電力負(fù)荷預(yù)測技術(shù)

符昆

摘要：在城市電網(wǎng)規(guī)劃中，電力部門對電力負(fù)荷的預(yù)測是基礎(chǔ)工作，能夠?yàn)殡娋W(wǎng)規(guī)劃提供必要的基礎(chǔ)性數(shù)據(jù)?；诖耍恼聦㈦娏ω?fù)荷預(yù)測作為主要研究對象，重點(diǎn)闡述相關(guān)的預(yù)測技術(shù)，希望有所幫助。

關(guān)鍵詞：電力負(fù)荷;預(yù)測;技術(shù)

近年來，科技水平發(fā)展速度加快，負(fù)荷預(yù)測技術(shù)研究也更深入，多種負(fù)荷預(yù)測方法也隨之形成。負(fù)荷預(yù)測對于電力系統(tǒng)的規(guī)劃與運(yùn)行產(chǎn)生了極大影響。在社會經(jīng)濟(jì)發(fā)展與電力信息化進(jìn)步的背景下，負(fù)荷預(yù)測準(zhǔn)確性也需不斷提高。只有保證負(fù)荷預(yù)測的準(zhǔn)確性，才能夠更好地指導(dǎo)發(fā)電、輸電以及電能的分配。由此可見，深入研究并分析電力負(fù)荷預(yù)測技術(shù)十分有必要。

一、負(fù)荷預(yù)測概述

（一）概念與分類

所謂電力負(fù)荷預(yù)測，即對重要系統(tǒng)運(yùn)行特性、社會影響、自然條件以及增容決策綜合考慮的基礎(chǔ)上，借助對過去和未來負(fù)荷進(jìn)行處理的數(shù)學(xué)方法，在滿足精度需求的情況下，對特定時(shí)刻負(fù)荷值加以確定。通常情況下，根據(jù)預(yù)測期限差異，可將電力系統(tǒng)負(fù)荷預(yù)測細(xì)化成長期預(yù)測、中期預(yù)測與短期預(yù)測三種類型[1]。其中，短期負(fù)荷預(yù)測具體指的就是日負(fù)荷與周負(fù)荷的預(yù)測，在設(shè)備檢修、水火電協(xié)調(diào)、交換功率計(jì)劃以及負(fù)荷經(jīng)濟(jì)分配中最常應(yīng)用。在短期負(fù)荷預(yù)測中，要求深入研究電網(wǎng)負(fù)荷的變化規(guī)律，對影響負(fù)荷變化的因素加以分析，特別是天氣的變化等等。而中期負(fù)荷預(yù)測指的則是預(yù)測月到年的負(fù)荷，一般在機(jī)組運(yùn)行方式確定、機(jī)組檢修以及水庫調(diào)度等方面運(yùn)用。而所謂的長期負(fù)荷預(yù)測，即在未來3-5年或者是更長時(shí)間段的負(fù)荷預(yù)測，進(jìn)而為電力規(guī)劃部門改造電網(wǎng)以及電網(wǎng)的擴(kuò)建規(guī)劃制定提供必要參考依據(jù)[2]。

（二）基本特點(diǎn)

因負(fù)荷預(yù)測主要是結(jié)合電力負(fù)荷當(dāng)前與過去數(shù)值對其未來數(shù)值進(jìn)行推測，因而負(fù)荷預(yù)測所研究的對象屬于不確定事件。為此，負(fù)荷預(yù)測的特點(diǎn)可體現(xiàn)在以下幾個(gè)方面：

1）預(yù)測結(jié)果不確定;

2）短期負(fù)荷預(yù)測有時(shí)間范圍要求，時(shí)間性明顯;

3）所有負(fù)荷預(yù)測均需滿足特定條件，條件性顯著;

4）預(yù)測結(jié)果存在不準(zhǔn)確性，因而具備多個(gè)方案型。

二、電力負(fù)荷預(yù)測準(zhǔn)確率影響因素闡釋

由于負(fù)荷始終變化，所以負(fù)荷的預(yù)測精準(zhǔn)度也將受到對其變化產(chǎn)生影響的因素影響。在實(shí)踐過程中發(fā)現(xiàn)，負(fù)荷預(yù)測的總負(fù)荷變化有一定規(guī)律可循。其中，各個(gè)分量和總負(fù)荷之間的關(guān)系可表示為： 。

三、電力系統(tǒng)的負(fù)荷預(yù)測技術(shù)

（一）經(jīng)典預(yù)測技術(shù)

其一，回歸分析法。此方法主要是統(tǒng)計(jì)分析變量觀測資料，對變量間關(guān)系加以確定，最終達(dá)到預(yù)測目標(biāo)。此預(yù)測技術(shù)可在中長期電力負(fù)荷預(yù)測中運(yùn)用，原理相對簡單而且可以在短時(shí)間內(nèi)預(yù)測，但模型的初始化很難，難以對負(fù)荷影響因素做出深入考慮。

其二，時(shí)間序列法。此預(yù)測方法就是針對過去特定時(shí)間段的歷史負(fù)荷記錄提出基本的負(fù)荷分量、天氣敏感負(fù)荷分量以及特別事件負(fù)荷分量，將剩余殘差作為不同時(shí)刻的隨機(jī)負(fù)荷分量，將其當(dāng)成隨機(jī)時(shí)間序列。此方式無需過多數(shù)據(jù)，工作量不大，而且計(jì)算速度快，能夠?qū)⒇?fù)荷的最近連續(xù)性變化真實(shí)地反映出來，但此方法的建模相對復(fù)雜[3]。

（二）傳統(tǒng)預(yù)測技術(shù)

其一，相似日法。相似日法指的就是修正類似于待預(yù)測日的某日負(fù)荷，進(jìn)而對預(yù)測日負(fù)荷做出預(yù)測。此預(yù)測技術(shù)選擇某種差異評價(jià)函數(shù)，探尋和預(yù)測日負(fù)荷最為接近的某些日，并結(jié)合待測負(fù)荷日參數(shù)完成修正。此預(yù)測方法的原理簡單而且運(yùn)用十分方便，但很難創(chuàng)建最佳評價(jià)函數(shù)，實(shí)際的預(yù)測精準(zhǔn)度不高。

其二，灰色預(yù)測法。此預(yù)測方法主要是針對蘊(yùn)含不確定因素的系統(tǒng)展開預(yù)測，借助灰色模型微分方程，將其當(dāng)成電力系統(tǒng)的單一指標(biāo)進(jìn)行預(yù)測，對微分方程時(shí)間響應(yīng)函數(shù)表達(dá)式進(jìn)行求解，這就是灰色預(yù)測模型。在校驗(yàn)并且修正模型精度以及可信度的情況下，就能夠利用此模型對未來負(fù)荷加以預(yù)測，一般可在貧信息條件下運(yùn)用。此預(yù)測技術(shù)具有良好的短期預(yù)測性能，且檢驗(yàn)方便，然而數(shù)據(jù)的灰度越大，實(shí)際的預(yù)測精準(zhǔn)度就會越低，在預(yù)測長期負(fù)荷中盡量不使用[4]。

（三）智能預(yù)測技術(shù)

第一，專家系統(tǒng)法。該預(yù)測技術(shù)以知識程序設(shè)計(jì)方法為基礎(chǔ)構(gòu)建計(jì)算機(jī)系統(tǒng)，蘊(yùn)含了某領(lǐng)域?qū)＜抑R以及經(jīng)驗(yàn)，可以向?qū)＜乙粯屿`活運(yùn)用，在推理的過程中預(yù)測未來負(fù)荷。此系統(tǒng)預(yù)測的優(yōu)勢就是可對諸多影響因素進(jìn)行綜合考慮，建模方便且判斷速度快，而且擁有更多經(jīng)驗(yàn)與知識，借助計(jì)算機(jī)能夠保證工作的準(zhǔn)確性，且可靠性良好，工作效率高。但此系統(tǒng)仍存在一定的缺陷，即預(yù)測期間會有人為差錯(cuò)產(chǎn)生，而且數(shù)據(jù)庫的構(gòu)建難度較大。另外，因不同地區(qū)負(fù)荷特征不同，專家系統(tǒng)僅針對某具體系統(tǒng)，無法在其他的系統(tǒng)中直接運(yùn)用。

第二，人工神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)這一信息處理系統(tǒng)，是對生物腦結(jié)構(gòu)加以模仿的功能，自適應(yīng)性、容錯(cuò)性與自組織性十分明顯。而神經(jīng)網(wǎng)絡(luò)理論則通過對神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)功能的運(yùn)用，使計(jì)算機(jī)掌握歷史負(fù)荷數(shù)據(jù)當(dāng)中存在的映射關(guān)系，并以此為基礎(chǔ)對未來負(fù)荷做出預(yù)測[5]。人工神經(jīng)網(wǎng)絡(luò)是當(dāng)前最常使用的負(fù)荷預(yù)測技術(shù)，可充分利用自身非線性結(jié)構(gòu)對輸入量、輸出量關(guān)系進(jìn)行描述，通過非線性自適應(yīng)能力與并行處理能力的運(yùn)用，參考訓(xùn)練歷史數(shù)據(jù)信息得出系統(tǒng)輸入、輸出之間存在的函數(shù)關(guān)系。也正是因?yàn)槿斯ど窠?jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力以及非線性函數(shù)擬合能力較強(qiáng)，所以在預(yù)測電力負(fù)荷方面的優(yōu)勢明顯，使得預(yù)測性能以及準(zhǔn)確程度均明顯提高。但此預(yù)測技術(shù)的不足就在于神經(jīng)網(wǎng)絡(luò)層數(shù)以及神經(jīng)元的數(shù)量一般需要根據(jù)主觀經(jīng)驗(yàn)加以確定，無法保證網(wǎng)絡(luò)結(jié)構(gòu)的科學(xué)性，而且學(xué)習(xí)速度較慢，局部有極小點(diǎn)存在。

結(jié)束語：

綜上所述，負(fù)荷預(yù)測在電力市場發(fā)展中的重要性逐漸凸顯出來，且對于預(yù)測的精準(zhǔn)度提出了更高要求。為此，必須高度重視負(fù)荷管理工作，以不斷提高負(fù)荷預(yù)測的精準(zhǔn)性。

參考文獻(xiàn)

[1] 陳卓， 孫龍祥. 基于深度學(xué)習(xí)LSTM網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測方法[J]. 電子技術(shù)， 2018， 047（001）：39-41.

[2] 孟軍， 黎燕， 夏哲輝，等. 基于云模型的電力負(fù)荷預(yù)測[J]. 計(jì)算技術(shù)與自動化， 2018， 37（02）：122-126.

[3] 劉南艷， 賀敏， 趙建文. 基于大數(shù)據(jù)平臺的電力負(fù)荷預(yù)測[J]. 現(xiàn)代電子技術(shù)， 2018， 41（20）：161-164.

[4] 賈夢青， 周燕， 趙雷宇，等. 電力負(fù)荷預(yù)測方法在配電網(wǎng)規(guī)劃中的實(shí)踐應(yīng)用[J]. 建筑工程技術(shù)與設(shè)計(jì)， 2018， 000（036）：3180.

[5] 宋占黨， 李湘華， 王海賓， et al. 大數(shù)據(jù)環(huán)境下的電力負(fù)荷預(yù)測研究[J]. 電子測量技術(shù)， 2019（12）.