电力系统负荷预测讲述.ppt

电力负荷预测的基本方法 回归分析法 回归分析法是研究一个变量（被解释变量）关于另一个（些）变量（解释变量）的具体依赖关系的计算方法和理论。根据负荷过去的历史资料,建立可进行数学分析的数学模型,回归模型有一元线性回归、多元线性回归、非线性回归等回归预测模型对未来的负荷进行预测。 其特点是将预测目标的因素作为自变量,将预测目标作为因变量,具有较强的内插能力。 负荷分类 预测内容 基本方法 预测评估 引言 电力负荷预测的基本方法 时间序列法 根据历史统计资料，总结出电力负荷发展水平与时间先后顺序的关系，即把时间序列作为一个随机变量，用数理统计的方法，尽可能减少偶然因素的影响，得出电力负荷随时间序列所反映出来的趋势，并进行外推以预测未来负荷发展的水平。 时间序列预测，计算简单，但没有考虑负荷变化的因素，对规律性的处理不足，只适用于负荷变化比较均匀的短期预测的情况 优点是：所需历史数据少、工作量少。缺点是：没有考虑负荷变化的因素，只致力于数据的拟合，对规律性的处理不足，只适用于负荷变化比较均匀的短期预测的情况。 负荷分类 预测内容 基本方法 预测评估 引言 电力负荷预测的基本内容 负荷分类 预测内容 基本方法 预测评估 引言 电力负荷预测的基本方法 灰色模型法 灰色系统理论是研究解决灰色系统分析、建模、预测、决策和控制的理论,近年来,它已在气象、农业等领域得到广泛应用。从电力系统的实际情况可知,影响电力负荷的诸多因素中,一些因素是确定的,而另一些因素则是不确定的,故可以把它看作是一个灰色系统。灰色系统具有计算简洁、精度高、实用性好的优点,它在电力负荷预测中已有很多成功的应用。该方法适用于短、中、长三个时期的负荷预测。在建模时不需要计算统计特征量,可以使用于任何非线性变化的负荷指标预测。但其不足之处是其微分方程指数解比较适合于具有指数增长趋势的负荷指标。对于具有其它趋势的指标则有时拟和灰度较大,精度难以提高。 灰色预测的优点：要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、短期预测精度高、易于检验。缺点：一是当数据离散程度越大，即数据灰度越大，预测精度越差；二是不太适合于电力系统的长期后推若干年的预测。 负荷分类 预测内容 基本方法 预测评估 引言 电力负荷预测的基本方法 综合用电水平法 按照预测的人口数及每人平均耗电量来预测居民总用电量。 负荷密度法 根据对不同规模城市的调查，参照城市发展规划、人口规划、居民 收入水平增长情况等，每平方千米面积用电量（千瓦·小时数来测算 城乡负荷水平。 综合用电水平法和负荷密度法都是用来预测城乡居民生活用电的方法 负荷分类 预测内容 基本方法 预测评估 引言 电力负荷预测的基本方法 最大负荷小时法 最大负荷=预测需电量/年最大负荷利用小时数 年最大负荷利用小时数：参考历史统计值及经负荷特性分析后确定 同时率法 用所求各供电地区的最大负荷之和乘以同时率K，得到整个系统的综合用电最高负荷，再加上整个系统的线损和厂用电后，就可以求得整个系统的最大发电负荷 负荷分类 预测内容 基本方法 预测评估 引言 电力负荷预测的基本方法 预测方法 优点 缺点 适用范围 产值单耗法 方法简单，对短期负荷预测效果较好。  需做大量细致的调研工作，比较笼统，很难反映现代经济、政治、气候等条件的影响 周期较短的负荷预测（农业用电） 相关分析法 可清楚得到负荷增长趋势和其他可测量因素之间的关系 需较多相关社会经济发展指数，实际预测困难 负荷模式变化较大，预测周期较长 指数平滑法 简单、快速 精度差 预测量大 周期短 时间序列法 考虑了负荷行为及主要相关因素的随机影响 依靠人的经验识别比较困难 短期 负荷 预测 回归分析法 预测过程简单，技术成熟 线性回归预测精度低，非线性过程复杂，开销大 中期 负荷 预测 负荷分类 预测内容 基本方法 预测评估 引言 电力系统负荷预测的评估 4. 电力系统负荷预测的评估 综合评价的必要性 减少负荷预测误差的措施 负荷分类 预测内容 基本方法 预测评估 引言 电力系统负荷预测的评估 综合评价的必要性 预测误差用以衡量一个预测模型的应用效果，务必使其处于可接受的范围内。 一般来说，短期预测误差不应超过±3%，中期预测误差不应超过±5%，长期预测误差不应超过±15% 预测误差形成的原因 ①数学模型大多数只包括一些主要因素，次要因素往往被忽略了，与实际负荷之间存在误差。 ②负荷所受的影响是千变万化的，进行预测的目的和要求也是多种多样的，预测方法若选择不当，也会造成误差。 ③预测需用到大量资料，各项资料