电力负荷预测方法的研究和比较

开篇：润墨网以专业的文秘视角，为您筛选了一篇电力负荷预测方法的研究和比较范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘 要】电力系统负荷预测是电力系统规划决策、经济运行的前提和基础，电力负荷的准确预测对电力系统安全经济运行和国民经济发展具有重要意义。本文首先介绍了电力系统负荷预测的意义、发展现状，以及弹性系数法、一元线性回归法两种方法，并分别运用这两种方法对江苏省进行2012年—2017年的负荷预测，此外，本文还对负荷的预测结果进行了比较和分析。

【关键词】负荷预测；弹性系数法；一元线性回归法

1.引言

电力负荷预测是供电部门的重要工作之一，准确的负荷预测，可以经济合理地安排电网内部发电机的启停，保持电网运行的安全稳定性，减少不必要的旋转储备容量，合理安排机组检修计划，保证社会的正常生产和生活，有效提高经济效益和社会效益。因此，电力负荷预测对于保证电力工业的健康发展，乃至整个国民经济的发展均有着十分重要的意义。

电力负荷预测又分为长期、中期和短期预测。长期负荷预测一般指5-10年及以上并以年为单位的预测，主要是用于制定电力系统的扩建规划，它为所在地区或电网的电力发展速度，电力建设规模，电力工业布局等工作提供了可靠的依据。中期负荷预测指5年左右并以年为单位的预测。短期预测通常是指24小时内的日负荷预测和168小时内的周负荷预测，主要用于安排调度计划，包括确定机组起停、水火电协调、燃料采供、联络线交换功率和设备检修等；超短期负荷预测是指未来一个小时以内的负荷预测用于AGC和安全监视。

长期以来，专家学者在电力负荷预测的理论和实践上展开了广泛的研究，按预测方法的参考体系来看，预测方法可以分为确定性预测法和非确定性预测法两类。前者把电量和电力负荷用一个或一组方程来描述，电量和电力负荷与影响其变化的因素之间有着明确的对应关系。这类方法常采用的模型多达几十种，如弹性系数法、时间序列法等。非确定性预测法是认为电力负荷的变化受众多模糊、不确定的因素影响，它不可能用精确的现实数学方法来描述，主要有灰色预测法、模糊预测法等。

本文将应用弹性系数法和一元线性回归法对江苏省2012年—2017年的电力负荷进行预测。

2.弹性系数法

2.1 弹性系数法理论概述

采用弹性系数法预测负荷的关键及核心问题就是如何确定规划期的电力弹性系数值。由于弹性系数法是根据已经掌握的今后一段时期内国民经济发展计划确定的国内生产总值的年平均增长率，以及选用过去历史阶段的电力弹性系数的变化规律的值预测今后一段时期的需电量，在经济平稳发展时期，电力弹性系数的值是可以较准确的预测的。在经济转型时期，由于受多种不确定性影响因素的影响，电力弹性系数已经变得不确定，并且随着科学技术的迅猛发展，节电技术和电力需求管理的不断产生和发展，以电能代替其他非电能源的范围不断扩大，电力与经济关系的变化很大，电力需求与经济发展的步伐不协调，造成电力弹性系数难以确定，此时期就不宜采用电力弹性系数法进行预测。

电力弹性系数是反映电力消费的年均增长率和国民经济年均增长率之间关系的宏观指标。电力弹性系数可用公式（3）表示：

（1）

其中：：电力弹性系数；：电力消费年均增长率；：国民经济年均增长率。

表2-1 弹性系数法数值表

Table 2-1 The numerical table of elastic coefficient method

弹力系数法数值表

年份 生产总值/（亿元） Kx 电力消费/（亿kW·h） Ky

2002 4848.4 971.34

2003 5340.5 0.101 1078.44 0.110

2004 5963.5 0.117 1245.14 0.155

2005 6775.9 0.136 1505.12 0.209

2006 7775.4 0.148 1820.09 0.209

2007 8901.2 0.145 2193.45 0.205

2008 10227.5 0.149 2569.75 0.172

2009 11747 0.149 2952.02 0.149

2010 13191.9 0.123 3118.32 0.056

平均值 0.133 0.158

预测规划期所需的用电量：

（2）

其中：：规划期所需的电量；：基年的实际用电量；：规划期的国民生产总值年均增长率。

t：基年至规划年间隔的年数。

2.2 基于弹性系数法的江苏省2012年-2017年电力负荷预测

表2-1给出了江苏省2002年-2010年的国民生产总值和历年电力消费，计算得出国民经济年均增长率为0.133，电力消费年均增长率为0.158。

通过公式（1）计算得到电力弹性系数，再利用公式（2）得到2012年-2017年的电力负荷预测值，见表3-2，以2010年为基年。

=0.158/0.133=1.185

表2-2 2012年-2017年电力负荷预测表

Table 2-2. Electric power load forecasting during 2012 to 2017

2012年-2017年电力负荷预测

年份 2011 2012 2013 2014 2015 2016 2017

预测值（亿千瓦时） 3611.279 4182.167 4843.303 5608.955 6495.645 7522.507 8711.701

3.一元线性回归法

3.1 一元线性回归法概述

由于回归分析法中选用何种影响因子和该因子是何种表达式是一种推测，而影响电力负荷因素相对较多，可以根据它们的变化规律采用不同的影响因子，如居民用电与人口、居民生活水平及气候情况等，第一产业用电受气候、季节等自然条件影响较大，第二产业与国生产总值相关联，第三产业受季节、节假日、人口、居民消费等因素影响较大。因此，可以按不同电力负荷选不同变量因子进行预测，再将所有电量进行汇总，从而得到全社会用电量。

该方法是通过电力负荷与影响因子之间的规律来预测未来电力负荷，所以，该方法不仅依赖于模型的准确性，更依赖于影响因子本身预测的准确度。

3.2 基于一元线性回归法的江苏省2012年—2017年电力负荷预测

根据江苏省年鉴查的历年GDP和用电量情况，作出2002年-2010年用电量和生产总值的散点图，见图表3-1，这些样本点分布在一条直线附近，因此可以采用一元线性模型进行回归预测。

Figure 3-1. The scatter of GDP and power

图3-1 GDP与电量散点图

用y表示用电量，x表示产值，x与y之间的一元线性回归模型为：

y=a+bx

把有关数据计算列于表3-1中。

表3-1 一元线性回归计算表

Table 3-1 Linear regression calculation

一元线性回归计算

序号n 年份 用电量 产值

1 2000 971.34 4848.4 4709444.856 23506982.560 943501.396

2 2001 1078.44 5340.5 5759408.820 28520940.250 1163032.834

3 2002 1245.14 5963.5 7425392.390 35563332.250 1550373.620

4 2003 1505.12 6775.9 10198542.608 45912820.810 2265386.214

5 2004 1820.09 7775.4 14151927.786 60456845.160 3312727.608

6 2005 2193.45 8901.2 19524337.140 79231361.440 4811222.903

7 2006 2569.75 10227.5 26282118.125 104601756.250 6603615.063

8 2007 2952.02 11747 34677378.940 137992009.000 8714422.080

9 2008 3118.32 13191.9 41136565.608 174026225.610 9723919.622

17453.67 74771.3 163865116.273 689812273.330

由最小二乘法可以求得参数a，b如下：

0.275

=-344.34

将a，b代入所设的一元线性回归预测模型得：

=0.275x-344.34

用此公式预测江苏省2012年-2017年电力负荷，GDP增长率取年均增长率0.133，预测结果见表4-2。

表3-2 2012年-2017年电力负荷预测表

Table 3-2 Electric power load forecasting during 2012 to 2017

2012年-2017年电力负荷预测

年份 2011 2012 2013 2014 2015 2016 2017

GDP 14946.423 16934.297 19186.558 21738.371 24629.574 27905.307 31616.713

负荷预测 3764.052 4310.468 4929.558 5630.986 6425.705 7326.121 8346.292

4.结论

通过以上的理论和实例的分析，可以看到各种预测方法从研究的角度、建模的出发点到数据的形式、数据样本大小以及适用条件等都有所不同，因而要想将各种方法放在同一个尺度规范下进行比较是相当困难和不科学的。

表4-1 2012年-2017年电力负荷预测结果比较

Table 4-1 The comparison of the results of the three methods during 2012 to 2017

2012年-2017年电力负荷预测结果比较

年份 2012 2013 2014 2015 2016 2017

弹性系数法 4182.167 4843.303 5608.955 6495.645 7522.507 8711.701

一元线性回归法 4310.468 4929.558 5630.986 6425.705 7326.121 8346.292

如表所示，弹性系数法和一元线性回归法的预测结果有一定差距，弹性系数法致力于统计规律的研究与描述，适用于大样本，且过去、现在和未来的发展模式的预测。各种预测方法都具有各自的优缺点和适用范围，必须根据实际情况，着重从预测目标、期限、精确度和预测耗费等诸多方面作出合理选择，在预测成本允许的情况下，寻求能获取所需精度的预测方法。

参考文献：

[1]向铁元.文闪闪等.类比在电力负荷预测中的应用[J].电力建设，2009（01）.

[2]宗慧敏，滕欢.电力系统负荷预测技术[J].四川电力技术，2009（01）.

[3]刘晓旭.灰色预测与一元线性回归预测的比较[J].四川理工学院学报，2009（01）.