应用核独立分量分析的电力用户负荷曲线估计
第28卷第16期中国电机工程学报 V ol.28 No.16 Jun. 5, 2008
2008年6月5日 Proceedings of the CSEE ?2008 Chin.Soc.for Elec.Eng. 103 文章编号：0258-8013 (2008) 16-0103-05 中图分类号：TM 77 文献标识码：A 学科分类号：470?40
应用核独立分量分析的电力用户负荷曲线估计
韦 琦，魏新劳
(哈尔滨理工大学电气与电子工程学院，黑龙江省哈尔滨市 150040)
Electric Power Load Profile Estimation Applying Kernel Independent Component Analysis
WEI Qi, WEI Xin-lao
(College of Electrical & Electronic Engineering, Harbin University of Science and Technology,
Harbin 150040, Heilongjiang Province, China)
ABSTRACT: Kernel independent component analysis algorithm, i.e. whitened kernel primary component and independent component analysis algorithm, was proposed. It can be applied for estimating the load profile by means of power flow as the observing data from some branches of power grid. Further simulation results on IEEE 9 bus system show that whitened kernel primary component analysis algorithm can improve the non-Gaussian distribution of the observing data and the load estimation profile approximates the real value of load after the process of blind source separation realized by independent component analysis algorithm. The results from kernel independent component analysis algorithm have lowered estimation errors and larger correlation coefficient compared with those only from independent component analysis algorithm.
KEY WORDS: blind source separation；kernel independent component analysis; load profile estimation; kernel primary component analysis; independent component analysis
摘要：提出了核独立分量分析算法，即白化的核主分量分析
加上独立分量分析算法。该算法在电网信息不足时，利用电
网部分支路的潮流作为观测值，就可以完成对用户负荷曲线
的估计。经过IEEE 9节点系统的仿真验证，结果表明，观测
值在经过白化的核主分量分析算法处理后，非高斯性增强。应用独立分量分析算法对处理后的观测值进行盲源分离后，所得用户负荷需求曲线的估计值逼近实际值。与仅用独立分
量分析方法的仿真结果相比，估计误差降低，相关系数增加。
关键词：盲源分离；核独立分量分析；负荷曲线估计；核主
分量分析；独立分量分析
0 引言
在解除管制的电力市场环境下，用户的负荷曲线对于确保精确地支付电费，越来越重要。各个运
基金项目：黑龙江省教育厅项目(11511075)；中国博士后基金项目(2005037656)。营企业在系统化收集各节点预测数据的同时，也必须要估计用户的负荷曲线。在电网运行可观测的情况下，负责电网管理运行的企业可以直接通过状态估计技术测量负荷以及潮流，但是，在解除管制的环境下，由于存在测量所需的成本、不精确的网络模型、以及系统不同部分的归属权问题，往往不能可靠实施。例如，对于一些已经获权向电网输电的独立的电能生产者(independent power producer, IPP)而言，不可能获取所有的现存电网信息，也不能获取最新的系统参数、网络拓扑和已测的负荷数据。所能获取的仅仅是与其本地网络相连的部分支路潮流数据。
传统的负荷预测可以提供近似的负荷曲线，在统计上，经常以时间序列的形式建立模型。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[1]、卡尔曼滤波法[2-3]、人工神经网络法[4-5]、混沌[6]、灰色系统法[7]、专家系统方法[8]、支持向量机[9]、粗糙集理论[10]等。ANN(人工神经元网络)适于解决时间序列预测问题(尤其是平稳随机过程的预测)，因此它在电力系统负荷预测中是可行的。电力负荷具有特殊的周期性，负荷以日、周、月、年为周期发生波动，大周期中嵌套着小周期。对负荷序列进行小波变换，可以将负荷序列分别投影到不同的尺度上，各个尺度上的子序列分别代表了原序列中不同频域的分量，可以清楚地表现出负荷序列的周期性，因此可以将小波分析方法用于电力系统短期负荷预测[11]。但是，由于不精确的网络模型和测量错误，在应用传统的状态估计技术时，会导致较大的负荷估计偏差。
一些相关研究被用于减少由于电力系统模型不完整、不良测量数据所引起的负面影响[12-13]。
104 中 国 电 机 工 程 学 报 第28卷
基于卡尔曼滤波的动态状态估计，用于估计网络参数和识别拓扑错误[2-3]。基于神经网络、模糊逻辑、概率的方法[14-15]，被提出用于在负荷中分配残差。文献[16]提出了基于负荷电流的抗差状态估计算法。但是这些方法不能在不知道电网参数和拓扑和仅仅根据部分测量数据和的条件下，来估计负荷曲线。
文献[17-19]提出，在不知道电网参数和拓扑的条件下，应用独立分量分析(independent component analysis ，ICA)技术，来估计负荷曲线的问题可以被认为是盲源分离问题。是近年来国际信号处理领域的研究热点之一，它是一种新的盲源信号分离技术。自Comon 提出ICA 的理论框架以来[20]，已有多种算法用于解决各类实际问题。Hyv?rinen 等人提出了采用批处理的固定点快速分离算法FastICA [21-22]，FastICA 算法使得盲源信号分离技术实用化。ICA 的基本含义就是将多道观测信号按统计独立的原则，通过优化算法分解为若干独立分量，而这些独立分量是源信号的一种近似估计，所以其基本目标就是要找到一个线性变换，使变换后的各分量之间的统计依赖性最小。
本文提出了核独立分量分析算法，即白化的核主分量分析加上独立分量分析算法，进行电网负荷曲线估计。首先，核主元分析(kernel principal com- ponent analysis ，KPCA) 提供了一条途径将线性PCA 扩展到观察数据的非线性子空间[23]。KPCA 先通过一个函数将原观察数据空间，或称输入空间，映射到一个高维的线性空间，称为特征空间，然后PCA 在这个高维的特征空间进行，使经过映射后的数据尽可能的具有非高斯性。经过KPCA 处理过的数据，再利用ICA 进行盲分离的过程，称为核独立分量分析(kernel independent component analysis ，KICA)[24]。
1 核独立分量分析
1.1 KPCA 球化数据
假设x 是原始空间n R 中的可能被非线性混合的随机向量，通过映射函数:()φφ→∈x x F ,映射到一个特征空间F 上。F 是一个向量空间，称之为特征空间。假定在非线性映射后的数据在特征空间上是线性可分离的，目标是在特征空间上找到一个线性解混矩阵W φ，由φ(x )恢复各个独立分量。即
()φφ=S W x (1) 算法：首先，在特征空间上对映射后的向量应用
KPCA 进行白化。假定R n 中一个观测序列x 1,x 2,…, x M ，在F 中满足
1
()0M
j
j φ==∑x
(2)
在特征空间F 上的协方差算子
T 1
1()()M t j j j M φ
φφ==∑C x x (3) 在有限维的特征空间里，此算子也被称为协方
差矩阵。
令12[(),(),()]M φφφ="Q x x x ，
则T (1/)t M φ=C QQ ，构造Gram 矩阵R =Q T Q ，为一个M ×M 矩阵，可以由一给定的核函数确定。
T ()()(()())(,)ij i j i j i j k φφφφ==?=R x x x x x x (4)
若采用高斯核函数，则
22exp(()/(2)ij i j σ=??R x x (5) 计算R 的m 个最大的正特征值12m
λλλ≥≥"相对应的正交的特征向量γ1, γ2,…, γm , 则t φC 的m 个最大的正特征值为λ1/M , λ2/M ,…, λm /M ，相应的正交特征向量β1, β2,…, βm 为
,1,,j j j m =="Q βγ (6)
1212(,,,),diag(,,)m m λλλ==""V Λγγγ，则 1/212(,,)m ?=="B QV βββΛ (7)
T 121
diag(/,/,/)t m M M M M
φλλλ=="B C B Λ (8)
令
1/21(/)??=Μ=P B ΛΛ 则 T t φ=P C P I 式中P 为白化矩阵。
映射到特征空间的数据可由式(9)进行白化
T 1T T 1T ()()φφ??===?y P x V Q x V
T 1T 1[(,),,()]M X k k ?=,"x x x x V R (9)
1.2 去均值处理
在特征空间可以按照以下方法进行去均值处理，令(1/)M M M M ×=C 为一个M M ×矩阵，令
11(1/)M M ×=C 为一个1M ×矩阵，可以对R 和R X 分别进行去均值处理。
M M M M
=??+ R R C R RC C RC (10) 1
1
X
X
M
X
M =??+ R
R C R RC C RC (11) 将式(9)的R X 替换成X R ，计算X
R 的m 个最大的正特征值12m λλλ≥≥"相对应的正交特征向量γ1,
γ2,…, γm ，即
1T X
?= y V R (12) 式中1212(,,,),diag(,,)m m λλλ==""V γγγΛ。
第16期 韦 琦等： 应用核独立分量分析的电力用户负荷曲线估计 105
1.3 非高斯性度量
对于零均值，单位方差的随机向量y ，其非高斯性程度通常采用四阶累积量即Kurtosis(峭度)来表示。
422
{}
()3{{}}E kurt E =?y y y (13)
当随机变量为高斯分布时，峭度为零。而超高斯分布的峭度为正值，亚高斯分布的峭度为负值，且非高斯性越强，峭度的绝对值越大。 1.4 独立分量分析算法
在对数据白化后要做的是找到一个解混矩阵W p ，使s =W p y ，W p 是正交的。采用Hyv?rinen 提出了采用批处理的固定点快速分离算法FastICA ，步骤如下：
（1）选择需要估计的分量的个数m ，设迭代次数p ←1。
（2）选择一个初始权向量(随机的) W p 。 （3）令T T {()}{()}p p p p E g E g ′=?W y W y W y W , 非线性函数g ，2()exp(/2)g =?y y y 。
（4）1
T 1()p p p p j j j ?==?∑W W W W W 。
（5）令/p p p =W W W 。
（6）若W p 不收敛，返回步骤（3）。
（7）令p =p +1，如果p ≤m ，返回步骤（2）。
2 电力传输网负荷曲线估计
对混合信号执行KICA 算法，源信号的统计独立性和非高斯性尤为重要。
一般来说，由于温度、气候等因素的影响，电力负荷并非统计独立，各个独立负荷之间会产生相关。所以，ICA 不能直接应用于原始观测向量的时间序列。文献[14]提出，负荷的暂时变化包含2部分：一部分是以秒或者分钟计及的快速波动s fast ；另一部分是以小时计及的慢波动s slow 。观测数据经过KPCA 的白化处理后，非高斯性增强，再应用移动平均滤波器可以用来分离两种负荷波动。本文假定，各母线上的快速波动负荷是相互统计独立的。即
fast slow
fast slow =+??
=+?
y y y s s s (14) 对式(12)求出的y ，应用移动平均滤波器，得出y fast 、y slow ，用y fast 代替y 应用独立分量算法，得出解混矩阵W p ，再根据s =W p y 求出各个独立分量。
3 仿真步骤及算例
上述方法应用于图1所示的IEEE 9节点系统，实际负荷数据来源于NYISO 的区域负荷[25]。根据实际的负荷值，求出系统各个支路的潮流分布，从中选取3个支路的潮流值作为观测值。应用本文所提出的方法进行估计3个节点的负荷，并与应用独立分量分析方法所得到的估计结果进行比较。具体步骤如下：
（1）针对图1所示的IEEE 9节点系统，选择1为平衡节点，2、3为PV 节点，4、5、6、7、8、9为PQ 节点(负荷节点)。由于节点7、9、4没有连接外部负荷，设置其有功和无功功率都为0，余下的节点5、6、8所带的负荷就是需要进行估计的。
（2）进行潮流计算。用MATPOWER 软件[26]得到9个支路的潮流分布，选取3个支路的潮流的有功功率作为观测值。本算例选择支路“6-7”，“4-5”，“7-8”潮流的有功功率作为观测值。
（3）应用KPCA 算法和移动平均滤波器对观测值进行处理，计算处理后观测数据的峭度。
（4）应用ICA 进行独立分量的盲分离，得到3个独立分量。
（5）将各个独立分量分别与负荷母线上的历史数据进行相关处理。
（6）与某母线负荷相关系数最大的独立分量即为此母线负荷的估计值。应用已知的负荷产生的能源消耗历史数据来对负荷曲线的估计值进行拟合处理。
[]10,peak ,peak
()d , 1,,T i i i i
T i i i i c y t b t W i N c y b s ?+=?=?
+=??∫" (15) 式中：y i (t )为第i 个母线负荷曲线估计值； c i y i (t )+b i 为拟合后第i 个母线负荷曲线估计值；W i 为第i 个母线负荷T 0到T 1时间段消耗的能量；y i ,peak 为第i 个母线负荷曲线估计值的峰值；s i ,peak 为第i 个母线负荷曲线实际值的峰值，来自于历史数据或者负荷预测。
图1 IEEE 9节点系统单线图
Fig. 1 Single-line diagram of IEEE 9-bus system
106 中 国 电 机 工 程 学 报 第28卷
经步骤（2）所得观测值峭度分别为：?0.423 7, 0.282 4, ?0.444 7。支路“6-7”和“7-8”的潮流的有功分布为亚高斯分布。经过第(3)步所得到的处理后观测值峭度分别为：60.459 5，78.713 7，82.314 4，峭度的绝对值显著增加，非高斯性增强。
基于KICA 方法9-bus 系统负荷曲线估计仿真结果如图2所示。图2(a)~(c)为实际的负荷曲线，图2(d)~(f)为支路“5-7”、“4-5”和“7-8”的潮流的有功分布，图2(g)~(i)为使用本文所提方法处理
后的负荷估计图。表1给出了 KICA 与ICA 方法负荷曲线估计平均绝对误差和相关系数，可以看出KICA 方法得出负荷曲线的估计结果逼近实际的负荷曲线。并且，与ICA 方法得出的结果相比，平均相对误差小，相关系数大。结果说明，本文提出了应用核独立分量分析算法，在电网信息不完全的条件下，仅仅利用部分支路的潮流分布就可以完成对
有功功率/M W
300
200 100 0
0 12 24 t /s
(a) 节点5实际负荷曲线
12
24
t /s
(b) 节点6的实际负荷曲线
012 24
t /s
(c) 节点8的实际负荷曲线
有功功率/M W
150
100 50 0
有功功率/M W
150100
50
有功功率/M W
?16 ?18 ?20 ?22
0 12 24
t /s
(d) 支路5-7的有功分布
01224
t /s
(e) 支路4-5的有功分布
012 24
t /s
(f) 支路7-8的有功分布
有功功率/M W
?70?80
?90
?100
有功功率/M W
?35
?40
?45
有功功率/M W
300 200 100 0
0 12 24 t /s
(g) 处理后节点5的负荷估计图
有功功率/M W
150100 50 0
012
24
t /s
(h) 处理后节点6的负荷估计图
有功功率/M W
150
100
50
012 24
t /s
(i) 处理后节点8的负荷估计图
图2 KICA 方法9-bus 系统负荷曲线估计结果
Fig. 2 Load profile estimation in 9-bus system based on KICA
表1 KICA 与ICA 方法负荷曲线估计误差 Tab. 1 Errors of load profile estimation based on
KICA and ICA method
平均绝对误差/MW 相关系数平均绝对误差/MW 相关系数
5
6.923 0.998 4413.319 0.992 956 6.478 1 0.989 18
7.305 8 0.985 618
6.461 9
0.989 71
7.897 2
0.892 07
节点负荷进行估计。
4 结论
应用核独立分量分析算法的目的是对所观测到的信号进行盲分离处理，使之成为统计独立的信号。本文提出了应用核独立分量分析算法，即白化的核主分量分析加上独立分量分析算法，在白化的
第16期韦琦等：应用核独立分量分析的电力用户负荷曲线估计107
空间使数据尽可能呈现非高斯性。在不完全掌握网络参数、仅了解与其本地网络相连的部分支路数据的情况下，根据电力网络部分支路的潮流，完成了用户负荷需求曲线的估计。经过IEEE 9节点系统的仿真验证，KICA与ICA方法相比更具灵活性和鲁棒性。
参考文献
[1] 刘晨晖．电力系统负荷预报理论与方法[M]．哈尔滨：哈尔滨工业
大学出版社，1987．
[2] Slutsker I W，Mokhtari S，Clements K A．Real time recursive
parameter estimation in energy management systems[J]．IEEE Transactions on Power Systems，1996，11(3)：1393-1399．
[3] Handschin E．Real time control of electric power systems[M].
Amsterdam，Netherlands：Elsevier Pub.，1972．
[4] Dillon T，Niebur D．Neural net applications in power systems
[M]．Leics：CRL Publishing Ltd.，1996．
[5] 丁坚勇，刘云．基于负荷特征提取的神经网络短期负荷预测[J]．高
电压技术，2004，30(12)：47-49．
Ding Jianyong，Liu Yun．Short term load forecasting based on the neural networks with load characteristics distilling[J]．High V oltage Engineering，2004，30(12)：47-49(in Chinese).
[6] 李天云，刘自发．电力系统负荷的混沌特性及预测[J]．中国电机
工程学报，2000，20(11)：36-40．
Li Tianyun，Liu Zifa．The chaotic property of powcr load and its forecasting[J]．Proceedings of the CSEE，2000，20(11)：36-40(in Chinese)．
[7] 赵海青，牛东晓．灰色优选组合预测模型及其应用[J]．保定师范
专科学校学报，2002，15(2)：12-15．
Zhao Haiqing，Niu Dongxiao．The power load forecasting model based on the optimum grey selection and its application[J]．Journal of Banding Teachers College，2002，15(2)：12-15(in Chinese)．[8] Kandil M S，El-Debeiky S M，Hasanien N E．Long-term load
forecasting for fast developing utility using a knowledge-based expert system[J]．IEEE Trans. on Power Systems，2002，17(2)：491-496．
[9] 谢宏，魏江平，刘鹤立．短期负荷预测中支持向量机模型的参数
选取和优化方法[J]．中国电机工程学报，2006，26(22)：17-22．
Xie Hong，Wei Jiangping，Liu Heli．Parameter selection and optimization method of SVM model for short-term load forecasting [J]．Proceedings of the CSEE，2006，26(22)：17-22(in Chinese)．[10] 谢宏，牛东晓，张国立，等．一种模糊模型的混合建模方法及在
短期负荷预测中的应用[J]．中国电机工程学报，2005，25(8)：17-22．Xie Hong，Niu Dongxiao，Zhang Guoli，et al．A hybrid fuzzy modeling method and its application in short-term load forecast [J]．Proceedings of the CSEE，2005，25(8)：17-22(in Chinese)．[11] 邰能灵，侯志俭，李涛，等．基于小波分析的电力系统短期负荷预
测方法[J]．中国电机工程学报，2003，23(1)：45-50．
Tai Nengling，Hou Zhijian， Li Tao， et al． New principle based on wavelet transform for power system short-term load forecasting [J]．Proceedings of the CSEE，2003，23(1)：45-50(in Chinese)．[12] González-Pérez C，Wollenberg B F．Analysis of massive
measurement loss in large-scale power system state estimation [J]．IEEE Transactions on Power Systems，2001，16(4)：825-832．[13] Liu W E，Wu F F，Lun S．Estimation of parameter errors from
measurements residuals in state estimation[J]．IEEE Transactions on Power Systems，1992，7(1)：81-89．
[14] Ghosh A K，Lubkeman D L，Jones R H．Load modeling for
distribution circuit state estimation[J]．IEEE Trans. on Power Delivery，1997，12(2)：999-1005．
[15] Baran M E，Kelly A W．State estimation for real-time monitoring of
distribution systems[J]．IEEE Trans. on Power Systems，1994，9(3)：1601-1609．
[16] 李慧，杨明皓．基于负荷电流的配电网非量测负荷估计[J]．中国
电机工程学报，2005，25(5)：33-37．
Li Hui，Yang Minghao．A load-current-based state estimation for distribution systems non-measurement loads[J]．Proceedings of the CSEE，2005，25(5)：33-37(in Chinese)．
[17] Liao Huaiwei，Niebur D．Load profile estimation in electric
transmission networks using independent component analysis [J]．IEEE Transactions on Power Systems，2003，18(2)：707-715．[18] Liao H，Niebur D．Exploring independent component analysis for
electric load profiling[C]．International Joint Conference on Neural Networks，Honolulu，HI，USA，2002．
[19] Niebur D，Rotolo A，Mazzoleni F．Load profile separation using
independent component analysis[C]．International Conference on Intelligent System Applications to Power System，Budapest，
Hungary，2001．
[20] Comon P．Independent component analysis-a new concept? [J]．Signal
Processing，1994，36(3)：287-314．
[21] Hyv?rinen A．Survey on independent component analysis[J]．Neural
Computing Surveys，1999，2(1)：94-128．
[22] Hyv?rinen A．Fast and robust fixed-point algorithms for independent
component analysis[J]． IEEE Trans． Neural Networks， 1999，
10(3)：626-634．
[23] Mika S，SchKolkopf B，Smola A，et al．Kernel PCA and de-noising
in feature spaces[M]．Cambridge，MA：MIT Press，1999．[24] Yang Jian，Gao Xiumei，Zhang D，et al．Kernel ICA：an alternative
formulation and its application to face recognition[J]．Pattern Recognition，2005，38(10)：1784-1787．
[25] New York ISO：OASIS of NYISO．Real time actual load data
[DB/OL]．[2006-05-22]．https://www.sodocs.net/doc/b17809664.html,．
[26] Zimmerman R D，Murillo-Sánchez C E，Gan Deqiang．A Matlab power
system simulation package[CP/OL]．[2006-11-12]．http://www.pserc.
https://www.sodocs.net/doc/b17809664.html,/matpower/．
收稿日期：2007-09-14。
作者简介：
韦琦(1972—)，博士后，副教授，主要研究
方向为电力系统信号处理、复杂系统脆性理论及其
应用，weiqieric@https://www.sodocs.net/doc/b17809664.html,；
魏新劳(1960—)，博士，教授，博士生导师，
研究方向为电气绝缘检测技术、电力电子应用。
韦琦
(编辑王彦骏)
负荷预测方法一
1、单耗法 这个方法是根据预测期的产品产量（或产值）和用电单耗计算需要的用电量，即 A h ＝∑=n i 1Q i U i 式中 A h —某行业预测期的需电量； U i —各种产品（产值）用电单耗； Q i —各种产品产量（或产值）。 当分别算出各行业的需用电量之后，把它们相加，就可以得到全部行业的需用电量。这个方法适用于工业比重大的系统。对于中近期负荷预测（中期负荷预测的前5年），此时，用户已有生产或建设计划，根据我国的多年经验，用单耗法是有效的。 在已知某规划年的需电量后，可用年最大负荷利用小时数来预测年最大负荷，即 P n·max =T A n m ax 式中 P n·max —年最大负荷（MW ）； A n —年需用电量（k W·h ）； T max —年最大负荷利用小时数（h ）。 各电力系统的年最大负荷利用小时数，可根据历史统计资料及今后用电结构变化情况分析确定。 单耗法分产品单耗法和产值单耗法。采用单耗法预测负荷的关键是确定适当的产品单耗或产值单耗。 单耗法可用于计算工业用户的负荷预测。 单耗法可根据第一、第二、第三产业单位用电量创造的经济价值，从预测经济指标推算用电需求量，加上居民生活用电量，构成全社会用电量。预测时，通过对过去的单位产值耗电量(以下简称“单耗”) 进行统计分析，并结合产业结构调整，找出一定的规律，预测规划第一、第二、第三产业的综合单耗，然后根据国民经济和社会发展规划指标，按单耗进行预测。单耗法需要做大量细致的统计、分析工作，近期预测效果较佳。 单耗法的优点是方法简单，对短期负荷预测效果较好。缺点是需做大量细致的调研工作，比较笼统，很难反映现代经济、政治、气候等条件的影响。
电力负荷预测方法
1.负荷预测分类和基础数据处理 1.1负荷预测及其分类 1.1.1负荷预测概念 负荷预测是根据负荷的历史数据及其相关影响因素，分析负荷的变化规律，综合考虑影响负荷变化的原因，使用一定的预测模型和方法，以未来经济形势、社会发展、气候条件、气象因素等预测结果为依据，估计未来某时段的负荷数值过程。 1.1.2负荷预测的分类 按照预测方法的参考体系，工程上的负荷预测方法可分为确定性预测方法、不确定预测方法、空间负荷预测法。 确定性：把电力负荷预测用一个或一组方程来描述，电力负荷与变量之间有明确的一一对应关系。 不确定性：实际电力负荷发展变化规律非常复杂，受到很多因素影响，这种影响关系是一种对应和相关关系，不能用简单的显示数学方程描述，为解决这一问题，产生了一类基于类比对应等关系进行推测预测负荷的不度额定预测方法。 空间负荷预测：确定和不确定负荷预测是对负荷总量的预测。空间负荷预测是对负荷空间分布的预测，揭示负荷的地理分布情况。
1.2负荷预测的基础数据处理 1.2.1负荷预测的基础数据 基础数据大致包括四类，分别为：①负荷数据（系统、区域、母线、行业、大用户的历史数据；负荷控制数据；系统、区域、大用户等的最大利用小时数；发电厂厂用电率和网损率。）②气象数据（整点天气预报；整点气象要素资料；年度气温、降水等气象材料。）③经济数据和人口（区域产业GDP；城乡可支配收入；大用户产量、产值和单耗；电价结构和电价政策调整；城乡人口。）④其他时间（特殊时间如大型会议、自然灾害；行政区域调整） 1.2.2数据处理 为获得较好的预测效果，用于预测数据的合理性得到充分保证，因此需要对历史数据进行合理性分析，去伪存真。最基本要求是：排除由于人为因素带来的错误以及由于统计口径不同带来的误差。另外，尽量减少异常数据（历史上突发事件或由于某些特殊原因会对统计数据带来宠大影响）带来的不良影响。常见的数据处理方法有：数据不全、数据集成、数据变换和数据规约等。 2.确定性负荷预测方法 2.1经验技术预测方法 2.1.1专家预测法 专家预测发分为专家会议发和专家小组法。会议发通过召集专家开会，面对
电力系统短期负荷预测方法综述
电力系统短期负荷预测方法综述 本文主要是针对电力系统的短期负荷预测的概念和意义 进行综述，就短期负荷预测的一些特点及其影响预测精度的各方面原因进行总体的分析。在目前的预测方法里，主要有经典的预测方法和传统的预测方法以及智能预测方法和预测新方法。从这些预测方法入手进行综合的应用原理分析，比较其不同预测方法的优点及不足的地方。并且提出了短期负荷预测的精度提升了，不仅在历史的数据上重视了其积累，还应重视在预测的模型选择上要合适，综合型预测模型在未来电力负荷预测方法的必然性。 标签：电力系统短期负荷预测 电力负荷预测在能量的管理系统组成中是极为重要的部分，而短期电力负荷预测则是对几个小时后或是一天、几天的电力负荷值上进行预报。短期电力负荷预测不仅在电力系统安全以及经济的运作下提供了相关保障，还为市场的环境编排高度计划等打下了基础。不过在这个电力生产与消费的日趋市场化下，针对负荷预测的准确及可靠性上也有了更为高的要求，而且就电力系统管理与运行来讲其负荷预测逐渐成为了一个主要的研究领域。预测精度是决定短期负荷预测的作用大小的，所以在短期负荷预测方法研究的重点上是如何对预测精度进行提高。虽然短期负荷预测的研究历史已經很长远了，国内外的学者也对其在方法还有理论方面对于预测模型进行研究工作。当短期负荷出现因素太多的情况下，从而限制了预测方法的范围以及精度。下文针对短期的预测方法展开一个综合性的探析。在研究未来发展方向的同时也为实际情况下短期负荷的预测提供了一个基础。 1 基于短期负荷的预测特点 对于短期电力负荷来讲其预测便是基于在电力负荷以及相关的历史数据对模型进行全面的建立，从而使得新世纪型的电力负荷更具备科学性和全面性。对于短期负荷所面临的事件不确定性以及其随机性，包含了各种特点：①在预测的结果上其短期的负荷存在着一定的不确定性。②不同的负荷预测方法存在相应的条件性。③短期负荷预测在时间上各有不同。④预测的结果包含多方案性。 短期负荷预测精度的影响因素：①以往历史数据。②自然天气情况。③其日期类型。④负荷预测模型。⑤相关社会事件等。 2 简述短期负荷预测方法 短期负荷由于受到来自不同方向的因素影响，面临时间序列问题上其随机的过程表现的很不平稳，就算面临的影响因素包罗万象，不过在这些因素中都存在一个特点那就是有规律性。能够为实际预测打下基础，其短期负荷预测的方法大致分为四类。
电力负荷预测方法
1.负荷预测分类和基础数据处理 负荷预测及其分类 负荷预测概念 负荷预测是根据负荷的历史数据及其相关影响因素，分析负荷的变化规律，综合考虑影响负荷变化的原因，使用一定的预测模型和方法，以未来经济形势、社会发展、气候条件、气象因素等预测结果为依据，估计未来某时段的负荷数值过程。 负荷预测的分类 按照预测方法的参考体系，工程上的负荷预测方法可分为确定性预测方法、不确定预测方法、空间负荷预测法。 确定性：把电力负荷预测用一个或一组方程来描述，电力负荷与变量之间有明确的一一对应关系。 不确定性：实际电力负荷发展变化规律非常复杂，受到很多因素影响，这种影响关系是一种对应和相关关系，不能用简单的显示数学方程描述，为解决这一问题，产生了一类基于类比对应等关系进行推测预测负荷的不度额定预测方法。 空间负荷预测：确定和不确定负荷预测是对负荷总量的预测。空间负荷预测是对负荷空间分布的预测，揭示负荷的地理分布情况。 负荷预测的基础数据处理 负荷预测的基础数据 基础数据大致包括四类，分别为：①负荷数据（系统、区域、母线、行业、大用户的历史数据；负荷控制数据；系统、区域、大用户等的最大利用小时数；发电厂厂用电率和网损率。）②气象数据（整点天气预报；整点气象要素资料；年度气温、降水等气象材料。）③经济数据和人口（区域产业GDP；城乡可支配收入；大用户产量、产值和单耗；电价结构和电价政策调整；城乡人口。）④其他时间（特殊时间如大型会议、自然灾害；行政区域调整）
数据处理 为获得较好的预测效果，用于预测数据的合理性得到充分保证，因此需要对历史数据进行合理性分析，去伪存真。最基本要求是：排除由于人为因素带来的错误以及由于统计口径不同带来的误差。另外，尽量减少异常数据（历史上突发事件或由于某些特殊原因会对统计数据带来宠大影响）带来的不良影响。常见的数据处理方法有：数据不全、数据集成、数据变换和数据规约等。 2.确定性负荷预测方法 经验技术预测方法 专家预测法 专家预测发分为专家会议发和专家小组法。会议发通过召集专家开会，面对面讨论问题，每个专家充分发表意见，并听取其他专家意见。小组法以书面形式独立发表个人见解，专家之间相互保密，最后综合给出预测结果。 类比法 类比法是将类似失误进行分析对比，通过已知事物对未知事物做出预测。例如选取国内外类似城市或地区为类比对象，参考该对象的发展轨迹对本地区作出预测。 主观概率发 请若干专家来估计某特定时间发生的主观概率，然后综合得出该时间的概率。 经典技术预测方法 单耗法 通过某一工业产品的平均单位产皮用电量以及该产品的产量，得到生产这种产品的总用电量。 用电量A=国民生产总之或工农业总产值b*产值单耗g
浅析电力系统负荷预测方法
浅析电力系统负荷预测方法 发表时间：2017-10-18T18:11:03.780Z 来源：《电力设备》2017年第15期作者：梅宇1 杨畅1 徐明虎2 陈斯斯1 王硕1 [导读] 摘要：电力工业是国家在能源领域的重大基础行业，电力是国民经济的命脉，经济要发展，电力是先行，电力对于我国经济建设、国家安全、社会稳定、生活质量具有至关重要的作用，现代文明社会已经处处离不开电力供应。 （1.国网辽宁省电力有限公司检修分公司辽宁锦州 121013；2.国网辽宁省电力有限公司技能培训中心辽宁锦州 121000）摘要：电力工业是国家在能源领域的重大基础行业，电力是国民经济的命脉，经济要发展，电力是先行，电力对于我国经济建设、国家安全、社会稳定、生活质量具有至关重要的作用，现代文明社会已经处处离不开电力供应。负荷预测是目标网架规划的基础，提高负荷预测准确率，对电网发展的具有十分重要的意义。 关键词：负荷预测；电力系统；方法探讨 引言 电力工业是国家在能源领域的重大基础行业，电力是国民经济的命脉，经济要发展，电力是先行，电力对于我国经济建设、国家安全、社会稳定、生活质量具有至关重要的作用，现代文明社会已经处处离不开电力供应。目标网架是城市电网规划的基础，确定电网发展的方向和目标，是近期规划和中长期规划的重要依据。为了提高电网规划方案的可行性，必须将城市电网目标网架规划纳入城市整体规划。负荷预测是目标网架规划的基础，提高负荷预测准确率，对电网发展的具有十分重要的意义。 一、电力系统负荷预测的特点 1、电力系统中的负荷一般分为城市的民用负荷、商业的负荷、农村的负荷、工业的负荷和其他的负荷等，不同类型的电力系统负荷会具有不同特点及规律。城市的民用负荷大多来自城市的居民家用电器的用电负荷，它有年年不断增长的趋势，并且随着季节的变化而变化，但民用的负荷还是和居民日常的生活及工作规律相关较为紧密。 2、商业的负荷，主要是指商业用电中的用电负荷，它覆盖的面积大，而且用电量增加的速度的平稳，商业的负荷同样也具有根据季节变化的波动特性。即使它在电力的负荷中占的比重不如工业负荷及民用负荷，但是商业负荷中的照明类的负荷占用了电力系统用电高峰时段。除此以外，商业部门因为商业行为会在节假日里会增加营业时间，因此成为节假日里影响电力负荷重要的因素之一。 工业负荷是指用在工业生产的用电负荷，一般的工业负荷比重在用电负荷里构成中居于第一位，它不仅仅由工业里负荷端的使用情况决定（也包括负荷的利用情况、企业工作班制度等），而且它和各个行业的特性及季节里的因素都有非常密切的联系，一般的负荷还是比较稳定的。 3、农村的负荷是指农村里居民用电及农业里生产的用电。这类负荷和工业里的负荷相比较，受到季节等其他自然环境的影响非常大，它是由于农业生产特点来定性的，农业的用电负荷同时也受到农产品的品种、耕种特点的影响，但是就电网系统而言，因为农业的用电负荷的集中时间和城市的工业的负荷使用高峰时间有很大差别，所以对于提高电网的负荷率很有好处。 从以上的分析可以发现电力的负荷特点是常常变化的，不仅按照小时变化、按日变化，而且还按周变化，按年变化，同时电力负荷又是以小时作为基本单位不断发生变化的，它具有很大的周期性，负荷的变化是个连续发展变化的过程，在正常的情况下，它不会产生大的跳跃，但是电力的负荷对于季节等因素是十分敏感的，在不同的季节，不同的地区的气候和温度的变化都将会对电力负荷造成十分重要的影响。 4、负荷预测目的是根据电力负荷的发展状况和水平，同时也确定各个供电公司计划的年供用总值，供用最大的电力负荷与规划的地区的总共负荷的发展水平，是由各规划的年用电负荷构成。它将为经济合理准确地安排各个电网内部的机组启停和检修，保持电网的运行安全和稳定性，电网发展的速度，电力的建设规模，电力工业的布局，能源资源的平衡，电力余缺的调剂和电网的资金以及人力资源需求和平衡等各个方面提供十分可靠的依据。 二、负荷预测的方法及特点 1、单耗法 按照国家安排的产品产量、产值计划和用电单耗确定需电量。单耗法分"产品单耗法"和"产值单耗法"两种。采用"单耗法"预测负荷前的关键是确定适当的产品单耗或产值单耗。从我国的实际情况来看，一般规律是产品单耗逐年上升，产值单耗逐年下降。单耗法的优点是：方法简单，对短期负荷预测效果较好。缺点是：需做大量细致的调研工作，比较笼统，很难反映现代经济、政治、气候等条件的影响。 2、趋势外推法 当电力负荷依时间变化呈现某种上升或下降的趋势，并且无明显的季节波动，又能找到一条合适的函数曲线反映这种变化趋势时，就可以用时间t为自变量，时序数值y为因变量，建立趋势模型y=f（t）。当有理由相信这种趋势能够延伸到未来时，赋予变量t所需要的值，可以得到相应时刻的时间序列未来值。这就是趋势外推法。应用趋势外推法有两个假设条件：①假设负荷没有跳跃式变化；②假定负荷的发展因素也决定负荷未来的发展，其条件是不变或变化不大。选择合适的趋势模型是应用趋势外推法的重要环节，图形识别法和差分法是选择趋势模型的两种基本方法。 外推法有线性趋势预测法、对数趋势预测法、二次曲线趋势预测法、指数曲线趋势预测法、生长曲线趋势预测法。趋势外推法的优点是：只需要历史数据、所需的数据量较少。缺点是：如果负荷出现变动，会引起较大的误差。 3、弹性系数法 4、空间负荷密度法 空间负荷预测是对规划区域内负荷的地理位置和数值大小进行的预测，它提供未来负荷的空间分布信息。只有确定了配电网供电区域内未来负荷的空间分布，才能对变电站的位置和容量，主干线的型号和路径，开关设备的装设以及它们的投入时间等决策变量进行规划。由于空间负荷预测涉及大量的空间信息，地理信息系可以为空间负荷预测的数据收集、处理和预测结果的表示提供一个良好的平台。将GIS 引入空间负荷预测，可以极大地减少数据收集量，是空间负荷预测方法实用化的必要步骤。针对国内土地使用的实际情况，在空间负荷预测中采用了分类分区法，该方法是在分类负荷总量预测的基础上，根据城市规划用地图，计算分类负荷平均密度；再由小区面积构成、小区负荷同时率及修正系数求得小区最终负荷。同时，就分类分区法在预测过程中存在的一些问题进行了恰当的处理和改进。针对己有负荷预测软件在数据收集、统计，模型、方法选用，结果处理等方面存在的问题，在将传统、实用的常规预测方法用计算机加以实现的同时，
电力负荷预测方法
电力负荷预测方法 发表时间：2018-08-02T15:26:39.817Z 来源：《电力设备》2018年第11期作者：刘自伟[导读] 摘要：电力设施是国家的基础设施，是国家经济发展不可缺少的基础条件。（韶关新丰供电局广东新丰 511100） 摘要：电力设施是国家的基础设施，是国家经济发展不可缺少的基础条件。随着经济的不断发展，珠三角的产业转移的趋势，电力设施配套建设已成为地区经济发展的关键。准确的电力负荷预测为电网规划提供强有力的依据，不仅可以获得巨大的社会效益，也可以获得巨大的经济效益。 关键词：电网规划；负荷预测；预测方法 1 序言 近年来，新丰经济的不断发展，珠三角的产业转移。为承接好珠三角产业转移，做好电力先行，准确地进行负荷预测十分重要。 2 负荷预测 电网规划很重要的一步就是电网负荷预测，电网负荷预测是安排电网基本建设项目的依据，确定了规划时期内的负荷水平也就确定了电力发展的速度；中、长负荷预测用来初步电源规划，而近期预测用来进一步确定变电站的容量。负荷预测是从已知的经济、社会发展和电力需求情况出发，通过对历史数据的分析和研究，对电力需求作出预先的估计和推测。根据这些预测结果，可以针对性地采取技术措施，如进行可中断负荷控制，增添低谷用电设备、采用蓄冷蓄热技术等，改变电力需求在时序上的分布，将用户的电力需求从电网高峰消减、转移或增加电网低谷期的用电以期提高系统运行的经济性和可靠性，在规划的电力网中还可以减少新增装机容量和节省电力建设投资，从而降低预期的供电成本。负荷预测的方法很多，主要有：综合产值单耗法、弹性系数法、时间序列法、参数回归法、比例系数增长法和经济模型预测法。 3 方法简介 3.1原始资料 3.1.1某县配电网装变容量 至2010年4月底，该县建有高压变电站4座，其中110kV变电站3座、200kV变电站1座：110kV变电总容量为430MV A。200kV变电总容量为360MV A，高压变电站总容量合计790MV A。 表1 某县高压变电站统计表 3.2 综合产值单耗法 3.2.1综合产值单耗法 单耗法是根据第一、二、三产业每单位用电量创造的经济价值，从预测经济指标推算用电需求量，加上居民生活用电量，构成全社会用电量。预测时，通过对过去的单位产值耗电量进行统计分析，并结合产业结构调整，找出一定的规律，预测规划期的一、二、三产业的综合单耗，然后按国民经济和社会发展规划的指标，按单耗进行预测。单耗法需要做大量细致的统计、分析工作，近期预测效果较佳。但在市场经济条件下，未来的产业单耗和经济发展指标都具有不确定性，对于中远期预测的准确性难以确定。 3.2.2计算过程 根据原始资料的数据对该县未来的负荷进行预测，其过程如下：先算出2010-2016年国内生产总值，设国内生产总值为T 亿元 亿元 亿元 亿元 再算出2007-2009各年的综合单耗
电力负荷计算课后习题解析
习题与思考题 2-1 什么叫负荷曲线？负荷曲线有哪些类型？与负荷曲线有关的物理量有哪些？ 答：负荷曲线是表征电力负荷随时间变化的曲线，它反映了用户用电的特点和规律。负荷曲线有日负荷曲线和年负荷曲线。与负荷曲线有关的物理量有年最大负荷、年最大负荷利用小时、平均负荷和负荷系数。 2-2 什么叫年最大负荷利用小时？什么叫年最大负荷和年平均负荷？什么叫负荷系数？ 答：年最大负荷利用小时是一个假想时间，在此时间内，电力负荷按年最大负荷 P或 max P持续运行所消耗的电能，恰好等于该电力负荷全年实际消耗的电能。年最大负荷是全年30 P。平均负中负荷最大工作班内消耗电能最大的半小时的平均功率,又叫半小时最大负荷 30 荷是电力负荷在一定时间t内平均消耗的功率，也就是电力负荷在该时间t内消耗的电能a W 除以时间t的值。负荷系数又称负荷率，它是用电负荷的平均负荷与其最大负荷的比值，表征负荷曲线不平坦的程度。 2-3 电力负荷按重要程度分哪几级？各级负荷对供电电源有什么要求？ 答：电力负荷根据重要程度分为三个等级：一级负荷、二级负荷和三级负荷。 （1）一级负荷对供电电源的要求:一级负荷属于重要负荷，因此要求由两路独立电源供电，当其中一路电源发生故障时，另一路电源不会同时受到损坏； （2）二级负荷对供电电源的要求：二级负荷也属于重要负荷，要求由两回路供电，供电变压器也应有两台，每个回路应能承受住全部二级负荷； （3）三级负荷对供电电源的要求：三级负荷为不重要的一般负荷，因此对供电电源无特殊要求。 2-4 什么叫计算负荷？为什么计算负荷通常采用30min最大负荷？正确确定计算负荷有何意义？ 答：通过负荷的统计计算求出的、用来按发热条件选择供电系统中各元件的负荷值，称为计算负荷。 由于导体通过电流达到稳定温升的时间大约需要τ ~ 3，τ为发热时间常数。截面 （4 ） 在162 τ，因此载流导体大约经30min后可达到稳定温升值。 mm及以上的导体，其min 10 ≥
电力负荷预测的要求
电力负荷预测是电力系统规划的重要组成部分，也是电力系统经济运行的基础，其对电力系统规划和运行都极其重要。 电力负荷预测包括两方面的含义，即用以指安装在国家机关、企业、居民等用户处的各种用电设备，也可用以描述上述用电设备所消耗的电力电量的数值。 电力负荷预测是以电力负荷为对象进行的一系列预测工作。从预测对象来看，电力负荷预测包括对未来电力需求量（功率）的预测和对未来用电量（能量）的预测以及对负荷曲线的预测。其主要工作是预测未来电力负荷的时间分布和空间分布，为电力系统规划和运行提供可靠的决策依据。 电力负荷预测的影响因素 在电力负荷预测中，很多因素不同程度地影响着电力荷的预测值。有些因素因自然而变化，比如气象。有些因按地区条件产生差异，如工农业发展速度;有些因素是无估计的重大事件，如严重灾害等，并且各个因素对负荷的响可能是不一样的，而且同一因素的不同水平对负荷的影也是不同的[1]。 1.气象因素的影响，很多负荷预测数学模型都引入了气象部门提供的气象预报信息，包括温湿度、雨量等在内的气象因素都会直接影响负荷波动，尤其在居民负荷占据较高比例的地区，这种影响更大。 2.节假日及特殊条件的影响，较之正常工作日，一般节假日的负荷都会明显降低，以春节为例，春节期间的负荷曲线一般会出现大幅度的下降变形，而其变化周期也大致与假日周期吻合。 3.大工业用户突发事件的影响对于大工业用户装接容量占用电负荷较高的地区，大工业用户在负荷预测偏差中起到的影响作用也比较大。 4.负荷特性分析和预测方法的影响目前，由于很多地区在负荷种类结构以及变化因素上的统计分析工作不够深入系统，导致在需要历史数据进行对照时无法展开工作，对于负荷特性和相关变化规律的总结也就无从谈起。 5.管理与政策的影响负荷预测是一项技术含量很高的工作，然而负荷预测工作在很多地区还没有得到足够的重视，基础工作薄弱，考核标准过于宽松，与大用户的信息沟通不畅，大用户的用电缺乏计划性和有序性；预测人员缺乏良好的综合素质、较高的分析能力和丰富的运行经验，不适应高标准工作的要求。
(完整版)电力负荷预测方法
电力负荷预测方法 朋友们大家好，很高兴与大家分享一下电力方面的知识。本节摘要是：负荷预测方法可分为确定性负荷预测方法和不确定性负荷预测方法。确定性负荷预测方法是把电力负荷预测用一个或一组方程来描述，电力负荷与变量之间有明确的一一对应关系，包括时间序列预测法、回归分析法、经典技术预测法、趋势外推预测法等。不确定性预测方法基于类比对应等关系进行推理预测的，包括灰色理论预测法、专家系统法、模糊预测法、神经网络法、小波分析预测法等。 关键字：电力负荷预测方法... 负荷预测是电力系统调度的一个重要组成部分，是电力交易的主要数据源，也是电力系统经济运行的基础,任何时候,电力负荷预测对电力系统规划和运行都极其重要。近几年，随着我国电力供需矛盾的突出集电力工业市场化运营机制的推行，电力负荷预测的准确度有待进一步提高。 负荷预测方法可分为确定性负荷预测方法和不确定性负荷预测方法。 确定性负荷预测方法是把电力负荷预测用一个或一组方程来描述，电力负荷与变量之间有明确的一一对应关系，包括时间序列预测法、回归分析法、经典技术预测法、趋势外推预测法等。
而为了解决实际电力负荷发展变化规律非常复杂不能用简单的显式数学方程来描述期间的对应和相关这一问题，许多专家学者经过不懈努力，把许多新的方法和理论引入到负荷预测中来，产生了一类基于类比对应等关系进行推理预测的不确定性预测方法。包括灰色理论预测法、专家系统法、模糊预测法、神经网络法、小波分析预测法等。 <一> 确定性负荷预测方法 一、时间序列预测法 时间序列分析法利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析处理，确定其基本特征和变化规律，预测未来负荷。 时间序列预测是依据电力负荷的历史数据建立一个时间序列的数学模型，通过时间序列的数学模型可以描述这个时间序列变换的规律性，同时在数学模型的基础上建立电力负荷预测的数学表达式，并对未来的负荷进行预测。电力负荷时间序列预测方法主要包括自回归AR（p）模型、滑动平均MA（q）模型和自回归与滑动平均ARMA（p，q）模型等。 按照处理方法不同，时间序列法分为确定时间序列分析法和随机时间序列分析法。时间序列模型的缺点在于不能充分利用对负荷性能有很大影响的气候信息和其他因素，导致了预报的不准
电力系统负荷预测方法及特点
电力系统负荷预测方法及特点 摘要：负荷预测在电力系统规划和运行方面发挥的重要作用，具有明显的经济效益，负荷预测实质上是对电力市场需求的预测。该文系统地介绍和分析了各种负荷预测的方法及特点，并指出做好负荷预测已成为实现电力系统管理现代化的重要手段。 电力系统负荷预测方法及特点:2.8专家系统法专家系统预测法是对数据库里存放的过去几年甚至几十年的，每小时的负荷和天气数据进行分析，从而汇集有经验的负荷预测人员的知识，提取有关规则，按照一定的规则进行负荷预测。实践证明，精确的负荷预测不仅需要高新技术的支撑，同时也需要融合人类自身的经验和智慧。因此，就会需要专家系统这样的技术。专家系统法，是对人类的不可量化的经验进行转化的一种较好的方法。但专家系统分析本身就是一个耗时的过程，并且某些复杂的因素(如天气因素)，即使知道其对负荷的影响，但要准确定量地确定他们对负荷地区的影响也是很难的。专家系统预测法适用于中、长期负荷预测。此法的优点是：①能汇集多个专家的知识和经验，最大限度地利用专家的能力； ②占有的资料、信息多，考虑的因素也比较全面，有利于得出较为正确的结论。缺点是：①不具有自学习能力，受数据库里存放的知识总量的限制；②对突发性事件和不断变化的条件适应性差。2.9神经网络法神经网络(ANN,ArtificialNeuralNetwork)预测技术，可以模仿人脑做智能化处理，对大量非结构性、非确定性规律具有自适应功能。ANN应用于短期负荷预测比应用于中长期负荷预测更为适宜。因为，短期负荷变化可以认为是一个平稳随机过程。而长期负荷预测可能会因政治、经济等大的转折导致其模型的数学基础的破坏。优点是：①可以模仿人脑的智能化处理；②对大量非结构性、非精确性规律具有自适应功能；③具有信息记忆、自主学习、知识推理和优化计算的特点。缺点是：①初始值的确定无法利用已有的系统信息，易陷于局部极小的状态；②神经网络的学习过程通常较慢，对突发事件的适应性差。2.10优选组合预测法优选组合有两层含义：一是从几种预测方法得到的结果中选取适当的权重加权平均；二是指在几种预测方法中进行比较，选择拟和度最佳或标准偏差最小的预测模型进行预测。对于组合预测方法也必需注意到，组合预测是在单个预测模型不能完全正确地描述预测量的变化规律时发挥作用。一个能够完全反映实际发展规律的模型进行预测完全可能比用组合预测方法预测效果好。该方法的优点是：优选组合了多种单一预测模型的信息，考虑的影响信息也比较全面，因而能够有效地改善预测效果。缺点是：①权重的确定比较困难；②不可能将所有在未来起作用的因素全包含在模型中，在一定程度上限制了预测精度的提高。2.11小波分析预测技术小波分析是一种时域-频域分析法，它在时域和频域上同时具有良好的局部化性质，并且能根据信号频率高低自动调节采样的疏密，它容易捕捉和分析微弱信号以及信号、图像的任意细小部分。其优点是：能对不同的频率成分采用逐渐精细的采样步长，从而可以聚集到信号的任意细节，尤其是对奇异信号很敏感，能很好的处理微弱或突变的信号，其目标是将一个信号的信息转化成小波系数，从而能够方便地加以处理、储存、传递、分析或被用于重建原始信号。这些优点决定了小波分析可以有效地应用于负荷预测问题的研究。3结束语负荷预测是电力系统调度、实时控制、运行计划和发展规划的前提，是一个电网调度部门和规划部门所必须具有的基本信息。提高负荷预测技术水平，有利于计划用电管理，有利于合理安排电网运行方式和机组检修计划，有利于节煤、节油和降低发电成本，有利于制定合理的电源建设规划，有利于提高电力系统的经济效益和社会效益。因此，负荷预测已成为实现电力系统管理现代化的重要内容。 电力系统负荷预测方法及特点:
电力负荷预测方法浅析
电力负荷预测方法浅析 发表时间：2017-11-01T12:06:24.003Z 来源：《电力设备》2017年第16期作者：李俊辉 [导读] 摘要：电力系统负荷预测是电力系统发电计划的重要组成部分，也是电力系统经济运行的基础。在当前电力发展迅速和供应紧张的情况下，合理地进行电力系统规划和运行及其重要。 （广东电网有限责任公司东莞供电局计划发展部广东东莞 523122） 摘要：电力系统负荷预测是电力系统发电计划的重要组成部分，也是电力系统经济运行的基础。在当前电力发展迅速和供应紧张的情况下，合理地进行电力系统规划和运行及其重要。 关键词：负荷预测；建立；模型；构成 1 电力负荷预测综述 负荷预测的前提是充分考虑关键系统参数、自然环境、社会政策和增容决策等条件，探索出一套能够科学处理过往数据、有效预测未来数据的数学算法，并保证预测结果只在小范围内波动，确定某些特殊时刻的负荷值。根据预测期限，负荷预测分为超短期预测、短期预测、中期预测和长期预测。 2 负荷预测的内容与分类 电力系统负荷预测包括最大负荷功率、负荷电量及负荷曲线的预测。最大负荷功率预测对于确定电力系统发电设备及输变电设备的容量是非常重要的。为了选择适当的机组类型和合理的电源结构以及确定燃料计划等，还必须预测负荷及电量。负荷曲线的预测可为研究电力系统的峰值，抽水蓄能电站的容量以及发输电设备的协调运行提供数据支持。 负荷预测根据目的的不同可以分为超短期、短期、中期和长期：①超短期负荷预测是指未来1h以内的负荷预测，在安全监视下，需要5~10s或1~5min的预测值，预防性控制和紧急状态处理需要10min至1h的预测值。②短期负荷预测是指日负荷负荷预测和周负荷预测，分别安排日调度计划和周调度计划，包括确定机组起停、水火电协调、联络线交换功率、负荷经济分配、水库调度和设备检修等，对短期预测，需充分研究电网负荷变化规律，分析负荷变化相关因子，特别是天气因素、日类型等和短期负荷变化的关系。③中期负荷预测是指月至年的负荷预测，主要是确定机组运行方式和设备大修计划等。④长期负荷预测是指未来3~5年甚至更长时间段内的负荷预测，主要是电网规划部门根据国民经济的发展和电力负荷的需要，所作的电网改造和扩建工作的远景规划。对中、长期负荷预测，要特别研究国民经济发展、国家政策等的影响。 3电力负荷预测方法综述 传统的电力负荷测试的方法有很多，应用起来比较复杂，相关的技术人员应该根据实际的需要，结合该技术的局限性和优质特性进行综合的考量，最终选择合适的方法，下面对各种常用的方法，进行简单的阐述。 3.1电力弹性预测法 电力弹性系数是电量平均增长率与国内生产总值之间的比值。电力弹性系数法的优点是能较好地把握电力负荷增长的趋势及范围，但是由于近年来产业结构的调整，使得弹性系数意义在淡化，相关的数据出现较大的波动现象，所以该种方法更适合于中长期负荷预测，短期的符合预测数据部可靠。 3.2灰色预测法 该种预测方法是上个世纪我国的首创测试法。自从研发以来，取得了良好的实践应用效果。灰色系统把一切随机过程看作是在一定范围内变化的、与时间有关的灰色过程。灰色预测技术的优点是要求数据少，不考虑分布规律、不考虑变化趋势、运算方便、短期预测精度高、易于检验等。缺点是当数据的离散程度越大，预测精度越差，不适合电力系统的长期若干年的预测。 3.3模糊预测法 该方法基于模糊理论，先行分析过往的工作经验、历史数据，以一种规则的形式呈现出来，并抽象出可在计算机上运行的机读代码，进而展开各种计算工作。模糊预测法能够很明确地描述专家意图，对电力系统中不规则现象进行描述，很适用于中长期电力负荷预测；但模糊预测法学习能力差，极易受到人工干扰。模糊理论应用于电力负荷预测时，有三种常见数学模型，即：指数平滑过渡法、线性回归法、聚类预测法，三种数学模型各有千秋，它们的预测精度都很高，相比传统算法测量误差也小得多。有研究表明，基于最佳聚类F选优法的改进型模糊聚类电力负荷预测算法，在计算年度用电量时，预测结果很准确。有部门基于该算法对增城地区2005年和2010年的年度用电量进行预测，结果与实际测量相差不大。神经网络与模糊逻辑算法组合使用，相比单一神经网络算法，充分利用了神经网络强大的学习功能，又洗去了模糊逻辑主观经验方面的劣势，考虑了温度变化和节假期对系统负荷的影响，能够提高负荷预测结果准确度，特别是对周末和节假期负荷预测很有效。也有学者通过RBF试图寻找负荷变化的一般规律，结合模糊理论计算负荷尖峰值和低估值，一定程度上解决了负荷影响因素不明确的问题。该方法充分利用了神经网络和模糊推理理论在处理不确定参数方面的独到之处，很好地改善了预测精度。 3.4数据挖掘 顾名思义，数据挖掘就是从浩如烟海的数据中挖掘出隐含信息，并尽力将其表述为直观易懂的形式。在处理大数据、剔除冗余信息方面优势很大。决策树、神经网络、关联规则、聚类分析、统计学模糊集、粗糙集在各领域的数据挖掘工作中得到了重要应用。有人根据数据挖掘过程中时间序列的相似性原理，研究电力负荷预测方法，获得了很好的应用效果。基于最优区间划分和单调递减阈值函数聚类法，结合KOHONEN网绘制负荷变化曲线，修正死区数据。也有学者利用数据挖掘技术的结果作为向量机训练样本，减少了数据处理规模，提高了预测速度和运算精度。 3.5 电网负荷预测新技术 趋势外推预测技术。电力的使用情况具有随机性和不确定性的特点，但电力负荷也有着明显的变化。根据不同行业用电量负荷的发展规律，制定相应的策略，结合趋势外推的预测技术对电网负荷进行预测，可以得到比较好的效果。趋势外推预测技术是根据现有的信息进行归纳总结，从事物的共性方面进行探讨和延伸，来得到预测的结果。趋势外推预测方法包括有线性趋势预测、二次曲线趋势预测、多项式趋势预测、累计趋势预测、对数趋势预测等。使用趋势外推方法进行预测处理，只需要运用历史数据就可以，不需要专业的方法，操作方便简捷，易于实现。然而如果电网负荷在变动的情况下使用外推技术进行预测，会出现较大的误差，对电网负荷预测的准确性带来影
电力负荷预测
电力网中的电力负荷预测 （广西科技大学**） 摘要：电力负荷预测是供电部门的重要工作之一，准确的负荷预测，可以在保障电网的安全前提下，经济合理的安排电网内部发电机组的启停，合理安排机组检修计划，减少不必要的旋转备用容量，降低电网公司的运营成本，提高经济和社会效益。本文主要介绍了电力负荷预测的概念、步骤以及经常采用的负荷预测方法。 关键字：负荷；预测；方法；步骤 引言 基于“十五”期间国民经济和电力工业的发展状况，在全国电力供需趋于平衡的前提下，我国“十一五”规划对电力工业发展坚持了“十五”期间制定的“可持续发展”的要求：电力工业发展方式要从数量速度型向质量效益型转变，从以供给导向为主转向以需求导向为主，优化电力资源配置。国家经贸委电力工业“十一五”规划中预测：“十一五”期间我国经济增长速度为年均8%左右，电力需求的平均增长速度为7%，到2009年全国发电装机容量将达到7.93亿千瓦，（其中，水电占总容量22.51%，火电占总容量74.60%）国家电力公司电力工业“十一五”计划及2015年远景规划中预测：“十一五”期间我国GDP年均增长8%左右，电力需求的平均增长速度在5.5%~6.0%之间，到2009年全国发电装机容量将达到7.93亿千瓦，全社会用电量将达到16200亿~16600亿千瓦时。 但实际的情况是：截至2009年年底，全国发电装机容量达到8.74亿千瓦，全国发电量达到24975.26亿千瓦时，全社会用电量为24689亿千瓦时。 1、电力负荷预测综述 1.1、电力负荷预测的意义 电力用户是电力工业的服务对象，电力负荷的不断增长是电力工业发展的根据。正确地预测电力负荷，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的需要，也是电力工业自身健康发展的需要。电力负荷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。全国性的电力负荷预测，为编制全国电力规划提供依据，它规定了全国电力工业的发展水平、发展速度、源动力资源的需求量，电力工业发展的资金需求量，以及电力工业发展对人力资源的需求量。 收稿日期：2012-12-25
电力系统负荷预测
９３ 科技资讯 ＳＣＩＥＮＣＥ ＆ ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ１．负荷预测概念 电力负荷预测是实时控制、运行计划和发展规划的前提在电力系统中，负荷指电力需求量或用电量。需求量是能量的时间变化率，即功率。负荷预测包括两方面的含义：对未来需求量（功率）的预测和未来用电量（能量）的预测。对功率的预测用来决定发电设备的容量，以及相应的输电和配电的容量。对能量的预测则决定了应当安装何种类型的发电容量。 ２．负荷预测的特点 由于负荷预测是根据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时间、随机时间，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。其特点如下：负荷预测的不准确性；负荷预测的条件性；负荷预测的时间性 ；负荷预测的地区效应；负荷预测的多方案性；３．负荷预测的具体方法 时间序列法：时间序列法是对给定的一段时间的历史负荷记录，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。目前最有效的方法是Ｂｏｘ—Ｊｅｎｋｉｎｓ的时间序列法。 卡尔曼滤波分析法：把负荷作为状态变量建立状态空间模型，用卡尔曼滤波算法实现负荷预测。这种算法是在假定噪声的统计特性已知的情况下得出，事实上估计噪声的统计特性是该方法应用的难点所在。此算法适用于在线负荷预测。 回归分析法：回归预测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，对未来的负荷进行预测。其特点是将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，自变量是随机变量，因变量是非随机变量，根据给定的多组自变量和因变量资料，研究各种变量之间的相互关系。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。 指数平滑预报法：用过去数周的同类型日的相同时间的负荷组成一组时间上有序的ｙ（ｔ）、ｙ（ｔ—１）、ｙ（ｔ一２），对该数组进行加权平均，计算时应该加大新近数据的权系数，减小陈旧数据的权系数，以体现过程的时变性。 模糊预测法：应用模糊逻辑和预报人员的专业知识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。从实际应用来看，单纯的ｒｕｍ，方法对于负荷预测，精度往往不尽如人意。这主要是因为ｒｕｍ，预测没有学习能力，这一点对于不断变化的电力系统来说，是极为不利的。 人工神经网络方法：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，然后构造适意的网络结构。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作负荷预测。一般而言，ＡＮＮ应用于短期负荷预测要比应用于中长期负荷预测更为适宜，因为短期负荷变化可以认为是一个平稳随机过程，而长期负荷预测与国家或地区的政治、经济政策等因素密切相关，通常会有些大的波动，而并非是一个平稳随机过程。 优选组合预测法：优选组合预测有两类概念：一是指将几种 预测方法所得地预测结果，选取适当地权重进行加权平均；二 是指在几种预测方法中进行比较，选择拟和优度最佳或标准离差最小的预测模型进行预测。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。在建立模型时有两方面的限制：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。所以其预测精度提高很受限制。 灰色模型法：灰色系统理论将一切随机变化量看作是在一定范围内变化的灰色量，常用累加生成（ＡＧＯ）和累减生成（ＩＡＧＯ）的方法，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。此法适用于短、中、长三个时期的负荷预测。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负荷指标，对于具有其它趋势的指标则有时拟和灰度较大，精度难以提高。 专家系统法：所谓专家系统法，是对数据库里存放的过去几年的，每小时的负荷和天气数据进行细致的分析，从而汇集有经验的负荷预报人员的知识，提取有关规则，按照一定的规则推理进行负荷预测。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，将可得到满意地结果。但专家系统分析本身就是一个耗时的过程，并且某些复杂的因素（如天气因素）即使知道其对负荷的影响，但要准确、定量地确定他们对负荷地影响也常常是很困难的事。 小波分析侦测技术：小波分析是一种时域一频域分析法，它在时域和频域上同时具有良好的局部化性质，并且能根据信号频率高低自动调节采样的疏密，它容易捕捉和分析微弱信号以及信号、图像的任意细小部分。其优点是：能对不同的频率成分采用逐渐精细的采样步长，从而可以聚集到信号的任意细节，尤其是对奇异信号很敏感，能很好的处理微弱或突变的信号，其目标是将一个信号的信息转化成小波系数，从而能够方便地加以处理、储存、传递、分析或被用于重建原始信号。这些优点决定了小波分析可以有效地应用于负荷预测问题的研究。４．小结 负荷预测是ＡＮＮ在电力系统应用中最合适得到一个领域，也是到目前为止研究的较多的一个课题。初步成果表明，预测结果可能比其他方法更准确，具有实用的前景。但这种方法在实施时有很多实际问题需要解决，且这些问题与具体系统情况有关，针对不同的需要因选择最适合的负荷预测方法。参考文献 ［１］牛东晓．曹树华．赵磊．张文文．电力负荷预测技术．中国电力出版社．１９９９ ［２］肖国泉．王春．张福伟．电力负荷预测．中国电力出版社．２００１ 电力系统负荷预测 巩丽荣 （大庆市林甸县电业局 １６２３００） 摘 要：负荷预测在电力系统规划和运行方面能发挥重要的作用，产生明显的经济效益，负荷预测实质上时对电力市场需求的预测。本文系统介绍和分析了负荷预测的基本概念、种类、和预测方法。关键字：电力系统 负荷 预测 中图分类号：ＴＭ７ 文献标识码：Ａ
电力负荷计算公式与范例
常用电工计算口诀第一章按功率计算电流的口诀之一 1.用途： 这是根据用电设备的功率(千瓦或千伏安)算出电流(安)的口诀。 电流的大小直接与功率有关,也与电压,相别,力率(又称功率因数)等有关。一般有公式可供计算,由于工厂常用的都是380/220 伏三相四线系统,因此,可以根据功率的大小直接算出电流。 2.口诀：低压380/220 伏系统每KW 的电流,安。 千瓦，电流，如何计算？ 电力加倍，电热加半。 单相千瓦，4 . 5 安。 单相380 ，电流两安半。 3. 说明:口诀是以380/220V 三相四线系统中的三相设备为 准,计算每千瓦的安数。对于某些单相或电压不同的单相设 备,其每千瓦的安数.口诀中另外作了说明。 ①这两句口诀中,电力专指电动机.在380V 三相时(力率 左右),电动机每千瓦的电流约为2 安.即将“千瓦数加一 倍”( 乘2)就是电流, 安。这电流也称电动机的额定电流. 【例1 】千瓦电动机按“电力加倍”算得电流为11 安。 【例2 】4 0 千瓦水泵电动机按“电力加倍”算得电流为8 0安。 电热是指用电阻加热的电阻炉等。三相380 伏的电热 设备,每千瓦的电流为安.即将“千瓦数加一半”(乘，就是电流,安。 【例1】3 千瓦电加热器按“电热加半”算得电流为安。 【例2】1 5 千瓦电阻炉按“电热加半”算得电流为2 3 安。 这口诀并不专指电热,对于照明也适用.虽然照明的灯泡 是单相而不是三相,但对照明供电的三相四线干线仍属三相。 只要三相大体平衡也可以这样计算。此外,以千伏安为单位的电器(如变压器或整 流器)和以千乏为单位的移相电容器(提高力率用)也都适用。即是说,这后半句虽 然说的是电热,但包括所有以千伏安、千乏为单位的用电设备,以及以千瓦为单位 的电热和照明设备。 【例1 】1 2 千瓦的三相( 平衡时) 照明干线按“电热加半”算得电流为1 8 安。 【例2】30 千伏安的整流器按“电热加半”算得电流为45 安。(指380 伏三相交流侧) 【例3 】3 2 0 千伏安的配电变压器按“电热加半”算得电流为480 安（指 380/220 伏低压侧)。 【例4】100 千乏的移相电容器(380 伏三相)按“电热加半”算得电流为150 安。 ②.在380/220伏三相四线系统中,单相设备的两条线,一条接相线而另一条接零线的(如照明设备)为单相220 伏用电设备。这种设备的力率大多为1,因此,口诀便直接说明“单相(每) 千瓦安”。计算时, 只要“将千瓦数乘”就是电流, 安。同上面一样,它适用于所有以千伏安为单位的单相220伏用电设备,以及以千瓦为单位的电热及照明设备,而且也适用于220 伏的直流。 【例1】500 伏安千伏安)的行灯变压器(220 伏电源侧)按“单相( 每)千瓦安”算得电流为安。