电力负荷预测

1、前言

1.1本文研究背景：

电力系统负荷预测是电力系统中调度、用电、计划和规划等部门的基础工作，其重要性早已被人们所认识。近年来，随着我国市场经济的不断完善，电力工业逐渐过度到市场化进程，对负荷预测的准确性、实时性和可靠性提出了更高的要求。

电力不能大量储存，产、供、销是同时进行的，瞬间完成的。除保持电力供需平衡外，还必须留有足够的备用容量。负荷预测过大：多余的备用，造成不必要的浪费；负荷预测过小：停电损失，备用不足对电网安全造成危胁。电价由市场供需情况决定；对市场需求的准确预测直接影响参与者的利益。

中长期电力负荷预测是电力系统科学决策的前提和依凭，唯有准确的预测，才能保障电力投资的安全，尤其对发电企业而言，中长期电力负荷预测的准确与否，直接关乎企业的生存发展。

1.2研究目的和意义：

准确的电力负荷预测，是电力企业电网管理现代化、科学化的依据，电力系统负荷预测对电力系统控制、运行起着十分重要的作用，也是电网规划的前提和基础。准确地预测，既可保证电力系统运行的安全性，又可提高电力系统运行的经济性。

唐山GDP的发展是迅猛的，唐山电力负荷的发展应和GDP的发展与时俱进，不要再出现分区分时进行限电、停电的现象，电力系统的电力供应只为经济以展加速，不为经济建设减速。

2、研究内容及方案

中长期预测的几种方法动平均法、指数平滑法、灰色预测模型、生长曲线法中，灰色预测模型是较为简单和准确的方法，

所谓灰色系统是介于白色系统和黑箱系统之间的过渡系统，其具体的含义是：如果某一系统的全部信息已知为白色系统，全部信息未知为黑箱系统，部分信息已知，部分信息未知，那么这一系统就是灰色系统。

本文依据我国邓聚龙教授提出的灰色系统理论的应用，解决信息不完备系统的数学方法。GM（1，1）模型是最常用的一种灰色模型，它是由一只包含单变量的一阶微分方程构成的模型， 是为电力负荷预测的一种有效的模型。GM（1，1）模是一种指数增长模型，当电力负荷呈严格指数增时，从理论上已经证明，此方法具有预测精度高、所需样本数据少、计算简便和可检验等优点。

3、灰色理论数据分析

3.1原始数据调查

经过实践调查，唐山市自2001年至2013年电力负荷年用电量如下表所示，从其中取2001年到2011年的实际用电量，展开分析计算

（表3.1），实际用电量，单位（亿KW）

3.2 计算原始数列X（0）的累加生成值

由表的历史数据知，

X（0）=[ X（0）（1）， X（0）（2），X（0）（3）， X（0）（4）， X（0）（5）， X（0）（6）， X（0）（7），X（0）（8）， X（0）（9）， X（0）（10）， X（0）（11）] （2-1）

=（158.27，180.42，233.64，297.93，357.06，432.75，520.02，538.51，590.34，639.56，692.6）

由X（0）的1-AGO为

X（1）（1）= X（0）（1）=158.27

X（1）（2）=X（1）（1）+X（0）（2）=338.69

X（1）（3）= X（1）（2）+ X（0）（3）=338.69+233.64=572.33

X（1）（4）= X（1）（3）+ X（0）（4）=572.33+297.93=870.26

X（1）（5）= X（1）（4）+ X（0）（5）=870.26+357.06=1227.32

X（1）（6）= X（1）（5）+ X（0）（6）=1227.32+432.75=1660.07

X（1）（7）= X（1）（6）+ X（0）（7）=1660.07+520.02=2180.09

X（1）（8）= X（1）（7）+ X（0）（8）=2180.09+538.51=2718.60

X（1）（9）= X（1）（8）+ X（0）（9）=2718.60+590.34=3308.94

X（1）（10）= X（1）（9）+ X（0）（10）=3308.94+639.56=3948.50

X（1）（11）= X（1）（10）+ X（0）（11）=3948.50+692.6=4641.10

表3.2， X（1）（K）值

由于序列X（1）（K）具有指数增长规律，而一阶微分方程的解恰是指数增长方式的解，因此我们可以认为X（1）序列满足下述一阶线型微分方程模型：

+a X（1）=u （2-2）

3.3 计算数据矩阵B和数据向量Y

采用GM（1，1）模型所对应的数据矩阵为：

Yn=BA （2-3）

3.4 计算GM（1，1）微分方程的参数，求参数a和u

（2-4）

即

（2-5）

写成离散形式，令，得下式：

（2-6）

=（158.27+1722.99）-1722.99

=1881.258e-ak-1722.99

=1881.258-1722.99=

3.5 求原始数列的预测模型

（表3-5）对做累减还原，得到数据：

（2-7）

=0.130850495*1881.258331*

=246.1636

=246.1636*

4 结论与建议

（表4）预测电力负荷与实际用电量误差

本文采取2001年到2011年的年实际年用电量数据投入运算，由（图4）可以看到，2011年以前的模型计算值曲线与2001年前到2011年期间11年的实际负荷曲线基本上是吻合的，只是到了2012年之后，模型曲线与实际曲线有所分离，但误差小于0.1%，也有较高的精度。

结论：通过表4可以看到，唐山的年电力负荷一年1000亿KW虽然不会在2014年到来，但是也会很快到来。

建议：因为唐山经济繁荣以及发展迅速，虽然低碳政策带来了一些影响，但是年电力负荷超1000亿KW的用电量很快会到来。所以唐山电力系统不管在发电过程，还是输电过程要为年用电量超1000亿KW做好准备；所以唐山电力系统不管在硬件建设上，还是软件开发上，都要为年用电量超1000亿KW做好准备。

参考文献

[1] 吴曾；张庆丰；基于稳健回归的电力负荷预测[J]；电力科学与工程；2009年04期

[2] 毕洪波；张玉波；混沌RBF神经网络在电力负荷预测中的应用[J]；科学技术与工程；2009年24期

[3] 谷丰；电力负荷预测技术研究[J]；资治文摘（管理版）；2010年05期

[4] 徐玉华；；中长期电力负荷预测方法分析[J]；宁夏电力；2007年04期

[5] 阮仁俊；刘天琪；王雪；；基于GMC（1，N）的多因素负荷预测模型及其应用[J]；四川电力技术；2008年06期