电力系统短期负荷预测.docx

摘要

随着我国区域性电力市场的逐步建立和完善，短期负荷预测工作将在电力市场运营中占据十分重要的地位。国内外的许多专家、学者在预测理论和方法方面做了大量的研究工作，取得了很多卓有成效的进展。电力系统负荷预测是电力生产部门的重要工作之一。准确的负荷预测，可以合理安排机组启停，减少备用容量，合理安排检修计划及降低发电成本等。准确的预测，特别是短期负荷预测对提高电力经营主体的运行效益有直接的作用，对电力系统控制、运行和计划都有重要意义。本文在介绍和分析了几种负荷预测的方法及特点的基础上，对短期负荷预测的方法做了全面综述。

关键字：短期负荷预测；电力负荷；预测方法

第1章绪论

1.1研究的背景

负荷预测的目的就是提供负荷发展状况及水平，同时确定各供电区、各规划年供用电量、供用电最大负荷和规划地区总的负荷发展水平，确定各规划年用电负荷构成。负荷预测包括两方面的含义：对未来需求量(功率)的预测和未来用电量(能量)的预测。电力需求量的预测决定发电、输电、配电系统新增容量的大小；电能预测决定发电设备的类型(如调峰机组、基荷机组等)。短期负荷预测是随着电力系统EMS的逐步发展而发展起来的，现已经成为EMS必不可少的一部分和为确保电力系统安全经济运行所必需的手段之一。

随着电力市场的建立和发展，对短期负荷预测提出了更高的要求，一般而言短期(数小时至数周)负载预测是应用于负载管理、经济调度、发电预定、机组发电排程以及污染控制等之重要参考依据，短期负荷预测不再仅仅是EMS的关键部分，同时也是制定电力市场交易计划的基础。因此精确的短期负载预测，可以提供电力规划人员评估发电成本及供电可靠度的参考指标，即能避免限电危机以及电力能源的浪费。所以，负载预测的准确性，直接影响系统发电成本及运转可靠度与安全性。电力负荷预测是否准确，也会影响到电力系统计划、规划等管理部门的工作。短期负荷预测是电力系统发电计划的重要组成部分，是调度合理安排电网运行方式、机组启停计划、交换功率计划等的基础，因此负荷预测精度的好坏会直接关系到产业部门的经济利益。负荷预测不足可能会导致用电紧张和系统运行安全性下降，因而由费用高的机组来承担负荷或者从邻近的电网买入价格较高的电能。另一方面，如果估计过量可能导致过多的旋转备用因而增加运行费用，对于长期的负荷预测来说有可能造成设置过多的设备，引起资金积压。另外，负荷预测也有利于计划用电的管理；节煤、节油和降低发电成本；制订合理的电源建设规划；提高电力系统的经济效益和社会效益。

1.2电力负荷预测的现状

西方发达国家如美国、英国随着电力市场的日益成熟，电力供应商为了获取最大利润，十分重视电力负荷预测工作。为此，科研工作者一直在研究电力负荷预测的新方法以提高

预测精度。自从1991年美国学者Park等人提出使用神经网络预测电力负荷以来，人们对此表现出广泛的关注。在此基础上，美国的Khotanzad博士领导的科研小组经过几年的艰苦研究，提出了人工神经网络电力负荷短期预测系统(ANNSTLF)。这个系统己经在实用化方面取得了空前的成功。北美洲有35个大发电系统(公司),根据天气预报、工业和居民用电统计资料，利用ANNSTLF系统预测发电站必须提供的发电量，大大提高了电站的经济效益和安全运转系数。但该系统有一个弱点，即不能处理不确定性信息，且需要大量的历史数据进行训练和学习。我国的负荷数据近些年才开始系统收集，采用ANNSTLF系统不太适合我国的国情。Hiroyuki教授等人则在电力负荷短期预测中运用了自适应模糊推理，Srinivasan博士采用了模糊神经计算进行需求预测。这些方法主要是针对工业化发达国家实际情况提出的，而我国的国情复杂，地区之间的差距很大，生搬硬套上述方法，很难取得成功。

当前国内电力短期负荷预测研究备受瞩目，很多学者提出自己的看法。东南大学的单渊达教授采用径向基函数(RBF)为神经网络预测系统前向网络的学习提供了一种新颖而有效的手段。RBF网络具有良好的推理能力，而且在学习方面比误差反向传播(BP)方法快得多。清华大学张伯明教授采用共共轭梯度法训练预测系统的神经网络，在学习算法上有所突破。国内著名人工智能学者蔡自兴教授则结合多层感知神经网络和多分辨率遗传算法来进行电力负荷预。华南理工大学的吴捷教授运用模糊逻辑和时序特性来进行最优模糊逻辑推理汇，该系统的输入量通过对历史数据的自相关分析而建立，再通过最近邻聚类法对历史数据的学习得到若干数据对，进一步由最优模糊逻辑系统建立短期电力负荷的预测模型。国家电力科学研究院的胡兆光老师将AI推理和模糊系统结合起来，建立AI规则库对电力负荷进行预侧，也取得了较好的效果。

第2章影响及原理