電力市場環境下的負荷預測研究

肖俊青

摘 要：電力關乎國計民生，在電力市場改革不斷深入的今天，做好負荷預測更為迫切。而負荷預測也對預測速度與精確度提出了更高要求。本文在系統論述負荷預測分類及常見模型的基礎上，重點就電力負荷預測的方法進行總結，在明確其優劣勢的基礎上系統分析電力市場環境下對電力負荷預測的新要求，以期對負荷預測研究起到一定指導。

關鍵詞：電力市場；電力環境；負荷預測；研究分析

1負荷預測的含義及意義

伴隨社會的不斷發展，電力工業作為國民經濟支柱產業，直接影響生產生活。而要想確保電力市場需求的有效滿足，奠定電力系統規劃建設的良好基礎，負荷預測是根本，負荷預測直接決定電力投資、網絡布局及運行的合理性穩定性。做好負荷預測研究是城市發展規劃的重要內容。就電力系統而言，負荷指的是電力需求量，是能量對比時間的變化率，負荷預測有兩方面的解讀。既是對未來電力用量的預測也是對未來電力需求量的預測，奠定電力系統安全運行的前提。隨著經濟的持續穩定發展，電力需求旺盛，提供高質量、穩定的電力供應已經成為電力系統關注的首要問題，因此該背景下做好電力負荷的預測分析具有重要意義。而負荷預測的研究關注重點在于負荷預測方法的創新改進及當前市場環境下的電力需求滿足。

2電力負荷的有效預測

2.1電力負荷預測的幾種常見分類

分類依據不同對應多種負荷預測分類。按照期限分可以分為年度預測、月度預測、日度預測。從更廣的時間維度來分類，又可以劃分為長期預測、中期預測與短期預測。長期預測一般周期為30年，中期預測則縮短為6年，短期預測則往往指幾個月。

2.2電力負荷預測的常見模型

電力系統總負荷預測模型按照四個分量模型被描述為，L（t）=B（t）+W（t）+S（t）+V（t）。其中L為時刻t的天氣敏感負荷分量。而S對應的是時刻t的特別時間負荷分量。V則是時刻t的隨機負荷分量。就中長期電力負荷預測來說，E呈現出明顯增長的周期變化規律，而短期電力負荷預測B一般呈現周期性變化。而對于超短期負荷預測，B的變化近似線性。預測周期不同，B的內涵也不斷變化。而對于基本正常負荷分量，線性變化模型與周期變化模型基本滿足描述需求。線性變化模型是將前面時刻的負荷描述成為直線，對應延長線即可預測下一時刻的電力負荷。對于周期性的變化模型來說，主要反應負荷日月年的周期變化特征。

3電力負荷預測的常見方法

3.1回歸模型預測分析法

回歸模型預測分析法是傳統預測法的一種。具體又分為一元回歸分析和多元回歸分析，主要通過給定的多組自變量和因變量資料分析研究兩者之間的關聯，總結歸納成回歸方程，回歸方程因變量為電力系統的負荷，自變量則是影響系統負荷的各種因素。無論是回歸變量的選取還是變量因素的量化處理都涉及到經濟學知識，要想成功預測必須具備經濟學的專業分析知識，而其預測過程也相對繁瑣。

3.2時間序列預測分析法

時間序列預測分析法是一種比較成熟的負荷預測法，其將負荷數據看做是單位時間，可以是年、季度、周、天、小時。根據周期性變化的時間序列，在總結負荷歷史資料的基礎上建立數學模型來描述呈現負荷變化的統計性規律。在時間序列法中卡爾曼濾波法、狀態估計最為常見，這些方法在符合預測中具有回歸分析不可比擬的優勢。但對應建模過程更為復雜，也更容易受天氣變化的影響。節假日的電力負荷預測并不準確，存在較大誤差。

3.3人工神經網絡預測法

人工神經網絡技術預測系統負荷是一種更為新型的負荷研究方法，針對非結構性、非精確性的規律具有較好的適應性，并且該方法相較于傳統的負荷預測，不需要搭建負荷模型，具備很好的函數逼近能力，可以有效解決天氣及溫度等因素對負荷影響的數據捕捉。其弊端是人工神經網絡需要較長的訓練，而網絡結構確定、變量輸入選取操作執行比較困難，目前該電力負荷預測還不夠成熟完善，還有較大的改進空間。人工神經網絡預測模型如下：

3.4專家系統電力負荷預測

除了人工神經網絡電力預測，專家系統也是當前比較常見的電力負荷預測法，其主要由知識庫、用戶界面、推理機等幾個模塊組成，通過整合電力系統負荷預測領域內專家學者的豐富知識與經驗，借助啟發式知識推理自動得出決策結論。對于節假日的電力負荷預測及重大社會活動突發事件的電力預測，起具有明顯優勢。其弊端是難以迅速高效地預測知識規則并建立知識庫，因為是參考專家經驗，知識更新相對緩慢，在后期知識庫的維護上也需要耗費大量精力，成本較高。

3.5電力負荷小波分析法

對于現代電力負荷預測來說，小波分析法也是不錯的選擇。小波分析法更多地吸收了分析學中多個分支領域的精華部分，目前不僅僅在電力預測在多個科學領域得到有效運用。在負荷預測中，其選取合適的母小波函對負荷進行分類，針對不同性質的負荷會選擇相應的預測方法，在此基礎上對分解的序列進行預測，預測得到的序列重構從而獲得更為精確的負荷預測結果。但該方法也并不是盡善盡美的，其弊端在于重構帶來的誤差風險，使得誤差累加，這也意味著對小波的預測精度要求更高，整個模型的預測也更加復雜。

3.6綜合電力負荷預測法

綜合法其實更多地是整合上述預測分析法的優勢整合后的預測方法。重點參考的是模型法和人工智能法。吸收兩者的優勢，帶來預測的高精度。目前綜合法又有多種分類，比較常見的有松散性結合、并聯型結合、串聯型結合、網絡學習型結合及結構等價性結合。

4電力市場環境下對負荷預測的新要求

伴隨經濟的發展，電力市場需求更加迫切。而負荷預測作為電力系統安全運行的前提，同時是經濟運行的重要手段備受關注。其承擔著電力交易的數據提供責任。其實在當前的電力市場環境下，往往有很多不確定因素，正是這些不確定因素的客觀存在使得電力負荷具有未知性，加上多個因素之間綜合作用形成復雜影響關系，對電力系統的正常運行提出考驗。做好電力負荷預測是基礎性的工作。本文通過論述多種負荷預測方法，明確了各自的優勢與缺陷，讓工作人員在電力負荷預測中更有參考與借鑒。其實針對電力系統，在實際運行中，必須根據當地電網的實際負荷情況及獨有特點進行全方位的考察分析，做好對各種客觀因素的影響把控，從需求預測管理出發，發揮計算機技術的支撐作用，有效建立負荷預測軟件與電力市場軟件的有效接口，從而選擇更合適的預測模型，實現電力負荷的正確預測。在工作中也應樹立創新思維，積極探索電力負荷預測的新思路新方法，切實提升電力企業整體經濟效益，奠定國民經濟健康發展的電力基礎。要想真正做好電力負荷預測，必須了解電力負荷現狀并做好歷史統計資料的研究學習，通過整理規劃期各行業用戶的發展資料，在個例與共性的捕捉分析中把握國民經濟各行各業的發展規律，了解行業實際發展的可能性與未來星，做到對電力市場環境發展方向的正確把握。

5結語

電力市場的發展更加復雜多樣，而解決電力負荷預測問題已經成為擺在電力科技工作者面前的重要課題。在利用現有數據資料基礎上，掌握正確的預測方法，建立符合電力負荷實際的預測模型，切實提升預測的速度與精確度，更好地滿足電力市場對負荷預測的客觀要求。而我們也應該看到電力市場條件下電力負荷預測的復雜性與艱巨性，因此，電力負荷預測還需要更深入的分析與研究。

參考文獻：

[1]李燚.電力市場環境下的負荷預測研究[J].中國高新技術企業，2011，22：5-7.

[2]李峰，曹晏寧，鄭日紅.電力市場環境下的負荷預測分析與展望[J].內蒙古科技與經濟，2012，23：90+92.

[3]張芳明.電力市場環境下的電力系統擴展短期負荷預測研究[D].湖南大學，2009.

[4]馬立新，彭華坤，李淵.電力市場下負荷分析與預測優化方法的研究[J].信息技術，2013，09：58-61.

（作者單位：國網泉州供電公司）