内容摘要
本文通过对电力系统负荷预测方法的探究，提出了提高预测精度的几种措施在实际运行中得一了很好的效果，并给电网运行带来了一定的经济效益。
关键词：负荷预测 量化分析 随机捕捉
1、引言
电力系统负荷预测是电力系统运行、控制和规划不可缺少的一部分。随着计算机在电力系统中的日益普及和电力系统自动化水平的不断提高，负荷预测的精度也相应有所改进，并逐步实用化。负荷预测的结果已成为经济调度和推行电力市场的必要基础。
几十年来各种可能的算法均在负荷预测课题上试验过了，目前实用的算法主要有：线性外推法、线性回归法、时间序列法、卡尔曼滤波法、人工神经网络法、灰色系统法和专家系统方法等。各种算法均有一定的适用场合，可以说没有一个算法适用于各种负荷预测模型而精度比其它算法都高。
电力系统负荷预测是一项重大意义的课题，提高预测精度就是提高电力系统运行的安全性，就是提高电力系统运行的经济性。
2、 电力系统负荷预测方法概述
到目前为止，用于电力系统负荷预报的算法很多，这里，仅介绍常用的几种。
(1)、 经典方法
<1>、线性外推法
<2>、回归分析方法
<3>、时间序列方法
<4>、卡尔曼(kalman)滤波方法
<5>、小波分析方法
(2)、人工神经网络方法
神经网络是由大量的简单神经元组成的非线性系统，每个神经元的结构和功能都比较简单，而大量神经元组合产生的系统行为却非常复杂；它具有较强的学习能力、计算能力、变结构适应能力、复杂映射能力、记忆能力、容错能力及各种智能处理能力。目前，研究和应用最多的是以下四种基本模型和它们的改进模型，即Hopfield神经网络、多层感知器、自组织神经网络和概率神经网络。
在电力系统负荷预报中，应用最多的是带有隐层的前馈型神经网络，它通常有输入层、输出层和若干隐层组成。对多层感知器，误差反传训练算法（BP算法）是目前最简单、最实用的一种，实质是一梯度算法。其将各种有关的数据作为输入，通过历史样本的训练收敛后便可以进行预测了。
(3)、综合方法
根据各种方法的优点和不足，以及针对不同情况的预测精度的差异，将几种方法有机地结合起来，最终达到比较高的精度。这种方法实现起来比较困难，历史数据要求高，方法结合有较大的难度，但确是提高负荷预测精度的有效方法之一。
(4)、专家系统方法
3、提高负荷预测精度的措施
任何一种算法都不能保证在所有情况下精度很高，要想提高负荷预测的精度，我们还需要做大量的工作，以下是笔者的一点体会。
(1)、原始数据的预处理
我们都知道，任何负荷预测都是基于原始数据的，因此，原始数据的正确与否决定预测结果的精度。而原始数据往往都是从EMS系统实时采集的，由于动态的数据采集有时会出现通道故障、拥堵等现象，相应的数据采集程序就会中断，造成了原始数据的错误与不真实。所以，在程序设计中，首先应针对原始的各种不真实现象进行预处理，力求将设备造成的随机的影响据之于预测过程之外。从实际的程序设计中来看，遇到影响原始数据真实性的情况有以下几个方面：
a、通讯通道故障、拥堵而造成的数据采集程序中断这种情况是最为严重的，造成了大量的原始数据的丢失。处理这种情况要在数据采集程序中设置告警信号，力求最为及时地发现问题，尽早处理，将数据丢失的损失减到最小。如果没有发现，那么只有两种补救方法：一是从其他数据源中摘取数据，人为补齐数据库，但是这种方式很复杂，随着采样数据步长的逐渐减小，采集间隔的逐渐密集，人为修正数据更加困难。而另一种方法就是从相关的历史数据中选择与次日相近的数据值进行复制，虽不尽真实，但也不会出现太大的偏差，亦可以作为真实的数据使用。
b、由于种种原因，已有相当多的不真实数据，而又无法修复的情况这种情况很棘手，对于无法修复的坏数据，程序中必须加以识别，在预测中予以去除，这虽然使程序的应用数据减少，但由于去除了坏数据的负面影响，对预测也是有好处的。对于坏数据的处理方法主要在程序中自动识别，根据数据的平滑度、日常曲线的趋势、平时负荷的分布范围等因素对数据进行识别和处理。
c、真实数据的预处理虽然数据采集程序采集的历史数据是真实的，但并不能完全直接应用于预测程序。因为预测程序是从历史数据中寻找规律性的东西，而历史数据中随机的影响都会使这些规律扭曲变形，进而影响负荷预测的精度。因此在预测之前必须对原始数据进行预处理，去掉一些随机的影响。具体方法就是将负荷曲线的波动性，即一些随机的冲击负荷的影响进行平滑，去除非规律数据的影响。
(2)、随机因素(冲击负荷)捕捉
大家都知道，在负荷的构成中有许多类似于电炉、轧钢等冲击性的负荷，这种负荷的特点是起停快、持续时间短、随机性强、数值较大，对于京津唐电网大概有冲击负荷10～20万千瓦，占总负荷的1～2％，而负荷预测的精度要求在2％以内。因此处理好冲击负荷的影响对于提高精度有很大的影响。从(1)中可以知道，在原始数据的平滑处理中去除了冲击负荷的影响，但却不能忽略其存在。所以在原始数据的处理中必须考虑到冲击负荷。我们使用的方法是有效值法，通过对冲击负荷的分析和处理，得到其有效值，然后叠加到平滑后的负荷曲线上，这样的处理结果便可以应用于负荷预测中了。
(3)、提高影响因素的预测精度以及影响因素的量化处理
负荷预测不仅仅要使用历史数据，还要考虑各种对负荷有较大影响的因素，如气象因素、政治因素、重大活动等。这些因素都会与历史数据一样作为预测程序的输入值。因此，这些因素的准确度直接会对负荷预测结果造成影响。
类似于政治因素、重大活动等由于是人为的活动，一般有固定的时间安排，所以预测比较准确，但是，对于诸如气象因素等，由于其本身就是不确定的预测值，带有一定的误差，因此，必须对这一类数据进行预处理。
另外，对于各种影响因素必须进行适当的量化处理，这主要是因为很多因素都是定性的，无法直接用于程序计算，例如气象因素的阴、晴，政治因素的庆祝活动等。这些因素的量化一是依靠经验值，并且调试后不断改进，力求准确，二是由程序识别，通过回归等方法动态赋值。前一种方法比较简单，但很难准确，后一种方法虽然理论上比较成熟，但由于模型不确定，实现起来很困难，具体应用哪一种方法，要视实际情况而定。
(4)、比较预测模式，寻求最优方案
对于中国目前的电力结构，在一个网省调下面有许多供电区域，往往是以地域划分的。而实际需要的结果却是一个整体的负荷。因此便产生了单独预测和整体预测两种模式，究竟哪一种模式比较好，则需要从实践中去试验。
从京津唐电网的负荷预测实践来看，单独预测后叠加与整体预测各有优缺点。由于各类影响因素(如气象因素、政治因素)的分布区域不同，单独预测时可以通过细化考虑的因素比较真实，以气象因素为例，京津唐电网的七个地区气象条件不同，可以各自考虑，应该说更准确些，但这样做也有缺陷，一方面是一般都采用一种方法进行预测，其误差方向比较一致，这样叠加后产生更大的误差，另一方面各供电区域的预测叠加后并非是我们所需求的用于发电安排的负荷，还要通过换算，考虑厂用电情况，而厂用电率一般并不是一个精确的数值，如此势必带来误差。若采用整体预测，原始数据便是我们用于安排发电计划的数据，各种因素虽然不能直接使用，但可以通过负荷比例进行等值拟合后作为整体预测的输入量，这样只会有一次误差。从实践中看，后一种方式虽比较模糊，但由于大电网效应，精度较前一种方式高。
当然，具体采用哪一种方式要根据实践的检验而定，前一种模式在理论上比较成熟，但在算法的选择上不能单一。我们都知道，任何一种算法都无法在所有情况下达到较高的精度，这与负荷结构以及负荷特性有直接的关系。
(5)、选择适用的预测算法
虽然负荷预测有很多方法，简单的有，复杂的也有，线性的有，非线性的
也有，但每一种算法都有其局限性或适应场合。例如，线性外推法的外推特性比较好，周期性差，人工神经网络周期性好，外推特性差。所以根据预测地区的负荷构成、负荷特性，以及实践经验，选择一种比较适当的算法是非常重要的。
如果进一步分析，可以将负荷日详细分类，对于不同的预测日使用不同的方法，势必会得到更好的结果。这项工作虽然不难，但需要大量的分析和实践的统计。
(6)、做好负荷日的类型分析
在做负荷预测的时候，对于历史数据的选择很有学问，力求使用与预测日同类型的历史负荷数据。这样不但可以去除好多非同类型日数据的干扰，而且可以提高迭代收敛速度，简单计算。但是，对负荷日进行精确分类是相当困难的，需要大量的经验和比较。目前最简单的分类是休息日和工作日，这样的划分太粗糙，不能满足实际的需要，真正实用化的分类还需要大量的判据。
负荷日类型一般可以根据以下几个方面科学分类：
a、负荷特性，一般指负荷曲线轮廓
b、负荷值大小
c、气象等有关因素
d、工作日、休息日、节假日
在这几个方面中最重要的是负荷特性和负荷值，但这个判据比较难于归纳分析，而后两种判据易于判别。因此，实际中主要根据后两种判据进行分类。若要提高精度，类型日一定要分得准确、详细，这样的组合会有很多种，需要人为通过经验设定与预测区域有关的判据。
(7)、利用约束条件进行预测结果修正
负荷预测应包括电力预测和电量预测，我们常使用的是电力预测，因为这也是需要的最终结果。但电量预测也是相当有用的，它不会象电力预测的随机性那么大，可以作为电力预测的修正约束条件。
以最大、最小值配合分配系数法的电力预测为例，这种方法只需要预测出预测日的最大、最小值，用同类型日的历史数据计算出分配系数，即曲线趋势，经分配计算后便可以得到预测日的预测曲线。这种方法比较简单、实用、计算量小，但随机性较大，若最大、最小值由于受历史坏数据或冲击负荷的影响偏差过大，就会使整个曲线抬高或降低，而电量受冲击负荷的影响较小，利用电量预测进行约束，便可以得到较好的修正曲线。
4、具体范例分析
以下是1999年春节的负荷曲线，通过比较我们可以看出修正后的精度有所提高。
5、后记
提高负荷预测精度的方法和途径还有很多，以上仅是笔者的一些愚见，若想达到较高的境界，仍需长足的研究和努力。
负荷预测的结果是电力系统运行的基础数据，其精度直接影响运行的安全性和经济性。因此，提高其精度也是每个负荷预测人员追求的最高目标。我们每个负荷预测人员都应知难而上，从理论和实践上积极探索，不断提高负荷预测精度以真正满足实际生产的需要。
您当前位置：
上一篇：
相关文章
