電力系統負荷預測綜述

劉建軍常州市供電公司

電力系統負荷預測綜述

劉建軍
常州市供電公司

劉建軍，男，工程師，四川大學電力系統及其自動化專業，畢業后主要從事電網無功、電壓、電能質量管理工作。

電力系統負荷預測對于電力部門規劃未來幾年的工作任務、合理部署人力物力資源、經濟合理地管理電力系統，具有極為重要的意義。本文首先介紹了電力系統負荷預測的特點及其發展現狀，然后根據負荷預測領域目前常用的六種預測模型，對其優缺點進行了簡要分析并介紹了適用條件。最后，針對目前負荷預測領域中常見的幾種問題提出了一些建議。

電力系統負荷預測是以電力部門歷史負荷數據為支撐，結合不同的計算方法，用以預測未來時段負荷值或電量值的理論。電力系統負荷預測對于電力部門合理有效地安排下一階段的工作任務，具有極為重要的意義。

日前，中國電力企業聯合會發布了《2016年度全國電力供需形勢分析預測報告》。報告中指出，在2016年，我國的宏觀經濟增長速度將表現出平穩增長、略有下降的態勢。總體來看，我國仍處于電力供需相互持平的穩定局面，但也存在用電高峰時期供電不足的問題。為了緩解用電高峰時期給電網帶來的壓力，合理準確的負荷預測方法顯得尤為重要。

負荷預測的特點及現狀

負荷預測的特點

電力系統負荷預測，是根據電力系統的歷史負荷數據，對未來時段或未來狀態下的電力負荷進行推算，所以，負荷預測的研究對象是不肯定事件。對不肯定事件或者隨機事件的研究，推動著負荷預測技術的發展，使“不肯定”達到“可能”的狀態，便使得負荷預測具有條件性、不準確性、時間性與多方案性的特點。

負荷預測的現狀

電力系統負荷預測是電網部門的重要工作內容之一。而負荷預測的核心問題，則是預測方法的問題。隨著負荷預測領域的發展，越來越多的算法陸續應用到負荷領域之中，使得負荷預測的適用性更強并且預測精度更高，并且一些具有多功能的負荷預測軟件包，也已由國內專家研發而出。

華北電力大學的牛東曉教授等人，根據多年的負荷預測研究與應用經驗，已經研發出多種極具實用性的軟件包。該軟件包涵蓋了短期、中期、長期負荷預測的各個方面，已達到國際領先水平，并且也已在全國各電力行業廣泛應用。

負荷預測的常用模型及適用范圍

負荷預測模型

1.回歸分析模型

回歸分析法是利用統計學原理，對電力系統中統計到的大量負荷數據進行數學處理的一種方法。在回歸分析模型中，一般以時間、國民經濟、人口數等為自變量，以電量或負荷值為因變量，通過回歸分析算法計算得到預測方程，輔之以外推法，進而對未來一段時間或某一狀態進行負荷預測。

根據自變量數目的不同，回歸分析模型可以分為一元回歸分析模型和多元回歸分析模型；根據歷史數據的整體趨勢，回歸分析模型又可以分為線性回歸分析模型和非線性回歸分析模型。如果再將上述兩類模型進行重新組合，又可生成一元非線性指數增長模型、多元線性回歸分析模型等多種回歸分析模型。

2.隨機時間序列預測模型

隨機時間序列預測模型是一種應用較早并且普及面較廣的預測模型。在一般的預測模型中，因變量通常為可控變量，而自變量為隨機變量。但是在隨機時間序列預測模型中，因變量和自變量均可以為隨機變量（如將負荷自身的過去時值作為模型的自變量等情況）。當然，隨機時間序列預測模型在實際應用中，也多以時、日、周、季等為自變量，根據歷史負荷數據的特點，以負荷值或電量值為因變量構建預測模型，進而實現對未來時段的負荷預測。

隨機時間序列法在預測過程中，雖然其在某一時刻對應的預測值是隨機的，但從整體趨勢上看，卻表現出某種程度的隨機性，所以按照類型來分，一般可以分為平穩時間序列和非平穩時間序列。

3.人工神經網絡模型

神經網絡（ANN）預測技術作為近年來廣泛發展的技術，在負荷預測領域的應用，有著極為突出的表現。神經網絡技術的優點在于其可以模仿人腦的處理過程，對大量非線性、不確定性規律表現出極強的自適應性、記憶性特點，并且能夠自主學習、推理和優化，具備其它系統所不具備的智能化特點。

隨著ANN技術的廣泛發展，反傳算法也逐漸被應用于ANN技術中，并以此作時間序列的預測。其中的誤差反向傳播算法，提出了一種簡單的三層神經網絡模型，該模型可以實現輸入和輸出之間任何復雜的非線性映射關系，此即為廣為人知的BP神經網絡模型。ANN技術的主要優點在于其良好的函數逼近能力，可以更好地擬合多復雜自變量和因變量之間的關系，再通過反向傳播算法，可以得到更為優化的、更為精準的預測模型。ANN技術相比于傳統的負荷預測方法，其具備無可比擬的適應性和優越性，但其訓練過程需要的時間較長，而且很有可能無法收斂，同時神經網絡中隱含層數目、節點數等的選取都還沒有確定的理論，有待探索和完善。

4.灰色預測模型

灰色預測理論并非是統計學范疇的理論，其理論依據是灰色累加生成技術。灰色預測模型是將一切隨機變化量看作隸屬于某一范圍的灰色量，通過不斷的累加生成，得到一個在趨勢上近似指數規律的新序列，經過常微分方程求解后，可以得到累加后的預測方程。最后根據累加生成的逆過程，即累減還原法，還原得到所需要的原序列預測模型。在眾多的灰色模型中，以GM（1，1）模型最為常用。灰色預測模型相比于其它預測模型，具有對樣本量要求少、對歷史數據無要求、計算速度快等優點。其適應于小樣本的特點，使得灰色預測技術在中長期負荷預測中廣泛使用。

理論上，灰色預測模型對歷史負荷數據的趨勢沒有要求，可以廣泛適應于各種歷史數據。但由于其本身就是在累加生成和常微分方程的基礎上求解得出，所以當歷史數據本身表現出增長趨勢時，其預測精度將大大提高；當歷史數據的趨勢波動較大，具備離散特性時，會使系統白化程度加大，從而降低預測精度。

5.小波分析預測模型

小波分析法是一種時域-頻域分析法，它作為二十世紀世界研究成果的杰出代表，極大程度地吸取了現代分析學中的諸多精華，并廣泛應用于各個領域。

在負荷預測中，小波分析法的主要用途是：通過選擇合適的小波，可以實現對不同性質的負荷的分類。根據分類結果，從而可以更有針對性對某一負荷采用更為合適的預測方法。利用分解后各組數據表現出的較為明顯的周期性，此時再對分解后的序列分別進行預測。最后通過預測序列的重構，得到所需要的預測結果。但是在重構過程中，由于累加特性，不可避免地伴隨著誤差地累加，所以也在一定程度上影響了小波分析法的預測精度，并且也使得模型建模更加復雜。

6.組合預測模型

由于眾多預測模型的存在，并且每個模型都有各自的突出優點和適用性，所以，為了實現“揚長避短”的目標，充分發揮每一個模型的優勢，組合預測模型應運而生。組合預測模型是根據歷史數據的趨勢，選擇滿足精度要求的各單一模型分別預測，最后通過適當的權重分配方法，為各預測模型分配權重，實現最終的組合預測。經實踐證明，組合后的模型相比于各單一模型，在預測精度上均有不同程度的提高。

在組合預測過程中，灰色理論中灰色關聯度的概念，對于提高組合預測模型的精度具有重要影響。模型的選擇具有主觀性，這個主觀性將在很大程度上影響模型的最終預測精度，而灰色關聯度則是客觀的檢驗標準。灰色關聯度作為衡量兩個模型預測值貼近程度的概念，在負荷預測過程中，被廣泛應用于模型的初步篩選工作。經灰色關聯度初步篩選后，用滿足灰色關聯度的模型組合預測，輔之以適當的權重分配方法，將實現最優化預測的目標。

各預測模型的適用范圍

通過以上六種模型的闡述可以看出，常用的負荷預測方法均有各自的優點和不足，適用的場合也不盡相同，所以，預測模型的具體選取方法應結合實際情況分類分析。

（1）從歷史數據趨勢看，當負荷的歷史趨勢本身就表現出常見的函數特點時（如一元線性、指數增長等），回歸分析法、趨勢外推法、灰色預測技術、組合預測模型都將很大程度上提高預測精度。

（2）從歷史數據的數量上看，當歷史負荷數據數量較少，即小樣本情況下，灰色預測模型、回歸分析模型中較為簡單的一元線性回歸分析模型、一次指數平滑和一次滑動平均模型均可采用；當歷史負荷數據數量較多，即大樣本情況下，神經網絡模型、回歸分析模型均可采用。

（3）從預測時間長短上看，當預測目標為短期預測、超短期預測時，神經網絡模型、小波分析模型等較為適用；當預測目標為中長期預測時，灰色預測模型、回歸分析模型、趨勢外推模型等則較為適用。

當前負荷預測的問題和建議

當前負荷預測的問題

當前，負荷預測領域主要是以預測時間的長短為分類標準，即分為短期負荷預測和中長期負荷預測。對短期負荷預測而言，BP神經網絡算法應用極廣。但是BP神經網絡算法的應用，不可避免地要面對隱含層數、節點數、訓練次數等算法參數的設定。目前的設定方法多為嘗試法或經驗法，即通過多次嘗試或按照已經具備高精度預測能力的模型的設定方法，來設定神經網絡模型中的隱含層數及節點數。如此一來，便缺少一套具備客觀評價能力并且能被業界認可的概念來彌補短期負荷預測過程中的不足。

對于中長期負荷預測而言，各種單一模型經灰色關聯度檢驗并篩選后，選擇合適的權重分配方法，最終進行組合預測，此為目前較為常用的負荷預測方法。但在組合預測過程中，歷史負荷數據的趨勢往往不能保持穩定增長，甚至逐漸出現穩中有降的趨勢。這種趨勢的出現，讓現有負荷預測算法面臨考驗。特別是近年來全國GDP走勢逐漸減緩，并且智能電網、主動配網等工程也相繼推廣，分布式電源等的投運也都對負荷的增長趨勢產生了不同程度的影響，波動型負荷曲線也將逐漸增多。

在此種情況下，即便有灰色關聯度等對模型進行初步篩選的手段，往往也有可能出現某一單一模型的預測精度高于組合預測精度的情況。所以對于中長期負荷預測的組合預測方法而言，尋找一套能夠適應當前負荷變化規律的模型篩選方法已成為當務之急。

對現有問題的建議

對短期負荷預測而言，關于BP神經網絡算法中的隱含層數、節點數、訓練次數等問題，國內外已有不少專家從事相關研究，文獻至文獻分別提出了不同的優化方法，但近年來相關研究較少。筆者認為，通過較為重大的國際學術會議，采取專家研討的方式，或許可以有助于該問題更好地解決。

對于中長期負荷預測而言，文獻中提到了一種基于馬爾可夫鏈預測法篩選組合預測模型的方法。該方法從歷史負荷數據相鄰兩年的增長率出發，為組合預測模型的篩選提供了新的思路。

結語

本文通過從當前電力系統負荷預測的特點出發，闡述了負荷預測的現狀。根據負荷預測的不肯定性特點，介紹了負荷預測領域常用的六種預測模型，并對各模型的優缺點做了簡要分析。針對負荷預測過程中，不同情況下各模型適用性不同的特點，本文從三個角度描述了模型的選取方法。最后，針對當前負荷預測過程中存在的問題，提出了相應的解決辦法。

隨著近年來國民經濟走勢趨于平緩化、分布式電源的逐漸普及以及主動配網等試點工程的開展，負荷曲線波動的問題將會逐漸暴露出來。相信這些新問題的出現，也將進一步促進負荷預測領域的發展。