的關(guān)系。

若第1天為法定節(jié)假日，則第1天負(fù)荷最低，后面兩天負(fù)荷逐步回升；若第2天為法定節(jié)假日，則第2天負(fù)荷最低，第1天、第3天負(fù)荷基本相當(dāng)，3天的最高負(fù)荷呈現(xiàn)V字型走勢(shì)；若第3天為法定節(jié)日，則該節(jié)假日3天的最高負(fù)荷逐日下降，第3天達(dá)到最低。其原因在于鎮(zhèn)海的網(wǎng)供負(fù)荷構(gòu)成以工業(yè)負(fù)荷為主，法定節(jié)假日當(dāng)天由于加班費(fèi)較高以及傳統(tǒng)觀念的影響，一般企業(yè)都選擇放假，其余兩天負(fù)荷的下降比例與是否是正常工作日關(guān)系較大，如果是正常工作日，企業(yè)的放假比例較小，網(wǎng)供負(fù)荷的下降幅度也較小。

如2013年和2014年的清明節(jié)法定節(jié)日均為放假的第1天，所以負(fù)荷曲線基本一致，而2012年法定假日為放假的第3天，所以有較大的區(qū)別。清明節(jié)負(fù)荷曲線見(jiàn)圖8。

圖8 清明節(jié)負(fù)荷曲線

在對(duì)比3年的負(fù)荷曲線以后可以發(fā)現(xiàn)，清明、五一、端午這3個(gè)節(jié)日的負(fù)荷曲線與法定假日出現(xiàn)在第幾天有直接的聯(lián)系，2014年清明節(jié)的負(fù)荷走勢(shì)與2012年端午節(jié)的負(fù)荷走勢(shì)基本一致，也就是說(shuō)在選取參考模型時(shí)，上述3個(gè)節(jié)日可以相互參照，其他節(jié)假日也存在類似的規(guī)律。

通過(guò)本文介紹的方法對(duì)2014年端午的負(fù)荷進(jìn)行了預(yù)測(cè)，得到3天的網(wǎng)供負(fù)荷曲線，其負(fù)荷預(yù)測(cè)準(zhǔn)確率分別為97.12%，95.85%，96.23%?？紤]到節(jié)假日負(fù)荷較低，基數(shù)小，偏差率比正常工作日要大的多，所以結(jié)果是令人滿意的。其中第2天和第3天的略低，第2天負(fù)荷最小，第3天回升，所以第3天預(yù)測(cè)準(zhǔn)確率要好于第2天。

6 結(jié)語(yǔ)

對(duì)配電網(wǎng)供負(fù)荷做分類處理，篩選出不受外界因素影響的專線負(fù)荷，得到基礎(chǔ)負(fù)荷后采用相似日選擇法選取輸入樣本，并對(duì)樣本添加了日期距離，修正了最高溫度，使得選出的樣本與待預(yù)測(cè)日的相似程度得到了明顯的提高，采用灰色系統(tǒng)得到預(yù)測(cè)負(fù)荷值。在節(jié)假日預(yù)測(cè)時(shí)采用合理的參照模型和比值法都取得了良好的結(jié)果。

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

[2]康重慶，夏清，劉梅.電力系統(tǒng)負(fù)荷預(yù)測(cè)[M].北京：中國(guó)電力出版社，2007.

[3]于海燕，張鳳玲.基于模糊神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷短期預(yù)測(cè)荷預(yù)測(cè)中的應(yīng)用[J].電網(wǎng)技術(shù)，2007，31（3）∶68-72.

[4]楊正瓴，王渭巍，曹東波.短期負(fù)荷預(yù)測(cè)的Ensemble混沌預(yù)測(cè)方法[J].電力系統(tǒng)自動(dòng)化，2007，31（23）∶9-13.

[5]張振高，楊正瓴.短期負(fù)荷預(yù)測(cè)中的負(fù)荷求導(dǎo)法及天氣因素的使用[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2006，18（5）∶79-83.

[6]張林，劉先珊，陰和俊.基于時(shí)間序列的支持向量機(jī)在負(fù)荷預(yù)測(cè)中的應(yīng)用[J].電網(wǎng)技術(shù)，2004，28（19）∶38-41.

[7]莫維仁，張伯明，孫宏斌，等.短期負(fù)荷預(yù)測(cè)中選擇相似日的探討[J].清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2004，44（1）∶106-109.

[8]錢(qián)衛(wèi)華，姚建剛，龍立波，等.基于負(fù)荷特性分析的短期負(fù)荷預(yù)測(cè)相似日選擇方法[J].華中電力，2007，20（1）∶17-21.

[9]金義雄，段建民，徐進(jìn)，等.考慮氣象因素的相似聚類短期負(fù)荷組合預(yù)測(cè)方法[J].電網(wǎng)技術(shù)，2007，31（19）∶60-64.

[10]王鵬，邰能靈，王波，等.針對(duì)氣象因素的短期負(fù)荷預(yù)測(cè)修正方法[J].電力系統(tǒng)自動(dòng)化，2008，32（13）∶93-96.

（本文編輯：楊勇）

Study on Accuracy Improvement of Short-term Load Forecast of Distribution Networks

CAO Songqian
（State Grid Ningbo Power Supply Company，Ningbo Zhejiang 315200，China）

This paper investigates on Zhenhai power grid and quantifies external factors that influence grid load as characteristic vectors.Furthermore，it corrects the maximum temperature，adopts the date which is very well similar to the forecast day as the forecast day by using similar day selection method and concludes load forecast value by grey system calculation.By forecast and analysis on load in working day and festivals and holidays，practicality and effectiveness of the method are verified.

short-term load forecast；air temperature；similar days；grey system

TM715

：B

：1007-1881（2014）11-0009-06

2014-09-11

曹松錢(qián)（1988－），男，浙江寧波人，助理工程師，從事電力系統(tǒng)調(diào)度工作。