负荷猜测

电力系统负荷一般可以分为城市民用负荷、贸易负荷、农村负荷、产业负荷以及其他负荷等，不同类型的负荷具有不同的特点和规律。 　城市民用负荷主要来自城市居民家用电器的用电负荷，它具有年年增长的趋势，以及明显的季节性波动特点，而且民用负荷的特点还与居民的日常生活和工作的规律紧密相关。 　贸易负荷，主要是指贸易部分的照明、空调、动力等用电负荷，覆盖面积大，且用电增长平稳，贸易负荷同样具有季节性波动的特性。固然贸易负荷在电力负荷中所占比重不及产业负荷和民用负荷，但贸易负荷中的照明类负荷占用电力系统高峰时段。此外，贸易部分由于贸易行为在节假日会增加营业时间，从而成为节假日中影响电力负荷的重要因素之一。 　产业负荷是指用于产业生产的用电，一般产业负荷的比重在用电构成中居于首位，它不仅取决于产业用户的工作方式(包括设备利用情况、企业的工作班制等)，而且与各行业的行业特点、季节因素都有紧密的联系，一般负荷是比较恒定的。 　农村负荷则是指农村居民用电和农业生产用电。此类负荷与产业负荷相比，受天气、季节等自然条件的影响很大，这是由农业生产的特点所决定的。农业用电负荷也受农作物种类、耕作习惯的影响，但就电网而言，由于农业用电负荷集中的时间与城市产业负荷高峰时间有差别，所以对进步电网负荷率有好处。 　从以上分析可知电力负荷的特点是经常变化的，不但按小时变、按日变，而且按周变，按年变，同时负荷又是以天为单位不断起伏的，具有较大的周期性，负荷变化是连续的过程，一般不会出现大的跃变，但电力负荷对季节、温度、天气等是敏感的，不同的季节，不同地区的天气，以及温度的变化都会对负荷造成明显的影响。 　电力负荷的特点决定了电力总负荷由以下四部分组成：基本正常负荷分量、天气敏感负荷分量、特别事件负荷分量和随机负荷分量。

电力系统负荷猜测包括最大负荷功率、负荷电量及负荷曲线的猜测。最大负荷功率猜测对于确定电力系统发电设备及输变电设备的容量是非常重要的。为了选择适当的机组类型和公道的电源结构以及确定燃料计划等，还必须猜测负荷及电量。负荷曲线的猜测可为研究电力系统的峰值、抽水蓄能电站的容量以及发输电设备的协调运行提供数据支持。 　负荷猜测根据目的的不同可以分为超短期、短期、中期和长期： 　①超短期负荷猜测是指未来1h以内的负荷猜测，在安全监视状态下，需要5～10s或1～5min的猜测值，预防性控制和紧急状态处理需要10min至1h的猜测值。　②短期负荷猜测是指日负荷猜测和周负荷猜测，分别用于安排日调度计划和周调度计划，包括确定机组起停、水火电协调、联络线交换功率、负荷经济分配、水库调度和设备检验等，对短期猜测，需充分研究电网负荷变化规律，分析负荷变化相关因子，特别是天气因素、日类型等和短期负荷变化的关系。　③中期负荷猜测是指月至年的负荷猜测，主要是确定机组运行方式和设备大修计划等。　④长期负荷猜测是指未来3～5年甚至更长时间段内的负荷猜测，主要是电网规划部分根据国民经济的发展和对电力负荷的需求，所作的电网改造和扩建工作的远景规划。对中、长期负荷猜测，要特别研究国民经济发展、国家政策等的影响。

电力负荷猜测分为经典猜测方法和现代猜测方法。 　〖经典猜测方法〗 　趋势外推法 　就是根据负荷的变化趋势对未来负荷情况作出猜测。电力负荷固然具有随机性和不确定性，但在一定条件下，仍存在着明显的变化趋势，例如农业用电，在天气条件变化较小的冬季，日用电量相对稳定，表现为较平稳的变化趋势。这种变化趋势可为线性或非线性，周期性或非周期性等等。　时间序列法 　时间序列法是一种最为常见的短期负荷猜测方法，它是针对整个观测序列呈现出的某种随机过程的特性，往建立和估计产生实际序列的随机过程的模型，然后用这些模型往进行猜测。它利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析处理，确定其基本特征和变化规律，猜测未来负荷。 　时间序列猜测方法可分为确定型和随机性两类，确定型时间序列作为模型残差用于估计猜测区间的大小。随机型时间序列猜测模型可以看作一个线性滤波器。根据线性滤波器的特性，时间序列可划为自回回(AR)、动均匀(MA)、自回回-动均匀(ARMA)、累计式自回回-动均匀(ARIMA)、传递函数(TF)几类模型，其负荷猜测过程一般分为模型识别、模型参数估计、模型检验、负荷猜测、精度检验猜测值修正5个阶段。　回回分析法 　回回分析法就是根据负荷过往的历史资料，建立可以分析的数学模型，对未来的负荷进行猜测。利用数理统计中的回回分析方法，通过对变量的观测数据进行分析，确定变量之间的相互关系，从而实现猜测。 　〖现代负荷猜测方法〗 　20世纪80年代后期，一些基于新兴学科理论的现代猜测方法逐渐得到了成功应用。这其中主要有灰色数学理论、专家系统方法、神经网络理论、模糊猜测理论等。 　灰色数学理论 　灰色数学理论是把负荷序列看作一真实的系统输出，它是众多影响因子的综合作用结果。这些众多因子的未知性和不确定性，成为系统的灰色特性。灰色系统理论把负荷序列通过天生变换，使其变化为有规律的天生数列再建模，用于负荷猜测。 　专家系统方法 　专家系统方法是对于数据库里存放的过往几年的负荷数据和天气数据等进行细致的分析，汇集有经验的负荷猜测职员的知识，提取有关规则。借助专家系统，负荷猜测职员能识别猜测日所属的类型，考虑天气因素对负荷猜测的影响，按照一定的推理进行负荷猜测。 　神经网络理论 　神经网络理论是利用神经网络的学习功能，让计算机学习包含在历史负荷数据中的映射关系，再利用这种映射关系猜测未来负荷。由于该方法具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场，但其缺点是学习收敛速度慢，可能收敛到局部最小点；并且知识表达困难，难以充分利用调度职员经验中存在的模糊知识。　模糊负荷猜测 　模糊负荷猜测是近几年比较热门的研究方向。 　模糊控制是在所采用的控制方法上应用了模糊数学理论，使其进行确定性的工作，对一些无法构造数学模型的被控过程进行有效控制。模糊系统不管其是如何进行计算的，从输进输出的角度讲它是一个非线性函数。模糊系统对于任意一个非线性连续函数，就是找出一类隶属函数，一种推理规则，一个解模糊方法，使得设计出的模糊系统能够任意逼近这个非线性函数。　〖模糊猜测的一些基本方法〗 　(1)表格查寻法： 　表格法是一种相对简单明了的算法。这个方法的基本思想是从已知输进--输出数据对中产生模糊规则，形成一个模糊规则库，终极的模糊逻辑系统将从组合模糊规则库中产生。 　这是一种简单易行的易于理解的算法，由于它是个顺序天生过程，无需反复学习，因此，这个方法同样具有模糊系统优于神经网络系统的一大优点，即构造起来既简单又快速。 　(2)基于神经网络集成的高木-关野模糊猜测算法： 　它是利用神经网络来求得条件部输进变量的联合隶属函数。结论部的函数f(X)也可以用神经网络来表示。神经网络均采用前向型的BP网络。 　(3)改进的模糊神经网络模型的算法： 　模糊神经网络即全局逼近器。模糊系统与神经网络似乎有着自然的联系，模糊神经网络在本质上是模糊系统的实现，就是将常规的神经网络(如前向反馈神经网络，HoPfield神经网络)赋予模糊输进信号和模糊权。 　对于复杂的系统建模，已经有了很多方法，并已取得良好的应用效果。但主要缺点是模型精度不高，练习时间太长。此种方法的模型物理意义明显，精度高，收敛快，属于改进型算法。 　(4)反向传播学习算法： 　模糊逻辑系统应用主要在于它能够作为非线性系统的模型，包括含有人工操纵员的非线性系统的模型。因此，从函数逼近意义上考虑，研究模糊逻辑系统的非线性映射能力显得非常重要。函数逼近就是模糊逻辑系统可以在任意精度上，一致逼近任何定义在一个致密集上的非线性函数，其上风在于它有能够系统而有效地利用语言信息的能力。万能逼近定理表明一定存在这样一个可以在任意精度逼近任意给定函数的高斯型模糊逻辑系统。反向传播BP学习算法用来确定高斯型模糊逻辑系统的参数，经过辨识的模型能够很好的逼近真实系统，进而达到进步猜测精度的目的。

随着电力市场的发展，负荷猜测的重要性日益显现，并且对负荷猜测精度的要求越来越高。传统的猜测方法比较成熟，猜测结果具有一定的参考价值，但要进一步进步猜测精度，就需要对传统方法进行一些改进，同时随着现代科学技术的不断进步，理论研究的逐步深进，以灰色理论、专家系统理论、模糊数学等为代表的新兴交叉学科理论的出现，也为负荷猜测的飞速发展提供了坚实的理论依据和数学基础。相信负荷猜测的理论会越来越成熟，猜测的精度越来越高。