论文部分内容阅读
[摘 要]电力系统负荷预测已成为实现电力系统管理现代化的重要研究内容之一，对负荷特性的分析和预测，是指导下一阶段运行方式工作的重要依据；同时，将地区电网负荷情况进行完整分析，还对市场营销、发展策划、生产基建产生积极的指导作用。本文介绍了电力系统负荷预测基本特点和常使用的预测方法，以亦庄电网负荷数据为例，分析了影响亦庄电网负荷预测的主要因素，得出负荷预测结果与历史负荷水平、当前运行状况、气象因素、经济形势等密切相关。
[关键词]电力系统；负荷预测；负荷特征；影响因素
中图分类号：U284.2 文献标识码：A 文章编号：1009-914X（2016）03-0114-02
電力系统的基本作用是尽可能经济地为各类用户提供可靠且合乎标准要求的电能，适应实际负荷需求和变化。由于电能的生产、输送、分配和消费是同时完成的，难以大量储存，这就要求发电系统要随时紧跟系统负荷变化以达到动态平衡，否则就会影响供用电质量，甚至危及电力系统的安全与稳定。因此，科学的电力负荷预测就成为电力系统中一项重要工作，特别是电力系统负荷预测，较为精确的负荷预测可以合理安排电网运行方式和电力系统中检修计划。电力系统负荷预测是以准确的统计数据和调查资料为依据，从用电量的历史和现状出发，在充分考虑一些重要的系统运行特性、自然条件与社会影响的条件下，研究或利用一套系统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[1] 。预测的结果除了由负荷本身的历史规律决定外，还受众多非负荷因素的影响。本文以亦庄电网负荷为例，根据其基本特征，分析影响负荷预测的主要因素。
1 电力系统负荷预测的基本特点
电力系统负荷的大小和多种因素相关，这些因素中既有不确定因素（如天气、温度等），也有确定性因素。由于负荷预测是根据电力负荷的过去与现在来推测它的未来数值，所以，这一工作所研究的对象是不确定性事件，它具有以下特点：
1.1 预测结果的非准确性
电力负荷的大小受各种复杂因素的影响，这些影响因素是发展变化的，如社会经济发展、气候变化、新技术发展、政治政策等。人们对有些因素能预先估计，有些因素则不能或很难被准确预测。
1.2 预测的条件性
各种电力负荷预测都是在一定条件下做出的。这些条件有必然条件和假设条件，按必然条件做出的负荷预测往往是可靠的，按假设条件做出的预测准确性显然具有条件性。比如说，预测模型训练时有些参数初始值的设定不同，预测结果会不同，很显然，由此做出的负荷预测就具有了特定的条件性。
1.3 预测结果的多方案性
由于负荷预测精度问题要求、预测条件的制约不同，再加上预测手段及理论数学模型的多样性，使得预测的结果并非是唯一的。
2 电力系统常用的负荷预测方法
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。主要方法有[3]：
2.1 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f为白变量，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，就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：一是假设负荷没有跳跃式变化，二是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。这些预测技术的共同特点是作趋势外推，不对其中的随机成分做统计处理。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。目前开发区使用较少。
2.2 一元线性回归算法
主要考虑居民生活、普通工业负荷占比重较高的地区。数学模型为：y=a+bx+ε。式中 x--时间变量；y--依赖于x的随机变量（一般以售电量为依据）；ε--随机干扰，服从正态分布。
目前在开发区，线性回归法使用较多，准确率较高。其主要缺点是目前历史数据较少，无法获得正态分布的随机干扰加权值，只能依靠方式人员的经验积累进行分析。
2.3 非线性回归法
考虑到农业等电量变化规律难以掌握。非线性回归对历史数据进行拟合，进行数据分析。主要用于农业用电量较高的地区。目前开发区使用较少。
2.4 灰色系统法[4]
考虑了负荷、电量变化中不确定因素太多，比如某大工业单位停产、政策向导等非可控因素。灰色系统理论主要是对原始数据按某种要求作数据处理，从而生成随机性弱化、规律性强化的新数据，然后利用生成的新数据建立微分方程模型，求矩阵微分解。目前开发区负荷预测使用较少。大用户情况主要由直接询问获得。
目前，亦庄地区主要采取自动化采集数据，自动化软件支持预测的手段进行负荷预测。在各种算法的基础上，负荷预测人员可以在程序给出的权重基础上，结合自己的经验和其他信息，重新给定不同的权重，进行人工干预，从而得到更为精确的预测值。
3 亦庄电网负荷中的基本特征及影响因素分析
3.1 亦庄电网负荷中的基本特征
电力系统负荷的特点是负荷变化是连续的过程，不但按小时变、按日变，而且按周变，具有较大的周期性[2] 。以亦庄电网负荷数据为例，分析电力系统负荷的基本特征，负荷具有如下4种基本组成成分[5] 。 3.1.1 典型负荷分量
典型负荷分量也称为正常负荷，它与气象无关，具有线性变化和周期性变化的特点。典型负荷主要由负荷的种类及各类负荷所占比重决定。实例分析如表1：亦庄的工业用电负荷即具有典型负荷分量的特征，其中，大工业占地区负荷比重较大，用电稳定，24小时不间断生产，是地区用电负荷的主要支柱；普通工业负荷占地区负荷比重同样很高，用电情况以8小时工作时间为主。占地区负荷30%左右。
3.1.2 天气敏感负荷分量
天气敏感负荷分量与一系列天气因素有关，如温度、湿度、风力、降雨量。不同天气因素影响负荷分量值不同，这种负荷分量受季节影响明显。表2中7、8月和12月负荷水平较高，是由于夏天空调设备、冬天取暖设备用电造成。目前，亦庄地区空调负荷约占全年最大负荷的35%，采暖负荷占25%左右；同时，夏季负荷受空气湿度影响较大。通过对历年负荷情况的分析发现，夏季气温上升1度，将引起最大负荷上升2%-3%，湿度提高10%，负荷增长3%左右。冬季气温下降5度，负荷增长约5%。
3.1.3 异常或特殊事件负荷分量
异常或特殊事件（如电力系统改造、重大政治活动、拉闸限电等）。这段时期的负荷分量明显偏离典型负荷特性，并且具有随机性。如：从表3可以看出，2000年以来，亦庄地区年度最大负荷持续增长，但是各年增长幅度极不平均，2011年亦庄地区最大负荷增长率为22.3%，高于2006年以来平均水平，这主要是由于，亦庄作为经济开发区，年入驻企业、报装容量较多，因此每年负荷增长均保持较高水平，同时，亦庄工业电网特性鲜明，因此负荷增长与社会活动、经济形势密切相关，特别是受2008年奥运会及2009年金融危机的影响，地区负荷增速开始放缓，直至2011年，大用户京东方八代线的入驻，才使地区负荷增长达到20%以上；由于2011年7月份开发区扩区12平方公里，表1中增加一产用电比例。
3.1.4 随机负荷分量
随机负荷分量是负荷中随机的，偶尔出现的不可估计的随机负荷分量。
3.2 亦庄电网负荷影响因素分析
经过以上分析，影响电力系统负荷预测精度的主要因素包括以下几种：
3.2.1 时间因素
对负荷有重要影响的时间因素主要有三点：季节因素的影响、日或周的周期性以及节假日的影响。全年的负荷类型可根据季节不同分为春、夏、秋、冬四种类型，又可根据开工情况分为工作日和周末、节日。以亦庄电网负荷为例进行分析：分别以2011年春（4月20日）、夏（8月9日）、秋（10月12日）、冬（12月15日）及节（10月1日）、假（10月22日）日的某一日负荷数据为基础，对这些数据进行分析和整理后，得到图1表示亦庄电网负荷中的日周期性特性。以连续四周的历史负荷数据为基础，得到图2亦庄电网负荷中的连续四周的负荷特性曲线图。
根据表2和图1、图2，可以发现：
（1）亦庄电网负荷受时间因素的影响是很明显的，时间因素决定不同季节、不同时间段负荷值大小。图1可以看出：亦庄电网负荷通常随着区内工厂企业运行节奏的变化而变化，白天各种生产工作及社会活动用电需求量较大，地区负荷维持在较高水平，夜晚部分工厂企业停产、城市居民进入休息状态，负荷稳定在区内正常运转所需的基本负荷水平，地区负荷迅速跌落。对于非节假日，亦庄电网负荷高峰时段为8时至18时，受到居民用电、商业用电影响，20时负荷逐步上升，至23时开始向低谷滑落，至次日凌晨4时左右达到最低。
（2）亦庄电网负荷的周期性变化规律明显，每周之间负荷曲线形状相似。工作日（星期一至星期五）负荷变化规律相同，电力负荷曲线形状相似；休息日（星期六、星期天）负荷变化也具有相似性，负荷较平常低，这是由于在休息日里，工业负荷所占比重下降，居民与商业负荷所占比重上升。
（3）在节假日期间，亦庄电网负荷会急剧下降，白天负荷相对平稳，仅有少数以工业负荷为代表的24小时存在的基础负荷，约为平时负荷的60%，高峰负荷出现在居民、商业用电较多的晚间。与正常上班时段相比，负荷表现出不同于工作日和正常休息日的特点。
亦庄电网负荷受时间因素的影响是很明显的。因此，在预测时，为了提高预测精度，预测模型的输入应考虑使用与预测时刻相关的历史负荷数据和日期类型来建立网络模型。
3.2.2 天气因素
气象因素的影响使同类型日负荷存在差异，其对负荷的作用主要体现在对负荷的影响上，天气因素对系统负荷大小的影响主要表现为负荷大小的突然变化。天气因素有很多，如湿度、风速、阴晴、雨、雪、雾、霜等，不同地区受不同气象因素影响，且影响的程度也不一样。
亦庄地处北京东南郊，属温带大陆季风性气候，因此，亦庄电网负荷主要受温度和降雨量的影响。如图1，可以看出，春、秋季负荷较为平稳，夏季负荷较大，受天气影响较大，冬季负荷较夏季低，但是负荷相对平稳，受天气影响小。图中所示8月9日当天，负荷创历史新高，但是17时左右的降雨使负荷迅速下降；冬季下午负荷水平相对较低。在预测时应充分考虑各种天气因素的影响，以提高预测精度。
3.2.3 隨机因素
电力系统负荷变化具有随机性。从图1负荷变化情况表明：电力系统同一天不同时刻存在最大负荷与最小负荷之间的峰谷差，引起这种差距的原因也有可能是拉闸限电、用电设备检修等一切随机和偶然因素所致。又因为电力系统由很多独立的用户组成，不同用户选择用电的时间和方式千差万别，他们的负荷行为是随机的，其结果表现为系统总负荷具有一定的随机性，比如用户的照明用电、工厂机器的启停一般提前是无法预知的，因此无法对这些随机负荷进行预测。另外，一些特殊事件，如大用户的投产及内部故障、骤风袭击等都对负荷有较大影响。
4 小结
本文以亦庄电力负荷数据为例，对亦庄电网负荷的特征和影响因素进行了分析，亦庄电网负荷受时间、气象、外界政治、经济等因素的影响。因此，进行负荷预测建立预测模型后，还应充分考虑气象条件，日期类型等影响因素，使预测更接近于实际，得到一种较理想的预测结果。
参考文献
[1] 谢洁树.电力负荷预测的方法研究.灯与照明，2008，3（32）：52-55.
[2] 周显玉.短期电力负荷预测的基本模型.科技创新导报，2008（9）：51-52.
[3] 鞠平，姜巍等.96点短期负荷预测方法及应用.电力系统自动化，2001，25（22）：1-5
[4] 张俊芳，吴伊昂等.基于灰色理论的负荷预测研究[A].电力自动化设备，2004，24（5）：24-27
[5] 卢芸.短期电力负荷预测关键问题与方法的研究.沈阳工业大学博士论文，2007.
[关键词]电力系统；负荷预测；负荷特征；影响因素
中图分类号：U284.2 文献标识码：A 文章编号：1009-914X（2016）03-0114-02
電力系统的基本作用是尽可能经济地为各类用户提供可靠且合乎标准要求的电能，适应实际负荷需求和变化。由于电能的生产、输送、分配和消费是同时完成的，难以大量储存，这就要求发电系统要随时紧跟系统负荷变化以达到动态平衡，否则就会影响供用电质量，甚至危及电力系统的安全与稳定。因此，科学的电力负荷预测就成为电力系统中一项重要工作，特别是电力系统负荷预测，较为精确的负荷预测可以合理安排电网运行方式和电力系统中检修计划。电力系统负荷预测是以准确的统计数据和调查资料为依据，从用电量的历史和现状出发，在充分考虑一些重要的系统运行特性、自然条件与社会影响的条件下，研究或利用一套系统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[1] 。预测的结果除了由负荷本身的历史规律决定外，还受众多非负荷因素的影响。本文以亦庄电网负荷为例，根据其基本特征，分析影响负荷预测的主要因素。
1 电力系统负荷预测的基本特点
电力系统负荷的大小和多种因素相关，这些因素中既有不确定因素（如天气、温度等），也有确定性因素。由于负荷预测是根据电力负荷的过去与现在来推测它的未来数值，所以，这一工作所研究的对象是不确定性事件，它具有以下特点：
1.1 预测结果的非准确性
电力负荷的大小受各种复杂因素的影响，这些影响因素是发展变化的，如社会经济发展、气候变化、新技术发展、政治政策等。人们对有些因素能预先估计，有些因素则不能或很难被准确预测。
1.2 预测的条件性
各种电力负荷预测都是在一定条件下做出的。这些条件有必然条件和假设条件，按必然条件做出的负荷预测往往是可靠的，按假设条件做出的预测准确性显然具有条件性。比如说，预测模型训练时有些参数初始值的设定不同，预测结果会不同，很显然，由此做出的负荷预测就具有了特定的条件性。
1.3 预测结果的多方案性
由于负荷预测精度问题要求、预测条件的制约不同，再加上预测手段及理论数学模型的多样性，使得预测的结果并非是唯一的。
2 电力系统常用的负荷预测方法
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。主要方法有[3]：
2.1 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f为白变量，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，就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：一是假设负荷没有跳跃式变化，二是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。这些预测技术的共同特点是作趋势外推，不对其中的随机成分做统计处理。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。目前开发区使用较少。
2.2 一元线性回归算法
主要考虑居民生活、普通工业负荷占比重较高的地区。数学模型为：y=a+bx+ε。式中 x--时间变量；y--依赖于x的随机变量（一般以售电量为依据）；ε--随机干扰，服从正态分布。
目前在开发区，线性回归法使用较多，准确率较高。其主要缺点是目前历史数据较少，无法获得正态分布的随机干扰加权值，只能依靠方式人员的经验积累进行分析。
2.3 非线性回归法
考虑到农业等电量变化规律难以掌握。非线性回归对历史数据进行拟合，进行数据分析。主要用于农业用电量较高的地区。目前开发区使用较少。
2.4 灰色系统法[4]
考虑了负荷、电量变化中不确定因素太多，比如某大工业单位停产、政策向导等非可控因素。灰色系统理论主要是对原始数据按某种要求作数据处理，从而生成随机性弱化、规律性强化的新数据，然后利用生成的新数据建立微分方程模型，求矩阵微分解。目前开发区负荷预测使用较少。大用户情况主要由直接询问获得。
目前，亦庄地区主要采取自动化采集数据，自动化软件支持预测的手段进行负荷预测。在各种算法的基础上，负荷预测人员可以在程序给出的权重基础上，结合自己的经验和其他信息，重新给定不同的权重，进行人工干预，从而得到更为精确的预测值。
3 亦庄电网负荷中的基本特征及影响因素分析
3.1 亦庄电网负荷中的基本特征
电力系统负荷的特点是负荷变化是连续的过程，不但按小时变、按日变，而且按周变，具有较大的周期性[2] 。以亦庄电网负荷数据为例，分析电力系统负荷的基本特征，负荷具有如下4种基本组成成分[5] 。 3.1.1 典型负荷分量
典型负荷分量也称为正常负荷，它与气象无关，具有线性变化和周期性变化的特点。典型负荷主要由负荷的种类及各类负荷所占比重决定。实例分析如表1：亦庄的工业用电负荷即具有典型负荷分量的特征，其中，大工业占地区负荷比重较大，用电稳定，24小时不间断生产，是地区用电负荷的主要支柱；普通工业负荷占地区负荷比重同样很高，用电情况以8小时工作时间为主。占地区负荷30%左右。
3.1.2 天气敏感负荷分量
天气敏感负荷分量与一系列天气因素有关，如温度、湿度、风力、降雨量。不同天气因素影响负荷分量值不同，这种负荷分量受季节影响明显。表2中7、8月和12月负荷水平较高，是由于夏天空调设备、冬天取暖设备用电造成。目前，亦庄地区空调负荷约占全年最大负荷的35%，采暖负荷占25%左右；同时，夏季负荷受空气湿度影响较大。通过对历年负荷情况的分析发现，夏季气温上升1度，将引起最大负荷上升2%-3%，湿度提高10%，负荷增长3%左右。冬季气温下降5度，负荷增长约5%。
3.1.3 异常或特殊事件负荷分量
异常或特殊事件（如电力系统改造、重大政治活动、拉闸限电等）。这段时期的负荷分量明显偏离典型负荷特性，并且具有随机性。如：从表3可以看出，2000年以来，亦庄地区年度最大负荷持续增长，但是各年增长幅度极不平均，2011年亦庄地区最大负荷增长率为22.3%，高于2006年以来平均水平，这主要是由于，亦庄作为经济开发区，年入驻企业、报装容量较多，因此每年负荷增长均保持较高水平，同时，亦庄工业电网特性鲜明，因此负荷增长与社会活动、经济形势密切相关，特别是受2008年奥运会及2009年金融危机的影响，地区负荷增速开始放缓，直至2011年，大用户京东方八代线的入驻，才使地区负荷增长达到20%以上；由于2011年7月份开发区扩区12平方公里，表1中增加一产用电比例。
3.1.4 随机负荷分量
随机负荷分量是负荷中随机的，偶尔出现的不可估计的随机负荷分量。
3.2 亦庄电网负荷影响因素分析
经过以上分析，影响电力系统负荷预测精度的主要因素包括以下几种：
3.2.1 时间因素
对负荷有重要影响的时间因素主要有三点：季节因素的影响、日或周的周期性以及节假日的影响。全年的负荷类型可根据季节不同分为春、夏、秋、冬四种类型，又可根据开工情况分为工作日和周末、节日。以亦庄电网负荷为例进行分析：分别以2011年春（4月20日）、夏（8月9日）、秋（10月12日）、冬（12月15日）及节（10月1日）、假（10月22日）日的某一日负荷数据为基础，对这些数据进行分析和整理后，得到图1表示亦庄电网负荷中的日周期性特性。以连续四周的历史负荷数据为基础，得到图2亦庄电网负荷中的连续四周的负荷特性曲线图。
根据表2和图1、图2，可以发现：
（1）亦庄电网负荷受时间因素的影响是很明显的，时间因素决定不同季节、不同时间段负荷值大小。图1可以看出：亦庄电网负荷通常随着区内工厂企业运行节奏的变化而变化，白天各种生产工作及社会活动用电需求量较大，地区负荷维持在较高水平，夜晚部分工厂企业停产、城市居民进入休息状态，负荷稳定在区内正常运转所需的基本负荷水平，地区负荷迅速跌落。对于非节假日，亦庄电网负荷高峰时段为8时至18时，受到居民用电、商业用电影响，20时负荷逐步上升，至23时开始向低谷滑落，至次日凌晨4时左右达到最低。
（2）亦庄电网负荷的周期性变化规律明显，每周之间负荷曲线形状相似。工作日（星期一至星期五）负荷变化规律相同，电力负荷曲线形状相似；休息日（星期六、星期天）负荷变化也具有相似性，负荷较平常低，这是由于在休息日里，工业负荷所占比重下降，居民与商业负荷所占比重上升。
（3）在节假日期间，亦庄电网负荷会急剧下降，白天负荷相对平稳，仅有少数以工业负荷为代表的24小时存在的基础负荷，约为平时负荷的60%，高峰负荷出现在居民、商业用电较多的晚间。与正常上班时段相比，负荷表现出不同于工作日和正常休息日的特点。
亦庄电网负荷受时间因素的影响是很明显的。因此，在预测时，为了提高预测精度，预测模型的输入应考虑使用与预测时刻相关的历史负荷数据和日期类型来建立网络模型。
3.2.2 天气因素
气象因素的影响使同类型日负荷存在差异，其对负荷的作用主要体现在对负荷的影响上，天气因素对系统负荷大小的影响主要表现为负荷大小的突然变化。天气因素有很多，如湿度、风速、阴晴、雨、雪、雾、霜等，不同地区受不同气象因素影响，且影响的程度也不一样。
亦庄地处北京东南郊，属温带大陆季风性气候，因此，亦庄电网负荷主要受温度和降雨量的影响。如图1，可以看出，春、秋季负荷较为平稳，夏季负荷较大，受天气影响较大，冬季负荷较夏季低，但是负荷相对平稳，受天气影响小。图中所示8月9日当天，负荷创历史新高，但是17时左右的降雨使负荷迅速下降；冬季下午负荷水平相对较低。在预测时应充分考虑各种天气因素的影响，以提高预测精度。
3.2.3 隨机因素
电力系统负荷变化具有随机性。从图1负荷变化情况表明：电力系统同一天不同时刻存在最大负荷与最小负荷之间的峰谷差，引起这种差距的原因也有可能是拉闸限电、用电设备检修等一切随机和偶然因素所致。又因为电力系统由很多独立的用户组成，不同用户选择用电的时间和方式千差万别，他们的负荷行为是随机的，其结果表现为系统总负荷具有一定的随机性，比如用户的照明用电、工厂机器的启停一般提前是无法预知的，因此无法对这些随机负荷进行预测。另外，一些特殊事件，如大用户的投产及内部故障、骤风袭击等都对负荷有较大影响。
4 小结
本文以亦庄电力负荷数据为例，对亦庄电网负荷的特征和影响因素进行了分析，亦庄电网负荷受时间、气象、外界政治、经济等因素的影响。因此，进行负荷预测建立预测模型后，还应充分考虑气象条件，日期类型等影响因素，使预测更接近于实际，得到一种较理想的预测结果。
参考文献
[1] 谢洁树.电力负荷预测的方法研究.灯与照明，2008，3（32）：52-55.
[2] 周显玉.短期电力负荷预测的基本模型.科技创新导报，2008（9）：51-52.
[3] 鞠平，姜巍等.96点短期负荷预测方法及应用.电力系统自动化，2001，25（22）：1-5
[4] 张俊芳，吴伊昂等.基于灰色理论的负荷预测研究[A].电力自动化设备，2004，24（5）：24-27
[5] 卢芸.短期电力负荷预测关键问题与方法的研究.沈阳工业大学博士论文，2007.