论文部分内容阅读
摘要：电力系统短期负荷预测对于电力系统的运行、计划以及控制过程有着很大的影响，调度中心通过它预测来制定发电计划，发电厂依据它来进行报价，电网以及各发电厂的经济效益受到它的直接影响。而它本身也受到诸多因素的影响，如天气因素、季节因素等自然因素，又或者受到如重大节日或经济政治时间等社会因素的影响，本文则结合这些影响预测精度的因素，提出提高其预测精度的预测方法。研究表明，与以往原始的预测方法相比，预测精度得到了显著的提高。
关键词：电力；负荷；发电；精度
当前各个行业的发展与进步都离不开电力的辅助与推动，没有电力机械设备就无法正常运转，没有电力照明与供热等将受到很大程度的影响。在近些年的发展当中，电力技术得到了一定的提升，但对于如何更加精确的计划与控制用电一直困扰着电力技术工作者。要摆脱这样的困境就必须开展电力系统短期负荷预测法进行稳定、计划地供电。
一、电力系统负荷预测的概念
电力系统负荷预测法是供电领域近几年发展与应用起来的供电技术之一。它是指通过一定的统计与运算，将已经产生的电力系统的负荷和将要发生的电力系统的负荷精确的预算出来，以提高电力的应用效率并且节约电力能源。电力系统负荷预测法在应用中一定要注意到预测并不等于完全准确地产生，也会受到诸如电力系统故障以及天气气候等因素的干扰，甚至会受到一些社会因素的限制。在已经应用该种方法的电力技术企业中，我们可以看到它的应用收效相当可观，一定程度上减少了不必要的电力资源的损耗与浪费，带来了计划与控制用电的全新时代。电力系统负荷预测对于电力企业经济效益的稳步提升与社会效益的增长都大有益处。
二、应用电力系统短期负荷预测的必要性
电力系统负荷预测中一个很关键的因素就是预测周期。负荷周期以年为单位，并且周期在十年以上的被称为电力系统长期负荷预测；而负荷周期以周、月甚至小时、日等为基本单位的就被称为电力系统短期负荷预测。在新的发电机组进行安裝的过程中，或电网需要进行规划和改建的工程里，需要运用到长期和中期负荷预测；调度中心需要制定发电的计划或发电厂需要一些电力报价数据时，则需要短期负荷预测来预测未来一到七天之内的电力系统负荷值；电网的计算机实时监控会不断得出数据，需要及时对发电容量进行调度和调控，从而使其发挥最好的功效，也节约发电成本，这就需要超短期负荷预测。在现实的电力市场中，短期负荷预测是最基本的基础工作，它的预测精度影响了电力电网的根本经济效益。也是保证电力电网稳定工作的前提。
三、电力系统短期负荷预测的方法
电力系统短期负荷预测的方法经过长时间的演变与发展，应用已经较为成熟，方法分支也较多。主要有传统的时间序列法、指数平滑预测法以及当前比较流行的现代人工神经网络预测法，都是值得推广应用的重要预测手段。
1.时间序列预测法
时间序列法依据时间顺序来得到一组观测值，通过相邻观测值之间的依赖性得到负荷预测值，它需要对以往的数值建立一个数学模型，按照时间的顺序进行规律性统计，从而描述电力系统负荷值的变化规律，然后确定出一个能够描述该变化的数学公式。
平稳时间序列分析和非平稳时间序列分析这两大类是常用的时间序列法。由平稳时间序列分析法建立的序列模型包括自回归模型（AR模型）、滑动平均模型（MA模型）、自回归华东平均模型（ARMA模型），由非平稳时间序列分析法建立的序列模型则包括累计式自回归动平均模型（ARIMA模型）和季节模型（seasonal模型），其中ARIMA模型被作为时间序列模型的标准形式适用于非平稳的时间序列预测中。
2.指数平滑预测法
指数平滑预测法依据电力负荷变化的不确定性来找出预测值的规律性，由于电力负荷随气候变化、意外事故的发生有着一些随机的明显的变化。例如在农民农忙的时候，农业用电便会增大负荷量，而过了农忙或特殊天气情况时，农业的用电量便于趋于稳定。指数平滑预测法就是根据不同的情况变化来进行不同的分析统计。
3.现代人工神经网络预测法
电力系统现代人工神经网络短期负荷预测的方法是随着计算机与网络技术而发展起来的高精度预测法。应用该种方法需要对计算机网络技术有较为深入的掌握，需要电力技术工作者具有全面丰富的专业知识。
3.1人工神经网络的特点
人工神经网络借助计算机与网络设备的辅助力量，能够方便、快捷地处理来自电力系统的各类信息，并将信息进行分类、整理与统计，最终计算出电力系统的短期负荷。首先，该种预测方法具有较高的并行结构和处理能力。它的并行分布处理能力能够更好更快的处理故障问题，适合对工程进行实时处理和动态控制；其次，具有高度的判断性和对发生事故的容错能力；再次，还具有强大的存储能力和归纳数据能力。人工神经网络预测通过记录过去的数据来工作，因此它的前提就拥有了较强的归纳学习能力，它可以处理一些由数据组成的控制过程中出现的复杂的问题。
3.2人工神经网络的工作方式
由于人工神经网络具有学习和归纳能力，它的性能提高则是由修改自身的参数来完成。它的工作方式由执行阶段和学习阶段构成。首先，执行阶段中神经网络处理输入的信息，根据信息来完成相应的处理过程，进而将得到的结果输出。学习阶段则是人工神经网络进行自我升级提高完善的过程，它通过对信息的学习和校对来进一步适应信息的特征。在电力系统短期负荷预测中，不确定性的控制问题一直都是研究的中心主题问题，因此针对不确定性而产生的人工神经网络根据不断完善自我性能来适应数据的不确定性，从而达到最佳的控制效果。因此执行过程和学习过程对人工神经网络来说是不可缺少的两个阶段，通过不断完善提高自身能力来进一步处理好数据，进而提高了人工神经网络的判断和稳定能力。
结语：
本文根据电力系统短期负荷预测提出了传统的时间序列预测法和指数平滑预测法，也介绍了现代人工神经网络预测方法。相信随着科学技术的不断发展，将会研究出更多的电力系统短期负荷预测方法，进而提高预测数值的精度，应用于各个领域中，进而为各领域的电力电网管理工作做出贡献。
参考文献：
[1]郭华安，加玛力汗·库马什，常喜强，姚秀萍.电力系统短期负荷预测精度研究[J].科技资讯.2011（07）：：340
[2]王乐.基于灰色理论和神经网络的电力系统短期负荷预测研究及其比较[D].广西大学 2012（06）：476
[3]万志宏.基于时间序列的电力系统短期负荷预测研究[D].华南理工大学.2012（04）：554
[4]张伟.基于神经网络的电力系统短期负荷预测研究[D].青岛大学.2012（04）：440
[5]王鑫.基于支持向量机的电力系统短期负荷预测研究[D].青岛大学.2012（04）：210
关键词：电力；负荷；发电；精度
当前各个行业的发展与进步都离不开电力的辅助与推动，没有电力机械设备就无法正常运转，没有电力照明与供热等将受到很大程度的影响。在近些年的发展当中，电力技术得到了一定的提升，但对于如何更加精确的计划与控制用电一直困扰着电力技术工作者。要摆脱这样的困境就必须开展电力系统短期负荷预测法进行稳定、计划地供电。
一、电力系统负荷预测的概念
电力系统负荷预测法是供电领域近几年发展与应用起来的供电技术之一。它是指通过一定的统计与运算，将已经产生的电力系统的负荷和将要发生的电力系统的负荷精确的预算出来，以提高电力的应用效率并且节约电力能源。电力系统负荷预测法在应用中一定要注意到预测并不等于完全准确地产生，也会受到诸如电力系统故障以及天气气候等因素的干扰，甚至会受到一些社会因素的限制。在已经应用该种方法的电力技术企业中，我们可以看到它的应用收效相当可观，一定程度上减少了不必要的电力资源的损耗与浪费，带来了计划与控制用电的全新时代。电力系统负荷预测对于电力企业经济效益的稳步提升与社会效益的增长都大有益处。
二、应用电力系统短期负荷预测的必要性
电力系统负荷预测中一个很关键的因素就是预测周期。负荷周期以年为单位，并且周期在十年以上的被称为电力系统长期负荷预测；而负荷周期以周、月甚至小时、日等为基本单位的就被称为电力系统短期负荷预测。在新的发电机组进行安裝的过程中，或电网需要进行规划和改建的工程里，需要运用到长期和中期负荷预测；调度中心需要制定发电的计划或发电厂需要一些电力报价数据时，则需要短期负荷预测来预测未来一到七天之内的电力系统负荷值；电网的计算机实时监控会不断得出数据，需要及时对发电容量进行调度和调控，从而使其发挥最好的功效，也节约发电成本，这就需要超短期负荷预测。在现实的电力市场中，短期负荷预测是最基本的基础工作，它的预测精度影响了电力电网的根本经济效益。也是保证电力电网稳定工作的前提。
三、电力系统短期负荷预测的方法
电力系统短期负荷预测的方法经过长时间的演变与发展，应用已经较为成熟，方法分支也较多。主要有传统的时间序列法、指数平滑预测法以及当前比较流行的现代人工神经网络预测法，都是值得推广应用的重要预测手段。
1.时间序列预测法
时间序列法依据时间顺序来得到一组观测值，通过相邻观测值之间的依赖性得到负荷预测值，它需要对以往的数值建立一个数学模型，按照时间的顺序进行规律性统计，从而描述电力系统负荷值的变化规律，然后确定出一个能够描述该变化的数学公式。
平稳时间序列分析和非平稳时间序列分析这两大类是常用的时间序列法。由平稳时间序列分析法建立的序列模型包括自回归模型（AR模型）、滑动平均模型（MA模型）、自回归华东平均模型（ARMA模型），由非平稳时间序列分析法建立的序列模型则包括累计式自回归动平均模型（ARIMA模型）和季节模型（seasonal模型），其中ARIMA模型被作为时间序列模型的标准形式适用于非平稳的时间序列预测中。
2.指数平滑预测法
指数平滑预测法依据电力负荷变化的不确定性来找出预测值的规律性，由于电力负荷随气候变化、意外事故的发生有着一些随机的明显的变化。例如在农民农忙的时候，农业用电便会增大负荷量，而过了农忙或特殊天气情况时，农业的用电量便于趋于稳定。指数平滑预测法就是根据不同的情况变化来进行不同的分析统计。
3.现代人工神经网络预测法
电力系统现代人工神经网络短期负荷预测的方法是随着计算机与网络技术而发展起来的高精度预测法。应用该种方法需要对计算机网络技术有较为深入的掌握，需要电力技术工作者具有全面丰富的专业知识。
3.1人工神经网络的特点
人工神经网络借助计算机与网络设备的辅助力量，能够方便、快捷地处理来自电力系统的各类信息，并将信息进行分类、整理与统计，最终计算出电力系统的短期负荷。首先，该种预测方法具有较高的并行结构和处理能力。它的并行分布处理能力能够更好更快的处理故障问题，适合对工程进行实时处理和动态控制；其次，具有高度的判断性和对发生事故的容错能力；再次，还具有强大的存储能力和归纳数据能力。人工神经网络预测通过记录过去的数据来工作，因此它的前提就拥有了较强的归纳学习能力，它可以处理一些由数据组成的控制过程中出现的复杂的问题。
3.2人工神经网络的工作方式
由于人工神经网络具有学习和归纳能力，它的性能提高则是由修改自身的参数来完成。它的工作方式由执行阶段和学习阶段构成。首先，执行阶段中神经网络处理输入的信息，根据信息来完成相应的处理过程，进而将得到的结果输出。学习阶段则是人工神经网络进行自我升级提高完善的过程，它通过对信息的学习和校对来进一步适应信息的特征。在电力系统短期负荷预测中，不确定性的控制问题一直都是研究的中心主题问题，因此针对不确定性而产生的人工神经网络根据不断完善自我性能来适应数据的不确定性，从而达到最佳的控制效果。因此执行过程和学习过程对人工神经网络来说是不可缺少的两个阶段，通过不断完善提高自身能力来进一步处理好数据，进而提高了人工神经网络的判断和稳定能力。
结语：
本文根据电力系统短期负荷预测提出了传统的时间序列预测法和指数平滑预测法，也介绍了现代人工神经网络预测方法。相信随着科学技术的不断发展，将会研究出更多的电力系统短期负荷预测方法，进而提高预测数值的精度，应用于各个领域中，进而为各领域的电力电网管理工作做出贡献。
参考文献：
[1]郭华安，加玛力汗·库马什，常喜强，姚秀萍.电力系统短期负荷预测精度研究[J].科技资讯.2011（07）：：340
[2]王乐.基于灰色理论和神经网络的电力系统短期负荷预测研究及其比较[D].广西大学 2012（06）：476
[3]万志宏.基于时间序列的电力系统短期负荷预测研究[D].华南理工大学.2012（04）：554
[4]张伟.基于神经网络的电力系统短期负荷预测研究[D].青岛大学.2012（04）：440
[5]王鑫.基于支持向量机的电力系统短期负荷预测研究[D].青岛大学.2012（04）：210