电力负荷预测技术发展趋势研究

来源:用户上传      作者:

　　摘  要：电力负荷预测技术指的是在电力调度，用电以及电力规划方面的应用技术。目前所面临的问题就是需要提高电力负荷预测技术水平，从而才能够有利于我国电网的良好发展，同时还能够提高电网的经济效益以及社会效益，所以文章针对于电力负荷预测技术进行深入研究，同时对这种技术的发展趋势进行讨论，并且提出相关建议，希望能够帮助我国电力企业提供理论指导。
　　关键词：负荷预测技术;趋势研究;发展
　　中图分类号：TM715         文献标志码：A         文章编号：2095-2945（2020）08-0149-02
　　Abstract： Power load forecasting technology refers to the application technology in power dispatching， power consumption and power planning. At present， the problem we are facing is that we need to improve the technical level of power load forecasting in order to be conducive to the good development of China's power grid， and at the same time， the improvement of power load forecasting technology can also improve the economic and social benefits of the power grid. Therefore， this paper makes an in-depth study of power load forecasting technology， discusses the development trend of this technology， and puts forward relevant suggestions， so as to help China's power enterprises to provide theoretical guidance.
　　Keywords： load forecasting technology; trend research; development
　　引言
　　在目前的供电企业当中电力负荷预测技术是其中非常重要的工作，同时也是经常重复的工作。做这项工作的目的是为了能对于未来新的发电机组以及更新扩展提供依据，同时它还能够决定发电机组的容量和时间地点的选择，对供电企业的发展和扩建有着很重要的意义，所以电力企业现代化管理最重要的标志就是在于电力负荷预测技术。电力负荷预测技术最核心的问题就是在于如何选择电力负荷预测方法，因为随着目前社会的进步以及科技的发展，电力负荷预测理论知识以及实践方法不断改良进步，电力负荷预测最终的发展趋势肯定是趋于智能化、精细化预测技术，为电力行业发展提供重要的技术保障。
　　1 电力负荷预测技术方法分类
　　1.1 按时间顺序分类
　　负荷预测技术发展到目前已经有一段历史了，所以从时间上可以分成两种类别，分别是经典方法和近现代方法。
　　1.2 从效果上分类
　　从电力负荷预测技术的使用效果上通常可以分成通用预测法以及专用预测法。通用预测法是能够对于所有负荷进行预测，弊端就是准确度不行，其中通用预测方法包括了很多种分析方法，有回归分析法、灰色系统方法、卡尔曼滤波算法，指数平滑法、混沌方法以及神经网络方法等等，顾名思义通用预测方法适用于很多场景预测。专用预测方法包括了月度序列量特殊预测法和日负荷曲线预测法、年度序列预测法，其中年度序列预测方法指的是传统的预测方法，例如在对于整个社会的用电需求统计的时候进行预测，因为这是和人们生活息息相关的，所以就可以采用弹性系数来进行预测，然而对于企业用电就可以采用产值单耗法来进行预估。月度序列量特殊预测法顾名思义就是通过对于每个自然月搭建的预测方法。
　　1.3 从电力系统性质上分类
　　电力系统负荷预测也可以分成系统负荷预测以及母线负荷预测两种类型。系统负荷预测指的是通过周期时间来进行预测，周期可以分为超短期、短期、中期以及长期等等;母线负荷预测方法是需要系统负荷预测进行辅助，当系统负荷预测得到了某一时间段之内的負荷数值之后，然后将这些数值进行分配，平均分配到每一条母线上，其模型有以下几种：
　　（1）树状常数负荷模型。树状常数负荷模型其形状就是和树相同，负荷会按照从上到下的顺序依次分配给下一级。
　　（2）考虑负荷区域不一致性的模型。因为负荷区域之间都会有着很强的不确定性，所以每层的负荷依次往下都是会随着时间变化而变化的，不过在第二层区域和第三层母线负荷当中不会随着时间而改变，采用的是常数型系数。
　　（3）混合负荷模型。混合负荷模型指的是在每层区域之间采取不同的分配系数。具体是在最高层系统负荷到第二层系统负荷之间采取随着时间变化而改变的分配系数，第二层到第三层符合之间可以采用二种分配系数，分别是常数型系数以及随时间改变分配系数，第三层到第四层母线之间就必须要采取常数型分配系数。
　　2 负荷预测技术的发展趋势
　　电力系统是一整套完成的控制系统，其包括了很多功能。并且将很多功能进行了优化提高，这其中就包括了数字化、信息化、智能化、交直流并存。电力行业科技和其余行业科技进行了融合，必将会促进电力行业的发展，特别是对于电力负荷预测技术方面会越来越强大。同时随着信息融合之后，当解决一个问题的时候，可以采用很多种方法去解决，极大方便了工作人员，同时也提高了工作效率。 　　2.1 近现代方法取代经典、经验方法，综合考虑影响负荷因素
　　负荷预测技术最早提出时间是在二十世纪，当时引起了很大的轰动，其中就包括了回归法、时间序列法以及指数平滑法，这些技术都是基于电力负荷形状以及函数，从而对于负荷进行科学研究，主要都是讲负荷当中的很多不确定因素归纳为随机性，从而才能够使用概率学来进行研究处理，其中的缺点有：这些模型的定阶、求解以及模型识别问题非常困难，同时模型的适应能力不强，导致经常会出现各种各样的问题，另外由于这种方法就会导致模型和数据不能分离，自然而然对于模型的需求量就会非常大，从而就会导致数据的运算慢以及精度比较低等等情况。另外灰色预测法、专家系统法以及小波分析法和神经网络法，这些方法不仅仅需要考虑到负荷形状这些因素之外，同时还会涉及到很多外部的因素，例如对于当时的环境，天气，等等都会产生一定的影响，这些外部因素都会影响数据精度。
　　2.2 基于专家系统的负荷预测技术
　　专家系统技术在科技发展的今天主要是用于人工智能领域当中，并且发挥着非常重要的作用。专家系统主要有四个部分组成，分别是知识库、知识获取、解释界面以及推理机，并且依托于这些知识搭建起来的计算机软件系统程序，就可以拥有在某些领域的经验以及庞大的理论知识，然后就可以通过推理机对于知识进行一系列的分析推理，从而得出最后的结论依据，进而进行决策工作。
　　另外专家系统长期受到负荷预测系统知识熏陶的前提之下，还可以通过编辑语句结构来组成知识库，通过自定义语句就可以为发电站建立起各种各样的知识库体系，例如综合指标知识库、惯性知识库以及弹性系数知识库等等，这些知识库的建立可以提供综合技术能力。
　　在实际的使用过程当中，专家系统技术一般都是和数据库技术进行结合使用，就是将数据计算和知识描述进行结合，这样不仅仅提高了综合效率，同时对于系统来说也提高了综合性能，例如在选取数据库的时候，首先需要对于在VB环境当中需要处理预测模型的数据计算工作，其次就是需要进行数据交换工作，并且把VB数据计算的结果和数据库进行交互，最后专家系统就可以将这些数据和用户进行交流，从而就能够对于预测模型进行评估输出的最优结果。
　　2.3 基于神经网络的负荷预测技术
　　神经网络技术应用在目前的电力负荷预测技术当中，是仿照了人类大脑的模式，人脑拥有智能化处理多种信息的特点，并且还拥有者很强的自主学习能力和适应能力，所以在电力负荷预测技术中使用这种技术具有着很大的潜力，也是未来电力负荷预测技术的趋势所在。在实际的应用情况当中，一个多层神经网络一般都是分成三层，分别是输入层、输出层以及中间层，这里列举以BP神经网络作为例子来进行阐述，这种神经网络是采取了训练样本的方式，从而能够实现输入到输出的映射工作，在此过程当中可以学习调节算法，将各个神经元进行调节，从而能使得误差最小化。
　　在实际的负荷预测过程当中，短期内的负荷变化数值是可以忽略的，可以认为这是一个平稳的发展过程，同时这个数值也是随机产生的，神经网络和这种随机截然不同，神经网络能够精准地测算出短期的负荷变化，所以也就更加适合在这个场景当中，并且有着很大的优势以及发展前景。
　　2.4 基于小波分析的负荷预测技术
　　小波分析通常指的是数学显微镜，这种分析方法是一种在频域的分析方法，目前这种技术被广泛使用在图像处理、故障诊断、状态监控以及雷达探测等等行业领域当中，小波分析可以聚焦信号的每一个细节当中，其特别是对于奇异信号有着很强的处理能力，小波分析的工作原理是将探测到的信息转变成小波系数，从而就能够更加方便地进行处理、分析、传递以及存储工作，也就可以作为电力负荷预测技术的一种途径。
　　2.5 模型群优选组合的负荷预测技术
　　优选组合通常情况当中是包括了二种含义，第一种就是把所有关于电力负荷预测技术的方法以及结果进行综合加权平均进行预测;第二种方法就是采取集中不同的预测方法进行选择，然后从中选择最优的模型来进行测试。所以就可以得知优选组合方法有着很多方式，在实际使用过程当中，综合表现比较好的还是属于模型群方法，这种方法有着很好的适应能力，同时还不会漏掉最优的预测模型，也就从一定程度上提高了预测的准确性以及预测效果，这种方法具体操作流程是，首先需要选择n个预测模型以及相互对应的n个预测结果，然后进行标准偏差的判断以及误差指标等等来对于n个模型的好坏进行评估，最后就会得出一個最好的模型，再利用这个模型进行电力负荷预测，这种方法有着很多好处，同时还能够实现改善预测效果的目的。
　　3 结束语
　　综上所述，目前随着我国社会的不断发展以及科技水平的不断进步，我国电力行业也得到了非常大的突破，同时电力系统智能化水平也不断提高，对于电力负荷预测技术领域的研究也不断深入，出现了很多新型有效的预测方法，这些电力负荷预测技术为我国的电力发展提供了非常有利的技术帮助，同时文中所提到的电荷预测技术会得到广泛应用和发展。
　　参考文献：
　　[1]贺远，翟丹丹，苏贵敏.基于PCA与改进BP神经网络相结合的电网中长期负荷预测[J].电力大数据，2019（5）：74-80.
　　[2]李志恒，孙冉，张建立，等.基于改进BP神经网络的中长期电力负荷预测算法设计[J].自动化与仪器仪表，2017（10）：23-25+28.
　　[3]张超，陈杰睿，冯平.基于混沌理论的电力系统负荷预测应用[J].计算机与数字工程，2018，46（11）：2165-2169+2174.
　　[4]朱晓露.基于BP神经网络的电力负荷中长期预测[D].华北电力大学（北京），2017.
转载注明来源:https://www.xzbu.com/1/view-15126283.htm