[发明专利]电力系统中空间负荷预测方法

说明书

技术领域

本发明涉及电力系统领域，尤其涉及一种电力系统中空间负荷预测方法。 

背景技术

电力负荷预测是指通过对电力系统负荷历史数据的分析和研究，运用统计学、数学、计算机、工程技术及经验分析等定性定量的方法，探索事物之间的内在联系和发展变化规律，对未来的负荷发展做出预先估计和推测。电力负荷预测结果的准确与否直接关系到电力投资的效益，供电的可靠性，用电需求的正常发展，以及社会的经济效益和社会效益。但要做到预测准确或较准确是很困难的，因为影响电力负荷预测的因素相当多，且由于各地区产业结构和人民生活水平不同，各具体因素对电力负荷预测的敏感度是不一样的，因而电力负荷预测具模糊性。随着人类社会和科学技术的发展，预测技术也得到了不断的发展，尤其是最近几十年，随着预测理论、方法和技术的不断丰富，在某些领域预测的精度甚至可以达到很高的水平。 

目前，有三类电力预测的方法，包括如下：经典预测方法、传统预测方法、智能预测方法等三大类。下面分别介绍一下这三类电力预测的方法。 

(1)经典预测方法 

经典预测方法通常是依靠专家的经验或一些简单变量之间的相互关系对未来负荷值做出一个方向性的结论。主要有分单耗法、电力弹性系数法、负荷密度法、分类负荷预测法和人均电量法等。但是这些方法都是需要专家经验，这样预测的结果具有很大的主观性。 

(2)传统预测方法 

传统预测方法包括增长曲线方法、回归分析法及时间序列分析法。其中回归分析法和时间序列法基本上都是属于概率统计的方法。时间序列分析法是一种依据负荷过去的统计数据，找到其随时间变化的规律，建立时序模型，以推断未来负荷数值的方法。时间序列分析法虽然在解决影响负荷因素错综 复杂方面较之前的方法有所进步，但它的缺点是该预测方法有个基本假定，即负荷过去的变化规律会持续到将来，所以当研究对象在所选时间序列内有特殊变化段，无适应性规律可言时该预测方法不成立。 

(3)智能预测方法 

智能预测方法不需要事先知道过程模型的结构和参数的相关先验知识，也不必通过复杂的系统辨识来建立过程的数学模型，较适合应用于存在非线性、多变量、时变、不确定性的电力负荷预测。智能预测方法主要包括专家系统法、人工神经网络法、模糊预测法、灰色理论预测法和综合预测模型法。 

专家系统：是一个应用基于知识的程序设计方案建立起来的计算机系统，它拥有某个特殊领域专家的知识和经验，并能像专家那样运用这些知识，通过推理，在该领域内做出智能决策。专家系统技术用于中长期负荷预测时，能对所收集整理的常规的预测模型逐一进行评估决策，快速地做出最佳预测结果，避免了人工推理的繁琐和人为差错的出现，克服以往用单一模型进行预测的片面性缺陷，但是对其提取有关规则较为困难，另外必须对多年的数据进行调查、分析、提取，将花费大量的人力、物力和财力。 

人工神经网络：是源于人脑神经系统的一种模型，具有大规模分布式并行处理、非线性、自组织、自学习、联想记忆等优良特性。优点是解决了负荷预测中传统方法未能解决的问题，缺点是预测精度还是难以达到要求，尤其是在中长期负荷预测的应用中。因为神经网络所拟合的输入、输出关系必然同实际有一定差别，导致预测不准。且针对不同地区的特点，对输入输出关系的选择和样本集的构成进行较大的调整，这就增加了推广的难度。 

模糊算法：用模糊理论去研究和处理具有“模糊”特性的对象时，解决了在负荷预测中存在大量的模糊信息的难题，提高了电力系统中长期负荷预测的精度。但是同样由于模糊算法要求提供大量的历史数据，且由于我国统计工作的不完善造成使用上的困难及精度的不精确性。 

灰色系统：是指信息部分明确、部分不明确的系统。灰色系统理论就是利用了部分明确的信息，通过形成必要的有限序列和微分方程，寻求各参数间的规律，从而推出不明确信息发展趋势的分析方法。应用灰色理论进行负 荷预测，具有样本少、计算简单、精度高和实用性好的优点。缺点是当数据离散程度较大时，由于数据灰度较大预测精度会较差，所以应用于电力系统中长期负荷预测中，仅仅是最近的几个数据精度较高，其它较远的数据只反映趋势值和规划值。 

上述负荷预测方法的预测对象仅是整个供电区域或者主要供电设备的负荷消耗总量，它不能满足规划要求和提供信息决策。有鉴于上述的缺陷，本设计人，积极加以研究创新，以期创设一种电力系统中空间负荷预测方法，使其更具有产业上的利用价值。 

发明内容

为解决上述技术问题，本发明的目的是提供一种能够满足规划要求和提供信息决策的电力系统中空间负荷预测方法。