电力系统负荷预测方法研究与分析

蒋益进，杨嘉靖

(广西桂能科技发展有限公司，广西 南宁 530007)

1 引言

电力负荷预测的目的就是提供负荷的发展状况及水平，为电力生产部门及管理部门制定生产计划和发展规划提供依据。确定各供电区各规划年供用电量、供用电最大负荷和规划地区总的发展水平，确定各规划年用电负荷构成［1－5］。

短期负荷预测的准确与否将直接关系到电力系统的安全运行和经济调度，便于更合理地安排电网设备调度及检修计划，还能提高电力系统运行的稳定性，减少电网的发电成本。中长期负荷预测是配电网规划的前提和基础，其准确性直接关系到规划方案的质量和配电网的安全经济运行，也是实现电力系统管理现代化的重要内容之一［6－9］。

2 基于BP网络的短期负荷预测

神经网络理论是一种比较新的应用研究方法，从上个世纪90年代开始在电力系统负荷预测中应用，其可以模仿人脑的智能化处理，对大量非结构性、非精确性规律有自适应功能，具有信息记忆、自主学习、知识推理和优化计算。

图1 三层BP网络结构

假设BP网络每层有N个处理单元，训练集包含A个样本模式对(xk，yk)，对第 P个训练样本(P=1，2，…，A)，单元j的输入和记为apj，输出记为Opj。

网络输出与期望输出有误差，定义为:

式中:dpj表示对第p个输入模式输出单元j的期望输出。

若权值Wji变化量为ΔpWji，则:

由于:

令:

则:

上式即为δ学习规则，在BP网络学习过程中，输出单元与隐单元的误差的计算不同，分别介绍如下:

(1)当Opj表示输出单元输出时，其误差为:

则:

式中:(dpj－Opj)反映了输出单元j的输出误差量。

(2)当Opj表示隐含单元输出时，其误差为:

由于:

式中:k为与单元j输出相连的上层单元。

则:

综合上述两点，BP算法权值修正公式可表示为:

实际应用中，一般在权修正公式中再加上一个势态项，则:

式中:α为常数，称为势态因子。

电力系统负荷预测是人工神经网络在电力系统应用中最合适的一个领域，也是到目前为止研究的较多的一个课题，其预测结果比其他方法更准确，具有实用的一前景，也取得了接近实用的研究成果，目前人工神经网络主要应用在短期负荷预测。

3 基于灰色预测的中长期负荷预测

中长期电力负荷预测的方法具有多样性，每种预测模型都有自己的适用范围。灰色预测作为一种独具特色的新理论，已被国内外学术界公认为对科学发展产生了巨大的作用。

灰色系统建模的初始数据序列:

累加生成AGO是将同一序列中数据逐次相加生成新的数据，m次累加m－AGO为:

m次累减m－IAGO为:

m－AGO与m－IAGO的关系为:

灰色动态预测模型最常用的是GM(1，1)模型，其主要用于对复杂系统某一主导因素特征值的拟合和预测，以揭示主导因素变化规律和未来发展变化态势。

设X(0)为非负序列:

方程x(0)(k)+az(1)=u为灰色微分方程，为GM(1，1)模型，其中:

其中:a为发展系数;u为灰作用量。

GM(1，1)的白化模型为:

其中:

其中:

式中:k=2，3…，n。

即:

将k=2，3…，n代入式(29)便可得到初始数据的拟合值，当k＞n时，即可得到灰色模型对未来的预测值。

GM(1，1)模型精度的残差检验方法为:

设初始数列与预测值数列分别为:

残差检验是一种直观的逐点进行比较的算术检验方法，它是把预测数据与实际数据相比较，观测其相对误差是否满足要求。

设残差序列为:

其中:

相对误差为:

原点误差为:

平均相对误差为:

模型精度为:

4 总结

提高电力系统负荷预测的技术水平，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，负荷预测工作己成为实现电力系统管理现代化的重要内容之一。

［1］康重庆，夏清，刘梅.电力系统负荷预测［M］.北京:中国电力出版社，2007.

［2］李翔，高山，陈昊.基于变结构协整理论的中长期电力负荷预测模型［J］.电网技术，2007，31(9):48 －52.

［3］伊瑞.电力负荷预测中的数学方法及应用研究［D］.中南大学:2006.

［4］游仕洪，程浩忠，谢宏.应用模糊线性回归模型预测中长期电力负荷［J］.电力自动化设备，2006，26(3):51 －53.

［5］侯占俭，吴际瞬，张琦雨.电力系统短期负荷预测的几种改进手段［J］.电力系统自动化，1996，20(7)，27 －31.

［6］耿光飞，郭喜庆.模糊线性回归法在负荷预测中的应用［J］.电网技术，2002，26(4):19 －21.

［7］周中明，李建平，张鑫，等.ANN在电力系统中期负荷预测中的应用［J］.电力系统自动化学报，2003，15(2):36 －39.

［8］余健明，燕飞，杨文宇，等.中长期电力负荷的变权灰色组合预测模型［J］.电网技术，2005，29(17):26 －29.

［9］吴宏晓.基于软计算方法的电力系统负荷预测［D］.上海交通大学:2007