电力系统中长期负荷预测方法综述

《电力系统中长期负荷预测方法综述》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、电力系统中长期负荷预测方法综述（国网铜陵供电公司铜陵市）摘要：在电力系统中，中、长期负荷预测是电网规划中的基础性工作，它为电网规划提供了必不可少的基础数据，其精度的高低育•接影响着整个规划工作的优劣，因此准确的中、长期负荷预测的准确性就显得尤为重要。木文就目前电力系统中的经典预测方法、传统预测方法和现代预测方法做个一简单的介绍，对负荷预测方法的改进提供理论基础。关键词：电力系统中长期负荷预测1概述负荷预测中经常按时间期限进行分类，通常分为长期、中期、短期和超短期负荷预测。长期负荷预测一般指10年以上并以年为单位的预测，中期负荷预测

2、指5年左右并以年为单位的预测。它们的意义在于帮助决定新的发电机组的安装（包括装机容量大小、型式、地点和时间）与电网的规划、增容和改建，是电力规划部门的重要工作之一。短期负荷预测是指一年之内以月为单位的负荷预测,还指以周、天、小时为单位的负荷预测，通常预测未来一个月度、未来一周、未来一天的负荷指标，也预测未来一天24h中的负荷。其意义在于帮助确定燃料供应计划；可以经济合理地安排木网内各机组的启停，降低旋转储备容量；可以在保证正常用电的情况下合理安排机组检修计划。超短期负荷预测指未来lh、未来0.5h甚至未来lOmin的预测。其意义在

3、于可对电网进行计算机在线控制，实现发电容量的合理调度，满足给定的运行要求，同时使发电成木最小。2电力系统负荷预测的特点和难点作为预测问题，电力系统负荷预测的准确性是根木要求，但精确的负荷预测常常是不容易做到的，主要有如下几个困难:1•理论上讲，电力负荷的大小受到国民经济发展水平、产业结构、国家宏观经济政策、气候、突发性事件等因素的影响，可以说，现代社会的绝大多数生产活动都会对电力负荷产生影响。因此，我们不可能在预测的时候考虑到所有的相关因素，而只能提取若干因素加以考虑。2.某些因素，即使知道它们会对负荷产生影响，然而要定量的准确描

4、述它们的影响却非常困难；而口，这种影响往往是变化的，同样的外部作用在不同的时间，对负荷的影响是不同的；更重要的是，并不能够事先确切的掌握这些因素在未来时段的状态，有时候对这些因素的预测甚至比负荷预测更加复杂和困难。3.实践证明，没有一种足够完善的理论方法能够适用于一切的情况，同一种方法应用在不同地区、不同吋间，精度可能有着巨大的差异；因此，在对某地区电力系统进行负荷预测中，熟悉该地区（电力系统）状况的专家的经验是不可忽视的，而这种经验往往很难用精确的数学语言进行，因而也就很难在数学模型中进行考虑。3国内外中长期负荷预测的方法及其分

5、析3.1经典预测方法从严格意义上讲，负荷预测的经典技术并不是真正的负荷预测方法，它仅仅是依靠专家的经验或一些简单的变量之间的相关关系对未来负荷值做一个方向性的结论，预测精度较差。主要有以下几种：（1）分产业产值单耗法单耗法即单位产品电耗法，是通过某一工业产品的平均单位产品用电量以及该产品的产量，得到生产这种产品的总用电量。单耗法需要作人量细致的统计调查工作，近期预测效果较佳。但实际中很难对所有产品较准确地求出其用电单耗,即使作，工作量也太大。有吋考虑用国民生产总值或工农业总产值b,结合其用电量单耗（产值单耗）g,计算出用电量A=b

6、g,这就是产值单耗法。（2）电力消费弹性系数法电力消费弹性系统是电量年平均增长率与国民生产总值年平均增长率之间的比值，根据国民生产总值增长速度结合电力弹性系数和基准年的实际消费电量得到规划期末的总用电量，同单耗法一样，电力弹性系统法需要做人量细致的统计工作。(3)人均电量指标换算法人均电量指标换算法是指选取一个与本地区人文地理条件、经济发展状况以及用电结构等方面相似的国内外地区作为比较对象，通过分析比较两地区过去和现在的人均电量指标，得到本地区的人均电量预测值，再纬合人口分析得到总用电量的预测值。3.2现代预测技术(1)基于系统动

7、力学的预测方法系统动力学(systemdynamies,简称SD),由MIT著名学者JayW.Forrester教授于1961年创立，是一门分析研究信息反馈系统的学科，也是一门认识和解决系统问题交又的综合性的新学科。其模型本质上是带吋滞的一阶微分方程组。这种方法在建模时借助于流图，其中流位变量、流率变量、辅助变量等都具有明确的物理(经济)意义，是一种面向实际的建模方法。在SD方法中关于社会济系统的观察、建模以及结果分析是由人来完成，关于系统的动态过程的跟踪则由计算机来完成。系统动力学正是将人对事物有敏锐的观察力、富于创造力与想象力

8、的优势与计算机具有复杂运算的能力结合起来，有效发挥其各自优势的-•种方法。(2)人工神经网络方法运用神经网络技术进行电力负荷预测，其优点是可以模拟人脑的智能化处理,对大量非结构性、非精确性规律具有自适应功能，具有信息记忆、自主学习、知识推理和优化计