電力負(fù)荷預(yù)測研究綜述及預(yù)測分析

，

(1.國網(wǎng)四川省電力公司黨校(管理培訓(xùn)中心)，四川 都江堰 611830； 2.四川大學(xué)水利水電學(xué)院，四川 成都 610065)

0 引 言

電力負(fù)荷預(yù)測主要是基于電力歷史數(shù)據(jù)對未來時段的電力負(fù)荷、用電形勢、用電需求、用電量等進(jìn)行綜合預(yù)測及推算。負(fù)荷預(yù)測的研究對象是不確定事件[1]。電力負(fù)荷預(yù)測研究的不確定性推動著負(fù)荷預(yù)測研究和技術(shù)向著精細(xì)化、綜合化和多元化發(fā)展。通過對一個區(qū)域的電力負(fù)荷預(yù)測進(jìn)行有效分析，可以更合理地規(guī)劃地區(qū)發(fā)展方式，為提高人民生活質(zhì)量水平和社會經(jīng)濟(jì)發(fā)展提出富有針對性的合理化建議。

1 電力負(fù)荷預(yù)測研究現(xiàn)狀

中國電力負(fù)荷預(yù)測研究開始于20世紀(jì)80年代，起步晚于國外近10年[1]。1980年以來，中國步入大力發(fā)展經(jīng)濟(jì)的重要階段，隨著改革開放不斷深入，電力需求極度旺盛，對于電力負(fù)荷預(yù)測技術(shù)的研究也不斷升溫。同時由于“一帶一路”“全球能源互聯(lián)網(wǎng)”的建設(shè)步伐不斷向前，對于電力負(fù)荷預(yù)測技術(shù)能力提高也不斷強(qiáng)化。目前，常用電力負(fù)荷預(yù)測方法主要分為以回歸分析法、趨勢外推法、產(chǎn)值單耗法等為主的數(shù)學(xué)統(tǒng)計類方法和以人工智能類為主的新型預(yù)測方法[2]。中國電力負(fù)荷預(yù)測技術(shù)雖然起步較晚，但近年來發(fā)展速度迅猛，正在逐步縮小與國外發(fā)達(dá)國家的差距。電力負(fù)荷預(yù)測具有不確定性、波動性、多變性、有條件性、多方案性、時間性和周期性等特點(diǎn)[2]。其中時間性最為關(guān)鍵，它是電力負(fù)荷預(yù)測的核心要點(diǎn)。而預(yù)測方法及方案選擇則是電力負(fù)荷預(yù)測需要關(guān)注的核心問題。

2 電力負(fù)荷預(yù)測的特點(diǎn)

通過對電力負(fù)荷特點(diǎn)的剖析，才能更有針對性地選取適用的預(yù)測方法，從而取得符合精度要求的預(yù)測結(jié)果，更好地為區(qū)域電力系統(tǒng)和經(jīng)濟(jì)社會發(fā)展提供重要支撐。

1)不確定性

電能屬于瞬時能源，難以像化石能源(石油、天然氣、可燃冰等)那樣長期大量存儲，具有不可大量存儲和不確定性，因此，電力負(fù)荷預(yù)測應(yīng)保證電力的消費(fèi)和生產(chǎn)在同一瞬時進(jìn)行。此外，電能對于居民生活、工業(yè)生產(chǎn)等尤為重要，且電力供需在國內(nèi)相當(dāng)長一段時間內(nèi)存在矛盾(供應(yīng)能力跟不上經(jīng)濟(jì)發(fā)展需求)，因此，電力負(fù)荷預(yù)測工作變得更加重要。

2)時間性

電力負(fù)荷從長期來看是波動變化的，且這種變化呈現(xiàn)出周期性和連續(xù)性的特點(diǎn)，而時間是電力負(fù)荷預(yù)測最顯著的影響因素之一。通過時間性可以進(jìn)而分析電力負(fù)荷預(yù)測的連續(xù)性和周期性特征。

3)多方案性

電力負(fù)荷預(yù)測是一項(xiàng)長期性的工作，需要耗費(fèi)大量時間、數(shù)據(jù)、軟件等進(jìn)行分析，并從多種預(yù)測方案中尋找出最符合實(shí)際情況、預(yù)測精度更高的預(yù)測結(jié)果[3]。常用的電力負(fù)荷預(yù)測方法有宏觀指標(biāo)法(電力彈性系數(shù))、統(tǒng)計分析法(回歸分析、時間序列)、空間負(fù)荷預(yù)測方法、人工神經(jīng)網(wǎng)絡(luò)法、組合預(yù)測模型等。隨著科技的進(jìn)步以及電力負(fù)荷預(yù)測的不斷發(fā)展，更多新的、行之有效的預(yù)測方法將會不斷涌現(xiàn)出來。但在實(shí)際電力負(fù)荷預(yù)測中應(yīng)進(jìn)行多種方案的比對、篩選，從而得到最適用的預(yù)測方案。

除了上述特點(diǎn)，電力負(fù)荷預(yù)測還受到季節(jié)、溫度、天氣等因素的影響。全國的用電高峰期通常集中出現(xiàn)在極寒、炎熱或極度惡劣天氣時期，即大多數(shù)出現(xiàn)在4季度末至1季度初和2季度末至3季度初[3]，用電高峰期的天氣溫度一般在0℃以下、0～10℃或30℃以上。由于電力負(fù)荷預(yù)測對天氣、溫度和季節(jié)等具有敏感性，不同的溫度、天氣、季節(jié)等因素都會對用電負(fù)荷造成明顯影響，甚至輕微的天氣和溫度變化都會導(dǎo)致電力負(fù)荷預(yù)測數(shù)據(jù)的波動。在新形勢下的電力負(fù)荷預(yù)測將會不斷產(chǎn)生對于電力負(fù)荷的新認(rèn)識。

3 電力負(fù)荷預(yù)測的步驟

根據(jù)電力負(fù)荷預(yù)測的發(fā)展方向，科學(xué)地進(jìn)行負(fù)荷預(yù)測對于區(qū)域內(nèi)的用電規(guī)劃、經(jīng)濟(jì)發(fā)展、居民生活、工業(yè)生產(chǎn)、科技發(fā)展、產(chǎn)業(yè)發(fā)展等都具有重要意義。文獻(xiàn)[4]指出電力負(fù)荷預(yù)測步驟可分為：

1)確定預(yù)測目標(biāo)和內(nèi)容；

2)選擇及建立合適的預(yù)測模型；

3)輸入相應(yīng)數(shù)據(jù)進(jìn)行過程分析；

4)對預(yù)測的數(shù)據(jù)結(jié)果進(jìn)行綜合分析；

5)評價、評估相應(yīng)預(yù)測結(jié)果，出具方案可行性報告。

4 負(fù)荷預(yù)測方法分析

1)宏觀指標(biāo)法

典型用于電力負(fù)荷預(yù)測的宏觀指標(biāo)法為電力彈性系數(shù)[5]，其反映的是電力消費(fèi)年平均增長率AY與國民經(jīng)濟(jì)年平均增長率AX之比，用公式表示為

(1)

變形可以得出：

(2)

式中：X1、X2分別為某時段初期及末期區(qū)域國內(nèi)生產(chǎn)總值；Y1、Y2分別為初期和末期的區(qū)域全社會用電量數(shù)據(jù)。

2)回歸分析法

該預(yù)測方法運(yùn)用統(tǒng)計學(xué)原理，對大量的數(shù)據(jù)進(jìn)行數(shù)學(xué)推理，確定用電量或用電負(fù)荷與地區(qū)國內(nèi)生產(chǎn)總值、人口數(shù)量、國民經(jīng)濟(jì)等經(jīng)濟(jì)參數(shù)之間的關(guān)系[6]。通過建立具有相關(guān)性的數(shù)學(xué)模型方程，運(yùn)用外推法對未來某一時間狀態(tài)下的電力負(fù)荷進(jìn)行預(yù)測。根據(jù)自變量的多少，可以分為一元回歸分析模型和多元回歸分析模型；根據(jù)函數(shù)是否呈線性關(guān)系，又可分為線性回歸分析和非線性回歸分析模型。

3)人工神經(jīng)網(wǎng)絡(luò)法

人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)技術(shù)，就是模仿人腦的智能化分析原理，對大量數(shù)據(jù)具有的非精確性、非結(jié)構(gòu)性、非線性規(guī)律表現(xiàn)出較強(qiáng)的記憶性和自適應(yīng)特點(diǎn)，并且能夠進(jìn)行自我學(xué)習(xí)、數(shù)據(jù)推理和擬合優(yōu)化[7]。神經(jīng)網(wǎng)絡(luò)法最突出的特點(diǎn)是智能化，這是其他方法所不具備的。文獻(xiàn)[8]指出ANN技術(shù)發(fā)展至今，其BP神經(jīng)網(wǎng)絡(luò)模型運(yùn)用最為普遍，該方法是一種按照誤差反向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)。

4)空間負(fù)荷預(yù)測法

空間負(fù)荷預(yù)測(spatial load forecasting，SLF)最早是由美國Willis在1983年提出[9]，其定義為在未來電力部門的供電范圍內(nèi)，根據(jù)規(guī)劃的城市電網(wǎng)電壓水平不同，將城市用電按照一定的原則劃分為相應(yīng)大小的規(guī)則(網(wǎng)格)或不規(guī)則(變電站、饋線供電區(qū)域)的小區(qū)(每個小區(qū)又稱為一個負(fù)荷元胞，簡稱元胞)[10]。通過分析、規(guī)劃、預(yù)測城市小區(qū)土地利用的特性和發(fā)展規(guī)律，來進(jìn)一步預(yù)測相應(yīng)小區(qū)中電力用戶和負(fù)荷分布地理、數(shù)量及產(chǎn)生時間。該方法是對未來的規(guī)劃預(yù)測，不僅包括對負(fù)荷的大小，更是對于負(fù)荷的分布位置預(yù)測。SLF超越了傳統(tǒng)的負(fù)荷預(yù)測方法，它是電力系統(tǒng)管理由粗放型向精細(xì)化轉(zhuǎn)變的產(chǎn)物，且適應(yīng)于現(xiàn)代新型電力系統(tǒng)規(guī)劃。通過該方法的預(yù)測結(jié)果可以有效對地區(qū)內(nèi)電力負(fù)荷安裝位置及容量進(jìn)行確定，從而顯著提高電力系統(tǒng)的經(jīng)濟(jì)效益及穩(wěn)定性能。

5 預(yù)測方法分析與比較

上述4種電力負(fù)荷預(yù)測方法都有各自的特點(diǎn)和不足，每種方法都有各自的研究角度和適用條件。

1)從適用角度比較

回歸分析法或趨勢分析法更符合于統(tǒng)計規(guī)律的研究與描述，適用于大量、多年數(shù)據(jù)分析，這種方法更傾向于由歷史數(shù)據(jù)分析來建立預(yù)測模型，從而進(jìn)行歷史、現(xiàn)在、未來發(fā)展方式的一致性預(yù)測?；貧w分析的難點(diǎn)在于回歸線類型的選取、回歸變量的選取、回歸變量因素與計量經(jīng)濟(jì)學(xué)之間關(guān)系的構(gòu)建，這些因素都會直接影響預(yù)測精度。

宏觀指標(biāo)法(電力彈性系數(shù))更類似于單耗指標(biāo)法，適用于根據(jù)歷史統(tǒng)計數(shù)據(jù)，在分析影響單耗或電力彈性系數(shù)的多方因素變化趨勢下，尋找其中的規(guī)律，確定單耗指標(biāo)或電力彈性系數(shù)，再以此為基礎(chǔ)預(yù)測電力負(fù)荷數(shù)據(jù)，同時輔以國內(nèi)生產(chǎn)總值、經(jīng)濟(jì)指標(biāo)、社會發(fā)展規(guī)劃等作為參考。該方法的難點(diǎn)在于對指標(biāo)或系數(shù)預(yù)測準(zhǔn)確性的把握，因?yàn)樯杂姓`差便會大大影響預(yù)測精度；此外，該方法對經(jīng)濟(jì)指標(biāo)依賴度較高，需要收集的國民經(jīng)濟(jì)數(shù)據(jù)量較大[5]。

2)從預(yù)測時間長短分析

人工神經(jīng)網(wǎng)絡(luò)(ANN)技術(shù)中的BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法更適用于短期負(fù)荷預(yù)測[7]，其他適用于短期負(fù)荷預(yù)測的方法還有指數(shù)平滑法、灰色模型法等。BP神經(jīng)網(wǎng)絡(luò)方法的缺點(diǎn)是需要設(shè)定節(jié)點(diǎn)數(shù)、隱含層數(shù)、訓(xùn)練次數(shù)等算法參數(shù)，計算過程較為復(fù)雜；同時該方法的算法參數(shù)設(shè)定多為長期嘗試結(jié)果或長期累積經(jīng)驗(yàn)，缺少業(yè)界公認(rèn)理論概念進(jìn)行有效支撐，以彌補(bǔ)過程缺陷。

對于中長期負(fù)荷預(yù)測，采用回歸分析法、宏觀指標(biāo)法(電力彈性系數(shù))、產(chǎn)值單耗法、趨勢分析法、空間負(fù)荷預(yù)測法和改進(jìn)型的灰色預(yù)測模型更合適。其中前4種方法比較簡單，而后2種算法是比較復(fù)雜和綜合的組合算法，也是當(dāng)前應(yīng)用較為廣泛的新型預(yù)測模型思路。所謂改進(jìn)型灰色模型是將各種單一模型經(jīng)灰色關(guān)聯(lián)度篩選和檢驗(yàn)后，選擇恰當(dāng)?shù)臋?quán)重分配方法，進(jìn)行組合預(yù)測[11]。而空間負(fù)荷預(yù)測(SLF)的組合預(yù)測則是通過建立影響電力負(fù)荷因素的多變量(經(jīng)濟(jì)、氣溫、氣象、人口、產(chǎn)值等)預(yù)測模型[12]，運(yùn)用地理信息(元胞)和地區(qū)用電負(fù)荷歷史數(shù)據(jù)、元胞負(fù)荷值、元胞負(fù)荷密度等信息進(jìn)行數(shù)據(jù)整合，綜合分析元胞內(nèi)負(fù)荷密度發(fā)展規(guī)律及程度，最后對元胞內(nèi)負(fù)荷值進(jìn)行負(fù)荷預(yù)測，為城市相關(guān)建設(shè)規(guī)劃提供參考建議。SLF適用于短、中、長期的綜合全方位城市或地區(qū)用電負(fù)荷和方位預(yù)測。

6 四川電力負(fù)荷預(yù)測分析

下面選用兩種方法對四川省電力負(fù)荷數(shù)據(jù)進(jìn)行預(yù)測。

6.1 宏觀指標(biāo)法

根據(jù)前面所提到的宏觀指標(biāo)法介紹，以下具體運(yùn)用宏觀指標(biāo)法分支中的電力彈性系數(shù)法進(jìn)行負(fù)荷預(yù)測。以四川省電力負(fù)荷和國內(nèi)生產(chǎn)總值歷史數(shù)據(jù)為依據(jù)，運(yùn)用電力彈性系數(shù)法進(jìn)行對四川省中長期電力負(fù)荷數(shù)據(jù)和電力彈性系數(shù)進(jìn)行預(yù)測。

從表1中可以看出，電力彈性系數(shù)是反映國民經(jīng)濟(jì)發(fā)展與電能需求增長的重要指標(biāo)。準(zhǔn)確預(yù)測電力彈性系數(shù)可以保證以很小的誤差有效得到下一年的全省用電負(fù)荷需求，為經(jīng)濟(jì)建設(shè)規(guī)劃和用電指標(biāo)分析提供參考建議。由表1可知，預(yù)測數(shù)據(jù)與實(shí)際電力負(fù)荷數(shù)據(jù)的誤差范圍均在±5%以內(nèi)，符合誤差允許，同時也證明了方案的可行性。同時通過分析，預(yù)測四川省“十二五”的電力彈性系數(shù)為0.48，“十三五”的電力彈性系數(shù)為0.7。這表明四川省工業(yè)化剛步入中期，城鎮(zhèn)化與全國差距較大，城鎮(zhèn)化滯后于工業(yè)化，所以在“十二五”“十三五”乃至“十四五”時期，是四川省加速推進(jìn)城鎮(zhèn)化及工業(yè)化的重要時期。同時隨著電能替代、節(jié)能降耗不斷發(fā)展，使相應(yīng)電力在終端能源消費(fèi)中維持較高占比，電力彈性系數(shù)也相應(yīng)維持在0.5～1之間，以適應(yīng)地區(qū)經(jīng)濟(jì)社會發(fā)展對電力的需求。影響電力彈性系數(shù)的因素是多方面的，主要有電力工業(yè)發(fā)展水平、經(jīng)濟(jì)結(jié)構(gòu)、科學(xué)技術(shù)水平以及人民生活水平等[5]。

6.2 回歸分析法

這里選取一元線性和一元非線性兩種回歸分析法對四川省歷史用電負(fù)荷數(shù)據(jù)進(jìn)行分析，從而對2012—2020年的數(shù)據(jù)進(jìn)行相應(yīng)預(yù)測分析和誤差比對。一元線性回歸分析法的公式表達(dá)式為

y=ax+b

(3)

一元非線性三次對數(shù)回歸分析法的公式為

y=α·ln3(x)+β·ln2(x)+γ·ln(x)+λ

(4)

式中：x為全省對應(yīng)年份國內(nèi)生產(chǎn)總值；y為實(shí)際電力負(fù)荷數(shù)據(jù)，a、b和α、β、γ、λ分別為預(yù)測模型待定參數(shù)。

一元線性回歸模型取2010—2017年歷史數(shù)據(jù)估計待定參數(shù)，而一元非線性回歸模型取1990—2017年歷史數(shù)據(jù)估計待定參數(shù)。最后取兩種方法的平均值作為2018—2030年四川省電力負(fù)荷的預(yù)測值，同時進(jìn)行誤差分析，并對“十三五”“十四五”四川省用電負(fù)荷增速進(jìn)行預(yù)測。如表2所示，可以發(fā)現(xiàn)運(yùn)用三次對數(shù)的預(yù)測模型的預(yù)測值與實(shí)際數(shù)據(jù)更接近且誤差范圍更小。

表1 電力彈性系數(shù)法及2012—2030年電力負(fù)荷預(yù)測值

表2 回歸分析法及2012—2030年電力負(fù)荷預(yù)測值

圖1 四川省國內(nèi)生產(chǎn)總值與用電負(fù)荷線性關(guān)系

圖2 四川省國內(nèi)生產(chǎn)總值與用電負(fù)荷非線性三次對數(shù)關(guān)系

由圖1、圖2可知，四川省國內(nèi)生產(chǎn)總值與用電負(fù)荷更呈現(xiàn)非線性的關(guān)系。由1990年到2017年歷史用電數(shù)據(jù)和生產(chǎn)總值關(guān)系可知，用電負(fù)荷增速呈現(xiàn)波動性增長。在運(yùn)用回歸分析法預(yù)測負(fù)荷時，應(yīng)當(dāng)先選定回歸線類型，以便更好地提高預(yù)測精度。

根據(jù)國家能源局四川省監(jiān)管辦公室發(fā)布的《四川省電力供需監(jiān)測報告》及電力企業(yè)聯(lián)合發(fā)布的《2017年度全國電力供需形勢分析預(yù)測報告》，2017年全國全社會用電量超過了5×106GWh，同比增長速度達(dá)到6%，增速同比提高約1個百分點(diǎn)。由此可見，2018年全國用電負(fù)荷將會繼續(xù)保持平穩(wěn)上升，這也是全國各省的發(fā)展趨勢。2017年四川省全社會用電量約為2.2×105GWh，同比增長5%；外送電量約1.4×105GWh，同比增長7.9%。綜合分析，第二產(chǎn)業(yè)及工業(yè)用電所占比例繼續(xù)下降，而第三產(chǎn)業(yè)及城鄉(xiāng)居民生活用電所占比例穩(wěn)步上升。這也是全省積極推進(jìn)電能替代、節(jié)能降耗、清潔能源電量增加、電力體制改革釋放紅利、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等有效措施，保證經(jīng)濟(jì)建設(shè)與電力系統(tǒng)建設(shè)穩(wěn)步前進(jìn)的結(jié)果。

7 結(jié) 語

從國內(nèi)電力負(fù)荷預(yù)測形勢分析為出發(fā)點(diǎn)，以《四川省電力供需監(jiān)測報告》數(shù)據(jù)為基礎(chǔ)，深入分析影響電力負(fù)荷預(yù)測的各種因素，從而得到對四川省未來電力負(fù)荷預(yù)測的有效方法及相關(guān)建議。短期電力負(fù)荷預(yù)測，由于受到天氣、氣候及突發(fā)因素的影響，波動性較大，可以選擇以智能化為主的電力負(fù)荷

預(yù)測模型，如BP神經(jīng)網(wǎng)絡(luò)方法、專家系統(tǒng)法和支持向量機(jī)(support vector machine，SVM)法[4]，這些方法可以有效地計及影響電力負(fù)荷的諸多外在因素，從而訓(xùn)練出精度較高的預(yù)測模型。在中長期電力負(fù)荷預(yù)測時，可以運(yùn)用回歸分析法、趨勢分析、電力彈性系數(shù)、產(chǎn)值單耗等方法，通過大量歷史數(shù)據(jù)或經(jīng)濟(jì)指標(biāo)數(shù)據(jù)支持，對平穩(wěn)且大量的數(shù)據(jù)有不錯的預(yù)測效果。四川省未來電力負(fù)荷預(yù)測應(yīng)采用以智能化和傳統(tǒng)方法相結(jié)合的新型預(yù)測方法，如空間負(fù)荷預(yù)測(SLF)元胞分析模型、改進(jìn)型灰色模型等組合算法，這將更適應(yīng)不斷暴露出來的負(fù)荷曲線波動問題。新型負(fù)荷預(yù)測問題的不斷出現(xiàn)也將帶動電力負(fù)荷預(yù)測技術(shù)向更深層次發(fā)展，而電力負(fù)荷預(yù)測也將為中國建成“一帶一路”經(jīng)濟(jì)強(qiáng)國、全球電力市場互聯(lián)互通提供堅(jiān)強(qiáng)護(hù)盾與有力支撐。

[1] 張彥宇，肖茜.國內(nèi)外關(guān)于電力系統(tǒng)負(fù)荷預(yù)測的研究現(xiàn)狀分析[J].山東工業(yè)技術(shù)，2016(11)：215-216.

[2] 劉建軍.電力系統(tǒng)負(fù)荷預(yù)測綜述 [J]. 中國科技信息，2016(16)：52-53.

[3] 于杏.電力負(fù)荷預(yù)測方法分析[D]. 南京：南京理工大學(xué)，2016.

[4] 宋曉茹，李莉，張來青.中長期電力負(fù)荷預(yù)測研究[J]. 計算機(jī)仿真，2014,31(9)：132-135.

[5] 羅國東.基于改進(jìn)電力彈性系數(shù)法的負(fù)荷預(yù)測[J].陜西電力，2013,41(6)：46-48.

[6] 李鉅，李敏，劉滌塵.基于改進(jìn)回歸法的電力負(fù)荷預(yù)測[J]. 電網(wǎng)技術(shù)，2006,30(1)：99-104.

[7] 杜莉，張建軍.神經(jīng)網(wǎng)絡(luò)在電力負(fù)荷預(yù)測中的應(yīng)用研究[J]. 計算機(jī)仿真，2011,28(10)：297-300.

[8] 朱建平.神經(jīng)網(wǎng)絡(luò)在電力負(fù)荷預(yù)測中的應(yīng)用研究[J]. 科技資訊，2015(23)：32-34.

[9] Willis H L.Spatial Electric Load Forecasting[M].New Work:Marcel Dekker，2002.

[10] 肖白，楊欣桐，田莉，等.計及元胞發(fā)展程度的空間負(fù)荷預(yù)測方法 [J].電力系統(tǒng)自動化，2018,42(1)：61-67.

[11] 俞明生，馮桂宏，楊祥.組合優(yōu)化灰色模型在中長期電力負(fù)荷預(yù)測中的應(yīng)用[J]. 沈陽工業(yè)大學(xué)學(xué)報，2007,29(2)：153-156.

[12] 肖白，周潮，穆鋼.空間電力負(fù)荷預(yù)測方法綜述與展望[J]. 中國電機(jī)工程學(xué)報，2013,33(25)：78-88.