电力系统短期负荷数据分析文献综述

文献综述

电力负荷是电能用户的用电设备在某一时刻向电力系统取用的电功率的总和，称为用电负荷。电力负荷数据分析对变电所、发电厂和电力系统的运行有重要意义。通过合理有效地安排用电时间，可减小最大负荷和最小负荷的差值，使负荷曲线图形较为平坦，从而有利于充分利用发电、供电设备容量，提高系统运行的经济性。

电力系统短期负荷预测是电力调度和市场交易的基础，其预测的精确度对电力系统安全、可靠、经济运行有重大影响。较为准确的短期负荷预测有助于合理安排电网的运营方式，提高电网系统的安全性和稳定性，能够节约煤炭和石油资源来降低发电成本。近年来，中国的电力工业呈现高速发展趋势，短期负荷预测分析成为电力企业经营和规划发展中的重要一环。因此如何提高短期负荷预测的精确度也成为国内外学者关注的热点话题。

电力系统短期负荷预测中预测的精度是最重要的一条，它是一切模型与算法追求的目标。目前实际运用中使用的负荷预测方法主要有回归分析法、时间序列法、卡尔受滤波法、指数平滑法、灰色模型法、专家系统法、人工神经网络法、模糊推理与模糊控制理论方法等。它们都有各自的研究特点和使用条件，对于具体资料要选择恰当的预测模型，这是负荷预测过程中至关重要的一步。当由于模型选择不当而造成预测误差过大时，就需要改换模型，必要时，还可同时采用几种数学模型进行运算，以便对比和选择。

随着我国社会经济水平的发展与提高，越来越多的制冷、取暖设备进入到居民生活当中，这部分温度敏感负荷在电力总负荷比例的提高会对电力系统产生显著影响，夏季降温负荷、冬季取暖负荷会直接受到气象因素影响，如降雨会直接影响到农业排灌负荷和其它负荷，降雨过后农机、排灌负荷往往会大幅度降低。

总而言之，国民生活水平的提高使得电力负荷与气象因素已逐渐呈现出较强的相关性，气象因素自身的不确定性会给短期负荷预测带来一定困难，影响了预测的精度。因此需要对历史气象资料进行分析统计，建立气象因素和负荷之间系模型，科学合理的评价二者的联系，得到高精度的预测模型进而提高预测的精度。

参考文献

[1]Yao S J----《Wavelet transform and neuralnetworks for short term electrical load forecasting》 2000(18)

[2]Swee E G T,Elangovan S----《Applications of symlets for denoising and loadforecasting》1999

[3]HUANG Daizheng, GONG Renxi,GONG Shu.Prediction of Wind Pow er by Chaos and BP Artificial Neural Netw orksApproach Based on Genetic Algorithm：[J].Journal of Electrical Engineering Technology,2015,10(1):41-46