负荷预测构成

电力系统负荷一般可以分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷等，不同类型的负荷具有不同的特点和规律 。

负荷预测组成

城市民用负荷主要来自城市居民家用电器的用电负荷，它具有年年增长的趋势，以及明显的季节性波动特点，而且民用负荷的特点还与居民的日常生活和工作的规律紧密相关。

商业负荷，主要是指商业部门的照明、空调、动力等用电负荷，覆盖面积大，且用电增长平稳，商业负荷同样具有季节性波动的特性。虽然商业负荷在电力负荷中所占比重不及工业负荷和民用负荷，但商业负荷中的照明类负荷占用电力系统高峰时段。此外，商业部门由于商业行为在节假日会增加营业时间，从而成为节假日中影响电力负荷的重要因素之一。

工业负荷是指用于工业生产的用电，一般工业负荷的比重在用电构成中居于首位，它不仅取决于工业用户的工作方式(包括设备利用情况、企业的工作班制等)，而且与各行业的行业特点、季节因素都有紧密的联系，一般负荷是比较恒定的。

农村负荷则是指农村居民用电和农业生产用电。此类负荷与工业负荷相比，受气候、季节等自然条件的影响很大，这是由农业生产的特点所决定的。农业用电负荷也受农作物种类、耕作习惯的影响，但就电网而言，由于农业用电负荷集中的时间与城市工业负荷高峰时间有差别，所以对提高电网负荷率有好处。

从以上分析可知电力负荷的特点是经常变化的，不但按小时变、按日变，而且按周变，按年变，同时负荷又是以天为单位不断起伏的，具有较大的周期性，负荷变化是连续的过程，一般不会出现大的跃变，但电力负荷对季节、温度、天气等是敏感的，不同的季节，不同地区的气候，以及温度的变化都会对负荷造成明显的影响。

电力负荷的特点决定了电力总负荷由以下四部分组成：基本正常负荷分量、天气敏感负荷分量、特别事件负荷分量和随机负荷分量。

电力负荷预测是电力部门的重要工作之一，准确的负荷预测，可以经济合理地安排电网内部发电机组的启停，保持电网运行的安全稳定性，减少不必要的旋转储备容量，合理安排机组检修计划，保障社会的正常生产和生活，有效地降低发电成本，提高经济效益和社会效益 。

负荷预测的结果，还可以有利于决定未来新的发电机组的安装，决定装机容量的大小、地点和时间，决定电网的增容和改建，决定电网的建设和发展。

因此，电力负荷预测工作的水平已成为衡量一个电力企业的管理是否走向现代化的显著标志之一，尤其在我国电力事业空前发展的今天，用电管理走向市场，电力负荷预测问题的解决已经成为我们面临的重要而又艰巨的任务。

负荷预测的核心问题是预测的技术方法，或者说是预测数学模型，随着现代科学技术的不断进步，负荷预测理论技术得到了很大发展，理论研究逐步深入，适合本地特点的预测程序、软件开始出现。

负荷可指电力需求量或者用电量，而需求量是指能量的时间变化率，即功率。也可以说，负荷是指发电厂、供电地区或电网在某一瞬间所承担的工作负荷。对用户来说，用电负荷是指连接在电网的用户所有用电设备在某一瞬间所消耗的功率之和 。

1．负荷按物理性能划分

负荷按物理性能分为有功负荷和无功负荷。

(1)有功负荷：是把电能转换为其他能量，并在用电设备中真实消耗掉的能量，计算单位为kw(千瓦)。

(2)无功负荷：在电能输送和转换过程中，需要建立磁场(如变压器、电动机等)而消耗的功率。它仅完成电磁能量的相互转换，并不做功，在这个意义上称为“无功”，计算单位是kvar(千乏)。

2．负荷按电能的划分

负荷按电能的产、供、销生产过程分为发电负荷、供电负荷和用电负荷。

(1)发电负荷：指某一时刻电网或发电厂的实际发电出力的总和，计算单位为KW。

(2)供电负荷：指供电地区内各发电厂发电负荷之和，减去发电及供热用厂用电负荷，加上从供电地区外输入的负荷，再减去向供电地区外输出的负荷，计算单位为kw。

(3)用电负荷：指地区供电负荷减去线路和变压器中的损耗后的负荷。计算单位为kw。

3．负荷按时间的划分

负荷按时间分为年、月、日、时、分负荷、

4．售电量及用电量

(1)售电量：是指电力企业售给用户(包括趸售户)的电量及供给本企业非电力生产(如修配厂用电)、基本建设、大修理和非生产部门(如食堂、宿舍)等所使用的电量。

(2)用电量，是指电网(或电力企业)的售电量与自备电厂自发、自用电和其售给附近用户的电量之和。

5.电量的划分

电量可分为有功电量和无功电量。

(1)有功电量：是指有功负荷与时间的乘积。有功电量可由电能表读出，也可由有功负荷的平均值乘以时间得出，有功电量的计算单位是kw·h。

(2)无功电量：是指无功负荷与时间的乘积。无功电量可由无功电能表读出，也可由无功负荷的平均值乘以时间得出，无功电量的计算单位是kvar·h。

6．负荷预测

在充分考虑一些重要的系统运行特性、增容决策、自然条件与社会影响的条件下、研究或利用—套系统地处理过去与未来负荷的数学方法，在满足一定精度要求的意义下，确定未来某特定时刻的负荷数值，称为负荷预测。

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，负荷预测工作所研究的对象是不肯定事件。只有不肯定事件、随机事件，才需要人们采用适当的预测技术，推知负荷的发展趋势和可能达到的状况。这就使负荷预测具有以下明显的特点 。

1．不准确性

因为电力负荷未来的发展是不肯定的，它要受到多种多样复杂因素的影响，而且各种影响因素也是发展变化的。人们对于这些发展变化有些能够预先估计，有些却很难事先预见到，加上一些临时情况发生变化的影响，因此就决定了预测结果的不准确性或不完全准确性。

2.条件性

各种负荷预测都是在一定条件下作出的。对于条件而言，又可分为必然条件和假设条件两种，如果负荷员真正掌握了电力负荷的本质规律，那么预测条件就是必然条件，所作出的预测往往是比较可靠的。而在很多情况下，由于负荷未来发展的不肯定性，所以就需要一些假设条件。例如，我们经常说，如果天气一直不下雨的话，排灌负荷将保持较高的数值等等。当然，这些假设条件不能毫无根据的凭空假设，而应根据研究分析，综合各种情况而得来。给预测结果加以一定的前提条件，更有利于用电部门使用预测结果。

3．时间性

各种负荷预测都有一定的时间范围，因为负荷预测属于科学预测的范畴，因此，要求有比较确切的数量概念，往往需要确切地指明预测的时间。

4．多方案性

由于预测的不准确性和条件性，所以有时要对负荷在各种情况下可能的发展状况进行预测，就会得到各种条件下不同的负荷预测方案。

负荷预测内容

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。

负荷预测分类

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，在安全监视状态下，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预测和周负荷预测，分别用于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对电力负荷的需求，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。

负荷预测工作的关键在于收集大量的历史数据，建立科学有效的预测模型，采用有效的算法，以历史数据为基础，进行大量试验性研究，总结经验，不断修正模型和算法，以真正反映负荷变化规律。其基本过程如下 。

调查和选择历史负荷数据资料

多方面调查收集资料，包括电力企业内部资料和外部资料，从众多的资料中挑选出有用的一小部分，即把资料浓缩到最小量。挑选资料时的标准要直接、可靠并且是最新的资料。如果资料的收集和选择得不好，会直接影响负荷预测的质量。

历史资料的整理

一般来说，由于预测的质量不会超过所用资料的质量，所以要对所收集的与负荷有关的统计资料进行审核和必要的加工整理，来保证资料的质量，从而为保证预测质量打下基础，即要注意资料的完整无缺，数字准确无误，反映的都是正常状态下的水平，资料中没有异常的"分离项"，还要注意资料的补缺，并对不可靠的资料加以核实调整。

对负荷数据的预处理

在经过初步整理之后，还要对所用资料进行数据分析预处理，即对历史资料中的异常值的平稳化以及缺失数据的补遗，针对异常数据，主要采用水平处理、垂直处理方法。

数据的水平处理即在进行分析数据时，将前后两个时间的负荷数据作为基准，设定待处理数据的最大变动范围，当待处理数据超过这个范围，就视为不良数据，采用平均值的方法平稳其变化；数据的垂直处理即在负荷数据预处理时考虑其24h的小周期，即认为不同日期的同一时刻的负荷应该具有相似性，同时刻的负荷值应维持在一定的范围内，对于超出范围的不良数据修正，为待处理数据的最近几天该时刻的负荷平均值。

建立负荷预测模型

负荷预测模型是统计资料轨迹的概括，预测模型是多种多样的，因此，对于具体资料要选择恰当的预测模型，这是负荷预测过程中至关重要的一步。当由于模型选择不当而造成预测误差过大时，就需要改换模型，必要时，还可同时采用几种数学模型进行运算，以便对比、选择。

在选择适当的预测技术后，建立负荷预测数学模型，进行预测工作。由于从已掌握的发展变化规律，并不能代表将来的变化规律，所以要对影响预测对象的新因素进行分析，对预测模型进行恰当的修正后确定预测值。

电力负荷预测分为经典预测方法和现代预测方法 。

经典预测方法

趋势外推法

就是根据负荷的变化趋势对未来负荷情况作出预测。电力负荷虽然具有随机性和不确定性，但在一定条件下，仍存在着明显的变化趋势，例如农业用电，在气候条件变化较小的冬季，日用电量相对稳定，表现为较平稳的变化趋势。这种变化趋势可为线性或非线性，周期性或非周期性等等。

时间序列法

时间序列法是一种最为常见的短期负荷预测方法，它是针对整个观测序列呈现出的某种随机过程的特性，去建立和估计产生实际序列的随机过程的模型，然后用这些模型去进行预测。它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。

时间序列预测方法可分为确定型和随机性两类，确定型时间序列作为模型残差用于估计预测区间的大小。随机型时间序列预测模型可以看作一个线性滤波器。根据线性滤波器的特性，时间序列可划为自回归(AR)、动平均(MA)、自回归-动平均(ARMA)、累计式自回归-动平均(ARIMA)、传递函数(TF)几类模型，其负荷预测过程一般分为模型识别、模型参数估计、模型检验、负荷预测、精度检验预测值修正5个阶段。

回归分析法

回归分析法就是根据负荷过去的历史资料，建立可以分析的数学模型，对未来的负荷进行预测。利用数理统计中的回归分析方法，通过对变量的观测数据进行分析，确定变量之间的相互关系，从而实现预测。

现代负荷预测方法

20世纪80年代后期，一些基于新兴学科理论的现代预测方法逐渐得到了成功应用。这其中主要有灰色数学理论、专家系统方法、神经网络理论、模糊预测理论等 。

灰色数学理论

灰色数学理论是把负荷序列看作一真实的系统输出，它是众多影响因子的综合作用结果。这些众多因子的未知性和不确定性，成为系统的灰色特性。灰色系统理论把负荷序列通过生成变换，使其变化为有规律的生成数列再建模，用于负荷预测。

专家系统方法

专家系统方法是对于数据库里存放的过去几年的负荷数据和天气数据等进行细致的分析，汇集有经验的负荷预测人员的知识，提取有关规则。借助专家系统，负荷预测人员能识别预测日所属的类型，考虑天气因素对负荷预测的影响，按照一定的推理进行负荷预测。

神经网络理论

神经网络理论是利用神经网络的学习功能，让计算机学习包含在历史负荷数据中的映射关系，再利用这种映射关系预测未来负荷。由于该方法具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场，但其缺点是学习收敛速度慢，可能收敛到局部最小点；并且知识表达困难，难以充分利用调度人员经验中存在的模糊知识。

模糊负荷预测

模糊负荷预测是近几年比较热门的研究方向。

模糊控制是在所采用的控制方法上应用了模糊数学理论，使其进行确定性的工作，对一些无法构造数学模型的被控过程进行有效控制。模糊系统不管其是如何进行计算的，从输入输出的角度讲它是一个非线性函数。模糊系统对于任意一个非线性连续函数，就是找出一类隶属函数，一种推理规则，一个解模糊方法，使得设计出的模糊系统能够任意逼近这个非线性函数。

模糊预测的一些基本方法

(1)表格查寻法：

表格法是一种相对简单明了的算法。这个方法的基本思想是从已知输入--输出数据对中产生模糊规则，形成一个模糊规则库，最终的模糊逻辑系统将从组合模糊规则库中产生。

这是一种简单易行的易于理解的算法，因为它是个顺序生成过程，无需反复学习，因此，这个方法同样具有模糊系统优于神经网络系统的一大优点，即构造起来既简单又快速。

(2)基于神经网络集成的高木-关野模糊预测算法：

它是利用神经网络来求得条件部输入变量的联合隶属函数。结论部的函数f(X)也可以用神经网络来表示。神经网络均采用前向型的BP网络。

(3)改进的模糊神经网络模型的算法：

模糊神经网络即全局逼近器。模糊系统与神经网络似乎有着天然的联系，模糊神经网络在本质上是模糊系统的实现，就是将常规的神经网络(如前向反馈神经网络，HoPfield神经网络)赋予模糊输入信号和模糊权。

对于复杂的系统建模，已经有了许多方法，并已取得良好的应用效果。但主要缺点是模型精度不高，训练时间太长。此种方法的模型物理意义明显，精度高，收敛快，属于改进型算法。

(4)反向传播学习算法：

模糊逻辑系统应用主要在于它能够作为非线性系统的模型，包括含有人工操作员的非线性系统的模型。因此，从函数逼近意义上考虑，研究模糊逻辑系统的非线性映射能力显得非常重要。函数逼近就是模糊逻辑系统可以在任意精度上，一致逼近任何定义在一个致密集上的非线性函数，其优势在于它有能够系统而有效地利用语言信息的能力。万能逼近定理表明一定存在这样一个可以在任意精度逼近任意给定函数的高斯型模糊逻辑系统。反向传播BP学习算法用来确定高斯型模糊逻辑系统的参数，经过辨识的模型能够很好的逼近真实系统，进而达到提高预测精度的目的。

随着电力市场的发展，负荷预测的重要性日益显现，并且对负荷预测精度的要求越来越高。传统的预测方法比较成熟，预测结果具有一定的参考价值，但要进一步提高预测精度，就需要对传统方法进行一些改进，同时随着现代科学技术的不断进步，理论研究的逐步深入，以灰色理论、专家系统理论、模糊数学等为代表的新兴交叉学科理论的出现，也为负荷预测的飞速发展提供了坚实的理论依据和数学基础。相信负荷预测的理论会越来越成熟，预测的精度越来越高 。2100433B

在电力科技专著出版基金的资助下,由清华大学电机系康重庆、夏清、刘梅撰写的《电力系统负荷预测》一书,2007年7月由中国电力出版社出版。该书是清华大学电机系近10余年以来在负荷预测方面研究成果的总结,主要探讨电力系统负荷预测的概念、原理、模型、方法及其应用效果,并着重分析了做好负荷预测工作的理念和各种理论与方法的应用方式。全书分为负荷预测总论、中长期负荷预测、短期负荷预测3篇,共20章,44万字。

国外自从20世纪30年代中期出现有关电力负荷分布的负荷预测的记载以来，一直称之为小区负荷预测。直到1983年，H.L.Willis给出了空间负荷预测 的定义，即在未来的供电范围内，根据电压水平不同，将用地按照一定原则划分为相应大小的规则或不规则小区(每个小区又称为一个负荷元胞，简称元胞)，通过对元胞负荷的历史数据的分析，以及对元胞内土地利用的特征和发展规律的分析，来预测每个元胞中电力用户负荷的数量、用量和产生的时间。从此空间负荷预测一词被广为接受和使用。

国内关于空间负荷预测的研究起步相对较晚，最早明确使用空间负荷预测术语的文献出现在1989年，但最近20年对空间负荷预测理论进行了越来越深入的研究，并充分发挥地理信息系统(geographic information system GIS) 平台的作用，取得了更多、更快的进展。

现有的空间负荷预测方法有几十种之多，若按照预测原理来分类，可分为用地仿真类空间负荷预测方法、负荷密度指标法、多元变量法及趋势类空间负荷预测方法;若根据预测过程是否可以写出解析表达式，可分为解析类预测方法和非解析类预测方法;若从确定元胞负荷与总量负荷的先后顺序来说，可分为自上而下的预测方法和自下而上的预测方法。具体分类情况如下：

（1）用地仿真类预测法：基于模糊逻辑技术的用地仿真法、基于粗糙集理论的用地仿真法、基于元胞自动机的用地仿真法、基于蚁群算法的用地仿真法基于负荷细分与SVM技术的用地仿真法、基于系统动力学与运输模型的用地仿真法、非均匀区域法、考虑不确定性因素的用地仿真法。

（2）负荷密度指标法：

传统方法：直观预测法(涂色法)、分类负荷平均密度指标法

智能算法：基于双层贝叶斯模型的负荷密度指标法、基于模糊理论的负荷密度指标法、基于AHP和TOPSIS的负荷密度指标法、基于ANFIS的负荷密度指标法、基于LS-S VM的负荷密度指标法。

发展曲线：基于VAI的负荷密度指标法、基于饱和密度与相对系数的负荷密度指标法、计及元胞属性及发展时序的负荷密度指标法。

（3）多元变量预测法：基于经济计量模型的方法

（4）趋势类预测法：

措施：元胞负荷转移招合法、负荷规律性分析、空区推论(或模板法)、 元胞负荷聚类分析。

外推算法：回归分析法、指数平滑法、增长速度法、生长曲线法、灰色理论法、马尔可夫法、灰色马尔可夫法。