電力負(fù)荷預(yù)測(cè)常用方法比較及其應(yīng)用

周金龍

電力負(fù)荷預(yù)測(cè)常用方法比較及其應(yīng)用

周金龍

（國(guó)網(wǎng)四川雅安電力（集團(tuán)）股份有限公司 四川雅安 625000）

經(jīng)濟(jì)的快速發(fā)展讓電力需求是越來越旺盛，電力負(fù)荷也越來越大。為了更好的保證供電的要求，電力公司做好電力負(fù)荷的預(yù)測(cè)也就越來越重要。電力負(fù)荷預(yù)測(cè)對(duì)于電網(wǎng)的運(yùn)行安全以及整個(gè)電力系統(tǒng)規(guī)劃來說都有著極為重要的功能。本文從電力負(fù)荷預(yù)測(cè)的基礎(chǔ)入手，結(jié)合電網(wǎng)規(guī)劃及負(fù)荷預(yù)測(cè)理論，多角度分析常用的電力負(fù)荷預(yù)測(cè)方法，供大家借鑒。

電力負(fù)荷預(yù)測(cè)方法；神經(jīng)網(wǎng)絡(luò)；應(yīng)用

引言

在目前的電力市場(chǎng)的發(fā)展情況看來，電力改革是勢(shì)在必行的，并且還要不斷的深入下去，就現(xiàn)在來看，電力企業(yè)是自主經(jīng)營(yíng)、自負(fù)盈虧的，所以在一定程度上就彰顯了電力負(fù)荷預(yù)測(cè)的重要性，這是在今后的不斷變革的電力商場(chǎng)中不言而喻的事情。目前，我國(guó)電網(wǎng)負(fù)荷預(yù)測(cè)的方法多種多樣，在眾多的方法中要選出最適合自己的，這樣才能提升電網(wǎng)負(fù)荷預(yù)測(cè)準(zhǔn)確率，所以說一定要把握好電網(wǎng)負(fù)荷的變化規(guī)律以及分析引起變化的因素。

1 電力負(fù)荷預(yù)測(cè)的原理

就目前我國(guó)的電力系統(tǒng)，考慮到各種因素，最切實(shí)可行的電力負(fù)荷預(yù)測(cè)方法就是建立一套相對(duì)完整的電力負(fù)荷的模型，在該模型中包含了許多的部分，例如：電力負(fù)荷電壓和頻率特性以及負(fù)荷的時(shí)空特性等等。其中可以通過負(fù)荷時(shí)間曲線來對(duì)其進(jìn)行描述，這種曲線又可以劃分為四種，主要包括：年度、季度、月度、日負(fù)荷。當(dāng)然還有其他劃分方法，例如按負(fù)荷的性質(zhì)來劃分等。

2 電力負(fù)荷預(yù)測(cè)方法分析

2.1 單耗法

在電力負(fù)荷預(yù)測(cè)中，單耗法是眾多方法其中之一，它顧名思義使用單耗來計(jì)算用電量的一種方法，該方法主要適合在部分農(nóng)業(yè)或者有單耗指標(biāo)的工業(yè)電力負(fù)荷預(yù)測(cè)方面，在農(nóng)業(yè)和工業(yè)上來說它是最直接也是最有效的方法，該方法在實(shí)際操作的過程中必須要結(jié)合當(dāng)?shù)氐膶?shí)際情況，統(tǒng)籌的規(guī)劃單耗指標(biāo)、整體規(guī)劃產(chǎn)值指標(biāo)，這樣才能將之前一段時(shí)間的單位耗電量計(jì)算出來，再根據(jù)產(chǎn)業(yè)發(fā)展規(guī)律推測(cè)出單耗。該方法簡(jiǎn)單、易操作，對(duì)于短期內(nèi)的負(fù)荷預(yù)測(cè)效果最佳，缺點(diǎn)是預(yù)測(cè)精度較差，并且整個(gè)預(yù)測(cè)過程需要耗費(fèi)大量的人力和財(cái)力。

2.2 趨勢(shì)分析法

在我國(guó)，趨勢(shì)分析法是應(yīng)用最廣泛的一種定量測(cè)量方法，在眾多的研究成果中它也是最多的一種。趨勢(shì)分析法又叫趨勢(shì)曲線分析法，是根據(jù)所收集的資料建立一條曲線，根據(jù)這條曲線的變化來觀測(cè)負(fù)荷的增長(zhǎng)以及發(fā)展趨勢(shì)，然后根據(jù)曲線的走勢(shì)來預(yù)計(jì)以后某一個(gè)時(shí)間段的負(fù)荷值。在過程中選擇適合趨勢(shì)模型是很關(guān)鍵的一步，選擇時(shí)為了得到較好的預(yù)測(cè)結(jié)果，要注意在過程中建立的曲線要同擬合區(qū)間相一致，不能偏離。曲線模型的不同也會(huì)造成較大的誤差，關(guān)鍵是結(jié)合區(qū)域電網(wǎng)的發(fā)展情況，選擇合適的曲線模型。通常用的趨勢(shì)模型有線性趨勢(shì)模型、多項(xiàng)式趨勢(shì)模型、對(duì)數(shù)趨勢(shì)模型、冪函數(shù)趨勢(shì)模型、指數(shù)趨勢(shì)模型等等，這種本身是一種確定外推的方法，在處理歷史數(shù)據(jù)、擬合曲線，得到模擬曲線的過程，都是不考慮隨機(jī)誤差的。其使用的關(guān)鍵是要選擇合適的模型基于區(qū)域發(fā)展。

2.3 回歸分析法

回歸分析法在目前來看也是應(yīng)用較為頻繁的一種方法，該方法主要是用來確定影響因素之間的關(guān)系或者是數(shù)值的一種方法，又稱統(tǒng)計(jì)法，它主要是利用某個(gè)地區(qū)用電量的歷史數(shù)據(jù)或資料對(duì)影響其變化的因素進(jìn)行簡(jiǎn)單的分析和統(tǒng)計(jì)，從而得出一系列的函數(shù)關(guān)系式，這樣就可以更有針對(duì)性的實(shí)施電力負(fù)荷預(yù)測(cè)，該方法是眾多方法中最為具體的一種預(yù)測(cè)方法，但是他也有一定的不足，其中在回歸分析中，選用的影響因子和因子的表達(dá)方式都是一種推測(cè)，因而回歸分析法受到一定的限制。

2.4 灰色系統(tǒng)法

灰色預(yù)測(cè)是一種包含了不確定因素的系統(tǒng)進(jìn)行預(yù)測(cè)的方法。以灰色系統(tǒng)理論為基礎(chǔ)的灰色預(yù)測(cè)技術(shù)，可在數(shù)據(jù)不是很多的情況之下找出某個(gè)在一段時(shí)間內(nèi)有影響的變化，負(fù)荷預(yù)測(cè)模型的建立?；疑Ｐ头ū容^適合短期的負(fù)荷預(yù)測(cè)。具有以下優(yōu)點(diǎn)：不需要龐大的負(fù)荷數(shù)據(jù)，運(yùn)算簡(jiǎn)單、并沒有考慮分布規(guī)律、短期預(yù)測(cè)精度較高、方便檢查、不考慮變化趨勢(shì)。同時(shí)也存在一定的缺點(diǎn)：①當(dāng)數(shù)據(jù)呈離散的狀態(tài)，并且程度比較大，預(yù)測(cè)的精度也就相對(duì)差一些；②只適用近幾年的預(yù)測(cè)，對(duì)時(shí)間更長(zhǎng)久的預(yù)測(cè)會(huì)出現(xiàn)比較大的誤差。

2.5 負(fù)荷密度法

負(fù)荷密度一般是以kW/km2表示。一般不直接預(yù)測(cè)整個(gè)城市的負(fù)荷密度，但根據(jù)城市區(qū)或功能分區(qū)。不同地區(qū)、不同功能的區(qū)域，負(fù)荷密度也是不相同的。

2.6 神經(jīng)網(wǎng)絡(luò)法

2.6.1 神經(jīng)網(wǎng)絡(luò)發(fā)的概念

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network），簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是由大量簡(jiǎn)單的基本元件（神經(jīng)元）相互連接而成的自適應(yīng)非線性動(dòng)態(tài)系統(tǒng)。每個(gè)元件本身的結(jié)構(gòu)簡(jiǎn)易，功能也比較簡(jiǎn)單，但由其構(gòu)成的系統(tǒng)很復(fù)雜。神經(jīng)網(wǎng)絡(luò)能反映人類大腦的基本特征，但并非生物系統(tǒng)的逼真描述，不能還原人腦工作。與計(jì)算機(jī)相比較，人工神經(jīng)網(wǎng)絡(luò)在原理及功能方面都更加接近人腦。神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是能夠模擬人腦進(jìn)行復(fù)雜的行為處理，對(duì)大量非精確性、非結(jié)構(gòu)性的規(guī)律有自適應(yīng)功能，自主學(xué)習(xí)，能夠知識(shí)推理和優(yōu)化計(jì)算的特點(diǎn)。若從速度角度出發(fā)，神經(jīng)元之間的信息傳遞速度要遠(yuǎn)低于計(jì)算機(jī)，但是由于大腦是大規(guī)模并行和串行組合系統(tǒng)。在許多問題的處理上，神經(jīng)網(wǎng)絡(luò)可以很快做出處理，其處理問題的速度遠(yuǎn)高于計(jì)算機(jī)，提高工作速度。神經(jīng)網(wǎng)絡(luò)的發(fā)展與神經(jīng)學(xué)科、數(shù)學(xué)理論、認(rèn)知科學(xué)、計(jì)算機(jī)理論、人工智能、信息科學(xué)、機(jī)器人、微電子理論、心理學(xué)、病理學(xué)、光學(xué)等息息相關(guān)，是一門應(yīng)用廣泛的學(xué)科。

2.6.2 BP神經(jīng)網(wǎng)絡(luò)基本原理

誤差反傳神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McCelland等專家提出的，目前應(yīng)用十分廣泛，BP神經(jīng)網(wǎng)絡(luò)是按照誤差反向傳播訓(xùn)練的多層前饋網(wǎng)絡(luò)，具有有效性和適應(yīng)性，主要應(yīng)用于數(shù)據(jù)壓縮，函數(shù)逼近和迷失識(shí)別與分類等。BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)就是能夠?qū)W習(xí)存儲(chǔ)輸入和輸出的對(duì)應(yīng)關(guān)系，不需要數(shù)學(xué)方程進(jìn)行說明。它的學(xué)習(xí)規(guī)則是使用快速下降法，通過反向傳播調(diào)整網(wǎng)絡(luò)的權(quán)值和閥值，使網(wǎng)絡(luò)的誤差最小，精度高。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)果包括輸入層（input layer）、輸出層（output layer）和隱含層（hidden layer，又稱為中間層）。BP神經(jīng)網(wǎng)絡(luò)中的連接方向是向前的，輸入到輸出沒有反饋，隱含層可以有一層或多層，每層由若干節(jié)點(diǎn)組成，每個(gè)連接都有權(quán)值相對(duì)應(yīng)，通過權(quán)值的不斷修正，得到映射輸出。如圖1所示，只有一層隱含層的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)示意圖。

2.6.3 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程

將BP算法加入網(wǎng)絡(luò)中，使輸入與輸出之間形成函數(shù)關(guān)系。BP網(wǎng)絡(luò)的學(xué)習(xí)算法，由四個(gè)過程組成：

①“順序傳播”：由輸入層經(jīng)由隱含層向輸出層方向傳播，意思就是輸入信號(hào)經(jīng)輸入層到到隱含層單元，按順序逐層處理，每層神經(jīng)元只響應(yīng)上層神經(jīng)元的狀態(tài)；②“誤差反向傳播”：網(wǎng)絡(luò)理想輸出與實(shí)際之間的誤差信號(hào)，由輸出層經(jīng)中間層向輸入層反向傳播，進(jìn)行修正；③“學(xué)習(xí)記憶”：由以上兩部分反復(fù)交替的學(xué)習(xí)訓(xùn)練過程；④“收斂”：誤差信號(hào)按正向路徑進(jìn)行反向傳播，直到全局誤差趨向極小值為止，過程結(jié)束。從理論上講，BP網(wǎng)絡(luò)是通過反復(fù)訓(xùn)練，得到輸出。BP網(wǎng)絡(luò)特點(diǎn)是信號(hào)向前傳遞，而誤差反向傳播。記輸入層節(jié)點(diǎn)數(shù)n，輸出層節(jié)點(diǎn)數(shù)m，則網(wǎng)絡(luò)是從nR到mR的非線性結(jié)構(gòu)。BP網(wǎng)絡(luò)在所選網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)下，通過學(xué)習(xí)算法調(diào)整各神經(jīng)元的閥值和連接權(quán)值，使誤差最小。BP神經(jīng)網(wǎng)絡(luò)采用快速下降學(xué)習(xí)算法，通過誤差反傳進(jìn)改變連接權(quán)值和閥值，使網(wǎng)絡(luò)的誤差最小，形成最優(yōu)解。

圖1 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

3 神經(jīng)網(wǎng)絡(luò)在負(fù)荷預(yù)測(cè)中應(yīng)用的實(shí)例分析

應(yīng)用BP神經(jīng)網(wǎng)絡(luò)建立日負(fù)荷數(shù)據(jù)預(yù)測(cè)模型，以某地區(qū)10月10日-20日的日負(fù)荷數(shù)據(jù)作為歷史數(shù)據(jù)，時(shí)間間隔為15min，96個(gè)數(shù)據(jù)點(diǎn)。采用trainlm函數(shù)作為網(wǎng)絡(luò)訓(xùn)練函數(shù)，隱含層激勵(lì)函數(shù)選取Sigmoid函數(shù)，學(xué)習(xí)速率a=0.01，訓(xùn)練目標(biāo)誤差0.001，學(xué)習(xí)訓(xùn)練次數(shù)epoch設(shè)定為1000。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果，如圖2。

學(xué)習(xí)速率決定訓(xùn)練中權(quán)值變化。學(xué)習(xí)速率大可能導(dǎo)致系統(tǒng)不穩(wěn)定，可能使網(wǎng)絡(luò)每次修正值太大，甚至?xí)?dǎo)致出現(xiàn)極小值；而學(xué)習(xí)速率小可能導(dǎo)致訓(xùn)練時(shí)間較長(zhǎng)，收斂慢。通常選取小學(xué)習(xí)速率保證系統(tǒng)的穩(wěn)定性和可靠性，學(xué)習(xí)速率的選取范圍一般在0.01～0.8，所以本次實(shí)驗(yàn)設(shè)定學(xué)習(xí)速率a為0.01。圖3是BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練1000次的訓(xùn)練情況；圖4是BP神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)值與實(shí)際值。

圖2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

圖3 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差結(jié)果

圖4 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果

4 結(jié)束語

綜上所述，對(duì)于電力負(fù)荷的各個(gè)預(yù)測(cè)方法，可以說適用范圍及優(yōu)缺點(diǎn)都比較明顯，這就需要在進(jìn)行使用時(shí)充分結(jié)合區(qū)域?qū)嶋H，從預(yù)測(cè)花費(fèi)、目標(biāo)及精確度等方面綜合選擇合適方法。預(yù)測(cè)過程根據(jù)實(shí)際評(píng)估預(yù)測(cè)準(zhǔn)確性，以便及時(shí)調(diào)整預(yù)測(cè)方法，提高精確度。

[1]鄒宗憲，施 海．準(zhǔn)確把握電力市場(chǎng)方向切實(shí)做好電力負(fù)荷預(yù)測(cè)[J]．電力勘測(cè)設(shè)計(jì)，2011（2）．

[2]鄭星炯.城市規(guī)劃電力負(fù)荷計(jì)算與預(yù)測(cè)方法探討[J].中國(guó)高新技術(shù)企業(yè)，2012（30）．

TM715

A

1004-7344（2016）33-0090-02

2016-10-18

周金龍（1988-），男，助理工程師，本科，主要從事電力調(diào)度等相關(guān)工作。