基于局部神经网络的电力需求预测研究 .doc

《基于局部神经网络的电力需求预测研究 .doc》由会员分享，可在线阅读，更多相关《基于局部神经网络的电力需求预测研究 .doc（63页珍藏版）》请在沃文网上搜索。

1、 基于局部神经网络的电力需求预测研究摘要电力需求预测是实现电力系统安全、经济运行的基础，对一个电力系统而言,提高电网运行的安全性和经济性，改善电能质量，都依赖于准确的电力需求预测。中长期电力预测可以为新发电机组的安装以及电网的规划、增容和改建等提供决策支持，是电力规划部门的重要工作之一。本文提出基于局部神经网络的预测模型进行电力需求预测。首先，采用模式预处理的方法对原始时间序列归一化处理等；其次，用时间窗将时间序列分割成一系列矢量形式的样本，并在此基础上用主成分分析方法对样本进行特征提取，以降低样本的维数；再次，运用KNN搜索获得待预测样本的K个近邻；最后，用近邻样本训练一个RBF神经网络，并

2、利用该局部神经网络进行待预测样本的预测。在局部RBF神经网络模型的选择上，本文采用基于网格搜索与交叉验证法相结合的方法进行神经网络模型参数的选择，避免了参数选择的盲目性、随意性，提高了预测精度。本文通过仿真实验对比了局部神经网络预测模型与全局RBF网络预测模型的性能和执行效率，结果表明局部神经网络预测模型无论在预测性能上还是在执行效率上都好于全局RBF网络预测模型。关键词：局部神经网络；主成份分析；KNN搜索；网格搜索；交叉验证Local Neural Network based Power Demand ForecastingAbstractPower demand forecasting

3、is the basic issue to ensure the stable and economical operation of power system. For a power system, both the improvement of electricity quality and the increasing of operation stability and economy depend on the precise forecasting of power demand. Medium or long term power demand forecasting can

4、offer some decision supports for the installation of new generators and the planning, capacity increase and rebuilding of the electric network, which is one of the most important work of the power planning departments.A local neural network model is proposed for power demand forecasting. Firstly, pr

5、eprocessing of original time series such as normalization is done with some pattern preprocessing methods. Secondly, the time series are segmented into a series of samples with vector form by time window, and then feature extraction with principal component analysis (PCA) is done on the sample set i

6、n order to reduce dimensions of samples. Thirdly, k nearest neighbors of the sample to be predicted is obtained by k nearest neighbors searching (KNNS). Finally, the k nearest neighbor samples are used to train a RBF neural network, and then the sample to be predicted is predicted with the RBF neura

7、l network well trained. In this paper, grid searching and cross-validation method are used to search the optimal parameter of the RBF neural network, which can avoid the blindness and casualness of the parameter selection and improve the forecasting accuracy. Comparison of the prediction performance

8、 and implementation efficiency between the local neural network model and the global artificial neural network (ANN) is done by simulation experiments. Experimental results showed that the prediction performance and execution efficiency of local neural network model are better than those of global a

9、rtificial neural network model.Keywords：Local neural network; Principal component analysis; k-nearest neighbors searching; Grid searching; Cross-validation目 录1.绪论11.1短期电量需求的意义及任务11.1.1电量预测的意义11.1.2短期电量预测的任务21.2电量预测研究现状31.3 论文的主要内容与结构62.电力需求分析及预测72.1电力负荷预测组成及作用72.1.1 电力负荷的分类72.1.2 负荷预测的分类82.1.3 负荷预测的

10、特点和基本原理92.2 短期负荷分析102.2.1 短期负荷特性112.2.2 典型负荷分量分析122.2.3天气敏感负荷分量分析142.3 短期负荷预测的模型152.3.1 短期负荷预测模型要求152.3.2短期负荷预测的基本模型162.4 本章小结173.模式特征提取183.1 特征提取过程介绍183.2 数据的预处理193.2.1 消除稳态分量193.2.2 模式样本的归一化处理193.2.3 模式样本的平滑与分块203.3 主成分分析203.3.1 主成分分析介绍213.3.2主成分分析计算方法213.3.3主成分的性质223.4 本章小结244.人工神经网络理论基础254.1 人工神

11、经网络基础254.1.1人工神经网络介绍254.1.2 神经网络的基本特征254.1.3 神经网络的结构264.2 RBF神经网络及应用举例274.2.1 径向基础函数网络274.2.2 径向基函数网络的构建294.2.3 径向基函数网络的应用实例314.2.4 人工神经网络在电力需求预测中的应用334.3本章小结345.最近邻搜索及交叉验证355.1 最近邻搜索355.1.1 KNN法355.1.2 KNN法的改进355.1.3 等均值最近邻搜索算法(ENNS)365.2 交叉验证法375.3 最优预测模型385.4 本章总结396.在MATLAB环境下实现电力需求预测406.1 MATLA

12、B语言及其神经网络工具箱406.1.1 MATLAB简介406.1.2 人工神经网络工具函数406.2 MATLAB语言环境下的程序设计416.2.1 开发环境416.2.2 程序开发方法介绍416.2.3 具体实现方法416.3 算例分析436.4 仿真实验446.5 本章小结467.结论47参考文献48附录 本设计程序50致谢58581.绪论电力系统是由电力网、电力用户共同组成，作用是为各类用户尽可能经济地提供可靠而合乎标准要求的电能，随时满足各类用户的要求，也就是满足电力要求。由于电力的生产与使用具有特殊性，即电能是不能储存的，这样就要求系统发电出力随时紧跟系统负荷的变化动态平衡，否则，

13、就会影响供用电的质量，重则危及系统的安全与稳定。电力系统电力预测因此而发展起来，其作用也日益重要。英国的究结果表明，短期电力预测的误差每增加1%将导致每年运行成本增加约1770万英镑。在挪威，每增加1%的短期电力预测误差将导致455万910万欧元的附加运成本1。近几年，尤其是今年，我国极其严重的电力紧张，就更加说明了电力建设必须具有前瞻性，而对电力的预测就是其中一个关键环节。目前电力系统电力预成为工程科学中重要的研究领域，是电力系统自动化中一项重要内容。当前，电力市场化在电力工业内部引入竞争机制的同时，也给电力系统各部分赋予了新的任务。电力预测成为电力交易中重要的数据源，为电力公司制定发电计划

14、、检修计划、电价报价及电网规划提供依据。同样，对大型工业用户而言，电力预测对生产的安排、经济成本及效益的估算以及近期与远期生产的规划都具有极其重要的意义。电力预测是根据系统的运行特性、增容决策、自然条件与社会影响等诸多因素，研究或利用一套系统的处理过去与未来电力的数学方法，在满足一定精度要求的条件下，确定未来某特定时刻的电量数据2。电力预测的核心问题是预测的技术方法，或者说是预测数学模型,其中负荷可能指的是电力需求量或者用电量的值。本论文将主要研究短期电量需求预测系统。1.1短期电量需求的意义及任务1.1.1 电量预测的意义34电力用户是电力工业的服务对象，电量负荷的不断增长是电力工业发展的根

15、据。正确地预测电量负荷，既是为了保证无条件供应国民经济各部门及人民生活以充足的电力需要，也是电力工业自身发展的需要。电力电量预测工作既是电力规划工作的重要组成部分，也是电力规划的基础。随着电力系统的商品化和市场化，电力电量预测的准确性对电力系统安全经济运行和国民经济发展具有重要意义。电力电量预测工作的水平己成为一个电力企业的管理是否走向现代化的显著标志之一。尤其在我国电力事业空前发展的今天，用电管理走向市场，电力电量预测问题己经成为我们面临的重要而又艰巨的任务。电量的大小与特性，无论对于电力系统设计或对于运行研究而言，都是极为重要的因素。对于电量的变化及特性，有一个事先的估计，是电力系统发展与

16、运行研究的重要内容。电力系统电量预报理论就是因此而发展起来的，在现代电力系统工程科学研究中它已经成为占有重要地位的研究领域，是电力系统自动化中的一项重要内容。长期与中期电量预报的意义在于新的发电机组的安装(装机容量的大小、型式、地点和时间)与电网增容和改建，均决定于对未来若干年后的电量预报。而短期电量预报的意义在于:首先对运行中的发电厂的出力提出预告，使得对发电机组出力变化的情况事先得以估计，对于装机容量不大的孤立电网，短期电量预报是必要的。其次，对于一个大电网，为了经济和合理地安排本网内各发电机组的启动与停机，以使系统在要求的安全范围内，为保持必要的旋转储备容量为最小，短期电量预报也是必须的

17、。另外，当电网进行计算机在线控制时，满足给定的运行要求，同时使发电成本为最小，短期电量预测也是必须的。另外，当电网进行计算机在线控制时，满足给定的运行要求，同时使发电成本最小。所以，负荷预测是电力系统运行调度中一项非常重要的内容，是能量管理系统（EMS）的一个重要模块，是保证电力系统安全经济运行和实现电网科学管理及调度的基础。电力系统短电量荷预测提前一天至一周预测系统电量值，不但对确定日运行方式有重要的作用，而且也是确定机组组合方案、地区间功率输送方案和电量调度方案所不可缺少的。对于大型工业用户来说，电量预测对工业生产的安排、经济成本和效益的估算以及近期和远期生产的规划都具有极其重要的意义，也

18、是电力部门进行电力规划的依据。电力电量预测是否准确，直接影响到电力系统计划、规划等管理部门的工作。短期电量预测是电力系统发电计划的重要组成部分，是调度合理安排电网运行方式、机组启停计划、交换功率计划等的基础，因此负荷预测精度的好坏会直接关系到产业部门的经济利益。电量预测不足可能会导致用电紧张和系统运行安全性下降，因而由费用高的机组来承担电量或者从邻近的电网买入价格较高的电能。另一方面，如果估计过量可能导致过多的旋转备用因而增加运行费用，对于长期的电量预测来说有可能造成设置过多的设备，引起资金积压。另外，电量预测也有利于计划用电的管理;节煤、节油和降低发电成本;制订合理的电源建设规划;提高电力系

19、统的经济效益和社会效益。1.1.2 短期电量预测的任务大停电事故经常是因为未能预计到的突增用电量而引起，而由于切电量不果断使停电扩大。我国旋转备用的比例大大高于西方发达国家，电量预测的落后带来巨大的经济浪费。目前短期电量预测研究还很不足，如何实现准确、可靠的实现短期电量预测是一个世界性的课题。电力系统电量预报概述能量管理系统（EMS）需要过去、现在和未来三类数据，而电量预测是未来数据的主要来源。短期电量预测的目的就是根据历史数据研究其变化规律，建立最优数学模型，并对未来电量进行准确的预测。其主要用于火电分配、水火电协调、机组经济组合和交换功率计划，需要17天的电量值，使用对象是编制调度计划的工

20、程师。预测中最重要指标是精度，其次才是模型与算法的选择。过去许多系统的短期电量预测都是由调度人员人工进行，通过寻找相似日直观地预测。这完全依赖于调度人员的经验，且一般仅限于提前一天预测。目前虽然已经有各种各样的自动负荷预测系统投入使用，但由于其算法一般都是基于常规线性或非线性函数的方法，存在一些难以克服的缺陷。因此，需要对自动电量预测系统方法进行深入研究。目前对电量预测的研究百花齐放，已经有各类预测系统投入实际运行，并达到一定精度。但是，由于电量受到多种多样复杂因素的影响，而各种因素又在发展变化。另外，不同地区，不同时期的电量特性本身又有区别，所以，目前，对于某一种电量预测方法，并不能适用于所

21、有情况的预测。如何针对某地区，建立一个自动电量预测系统，具有规范化的预报过程，减少对运行人员经验的依赖性，适用于不同系统并满足精度要求，依然是电量预测的任务。总之，一个能经受考验的、反映未来与现在需求变化与发展趋势的、恰如其分的预报，是电力系统规划的核心问题之一。1.2电量预测研究现状在长期的实践中，人们开发了许多种电量预测的方法，可分为定性的经验预测技术及依赖于数量模型、定量的预测技术。经验预测方法包括专家预测法(专家会议法、德尔菲法等)、类比法、主观概率法等方法。专家预测法主要是依靠专家或专家组的判断，仅给出一个方向性的结论，如预测未来哪个电力技术将有突破性发展、某地区哪一时期用电水平将有

22、何等显著变化、未来一年或几年全国或地区发电量及用电量预测等。类比法是对类似负荷作对比分析，通过已知同类负荷对未知负荷做出预测。主观概率法则是请若干专家来估计具体负荷预测达到某特定值的主观概率。当然经验预测的结果也不可能是数值型的。在实际应用中，从对人类经验的应用来说，定性方法的预测具有其独有的意义，在一定情况下甚至比某些定量方法的预测精度更高，尤其是在大气突变、重大事件等特殊情况下。比较常用的定量预测技术有经典技术(单耗法、负荷密度法、比例系数增长法、弹性系数法等)、趋势外推预测技术、回归模型预测技术、时间序列预测技术、模糊预测技术、灰色模型预测技术、专家系统预测技术、人工神经网络预测技术、优

23、选组合预测法等。(1)经典技术56单耗法:即单位产品电耗法，是通过某一工业产品的平均单位产品用电量以及该产品的产量，得到这种产品的总用电量。一个地区的工业生产用电，可以按照行业划分为若干部门，如煤炭、石油、冶金、机械、建筑、纺织、化纤、造纸、食品等，再对每个部门统计出主要产品的单位产品耗电量，根据其产量，就可以得到所有统计的工业产品的总用电量。单耗法需要作大量细致的统计调查工作，近期预测效果好，但实际工作统计量太大，有时考虑用国民生产总值或工农业生产总值，结合其电量单耗，计算出用电量，即为产值单耗法。负荷密度法:是从地区人口或土地面积的平均耗电量出发作预测的方法，方法与单耗法类似。比例系数增长

24、法:假定今后的电力电量与过去有相同的增长比例，用历史数据求比例系数，按比例预测未来的发展。弹性系数法:电力弹性系数就是用电量的相对变化率与国民生产总值的相对变化率之比。如果预测到未来若干年的弹性系数、国民生产总值的增长率，就可得到电量需求增长率，应用比例系数预测法得到预测年的用电量。预测的模型又可以有直接弹性系数法模型、取对数法模型、对数与倒数模型、线性函数形式模型等。(2)趋势外推预测技术5按照负荷的变化趋势，对未来负荷情况做出判定，就是趋势外推预测技术。趋势外推技术包括水平趋势预测技术(全平均法、一次滑动平均预测法、一次指数平滑预测法、一阶自适应系数预测法等)、线性趋势预测技术(二次滑动平

25、均法、二次指数平滑技术、二阶自适应系数法等)、多项式趋势预测技术(三次指数平滑预测技术、累计预测法等)、季节型趋势预测技术、增长趋势预测技术(指数曲线模型、非齐次指数模型、龚帕兹模型、逻辑斯谛模型等)，文献7就是线性外推法研究电量预测的应用。这些技术的共同特点是作趋势外推，不对其中的随机成分作统计处理，是简单实用的预测方法。(3)回归模型预测技术25就是根据负荷过去的历史资料，建立可以进行数学分析的数学模型，对未来的电量进行预测。其特点是将影响预测目标的因素作为自变量，将预测目标作为因变量。回归分析法中，自变量是可控变量，因变量是随机变量，又给定的多组自变量和因变量资料，研究各种变量之间的相关

26、关系。利用得到的经验回归方程式来表示变量之间的定量关系，预测系统将来的负荷值。回归预测包括线性回归(一元线性回归模型、多元线性回归模型)和非线性回归。(4)时间序列预测技术2568由于电力负荷是一个随机变量，这个变量描述的过程就是一个随机过程，电力负荷的历史资料就是按一定时间间隔进行采样记录下来的有序集合，它是一个时间序列，用这个序列对电量变化的规律和特性进行分析并对未来电量做出预报，就是时间序列法预报。具体方法是对过去一段时间的历史负荷纪录，提取出基本负荷分量、天气敏感负荷分量和特别事件负荷分量后，剩余的残差(平稳随机时间序列)即为各时刻随机负荷分量，可以看成是随机时间序列。目前最有效办法是

27、Bxo一Jnekins的时间序列法，可分为4种不同的模型:(1)自回归模型(AR);(2)滑动平均模型(MA);(3)自回归滑动-平均模型(ARMA);(4)累计式自回归-滑动平均模型(ARIMA);其中AR、MA、ARMA过程的时间序列被称为平稳过程(其均值和协方差不随时间变化)，如果实际负荷序列是非平稳的过程，可对这个序列进行差分，使其变成平稳随机序列。趋势外推预测、回归模型预测及时间序列预测等几种技术基本原理都是用线性或非线性函数来逼近非线性动态的系统电量，是根据电力负荷的统计特征完成预测的方法，由于电力电量具有非线性、时变性和不确定性，影响负荷的因素很多，错综复杂，如电量和影响电量的变

28、量之间的关系难以用精确的数学模型加以描述，增加了预测模型的复杂化;另一个重要的问题是模型参数难以及时、准确地估计和调整，不能反映负荷的突然变化。所以建立一个适合的数学模型依然是目前广泛研究的课题910。(5)模糊预测技术1112应用模糊逻辑和预报人员的专业知识，通过对负荷历史数据进行识别、隶属度计算和聚类分析，根据模糊聚类参数与预测因子的前期特征值，确定相应的类别变量特征值，建立类别变量特征值与预测对象之间的相关关系，应用这种确定的相关关系进行负荷预测。也就是将数据和语言形成模糊规则库，然后选用一个线性模型逼近非线性动态的系统负荷。(6)灰色模型预测技术1314灰色系统理论将一切随机变化量看作

29、是在一定范围内变化的灰色量，常用累加生成（AGO）、累减生成(IAGO)均值生成、级比生成等方法将杂乱无章的原始数据整理成规律性较强的生成数据列。用灰色模型(GM)的微分方程作为电力系统单一指标(如负荷)的预测时，求解微分方程的时间响应函数表达式即为所求的灰色预测模型，对模型的精度和可信度进行校验并修正后即可据此模型预测未来的负荷。灰色模型预测技术适用于短、中、长三个时期的负荷预测。灰色模型法在建模时不需要计算统计特征量，从理论上讲，可以使用于任何非线性变化的负荷指标预测，但其不足之处是其微分方程指数解比较适合于具有指数增长趋势的电量指标，对于具有其它趋势的指标则有时拟合灰度较大，精确度难以提

30、高。(7)专家系统预测技术58对数据库里存放的过去几年的每小时的电量和天气数据进行细致的分析，汇集有经验的电量预报人员的知识，提取有关规则，按照一定的规则推理进行电量预测。专家系统是对人类的不可量化的经验进行转化的一种较好的方法，若能将它与其他方法有机地结合起来，构成预测系统，将可得到满意的结果。专家系统法是一个很耗时的过程，对某些复杂的因素(如天气因素)要准确、定量地确定他们对电量的影响也常常是很困难的事。(8)人工神经网络法151617利用人工神经网络（ANN），选取过去一段时间的负荷作为训练样本，然后构造适宜的网络结构，用某种训练算法对网络进行训练，使其满足精度要求之后，用ANN作电量预

31、测。一般而言，ANN应用于短期电量预测要比应用于中长期电量预测更为适宜。人工神经网络法被认为是一种非常有效的电量预测技术，己经取得了许多成功的应用实例。本论文主要针对其在短期电量预测中的应用进行讨论。(9)优选组合预测法5618优选组合预测有两类概念:一是指将几种预测方法所得的预测结果，选取适当的权重进行加权平均，如文献19中的应用;二是指在几种预测方法中进行比较选择拟合优度最佳或标准离差最小的预测模型进行预测，如文20中的应用。组合预测方法是建立在最大信息利用的基础上，它最优组合了多种单一模型所包含的信息。优选组合预测法在建立模型时受到两方面的限制:一个是不可能将所有在未来起作用的因素全包含

32、在模型中，另一个是很难确定众多参数之间的精确关系。所以其预测的精度提高受到限制。1.3 论文的主要内容与结构本文主要致力于电力需求预测系统的研究。近年来，电力需求预测的方法有很多中，神经网络预测方法受到国内外广大人员的高度重视。本文讲KNN和RBF神经网络相结合，提出了一个较合理的预测模型，取得了较满意的预测精度。第1章主要介绍了课题研究的目的与意义及国内外的发展现状。第2章介绍了电力负荷的构成，负荷预测的基本概念、原理和步骤；分析了影响结果的主要因素及误差评价标准；最后叙述了一些常用的负荷预测方法。第3章介绍了模式提取的一般过程，模式样本的预处理过程；给出了主成分分析的算法和主要性质。第4章

33、介绍人工神经网络理论基础。讲述了神经网络的基本特征、结果特点；如何构建经向基函数网络，并给出了一个经向基函数网络的应用实例。第5章介绍了KNN法和交叉验证法，并用交叉验证法加网格搜索的方法获得最优参数，从而得到最优的预测模型。第6章在MATLAB开发环境上运用前几章的方法进行电力需求预测。可以看出KNN RBF神经网络预测模型预测效果非常好。第7章 全书总结部分。2.电力需求分析及预测短期电力需求预测主要研究的是对负荷需求的预测。电力负荷预测是指在充分考虑一些重要的系统运行特性、增容决策、自然条件与社会影响的条件下，研究或利用一套系统地处理过去与未来负荷的数学方法，在满足一定精度要求的意义下，

34、确定未来某特定时刻的电力负荷数值，称为电力负荷预测。电力系统在逐步发展、完善过程中，负荷预测已成为电力系统中能量管理系统中一项独立的内容。在当前电力系统市场化的必然趋势下，负荷预测已成为电力市场交易管理系统中必不可少的一部分。本章主要研究了负荷预测的基本组成、分类及作用，重点分析了短期负荷预测的特性、预测的影响因素等。2.1电力负荷预测组成及作用负荷是电力系统的重要组成部分。电力负荷需求可以指电力需求量或者用电量，需求量是指能量的时间变化率，即功率。所以，负荷预测也包括两方面的含义:对未来需求量(功率)的预测和对未来用电量的预测(能量)。对功率的预测用来决定发电设备的容量，以及相应的输电与配电

35、的容量;而对能量的预测则决定了应当安装何种类型的发电容量。本论文主要是针对需求量，即功率进行预测的研究。2.1.1 电力负荷的分类电力行业采用过的负荷分类有多种，不同方法用于不同的研究目的。主要包括:(1)按用电部门属性划分：到90年代初期，为适应我国经济结构的变化，并与国际惯例接轨，电力负荷按照国民经济统计分类方法划分为第一产业(主要是农业)用电，第二产业(主要是工业)用电，第三产业(除第一、二产业以外的其它事业，如商业、旅游业、金融业、餐饮业及房地产业等)用电和居民生活用电。在研究全国、电力系统或地区的电力规划时，目前广泛采用按产业划分电力负荷的分类方法。(2)按使用电力的目的划分:一般分

36、为动力用电、照明用电、电热用电、各种电气设备的操作控制用电及通信用电。这类分类方法主要用于能源平衡分析。(3)按电力用户的重要性划分:即一类负荷、二类负荷、三类负荷。主要用于电力系统调度管理和用电管理。负荷预测中一般不采用这种分类方法。(4)按负荷特性指标划分:最大负荷、最小负荷、平均负荷等。最大负荷即最高负荷或尖峰负荷，与统计记录时间相联系，有日最大负荷、月最大负荷和年最大负荷。最小负荷又称最低负荷或低谷负荷或基荷，可分为日最小负荷、月最小负荷和年最小负荷。平均负荷是指观察统计时段内，出现的负荷的平均值。一般有日平均负荷、月平均负荷和年平均负荷。这种分类方法，在电力系统规划中非常重要，是负荷

37、预测的重要目的之一。(5)按负荷预测期的长短划分:一般分为近期负荷、中期负荷和长期负荷，通常是指相应预测期的年最大负荷而言，这是负荷预测中的主要预测对象之一。2.1.2 负荷预测的分类电力系统负荷预测按预测内容可分为系统负荷预测和母线负荷预测。系统负荷预测是对研究系统未来的负荷需求的预测;母线负荷预测是由系统负荷预测取得某一时刻系统负荷值，并将其分配到每一条母线上。而系统负荷预测又可根据不同的侧重点来分类。2.1.2.1 按时间分类电力负荷预测中经常按时间期限进行分类，可分为长期、中期、短期、超短期负荷预测。长期负荷预测是指未来数年至数十年的用电负荷预测，其主要用于帮助决定新的发电机组的安装(

38、包括装机容量大小、型式、地点和时间)，与电网的规划、增容和改建，是电力规划部门对电源发展规划和网络发展规划的重要工作之一。中期负荷预测是指未来一年之内的用电负荷预测，主要预测指标有月平均最大负荷、月最大负荷和月用电量。主要用于水库调度、机组检修、交换计划和燃料计划，需要1月l年的负荷值。中期负荷预测比短期负荷预测考虑的因素要多一些，特别是一些未来的因素及气候条件。短期负荷预测通常是指24小时的日负荷预测和168小时的周负荷预测，需要l7天的负荷值。短期负荷预测模型中主要考虑负荷的周期性变化规律及天气影响因素。短期负荷预测意义在于帮助确定燃料供应计划;对运行中的电厂出力提出预告，使对发电机组出力

39、变化事先得以估计;可以经济合理地安排本网内各机组的启停，降低旋转储备容量;可以在保证正常用电的情况下合理安排检修计划。超短期负荷预测是指未来一个小时、0.5小时甚至更短时间的预测。当用于质量控制时需510秒的负荷值，用于安全监视需15分钟负荷值，用于预防控制和紧急状态处理需1060分钟的负荷值。超短期负荷预测在正常情况下一般不考虑气象条件的影响，但是对于天气的突变和其他一些对负荷影响的突发事件必须考虑在内。超短期负荷预测模型主要在于反映负荷在短时间内的变化规律，即反映负荷的上升、下降或水平趋势及变化值。2.1.2.2 按行业分类负荷预测按行业分类并不严格，一般来说负荷预测可以分为城市民用负荷、

40、商业负荷、农村负荷、工业负荷以及其他负荷25。其中，城市民用负荷主要是城市居民的家用负荷;商业负荷与工业负荷是个自为商业及工业服务的负荷预测;农村负荷预测是指广大农村所有负荷(包括农村民用电、生产与排灌用电以及商业用电等)的预测;而其他负荷预测则包括市政用电(街道照明等)、公用事业、政府办公、铁路与电车、军用等负荷的预测。每种类型的负荷都有各自的主要影响因素，如民用负荷及商业负荷随季节性变化;而工业负荷一般都视作是受气候影响较小的基础负荷。2.1.2.3 按特性分类根据负荷预测表示的不同特性，常常又分为最高负荷、最低负荷、平均负荷、负荷峰谷差、高峰负荷平均、低谷负荷平均、平峰负荷平均、全网负荷

41、、母线负荷、负荷率等类型的负荷预测，以满足供电、用电部门的管理工作。2.1.3 负荷预测的特点和基本原理52.1.3.1负荷预测的特点由于负荷预测是根电力负荷的过去和现在推测它的未来数值，所以负荷预测工作研究对象是不肯定事件、随机事件，需要采用适当的预测技术和模型，推出负荷的发展趋势和可能达到的状况。负荷预测具有如下的特点。(1)负荷预测的不准确性预测学本身就是一个研究不确定问题的理论与方法，在当今科学界，也是一个新的、正在探索的领域，因此，其预测的结果应是一个概率的值。电力负荷未来发展是不肯定的，它要受到多种多样复杂因素影响，而且各种因素也是发展变化的。这就决定了预测结果的不准确性或不完全准

42、确性。在负荷预测系统中，针对各类不同的负荷预测都有一定的精度要求。长期的负荷预测允许误差在15%以内，中期负荷预测的允许误差为5%，而短期的日负荷预测的误差一般不能超过3%。(2)负荷预测的条件性各种负荷预测都是在一定条件下做出的。在很多情况下，由于负荷未来的发展的不肯定性，所以需要一些假设条件，如当长时间不下雨，排灌负荷将保持较高的数值等。而这些条件不是毫无根据的凭空假设，而应根据研究分析，综合各种情况而来。赋予预测结果一定的前提条件，更有利于电力部门使用预测结果。条件可分为必然条件和假设条件两种。可靠的负荷预测往往依赖于电力负荷预测的本质规律，这种预测条件就是必然条件。在很多情况下，由于负

43、荷未来发展的随机性，给出的负荷预测结果都以假设条件为前提。如果负荷的过去和现在的发展直接延伸到未来，没有什么重大的干扰和破坏，或完整的记录了这些突发事件，并将这些历史数据模型化来类比现在，预测未来。但是如果在预测其中发生了无法估计的重大事件(如气象的剧烈变化，突发事故，国家政策变化等)，以至于负荷变化的正常规律被破坏使预测失效。这种类型的负荷预测的在实际应用中并不少见，这种转折点是最难预测的。如果历史数据中含有类似的事件，预测的趋势就比较好定。因此要尽量保证负荷预测历史数据的完整性。(3)时间性各种负荷预测都有一定的时间范围，并且要求有比较确切的数量概念，如超短期负荷预测在线预测的预测速度要求

44、不大于一分钟，短期负荷预测要求预测速度小于10分钟，日负荷的预测时差不大于15分钟，日负荷谷荷的预测时差不大于30分钟等。(4)负荷预测的多方案性负荷预测的机理是一个数学建模的过程，而不同的数学模型的使用条件是有一定的限制的，不是万能的，而预测本身又具有不准确和条件性，所以有时对负荷在各种情况下的发展状况进行预测，会得到各种条件下的不同预测方案，所以需要考虑不同的负荷条件建立模型。(5)负荷预测的地区效应在不同负荷预测的范围内，负荷的构成比重不同，因此影响负荷的因素有所不同。一般来说，大电网(网、省级)负荷变化有较强的统计规律性，预测结果较准确，而地区级电网的预测精度则相对低一些。2.1.3.

45、2负荷预测的基本原理由于负荷预测是根据电力负荷的过去和现在推断它的未来数据值，所以负荷预测工作研究的对象是不肯定事件，未来的电力负荷虽然是不肯定事件，但也具有一定的规律，负荷预测工作就是根据电力负荷发展的规律，预计或判断其未来发展的趋势和状况。电力负荷预测有六个基本原理。(1)可知性原理由于预测的对象具有一定的规律，其发展趋势是可以被人掌握，我们可以通过总结它的过去和现在推测其未来，可知性原理是预测活动的基本依据。(2)可能性原理即根据未来负荷发展变化的多种可能性，对某一具体指标的预测，需要按照其发展的多种可能性进行多方案预测。(3)连续性原理预测对象的发展是一个连续统一的过程，未来的发展是这

46、个过程的继续。(4)相似性原理预测技术中使用的类推法或历史类比法，就是基于这个原理的预测方法。(5)反馈性原理即可以利用预测与实际值的差距来进一步调节预测精度的原理。(6)系统性原理预测对象是一个完整的系统，它本身有内在系统，它与外界世界的联系又形成它的外在系统，只有系统整体最佳的预测，才能高质量的预测，才能为决策者提供最佳的预测方案。2.2 短期负荷分析电力系统负荷的变化一方面有其不确定性，如气候的变化、意外事故的发生等造成对电力负荷的随机性干扰。另一方面，在一定条件下，电力负荷按一定趋势有规律地发展变化。因此，在进行电力系统的短期负荷预测时，针对负荷变化的这些特点，既要充分分析、掌握并利用

47、其规律性，又要兼顾各种因素的影响。下面主要以某市的负荷进行分析，总结负荷的周期规律及预测的各种影响因素。考虑和利用负荷的这些特点，可以建立起更符合实际情况的预测模型，提高预测精度。2.2.1 短期负荷特性影响负荷变化的因素很多，如宏观上经济发展水平及经济结构调整的影响、电力消费结构的变化以及人们收入和生活水平的提高和消费观念的变化、管理及相关政策的影响等。而对短期负荷来说，影响因素主要有:负荷构成、时间的变化、气象等天气变化、随机波动等。根据负荷的构成、规律及随机特性，把负荷分解进行研究。负荷系统的总负荷可由下式（2.1）表达: （2.1）其中: :总负荷:代表典型负荷分量:代表天气敏感负荷分量:代表特殊事件负荷分量:代表随机负荷分量分别论述如下：2.2.1.1 典型负荷分量典型负荷分量也叫正常负荷，它和气象无关，根据每天时间的变化，具有线性变化和周期变化的特点。线性变化描述日平均负荷变化规律，而周期变化描述以24小时为周期的变化规律。典型负荷的不同主要是由于各地负荷组成方式的不同所引起。负荷组成的差异性主要体现在两个方面:一是负荷种类，二是各种负荷成分所占比重。不同组成的负荷在这两方面的差异决定了它们的负荷特性及对影响因素的响应特性互不相同。