電力負荷預測技術發展趨勢研究

許陽

摘? 要：電力負荷預測技術指的是在電力調度，用電以及電力規劃方面的應用技術。目前所面臨的問題就是需要提高電力負荷預測技術水平，從而才能夠有利于我國電網的良好發展，同時還能夠提高電網的經濟效益以及社會效益，所以文章針對于電力負荷預測技術進行深入研究，同時對這種技術的發展趨勢進行討論，并且提出相關建議，希望能夠幫助我國電力企業提供理論指導。

關鍵詞：負荷預測技術;趨勢研究;發展

中圖分類號：TM715? ? ? ? ?文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）08-0149-02

Abstract： Power load forecasting technology refers to the application technology in power dispatching， power consumption and power planning. At present， the problem we are facing is that we need to improve the technical level of power load forecasting in order to be conducive to the good development of China's power grid， and at the same time， the improvement of power load forecasting technology can also improve the economic and social benefits of the power grid. Therefore， this paper makes an in-depth study of power load forecasting technology， discusses the development trend of this technology， and puts forward relevant suggestions， so as to help China's power enterprises to provide theoretical guidance.

Keywords： load forecasting technology; trend research; development

引言

在目前的供電企業當中電力負荷預測技術是其中非常重要的工作，同時也是經常重復的工作。做這項工作的目的是為了能對于未來新的發電機組以及更新擴展提供依據，同時它還能夠決定發電機組的容量和時間地點的選擇，對供電企業的發展和擴建有著很重要的意義，所以電力企業現代化管理最重要的標志就是在于電力負荷預測技術。電力負荷預測技術最核心的問題就是在于如何選擇電力負荷預測方法，因為隨著目前社會的進步以及科技的發展，電力負荷預測理論知識以及實踐方法不斷改良進步，電力負荷預測最終的發展趨勢肯定是趨于智能化、精細化預測技術，為電力行業發展提供重要的技術保障。

1 電力負荷預測技術方法分類

1.1 按時間順序分類

負荷預測技術發展到目前已經有一段歷史了，所以從時間上可以分成兩種類別，分別是經典方法和近現代方法。

1.2 從效果上分類

從電力負荷預測技術的使用效果上通常可以分成通用預測法以及專用預測法。通用預測法是能夠對于所有負荷進行預測，弊端就是準確度不行，其中通用預測方法包括了很多種分析方法，有回歸分析法、灰色系統方法、卡爾曼濾波算法，指數平滑法、混沌方法以及神經網絡方法等等，顧名思義通用預測方法適用于很多場景預測。專用預測方法包括了月度序列量特殊預測法和日負荷曲線預測法、年度序列預測法，其中年度序列預測方法指的是傳統的預測方法，例如在對于整個社會的用電需求統計的時候進行預測，因為這是和人們生活息息相關的，所以就可以采用彈性系數來進行預測，然而對于企業用電就可以采用產值單耗法來進行預估。月度序列量特殊預測法顧名思義就是通過對于每個自然月搭建的預測方法。

1.3 從電力系統性質上分類

電力系統負荷預測也可以分成系統負荷預測以及母線負荷預測兩種類型。系統負荷預測指的是通過周期時間來進行預測，周期可以分為超短期、短期、中期以及長期等等;母線負荷預測方法是需要系統負荷預測進行輔助，當系統負荷預測得到了某一時間段之內的負荷數值之后，然后將這些數值進行分配，平均分配到每一條母線上，其模型有以下幾種：

（1）樹狀常數負荷模型。樹狀常數負荷模型其形狀就是和樹相同，負荷會按照從上到下的順序依次分配給下一級。

（2）考慮負荷區域不一致性的模型。因為負荷區域之間都會有著很強的不確定性，所以每層的負荷依次往下都是會隨著時間變化而變化的，不過在第二層區域和第三層母線負荷當中不會隨著時間而改變，采用的是常數型系數。

（3）混合負荷模型。混合負荷模型指的是在每層區域之間采取不同的分配系數。具體是在最高層系統負荷到第二層系統負荷之間采取隨著時間變化而改變的分配系數，第二層到第三層符合之間可以采用二種分配系數，分別是常數型系數以及隨時間改變分配系數，第三層到第四層母線之間就必須要采取常數型分配系數。

2 負荷預測技術的發展趨勢

電力系統是一整套完成的控制系統，其包括了很多功能。并且將很多功能進行了優化提高，這其中就包括了數字化、信息化、智能化、交直流并存。電力行業科技和其余行業科技進行了融合，必將會促進電力行業的發展，特別是對于電力負荷預測技術方面會越來越強大。同時隨著信息融合之后，當解決一個問題的時候，可以采用很多種方法去解決，極大方便了工作人員，同時也提高了工作效率。

2.1 近現代方法取代經典、經驗方法，綜合考慮影響負荷因素

負荷預測技術最早提出時間是在二十世紀，當時引起了很大的轟動，其中就包括了回歸法、時間序列法以及指數平滑法，這些技術都是基于電力負荷形狀以及函數，從而對于負荷進行科學研究，主要都是講負荷當中的很多不確定因素歸納為隨機性，從而才能夠使用概率學來進行研究處理，其中的缺點有：這些模型的定階、求解以及模型識別問題非常困難，同時模型的適應能力不強，導致經常會出現各種各樣的問題，另外由于這種方法就會導致模型和數據不能分離，自然而然對于模型的需求量就會非常大，從而就會導致數據的運算慢以及精度比較低等等情況。另外灰色預測法、專家系統法以及小波分析法和神經網絡法，這些方法不僅僅需要考慮到負荷形狀這些因素之外，同時還會涉及到很多外部的因素，例如對于當時的環境，天氣，等等都會產生一定的影響，這些外部因素都會影響數據精度。

2.2 基于專家系統的負荷預測技術

專家系統技術在科技發展的今天主要是用于人工智能領域當中，并且發揮著非常重要的作用。專家系統主要有四個部分組成，分別是知識庫、知識獲取、解釋界面以及推理機，并且依托于這些知識搭建起來的計算機軟件系統程序，就可以擁有在某些領域的經驗以及龐大的理論知識，然后就可以通過推理機對于知識進行一系列的分析推理，從而得出最后的結論依據，進而進行決策工作。

另外專家系統長期受到負荷預測系統知識熏陶的前提之下，還可以通過編輯語句結構來組成知識庫，通過自定義語句就可以為發電站建立起各種各樣的知識庫體系，例如綜合指標知識庫、慣性知識庫以及彈性系數知識庫等等，這些知識庫的建立可以提供綜合技術能力。

在實際的使用過程當中，專家系統技術一般都是和數據庫技術進行結合使用，就是將數據計算和知識描述進行結合，這樣不僅僅提高了綜合效率，同時對于系統來說也提高了綜合性能，例如在選取數據庫的時候，首先需要對于在VB環境當中需要處理預測模型的數據計算工作，其次就是需要進行數據交換工作，并且把VB數據計算的結果和數據庫進行交互，最后專家系統就可以將這些數據和用戶進行交流，從而就能夠對于預測模型進行評估輸出的最優結果。

2.3 基于神經網絡的負荷預測技術

神經網絡技術應用在目前的電力負荷預測技術當中，是仿照了人類大腦的模式，人腦擁有智能化處理多種信息的特點，并且還擁有者很強的自主學習能力和適應能力，所以在電力負荷預測技術中使用這種技術具有著很大的潛力，也是未來電力負荷預測技術的趨勢所在。在實際的應用情況當中，一個多層神經網絡一般都是分成三層，分別是輸入層、輸出層以及中間層，這里列舉以BP神經網絡作為例子來進行闡述，這種神經網絡是采取了訓練樣本的方式，從而能夠實現輸入到輸出的映射工作，在此過程當中可以學習調節算法，將各個神經元進行調節，從而能使得誤差最小化。

在實際的負荷預測過程當中，短期內的負荷變化數值是可以忽略的，可以認為這是一個平穩的發展過程，同時這個數值也是隨機產生的，神經網絡和這種隨機截然不同，神經網絡能夠精準地測算出短期的負荷變化，所以也就更加適合在這個場景當中，并且有著很大的優勢以及發展前景。

2.4 基于小波分析的負荷預測技術

小波分析通常指的是數學顯微鏡，這種分析方法是一種在頻域的分析方法，目前這種技術被廣泛使用在圖像處理、故障診斷、狀態監控以及雷達探測等等行業領域當中，小波分析可以聚焦信號的每一個細節當中，其特別是對于奇異信號有著很強的處理能力，小波分析的工作原理是將探測到的信息轉變成小波系數，從而就能夠更加方便地進行處理、分析、傳遞以及存儲工作，也就可以作為電力負荷預測技術的一種途徑。

2.5 模型群優選組合的負荷預測技術

優選組合通常情況當中是包括了二種含義，第一種就是把所有關于電力負荷預測技術的方法以及結果進行綜合加權平均進行預測;第二種方法就是采取集中不同的預測方法進行選擇，然后從中選擇最優的模型來進行測試。所以就可以得知優選組合方法有著很多方式，在實際使用過程當中，綜合表現比較好的還是屬于模型群方法，這種方法有著很好的適應能力，同時還不會漏掉最優的預測模型，也就從一定程度上提高了預測的準確性以及預測效果，這種方法具體操作流程是，首先需要選擇n個預測模型以及相互對應的n個預測結果，然后進行標準偏差的判斷以及誤差指標等等來對于n個模型的好壞進行評估，最后就會得出一個最好的模型，再利用這個模型進行電力負荷預測，這種方法有著很多好處，同時還能夠實現改善預測效果的目的。

3 結束語

綜上所述，目前隨著我國社會的不斷發展以及科技水平的不斷進步，我國電力行業也得到了非常大的突破，同時電力系統智能化水平也不斷提高，對于電力負荷預測技術領域的研究也不斷深入，出現了很多新型有效的預測方法，這些電力負荷預測技術為我國的電力發展提供了非常有利的技術幫助，同時文中所提到的電荷預測技術會得到廣泛應用和發展。

參考文獻：

[1]賀遠，翟丹丹，蘇貴敏.基于PCA與改進BP神經網絡相結合的電網中長期負荷預測[J].電力大數據，2019（5）：74-80.

[2]李志恒，孫冉，張建立，等.基于改進BP神經網絡的中長期電力負荷預測算法設計[J].自動化與儀器儀表，2017（10）：23-25+28.

[3]張超，陳杰睿，馮平.基于混沌理論的電力系統負荷預測應用[J].計算機與數字工程，2018，46（11）：2165-2169+2174.

[4]朱曉露.基于BP神經網絡的電力負荷中長期預測[D].華北電力大學（北京），2017.