电力短期负荷预测方法综述

电力短期负荷预测方法综述

雷绍兰

（重庆理工大学电气与电子工程学院重庆市400050）

摘要：准确的电力短期负荷预测是电网调度制定发供电计划和做好电网供需平衡的关键，作者根据多年来国内外负荷预测方面的研究成果，对电力负荷的传统预测方法和现代预测方法进行了高度概括，对现有方法的经验积累及改进提供了参考，同时对未来的预测技术进行了展望。

关键词：电力短期负荷；负荷特性；预测方法

短期负荷预测是能量管理系统（EMS）的一个重要模块，对电力系统近期输变电建设、运行和计划都非常重要。随着电力市场的日益成熟和开放及分布式电源的开发与并网，使得短期电力负荷受各种因素的影响越来越复杂，电力负荷特性在具有明显的周期性外呈现出非平稳的随机过程，因此要获得较高预测精度，其预测技术和方法的选择尤其重要，进而涌现出大量传统预测理论和现代新的预测理论和技术。因此，本文在分析短期负荷特点和影响因素的基础上，对短期负荷预测方法进行综述和总结，指出短期负荷预测方面可能的研究方向。

1.电力短期负荷特点及预测技术

电力短期负荷是一个连续的变化过程，具有随机性和周期性特点，对季节、温度、天气、作息时间等具有极强敏感性。负荷预测问题就是预测的技术和方法或数学模型问题，随着科学技术的不断进步，负荷预测理论技术得到了很大发展，理论研究不断深入，适合本地特点的预测程序、软件开始出现，其负荷预测方法从经典的回归法、时间序列法，到目前的灰色预测法、模糊数学法、神经网络法、优选组合法和小波分析法等都有各自的研究特点和使用条件，并获得了广泛应用和研究。

1.1典型传统预测方法

（1）回归模型预测技术

回归预测法是通过采集数据来确定各变量之间的相互关系，实现对未知量的预测【1】。但应用时该方法存在着较大的局限性，因为负荷预测的输入与输出间存在极强的非线性关系，运用以上方法很难找到理想的数学模型来描述，比如无法详细地考虑气象等影响因素，同时预测模型缺乏自学习能力及预测准确度不高等缺点。

（2）时间序列预测法

时间序列预测法是把历史负荷数据看作是一个按季节、按周、按天以及按小时周期性变化的时间序列，建立时间序列预测模型对未来一段时间负荷进行预报【2】。该方法对历史数据准确性要求较高，对天气因素不敏感，较难解决因气象因素造成的短期负荷预测不准确问题。因此，难以适应复杂而多变的电力系统需求。

1.2现代预测方法

（1）人工神经网络技术

基于人工神经网络技术的电力短期负荷预测思路为将相关历史数据及对电力负荷影响最大的主要因素作为输入量，经隐含层和目标输出量对神经网络进行训练，最后将预测日相关量输入训练好的神经网络输出待预测负荷【3】。人工神经网络具有强非线性映射能力，它不需建立输入输出变量间确定模型，仅对历史数据与目标数据的自学习就可获得较精确的预测结果，因此被广泛地应用于电力短期负荷预测之中，但神经网络对复杂、较大网络结构存在收敛慢且易陷入局部极小等问题，为克服该缺点大量电力工作者和研究者不断提出改进措施，如采用粗糙集理论对输入变量进行约简，将遗传算法的搜索能力和小波分析的局部特性引入神经网络等方式以提高其收敛速度、克服易陷入局部极小的缺点。

（2）模糊逻辑技术

模糊理论对解决不确定性问题具有很大优势，同时它具有强大的非线性映射能力，能够在任意精度上一致逼近任何非线性函数，提取大数据的相似性，因此特别适合电力短期负荷的预测【4】，如针对电力负荷的特点，综合考虑天气、日类型、历史负荷等对未来负荷变化的影响，通过模糊聚类选取学习样本，采用反向传播算法对24点每点建立一个预测模型【5】。

（3）灰色预测技术

灰色系统理论的显著特点是用少量的数据做微分方程建立起预测模型。它将一定范围内变化的历史数据列进行累加，使其变成具有指数增长的变化规律，建立GM预测模型，对预测数据进行还原获得预测日负荷【6】。该方法的优势在于对历史负荷数据的需求较少、计算简便，但要求历史数据具有较好的指数变化规律才能获得较好的预测精度，但电力短期负荷指数变化规律并不明显，其预测精度通常欠佳，能较好地应用于中长期负荷的预测。

（4）组合预测技术

电力负荷所受影响因素众多，无论经典的负荷预测模型或智能预测模型都很难描述所有变化因素，通常某一种预测方法往往仅侧重于某一个或几个方面，而组合预测法充分利用了多种模型的预测特点，在一定程度上能提高负荷预测的鲁棒性和实用性[7]。组合预测法通常包括两类：一类指将几种预测方法所得的预测结果，选取适当的权重进行加权平均获得最终预测日负荷；二类指在几种预测方法中进行比较，选择拟合优度最佳或标准差最小的预测模型作为最后的预测。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。

2.电力短期负荷预测发展趋势

目前，在短期负荷预测中已有大量方法被研究和应用，但由于每种预测方法都有它固有的缺陷，很难被广泛地应用在不同地区的电力系统短期负荷预测中，因此众多国内外电力系统研究者仍然坚持不懈，不断探索新的预测方法。

随着近年来大数据研究和应用热潮的不断升温，依靠其强大的数据管理和数据分析能力，对提高负荷预测精度和高效分析提供了重要的依据和保障，因此在负荷特性分析及预测领域获得了广泛应用【8】。同时，随着我国电力市场改革的深入及智能电网的建设，电价及需求侧响应对电力负荷的影响将逐渐从无到有、从弱到强，最终影响电力负荷变化特性，从而影响负荷预测方法的应用和分析。

3.结论

本文对短期负荷预测进行了较全面的总结，在归纳负荷预测特点的基础上，对短期负荷的传统预测方法和现代预测方法进行了概括，阐述了各预测技术的优缺点。随着预测技术理论的发展，云理论、大数据等不断运用于电力负荷预测中，以及根据现有预测理论优势和新理论相互融合产生新的组合预测模型，在一定程度上克服负荷随机性和敏感性等问题，进而提高短期负荷预测的精确度。

参考文献：

[1]万昆，柳瑞禹.区间时间序列向量自回归模型在短期电力负荷预测中的应用[J].电网技术，2012，36（11）：77-81

[2]邱是.基于EMD分解与AＲMA模型的电力负荷预测[J].四川水利发电，2016，35（1）：112-116

[3]毕云帆，撖奥洋，张智晟，孙文慧.基于模糊Bagging-GBDT的短期负荷预测模型研究[J].电力系统及其自动化学报，2018，9：1-6

[4]李若晨，朱帆，朱永利，翟羽佳.结合受限玻尔兹曼机的递归神经网络电力系统短期负荷预测[J].电力系统保护与控制，2018，46（17）：83-88