城市负荷预测（精选十篇）
城市负荷预测 篇1
随着我国经济社会的快速发展, 城市已日益成为我国重要的负荷中心[1]。城市电力负荷预测是城市电网规划中的基础工作和重要依据, 其准确性直接影响着电网规划的科学性、合理性、可行性。负荷预测工作要求具有很强的科学性和专业性, 需要大量反映客观规律性的科学数据, 采用适应发展规律的科学方法, 预测未来负荷水平。
1 城市电力负荷预测方法分类
随着预测技术的发展, 负荷预测模型也越来越多, 从经典的回归分析模型、趋势外推模型, 到利用人工智能而出现的灰色系统模型、神经网络模型;从一般性的电力弹性系数法、产值单耗法, 到专门应用于空间预测的负荷密度指标法, 均可应用于城市电力负荷预测中[2]。电力负荷预测, 按照作用的不同分为系统电力负荷预测和空间电力负荷预测。
2 总量负荷预测方法
2.1 比例系数增长法——假定城市今后的电力与过去有相同的增长率, 用历史数据求出比例系数, 按比例预测未来发展。
2.2 弹性系数法——由城市以往的用电量和国民生产总值分别求出它们的平均增长率Ky、Kx, 从而求得电力弹性系数E=Ky/Kx, 再用某种方法预测未来m年的弹性系数E'及国民生产总值的增长率K'x, 则可得电力需求增长率E'y, 从而可按比例系数增长预测法得出第m年的用电量。
2.3 回归模型预测法——根据负荷过去的历史资料, 建立可以进行数学分析的数学模型, 对未来的负荷进行预测。从数学上看, 就是用数理统计中的回归分析方法, 即通过对变量的观测数据进行统计分析, 确定变量之间的相互关系, 从而实现预测的目的。
2.4 灰色理论法——该方法就是对在一定幅值范围、一定时区内变化的灰色量, 通过一定的数据处理技术, 寻找出比原始数据有更强变化规律的新的数据数列, 进而建立一定数学模型进行预测的方法。
2.5 指数平滑 (线性模型) 法——指数平滑法是一种时间序列分析法, 其拟合值或预测值是对历史数据的加权算术平均值, 并且近期数据权重大, 远期权重小, 因此对接近目前时刻的数据拟合得较为精确。
2.6 曲线拟合法——对过去的具有随机特性的负荷记录进行拟合, 得到一条确定的曲线, 然后将此曲线外延到适当的时刻, 就得到该时刻的负荷预报值。实际上这是一种回归分析。在回归分析中, 自变量是随机变量, 因变量是非随机变量, 而负荷预报问题正是这类问题。拟合曲线有很多种回归方法, 可以选择不同的曲线方程, S曲线的方程为:y=1/{c+a[e×exp (-x) ]}。
2.7 回归支持向量机预测法——回归支持向量机预测法属于统计学习理论, 是一种专门研究小样本情况下机器学习规律的理论。通过结构风险最小化原理保证支持向量机在小样本负荷数据情况下的学习性能, 而不至于出现过学习和泛化能力不足的问题, 预测结果较佳。
2.8 相关分析法 (单元、多元线性回归模型) ——模型方程Y=a+bX+ε, X为相关量, Y为预测量, a和b为回归系数, ε为随机误差。单元线性回归用于预测的基本思想是:根据相关量和预测量的观测数据, 把相关量、预测量当作已知数, 寻求合理的回归系数a和b的值, 从而确定回归方程。利用求出的回归方程, 把a和b当作已知数, 根据相关量的未来变化计算预测量的值。多元回归与单元回归不同的是这里的a、b、x、y都是矩阵, 也就是说有多个相关量。
3 空间电力负荷预测
3.1 功能小区的划分
根据城市总体规划, 结合负荷特性将城市划为诸多功能小区。一般常划分为如下几种:纯工业区、纯商贸区、普通居民、住宅区、高档居民住宅区、工住区、商住区、仓储区、机关区、学校区、娱乐区、绿地、公园等。每种功能小区对应不同的用地性质划分, 为了便于统计负荷, 各功能小区可参考中压配电变压器的供电区域来划分。
3.2 负荷密度指标的选择
利用空间负荷负荷预测方法进行负荷预测, 要确定每一类负荷的用电负荷密度参考指标。为了使负荷密度指标能够代表未来发展情况, 必须对已经经过了充分发展的同类型负荷的负荷密度情况进行调查, 并以这些负荷密度指标作为城市负荷密度指标设置的主要依据。
3.3 需用系数的选择
需用系数是一经验值, 现有民用建筑电气设计规范和城市电力规划规范等相关规范和设计手册对居住区的需用系数选取为0.35-0.4, 对公用场所需用系数的选取为0.6-0.8。
4 预测结果校验
4.1 不同预测方法的校验
考虑到单一预测法的局限, 仍需用空间负荷预测与总量总量预测法如单耗法、弹性系数法、回归分析法、时间序列法、灰色理论法等多种方法进行校核, 甚至可以通过专家评估, 最后确定各城市电力负荷预测值。
4.2 人均综合用电量校验
根据总量电量预测结果及城市人口发展规划, 可以计算规划年人均综合用电量。
4.3 平均负荷密度校验
表1是2010年北京、太原两城市负荷密度, 结合城市经济类型、面积及负荷预测结果, 计算规划年城市平均负荷密度, 与其他城市横向比较可以得出预测结果是否合理。
5 结论
城市电力负荷预测应针对城市电网负荷的特点和历史数据的差异而采用不同的方法。由于城市负荷的发展与城市经济社会发展规划紧密相关, 受多种原因的影响, 可能会出现负荷预测结果过于宏大、不能顺应城市发展规律的情况, 应将总量负荷预测与空间负荷预测方法相结合, 并根据城市近期经济社会发展情况和城市规划的调整变化对预测结果进行调整, 以提高负荷预测结果的准确性和可靠性。
参考文献
[1]张兵.市场经济中的城市电网规划工作[J].电力技术经济, 2004, 16 (2) :47-48.
[2]张勇, 王泗宝, 李登武等.城市电网规划的负荷预测方法研究[J].供用电, 2007, 24 (4) :15-17.
[3]罗亘.当前城市电网规划工作及负荷预测新方法[J].四川电力技术, 2006, 29 (5) :27-29.
[4]吴彦宝.城市电力系统电力负荷方法研究[J].电力与能源, 2011 (, 33) :360-361.
[5]魏伟, 牛东晓, 常征.负荷预测技术的新进展[J].华北电力大学学报, 2002, 29 (1) :10-15.
城市电网负荷预测 篇2
关键词：电网 负荷 预测
1.负荷预测的前期工作
1.1影响负荷预测的因素
1.1.1用户特点
工业企业的性质、规模大小、产品种类、工艺过程以及生产班次等等的不同将影响其电力负荷的大小不同。
1.1.2机械化及电气化水平
机械化、电气化水平越高,电力负荷越大。
1.1.3居民的物质文化生活水平
国家的经济和科学技术越发达,城市的市政工程设施越完善,人民的文化生活水平越高,相应的电力负荷就越大。
1.1.4气候条件
地区气候条件的不同影响所用电量的不同。
1.1.5负荷构成
各类用户的最大负荷并不是同时出现的,各类用户最大负荷在城市总负荷中所占比例的不同也影响着城市总负荷的大小。
1.2负荷预测前的资料收集工作
负荷预测计算所需的资料一般应包括下列内容:
1.2.1城市建设总体规划中有关人口规划、用地规划、能源规划、产值规划、城市居民收入和消费水平、市内各功能区的改造和发展规划。
1.2.2城市计划和统计部门及各大用户提供的用电发展规划和有关资料。
1.2.3电力系统规划中有关的如电力、电量平衡等资料。
1.2.4全市及分区、分电压等级统计的历年用电量和负荷、典型日负荷曲线及潮流分布图。
1.2.5各变电站有代表性的负荷记录和典型日负荷曲线。
1.2.6按行业统计的历年售电量和负荷。
1.2.7工业用户的用電量、负荷、主要产品产量和用电单耗。
1.2.8计划新增的大用户名单、用电容量、时间和地点。
1.2.9现有电源、供电设备或线路过负荷情况,及由此而供不出电的数量。
1.2.10国家及地方经济建设发展中的重点工程项目及用电发展资料。
2.城市电网负荷预测方法
城市电力网的电力负荷预测一般可采用两种基本方法。一种是从电量预测入手,然后转化为电力负荷；另一种方法是从计算城市各分区现有负荷密度入手,推算各分区和整个城市电力网未来的总负荷。
2.1电量预测法
按《城市电力网规划设计导则》,进行电量预测应将用户按工业、农业、交通运输业和市政生活分为四类分别进行。
电量预测方法很多,目前最常用的主要有以下几种方法:
2.1.1单耗法
这种方法根据产品(或产值)用电单耗和产品数量(产值)来推算企业全年用电量,是预测有单耗指标的工业,部分农业生产用电量的一种直接有效的方法。
按此方法计算时应搜集有关企业生产性质、产品类型、年产量m(台或t)或年总产值c(元或千元)、单位产品耗电量Am(kWh/台或kwh/t)或单位产值耗电量Ac(kWh/元或kwh/千元)、企业最大负荷利用小时数Tmax。从而确定全年用电量A(kWh)
A=Am·m或A=Ac·C
显然,这种方法较适宜于近、中期规划。对于远期规划,因产品产量和企业产值难以预测、产品结构可能变化极大而无法取得准确的参数。
2.1.2综合用电水平法
这种方法根据人口及每人的平均用电量来推算城市的用电量,比较适用于市区市政生活用电量的预测。一般,可通过市区典型小区的调查分析来确定每人的平均用电量AN(kWh/人·年),由市区人口统计资料确定人口数N,即可确定全年总用电量A=AN·N。
将分项统计结果进行纵向(逐年)和横向(相互比例)的分析对比,选择适当的方法和参数将它们综合为一个综合用电水平AN,这样的结果将更准确可靠。
2.1.3外推法
这种方法运用历年的历史资料数据加以延伸,由此推测未来各年的用电量。一般常用的有平均增长率法和回归分析法。
平均增长率法:
平均增长率法以时间T(年)为自变量,用电量A(kWh或万kwh)为因变量,根据历史规律和国民经济发展规划估算出今后电量的平均增长率Κ,若计算选用基准年实际用电量为A0(kWh或万kwh)则T年后用电量为:
A=A0(1+Κ)T
平均增长率法简单明了,它只有一个自变量——时间T,其他因素对电量增长的影响综合在平均增长率Κ中。因而在估计Κ值时应将除时间以外的有关因素考虑进去。当某个因素的影响有了变化就应该改变Κ值。
回归分析法:
这种方法以时间、人口、工农业产值、轻重工业比重、人均收入、住房面积等因素为自变量,用电量作为因变量,根据历史规律用数理统计方法求出适当数学模型,据以预测电量预测电量。
应该注意,统计得来的数据还应经过适当筛选,剔除少数不合理的数据系列。另外还应该注意,这些基于历史数据得到的数学模型,尽管其概率误差可能达到很小,但终究会受历史资料的局限,它只能很好地描述过去,而不一定能很好地描述未来特别是未来经济结构发生大的变动时,如果原有模型未考虑到这种变动因素的影响就很难得到准确的结果,甚至会得出错误的结果。
2.1.4弹性系数法
弹性系数法是根据地区的工农业总产值来确定该地区总用电量的方法。
电力弹性系数Ε定义为地区总用电量平均年增长率与工农业总产值平均年增长率之比。
设第m年及第m+n年的总用电量和总产值分别为Am、Am+n和Cm、Cm+n总用电量增长率和总产值增长率分别为a和d。
城市电力网的电力弹性系数可根据地区工业结构用电性质各类用电比重及发展趋势进行分析后确定。显然不同的城市类型、不同的工业结构、不同的经济发展政策、不同的地区优势都有不同的电力弹性系数。
上述四种方法可同时应用并相互校核,以获得更可靠更准确的电量预测值。
2.2负荷密度法
负荷密度法较电量预测法直观。最常用的是面负荷密度,即每平方公里的有功负荷数值。这是一种适用于市区内大量分散的用电负荷的方法。
2.2.1负荷密度的确定一般并不直接预测整个城市的负荷密度,而是将城市按其功能分为若干分区,甚至分为更小的小区,分别预测各分区或小区的负荷密度。预测的方法是先通过统计分析确定出各分区或小区目前的负荷密度,然后根据城市的总体规划和分区规划有关部分,确定各区的负荷密度预测值。
2.2.2计算负荷的确定
将各区负荷密度乘以各区面积可得各区负荷,将它们汇总并乘以同时系数(或除以分散系数)即可获得总的计算负荷。即P2=KT∑Pi。
式中,Pi是各区计算负荷；KT是同时系数；P2为总计算负荷。
应该注意的是,一般在汇总确定总负荷时就可按电压等级划分出各电压等级的计算负荷。另外,有时还要先从各小区负荷汇总出某一分区负荷。这时应注意计算公式形式虽仍一样但KT则对应不同的数值。
2.2.3大用户问题
当市区内大量分散的负荷中有一个大用户,如工业企业、街道工厂、大商场等时,可将这些大用户当作点负荷计算。即根据该负荷的特点用适当方法单独计算然后再与其他负荷按前述方法考虑同时系数进行合成。当然这些大用户所占市区面积也应从各区面积和城市面积中减去。
负荷预测的期限不同,负荷的性质和种类不同,资料收集的内容也不尽相同。例如,作整个城市的负荷预测与作某一个小区的负荷预测,资料收集的内容就多少不一；作短期计划和作中、长期规划,由于负荷预测方法的差别需要的资料、内容和数量也有很大差别;作一个工厂的负荷预测和作一个城市生活小区的负荷预测,由于负荷性质的差别计算方法大不相同,需要的资料内容和数量也有极大差别。
参考文献：
[1].戴慎志，《城市工程系统规划》中国建筑工业出版社
城市配网负荷预测方法分析与应用 篇3
关键词：电力负荷,预测,方法,应用
电力负荷预测按照预测时间的长短和应用场合的不同, 可以分为长期、中期、短期及超短期负荷预测。长期负荷预测覆盖时间从未来数年到数十年不等, 主要用于发展规划及网络发展规划;中期负荷预测是指未来一年 (12个月) 之内的用电负荷预测, 用于安排电源计划以及系统经济运行;短期负荷预测通常是指未来24小时的日负荷预测和未来168小时的周负荷预测, 目的是给各个电源安排日、周发电计划, 包括确定电源起停、协调、交换功率、负荷经济分配、电源调度和检修等;超短期负荷预测是指未来1小时、未来0.5小时甚至未来10分钟的预测, 主要用于安全监视、预防性控制和紧急状态处理。在电网总体规划阶段, 一般采用以下几种预测方法:
1 弹性系数法
电力弹性系数是反映用电量的年平均增长率与国民生产总值年平均增长率之间关系的宏观指标, 可用作远期规划粗线条的负荷预测。电力弹性系数可以用下面的公式来表示:
Kt=Kzch/Kgzch
式中:Kt-为电力弹性系数
Kzch-为用电量的年平均增长率
Kgzch-为国民生产总值年平均增长率
采用这个方法首先要掌握今后国民生产总值的年平均增长速度, 然后根据过去各阶段的电力弹性系数值, 分析其变化趋势, 选用适当的电力弹性系数。电力弹性系数的变动, 是一定时期经济增长、结构变化、技术进步、供求关系等相关因素共同作用的结果。
2 回归分析法
回归分析法是利用数理统计原理, 对大量的统计数据进行数学处理, 并确定预测值和影响因子之间的关系。电力负荷回归分析法是通过对影响因子值 (比如国民生产总值、工农业总产值、人口、居民生活水平、居住条什、气候等) 和用电的历史资料进行统计分析, 确定用电量和影响因子之间的相关关系, 建立一个相关性较好的数学模式即回归方程, 并加以外推, 从而实现负荷预测。
回归分析预测方法是要通过对历史数据的分析研究, 探索经济、社会各有关因素与电力负荷的内在联系和发展变化规律, 并根据对规划期内本地区经济、社会发展情况的预测来推算未来的负荷。可见该方法不仅依赖于模型的准确性, 更依赖于影响因子其本身预测值的准确度。
用回归分析法预测负荷时, 若取用过去若干年的历史资料正处于发展上涨快的时期, 则预测未来越来越快, 反之, 若取用下降时, 则预测未来越来越慢。目前这种方法在国内的工程中实际应用不多。
3 时间序列法
这种方法是根据历史统计资料, 总结出电力负荷发展水平或负荷的年增长率或负荷的多年平均增长率 (5年或10年) 与时间先后顺序的关系。即把时间序列作为一个随机变量序列, 用概率统计的方法, 尽可能减少偶然因素的影响, 做出电力负荷 (或增长率) 随时间序列所反映出来的发展方向与趋势, 以预测未来负荷的发展水平。
设第m年的用电量为An (kW·h) , 则从第n年至第m年 (n
由此预测第l年 (l>m) 的用电量为:Al=An (1+K) l-n
时间序列法一般用于中长期电力负荷预测中, 尤其是常用负荷的多年平均增长率来预测中长期的负荷增长水平。
4 横向比较法
横向比较法 (又称综合用电水平法) , 此方法在确定综合用电规划指标时, 首先要研究现状用电指标, 并参考国内外同类型城市的用电指标, 结合本地能源资源条件、能源构成、经济发展、居民生活水平、居住条件、气候、生活习惯和供电条件等进行综合分析确定。
综合用电水平法主要用于预测城市第三产业及居民生活用电负荷。
5负荷密度法
负荷密度法主要适用于土地规划比较明确的城市区域, 负荷密度一般以k W/km2表示。不同地区、不同功能的区域, 负荷密度是不同的。利用负荷密度法, 一般要将预测区域分成若干功能区, 如商业区、工业区、居住区、文教区等, 然后根据区域的经济发展规划、人口规划、居民收入水平增长情况等, 参照本地区或国内外类似地区的用电水平, 选择一个合适的负荷密度指标, 推算功能区和整个预测区的用电负荷。采用该方法进行负荷预测时应注意, 在汇总各不同地块的负荷值时, 应考虑不同地块间负荷的同时系数。
红河州蒙自县城区配网规划预测负荷时采用了此方法。首先根据蒙自城区的详细用地规划将蒙自城区分为八类, 分别为:工业用地、商业用地、居民生活用地、行政用地、教育科研用地、医疗卫生用地、特殊用地和其他用地。此八类不同性质用地的发展定位不尽相同, 从而导致各类负荷密度指标不同。因此, 我们对蒙自城区各类负荷的用电指标分别进行了详细的调查分析并确定最终的选取结果, 并结合蒙自城区用地规划的实际情况, 利用负荷密度法得到蒙自城区各区域的具体负荷分布预测结果, 如表1。
6 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, 计算公式是:
A=bg
式中:A-用电量
b-产品产量
g-产品的单位耗电量
单耗法需要做大量细致的统计、分析工作, 近期预测效果较佳。但在市场经济条件下, 未来的产业单耗和经济发展指标都具有不确定性, 对于中远期预测的准确性难以确定。此预测方法适用于工业比重大的系统。
结束语
电力负荷预测不仅是电力规划设计的基础, 而且也是基建计划、供电计划、燃料计划和财务收支计划的基础。所以负荷预测的准确性往往决定了投资效益的好坏, 决定了规划的效果。由于未来负荷的不确定因素很多, 要用一个十分完善的方法对未来负荷加以准确的定量是很难做到的。因此, 对于电力负荷预测只研究电力负荷本身是不够的, 而必须探索国民经济发展的规律, 并用几种负荷预测方法加以分析确定。
参考文献
[1]电力工业部电力规划设计总院.电力系统设计手册[M].北京:中国电力出版社, 1998, 6.
[2]陈章潮.城市电网规划与改造[M].北京:中国电力出版社, 1998, 5.
电力负荷预测技术发展趋势研究 篇4
关键词：负荷预测 趋势 研究
中图分类号：TM715文献标识码：A文章编号：1674-098X（2014）01（c）-0043-01
电力负荷预测是供电部门重要的经常性工作，负荷预测的结果对于新的发电机组未来扩展及安装，对未来机组装机容量大小的决定，时间地点的选择，以及对未来电网容量的改扩建都有重要的意义，电力负荷预测的工作水平已成为电力企业管理现代化的重要标志之一。
负荷预测的核心问题是预测的技术方法，随着电力企业管理水平的不断推进和科技水平的迅速发展，预测理论和预测方法也不断得到发展，先后出现了负荷预测经验技术和经典技术、趋势外推技术、回归模型预测技术、灰色预测技术等方法的实施运用，可以说负荷预测技术的发展在不断完善，实现并成熟运用智能化、精细化的负荷预测技术是当前和今后电力负荷预测技术发展的趋势和方向。
1 基于专家系统的负荷预测技术
专家系统技术在人工智能领域中占有重要地位，一个完整的专家系统包括知识库、推理机、知识获取和解释界面四部分，并基于知识程序建立起主要表现为软件的计算机系統，拥有某特殊领域专家的经验和知识，通过知识进行推理最终作出智能决策。
在长期负荷预测知识的前提下，专家系统可通过编辑“如果…，那么…（IF…，THEN…）”语句结构块组成知识库。可以建立电力发展规划参照知识库、弹性系数知识库、惯性知识库、综合指标知识库、行业用电比重知识库、用电水平判别知识库以及基于数学模型预测精度等级知识库等。
在专家系统技术方法实现过程中，通常将数据库系统和专家系统结合起来，也就是把数值计算与知识的描述结合在一起。比如，选取Foxpro数据库，首先进行在VB环境下的处理各种预测模型的数值运算，其次实现Foxpro与VB的数据交换，并把VB软件的数值运算结果Foxpro建立数据库，最后利用专家系统工具与Foxpro的数据交换与用户进行交流，对预测模型进行评估输出最优结果。[1]
基于专家系统的负荷预测技术具有快速决断的优点，并克服了单一算法的片面性是的该方法具有较广泛的应用前景。
2 基于神经网络的负荷预测技术
在电力负荷预测中应用神经网络，就是模仿人脑的智能化处理特点，对大量非结构和非精确性规律具有自学习、自适应、记忆、知识推理、优化计算等，因此应用人工神经网络进行电力负荷预测是具有潜力和先进的研究方法。一般来说，一个多层的神经网络分为三层：输入层、输出层和中间层。以BP神经网络为例，它就是利用训练样本实现从输入到输出的映射，在所选的网络拓扑结构下，通过学习算法调整各神经元的阈值和连接权值，使误差最小。
在电力负荷预测中，短期负荷变化可近似认为是一个平稳的随机过程，而神经网络是较为适合解决平稳随机过程的，因此神经网络主要应用于电力负荷预测的短期负荷预测。研究表明，运用人工神经网络方法的预测结果比其他方法具有更准确的优势，因而具有更加实用的前景。
3 基于小波分析的负荷预测技术
小波分析被称为“数学显微镜”，是一种时域—频域的分析方法，在图像处理、模式识别、故障诊断、状态监视、雷达探测等领域中得到应用，它可以聚焦到信号的任意细节，尤其是擅长对奇异信号、微弱信号和突变信号的处理，其目标是将一个信号转化为小波系数，从而方便地处理、分析、传递和存储或者用于重建原始信号，这些可以提现小波分析可作为电力负荷预测的有效途径。[2]
电力系统中负荷曲线具有特殊的周期性，将符合序列通过小波变换可分别投影到不同的尺度上，尺度上的序列分别代表了一定的“频域”分量，较为清晰地表现了负荷序列的周期性。在此基础上对不同的子负荷序列进行预测。虽然电力系统中负荷以日、周、月、年为周期发生波动，但通过小波变换后的序列重组得到较完整地小时负荷预测结果，实现对短期负荷的良好预测。
4 模型群优选组合的负荷预测技术
一般来讲，优选组合有两种基本涵义，一是把用不同预测方法得到的结果进行加权平均来预测；二是将几种不同的预测方法进行选择，选取拟合度最佳和偏差最小的作为最优模型来预测。优选组合预测方法有许多，其中模型群方法在应用时可避免漏掉最优预测模型，同时具有良好的自适应性，提高了预测的准确性和效果，这种方法就是选择n个预测模型和相对应的n个预测结果，通过判别标准偏差、拟合程度、关联度和误差等指标来比较n个模型的好坏，最后从中选择一个最优的模型进行负荷预测。这种方法体现了集多种预测模型的信息于一体，可达到改善预测效果的目的。
5 结语
综上所述，随着电力系统智能化程度的不断提高，电力负荷预测技术的研究也在不断深化，新的预测方法不断出现，从以前的经典方法到现在的智能化、最优化方法，为电力负荷预测提供了有力的工具，本文所提到的负荷预测方法是当前乃至今后的负荷预测发展和应用趋势，在研究和实践中取得了较好的效果。
参考文献
[1]牛东晓.电力负荷预测技术及其应用[M].中国电力出版社，2009.
城市负荷预测 篇5
1 电网发展与空间负荷预测的关系
电网发展的目的是为当地用电负荷提供安全、可靠、充足、便捷、经济的电力。空间负荷预测的任务是明确各负荷元胞的空间布局、发展时序、负荷特性曲线等, 进而综合分析元胞组的负荷时空分布。空间负荷预测是电网发展规划方案制定以及实施电网建设项目决策的重要依据, 是电网规划中的基础工作。
2 空间电力负荷预测技术发展历程
空间电力负荷预测也称空间负荷预测 (spatialload forecasting, SLF) , 是指对供电区域内未来电力负荷的大小和位置的预测。国外自从20世纪30年代中期出现有关电力负荷分布的负荷预测的记载以来, 一直称之为小区负荷预测。直到1983年, H.L.Willis给出了SLF的定义, 即在未来的供电范围内, 根据电压水平不同, 将用地按照一定原则划分为相应大小的规则或不规则小区 (每个小区又称为一个负荷元胞, 简称元胞) , 通过对元胞负荷的历史数据的分析, 以及对元胞内土地利用的特征和发展规律的分析, 来预测每个元胞中电力用户负荷的数量、用量和产生的时间。从此SLF一词被广为接受和使用。
国内关于SLF的研究起步相对较晚, 最早明确使用SLF术语的文献出现在1989年。国内目前空间负荷预测方法用得多的是直观预测法 (涂色法) 、多元变量法、分类平均负荷密度指标、考虑不确定性因素的用地仿真法、趋势预测法等。
3 山地超大城市电网发展的特点
3.1 城市定位和特点
超大城市是城市序列的最高级, 属国家中心城市, 对周边地区具有强大的辐射和带动能力。山地型城市由于地理环境的特殊性, 往往具有高山、丘陵、平原、沟壑等各类地形交织综合的特点, 城市发展呈组团式格局。
3.2 电网发展受城市总体规划制约
城市总体规划是指导城市各项建设的总体框架, 其他各项专项规划都是在总体规划的范围内进行细化、补充和协调。现阶段城市建设速度迅猛、土地消耗迅速, 但对电网规划的研究往往投入不足, 进而导致电网建设滞后经济发展、建设成本陡增, 严重时制约经济发展;乡镇电网建设投入不足, 电网结构不合理。因此, 为保证电网发展的有效性和可行性, 必须在城市总体规划基础上适时进行电网专项规划。
3.3 电网建设具有多因素不确定性
(1) 从负荷预测方面看, 由于经济社会发展条件的变化, 电力负荷增长存在着一定的不确定性, 导致电网建设存在不确定性。
(2) 电源建设受城市规划及燃料来源等因素的限制, 导致配套电网工程建设具有一定不确定性。
(3) 山地超大城市具有组团式发展特点, 城市骨架大、负荷密集区域多且较为分散、地质特征复杂, 点多、面广、线长, 建设资金相对不足, 电网工程建设能否如期顺利实施存在很多不确定性因素。
4 山地超大城市空间负荷预测的基本原则
4.1 坚持负荷预测与城市发展相适应的原则
城市发展因其定位、地理位置、人口、经济形势、经济政策、物价因素、电价因素、城乡居民家用电气化情况、燃料供应等决定了负荷预测的独特性和时空分布的唯一性。负荷预测必须深入分析和科学研究城市发展个性因素。
4.2 坚持按城市空间功能划分原则开展空间负荷预测
山地超大城市因其城乡总面积大、空间功能划分各不相同且较为独立、经济社会发展形态差异较大、地区发展程度及负荷密集程度迥异。因此, 对城市不同的功能分区应采用不同的空间负荷预测方法。
4.3 坚持以负荷特性曲线作为空间负荷预测的基础
用电设备的安装容量和最大负荷是分布在空间里的点状静止对象, 无法反映自身随时间的发展趋势及相互间的作用效果。负荷特性曲线恰好综合了城市发展的各种宏观及微观因素, 准确反映了负荷随时间的变化, 只有融合了负荷特性信息的空间负荷预测结果才能为电网规划建设提供合理的决策依据。
5 山地超大城市空间负荷预测的方法探讨
将城市按功能定位和发展程度分为三大区域, 即主城成熟区、主城在建区和生态保护发展区。分别采用分类平均负荷密度指标法、考虑不确定性因素的用地仿真法、趋势预测法进行空间负荷预测。
从数学角度来讲空间负荷预测存在以下3种映射关系:
式中, f1将地块 (x, y) 的特征F (x, y) 映射成地块面积S (x, y) , f2将地块面积映射成片区负荷Q (x, y) 。f3将片区负荷映射成区域总负荷。
式中, m为地块编号, λ为地块负荷发展程度, Pi为该地块的负荷密度, Si (x, y) 为第i地块面积和, Qk (x, y) 为k片区的负荷。
分类平均负荷密度指标法在预测过程中将所有元胞内相同性质负荷聚合成一类, 通过预测分类负荷平均密度, 结合市政规划方案中的用地信息, 并根据各元胞内分类负荷所占的面积, 最终分别计算出各元胞的负荷值。其实质是把各个元胞的负荷预测转化为分类负荷及其分布的预测。该方法需要负荷及用地信息详细, 预测精确度较高, 适合对主城成熟区的负荷预测。
考虑不确定性因素的用地仿真法将电力负荷的空间分布看作是基础分布和事件分布相互叠加的结果, 先采用传统的用地仿真类SLF方法对电力负荷分布的平稳发展部分进行预测, 得到基础分布结果, 再针对大事件发生的时间和位置的不确定性, 引入多方案预测方法论, 最终得出科学的空间负荷预测结果。该方法对土地跳跃式发展区域负荷预测具有优势, 适用于主城在建区的空间负荷预测。
趋势预测法简单方便, 数据需求量小, 易于实现, 适用于负荷发展平稳、土地面积大且基础资料不完备的生态保护发展区空间负荷预测。
结语
山地超大城市因其国家中心城市的定位在国家发展战略中具有举足轻重的地位, 因其独特的地形地势对电网发展提出了更高要求。城市的发展离不开电网发展, 合理的电网结构和项目建设时序离不开空间负荷预测的科学性和准确性。因此, 务必重视此类城市的负荷预测研究, 采用合适的预测方法为电网发展提供有力的决策支撑。本文受《基于重庆“五大功能区”规划的空间饱和负荷发展预测》 (2015渝电科技4#) 支持。
参考文献
[1]Willis H L.Spatial electric load forecasting[M].New York:Marcel Dekker, 2002.
[2]肖白, 穆钢, 杨右虹, 等.基于GIS的空间电力负荷预测平台的研究与开发[J].中国电力, 2010, 43 (10) :53-56.
[3]寇纪淞, 李敏强.空间负荷预测的聚类综合方法与合理空间分解[J].系统工程学报, 1989, 4 (02) :42-53.
[4]肖白, 周潮, 穆钢.空间电力负荷预测方法综述与展望[J].中国电机工程学报, 2013, 33 (25) .
[5]王成山, 黄纯华, 葛少云, 等.一个实用的城市电力负荷密度预测系统[J].电网技术, 1992, 16 (06) :41-46.
城市负荷预测 篇6
关键词：燃气管网,管网负荷预测,预测方法,预测分析
伴随国际信息化浪潮的强势之风, 我国燃气行业从上世纪90年代便开始致力于企业信息化管理的建设与探索, 由于燃气行业的特殊性, 在开发和应用过程中, 安全是企业生存之本, 作为燃气企业重要组成部分的负荷预测技术, 越来越受到城市燃气企业的分外关注, 并投入了大量的人力、物力、财力, 随着城市燃气技术的不断发展, 尤其是近年来的“西气东输”工程、“数字供气”、建设信息社会安全的口号的出现, 燃气管网负荷预测技术已经被列为非常重要的技术研究课题, 燃气管网调度和规划部门已经充分地认识到建立合理的燃气管网, 必须要对燃气系统进行实时控制、灵活调度, 对燃气管网进行运行状态监测和未来发展规划, 体现出经济效益的同时, 也能收到社会的好评。
燃气管网负荷预测主要包含两种技术:一是对未来需求量的提前预测技术, 二是对未来用气量的事后预测技术。在进行负荷预测时, 需要对历史燃气负荷值的研究和分析比较, 充分考虑到当前管网系统的特殊性, 对未来增容以及对自然条件和社会的影响, 来完成当前燃气管网系统当前以及未来某特定时刻的负荷值。管网负荷预测技术研究起始于上世纪五六十年代, 直到80年代, 管网负荷预测研究才取得了新的发展, 随着计算机系统的广泛推广和应用, 特别是现代信息技术的不断创新, 对管网负荷预测的速度和精度带来了新的提升, 本文从常见的管网负荷预测方法谈起, 如时间序列法、灰色理论预测法、回归分析法、专家系统法、神经网络法等, 对其工作原理和规划思路做一简要分析和比较, 以期相互探讨, 共同提高。
1 燃气管网负荷预测常见方法概述及其特点
1.1 时间序列法
时间序列法是用时间来替代影响管网负荷的因素, 我们从管网的负荷记录中, 利用统计分析方法, 对过去的管网负荷进行曲线量化和评估, 通过对其进行因时间的变化而形成的规律性, 我们设计出相对应的系统模型和参数定义, 建立符合管网规划要求的预测模型和软环境。时间序列法在应用中包括确定型和随机型两种, 根据对管网负荷的统计分析, 利用相应的管网模型进行评估和修正, 来实现未来某一时刻的管网负荷参数结果。
从过去在项目实施实践中, 常见的确定型时间序列法有移动平均法、指数平滑法等, 常用的随机型时间序列法有自回归模型AR (p) 、移动平均模型MA (q) 、自回归-移动平均模型ARMA (p, q) 等, 尽管从某一定时期内, 我们从观察和记录到的按按时间顺序排列的数据中能够推断和分析出燃气管网负荷的变化特征、趋势和发展规律, 在城市燃气负荷时间序列分析中, 我们发现很多引起系统结果不确定性, 而随机型时间序列分析法把时间序列作为随机过程来研究, 充分认识到随机因素的不确定性, 在与确定型时间序列模型相比, 能够提供更多有价值的信息, 目前, 最常用、最典型的ARMA模型就是代表。
ARMA数学模型为
式中:θi (i=1, 2, …, p) , Wj (j=1, 2, …, q) 为模型的待定系数;eff均值为零方差不为零的随机干扰;p, q为模型阶数;{xf} (f=1, 2, …, n) 为燃气负荷时间序列;B为后移算子, Bxxi=xi-xi。
通常记 (1) 式为AR (p) 模型, (2) 式为MA (q) 模型, (3) 式为ARMA (p, q) 模型。在对模型阶次和模型参数进行评测和分析中, 我们对因燃气负荷参数的变化规律, 具有一定的增长趋势和周期性, 如果在该模型中进行预测, 发现应当定义差分算子将之变作为平稳随机时间序列, 因此, 将差分算子应用到模型中。
同时, 我们在应用时间序列法的过程中, 也发现一些不足的地方:1) 系统参数对模型数据的要求过高;2) 在表达负荷之间的非线性关系时, 线性模型不能有效的应用非线性模型, 必然存在数据之间的局限性。3) 在系统模型测试中, 由于没有考虑到像天气的不确定性因素, 而对整个系统测试结果产生的负荷模型数据, 不能简单地将历史数据进行直接输入, 为此, 系统负荷监测变化只能对相对短期的负荷监测有效, 而不适应于长期的负荷预测。
1.2 灰色理论预测法
灰色系统理论是一种对条件掌握不够充分的情况下, 我们根据在某一时刻对其起作用的各种因素进行系统的建模, 灰色预测是一种不严格的系统方法。我们从构造微分方程的求解中不难发现, 建立灰色系统模型必须将原始的燃气管网负荷数据进行指数分布, 即要求原始检测数据在一次累加后序列保持指数规律性增长要求, 从而确定微分方程的所需要的建模序列。实践中最常用的一种灰色理论模型为单变量一阶GM (1, 1) 模型 (Grey Model) , 微分方程如下:
通过分析灰色理论, 在管网负荷预测过程中, 也有一定的优势:1) 在系统模型构建时, 灰色理论预测技术模型相对简单, 并且能够根据少量负荷数据, 即可实现负荷预测, 对负荷数据要求比较少, 特别是在负荷数据匮乏时也能产生明显的预测效果;2) 在应用灰色理论预测时, 我们不需要考虑管网系统内的各项数据变化趋势、也不要考虑数据序列在管网系统的具体分布和其规律性;3) 在运算技术上, 应用灰色理论能够更加方便、快捷地检验、做到在短期预测分析中, 有效确保系统分析精度。灰色理论预测方法能根据原始数据的不同特点, 构造出不同的预测模型。
研究到现在, 我们发现, 在多种具体的负荷预测技术比较中, 灰色理论技术也不具有普遍性, 因此, 针对不同的实际问题, 选择合适的改进方法或几种改进多重组合, 在因地制宜中, 提高管网负荷预测精度。
1.3 回归分析法
应用回归分析法, 我们通过对历史数据的变化规律进行研究和分析, 总结出在燃气管网负荷中与之相关的因素, 发现自变量与因变量之间的回归方程式, 我们对因随机性的负荷记录通过回归分析法建立回归模型, 从回归模型中推导出影响燃气管网负荷变化的记录曲线, 通过对记录曲线进行推断和整合, 我们可以得出在未来的某一适当的时刻, 推导出与该时刻对应的负荷预测值。
在回归预测分析法中, 最常用的预测模型有一元线性回归、多元线性回归和非线性回归等回归预测模型。回归预测法的模型为:
式 (5) 中:燃气负荷q是一个随机变量值, 它代表了在燃气负荷变化中, 能够影响测量结果的自变量如x1, x2, …, xp中, 此值将引起系统的确定性变量或者是随机变量。回归关系f既可能是线性的, 也可能是非线性的, 表达燃气负荷与p的值, 他们在影响因素相关性的关系。利用该方程, 将由x1, x2, …, xp构成的未来值, 代入到预测方程式中, 可得到燃气负荷q的预测值。
在系统分析预测中, 回归分析法的计算分析依据是多种影响因素选取以及因不同因素所形成的自变量预测值的准确性作为计算分析原始数据, 在多种预测技术中, 回归分析法也是一种常见的因果型预测模型, 相对于短期预测来说, 由于燃气数据波动大, 造成对影响因素复杂难辨的情形, 其预测准确性将更容易出现偏差和误断, 因此它比较适合长期性预测。
1.4 专家型系统法
专家型系统预测法 (ExpertSystem) 是针对人类对不可量化的经验进行重新汇总分析, 转化成有力、有据的一种比较好的结果预测方法。根据专家型系统预测方法所需要的构成组成来讲, 它主要由知识库、综合数据库、推理机、解释程序和知识获取等五部分组成, 其构成框图如图1所示。
专家型系统预测法是从数据库里通过几十年的数据记录中, 对影响燃气管道负荷的因子进行分析, 特别是过去成功的专家预测和权威机构得出的预测结果进行汇集。
在燃气管道负荷预测中, 专家型系统预测与其他预测方式不同的是, 能够从很多专业的知识库里进行相关性分析, 由于造成燃气管道负荷的因素比较多, 涉及到很多行业及专业知识, 比如说数学模型, 通过建立数学模型, 将多种知识结构存放在不同的数据库里, 一些历史气象数据, 参数变换范围及变量, 公式及运算方法, 起始数据与生成数据, 结合多种推理机制来实现推理过程, 比如专家型系统预测主要是从解决造成燃气管道负荷的多种知识, 包括各种数学模型, 综合数据库用以储存推理过程中的事实, 存放系统运行中所需的原始数据和生成信息, 主要包括历年气象数据、燃气负荷及特殊情况数据和有预测结果的数据信息, 结合推理机来控制推理过程, 将对知识库中的数据进行求解、修正、补充, 使得问题解决一致性、完整性。在专家型系统分析方法中, 它能从很多知识经验中进行最大限度的分析和判断, 纠正和促进决策分析。在复杂的综合资料和信息中, 通过比较分析得出较为正确的理论和结果;最后, 还能有效的避免因人为冲动引起的差错, 因此更具有可鉴性。
1.5 人工神经网络法
人工神经网络 (ANN, ArtificialNeuralNetwork) 是由多个神经元连接而成、用以模拟人脑行为的网络系统, 人工神经网络不同于过去的传统计算方法, 它是通过对人工神经网络进行有效分析, 来推断或映射出系统的复杂关系, 在对其进行权值和阀值的取舍和采集中, 根据已确定的模型, 来学习获得恰当的即时参数。在短时期内, 由于管道负荷变化处于一种平稳的随机性的过程中, 因此, ANN更适宜应用于短期负荷检测, 而对于因政治、经济等因素突发性转折而造成的长期负荷检测失误来说, ANN具有更加可鉴性的优点和特效:1) 是可以模仿人脑的智能化来处理复杂的、多变的数据参数;2) 应用人工神经网络的智能性, 将大量的非结构性、非精确性规律通过自适应来实现有效的分析;3) 它还具有自主学习的能力, 借助于人工神经网络对知识进行记忆、推理和优化, 具有显著的效果。
针对ANN在某一领域或系统中的优良表现, 不能一味地死板硬套, 比如说, 一套设计、运行良好的人工神经网络, 不能将其直接移植到另外一套系统中, 因为对于不同的系统环境, 只有通过长期的复核检测, 才能最大化的实现原始数据的积累和对系统模型的改进和修正, 才能明确不同地区、不同季节、不同材质管网的负荷变化情况及与相关因素之间的关系。人工神经网络系统是在特定环境、特定领域、特定条件下制定出的符合某一段管网的负荷状态, 如果我们选取不同的特征变量, 结合不同的数据处理方法, 在长期的测量和实践摸索中, 只有不断的研究和深入的比较, 才能真正实现预测的准确性, 才能带来好评。
2 对多种预测方法的分析与比较
一套预测方法总是跟其研究的角度和适用条件, 认真分析多种预测方法的优劣性, 而不能直接套用, 为此, 将多种预测方法的有效性进行统计分析, 主要从以下五个方面进行阐述。
1) 研究角度和适用条件:我们知道, 回归分析法和时间序列法是在对比中实现统计要求, 因此, 回归分析法和时间序列法是比较适合在现场条件不足的情况下, 对比分析历史记录, 比较适合在相当长的时间周期内, 燃气管网的负荷预测。而灰色模型法它所表现的是现实规律性研究, 所以比较适合在缺少相关信息的条件下, 推导出燃气管网的负荷预测。专家预测法由于积累了相当范围的多名专家提供相关知识和经验, 更适用于中长期负荷预测, 而神经网络法更适应于时间序列预测问题, 神经网络法利用自学能力的高低, 特别适合平稳随机过程的预测。
2) 数据的预测形式:在预测过程中, 时间序列法能够利用其对原始数据的指数加权层级预测方法, 也可以通过建模来实现对原始数据的积累。回归分析法主要体现在对原始数据的采集、建模, 专家级系统预测是在模型集的基础上, 将各专家的丰富经验和判断力进行预先判断, 预测结果时间内, 效果佳。而神经网络法是通过自主学习, 来适应归一化的原始数据归一处理。
3) 计算复杂程度:在实施回归分析法和灰色模型法的时候, 要根据时间来进行分析, 由于相对简单一些, 还可以通过excell来实现。
4) 预测方法发展程度:燃气管道负荷预测一般采用目前最常见、最规范的采用时间序列法, 而专家系统法、灰色理论法和神经网络预测法因其固有的不足, 需要我们进一步开展和完善。
5) 适用时间的长短:时间序列法、灰色系统理论预测法、神经网络法比较适宜近期预测或短期预测, 而回归分析法、专家系统法比较适用于中长期负荷预测。
总之, 燃气管网负荷预测技术, 在整个燃气系统管理中的作用越来越大, 随着现代化技术手段和工具的革新, 通过对其进行各种优缺点的比较, 通过对其实际情况来选择合理的计算模型, 既要满足预测目标, 又能在预测范围内实现预测精度的提升。
参考文献
[1]牛东晓, 曹树华, 赵磊等.电力负荷预测技术及其应用[M].中国电力出版社, 1998.
[2]肖文晖, 刘亚斌, 王思存.燃气小时负荷的模糊神经网络预测[J].煤气与热力, 2002.
[3]焦文玲, 严铭卿, 廉乐明.城市燃气负荷的灰色预测[J].煤气与热力, 2001.
[4]叶瑰昀, 罗耀华等.基于ARMA模型的电力系统负荷预测方法研究[J].信息技术, 2002.
[5]张立明, 人工神经网络的模型及应用[M].上海:复旦大学出版社, 1993.
[6]飞思科级产品研发中心.神经网络理论与MATLAB7实现[M].北京:电子工业出版社, 2005.
城市负荷预测 篇7
某市临近城区部分规划新建1个产业园区,面积1.8km2,现有1条10k V农网线路供电,该线路为单辐射接线形式,且供电半径20km,导线型号为LGJ-185,负载率60%,区块附近仅有1座110k V变电站,主供负荷重,无10k V新出线间隔。按照政府最新土地规划,需新增负荷电源点及相应中压配出。
2 空间负荷预测
利用负荷密度指标的方法进行负荷预测,确定每一类负荷的用电负荷密度参考指标。
(1)居住用地。为了对规划区内各类居民家庭未来用电情况有比较明确的了解,根据有关部门提供的参考资料,并结合实际情况,初步确定未来家庭电器的拥有情况及其应用情况以作参考。再结合城区居民生活的实际情况,以及《城市电力规划规范》对居民生活用电20~60W/m2的规定,确定居住用地的负荷密度指标选取为30W/m2。
(2)该区域以一类、三类工业为主,主要集中在农产品加工产业、食品加工工业、装备制造业、煤电煤化工产业等几大行业产品上。根据城区产业规划,并结合《城市电力规划规范》对工业用地20~80W/m2规定,确定乐都区城一类工业用地的负荷密度指标选取为25W/m2,二类工业用地的负荷密度指标选取为30W/m2,三类工业用地的负荷密度指标选取为40W/m2。
(3)公共设施用地主要包括行政办公、教育科研、文化娱乐、医疗卫生、体育用地、其他公共设施。参考公共设施用地负荷密度指标调查结果,结合乐都区城的实际情况,以及《城市电力规划规范》对公共设施用电30~120W/m2的规定,确定乐都区城C1-C4用地的负荷密度指标选取为40W/m2;C5-Cn用地的负荷密度指标选取为35W/m2。
(4)市政设施用地选取为20W/m2,仓储物流用地负荷密度指标选取为15W/m2,道路广场及绿地负荷密度指标选取为100k W/km2。
对上述各类性质用地的2020年负荷密度指标选取结果进行统计(如表1)。需用系数选取依据包括《中国建筑电气》和《工业与民用建筑供电》,所谓需用系数指的是同时系数与负荷系数的乘积。其中,同时系数(kt)指运行中所有电气设备的综合最大负荷与各个设备最大负荷之和的比值,负荷系数(k)即电气设备的实际负荷与其额定负荷之比。此处需用系数按最大值选取。
最终用地面积指标=建筑面积指标*需用系数/容积率,即用地面积负荷密度。最后将各类用地性质的负荷(用地面积*用地面积负荷密度)进行同时率加和,得出预测区域负荷,此处同时率考虑0.8。预计城区负荷远期将达到17.53MW,结果如表1所示。
3 中高压电网规划
此区块目前只有1条10k V线路供电,且负载率达到60%,根据负荷预测结果,区块远期负荷将达到17.53MW,仅靠1条10k V线路无法满足供电需求,且临近110k V电源点主供城网负荷,无剩余10k V出线间隔。考虑到城市近期用电需求及远期发展需求,考虑在区块新建1座110k V变电站,主变容量2×31.5MVA,本期新增1台主变,远期2台。
考虑区块位置及周边乡镇、农村供电需求,此变电站电压序列选择为110k V/35k V/10k V,110k V出线2回,35k V出线4回,10k V出线12回。
由负荷预测可知,此区块负荷为17.53MW,考虑区块临近城区,变电站10k V配出线路型号选择JKLGYJ-240,线路极限输送容量为8.9MVA。考虑线路负载率为50%,功率因数取0.95,则单条10k V线路可带4.23MW负荷,计算可知,4条10k V配出线路足以满足该区块供电需求。考虑新出10k V线路切改原过境10k V线路,优化网架结构,使城农网线路分开,此次一期配出6条10k V线路。
考虑区块内各类用地负荷,新出10k V配出如图1所示。规划变电站新出6回10k V线路,其中区1路、区2路将原10k V线路π开,区2路与原10k V线路联络,调整联络开关位置,使原10k V线路城农网分开,切改部分负荷并供沿线C4、R区块部分负荷;区3、区4、区5、区6路同塔4回向南出线,在第一个路口处区3、4、5路同塔三回向西走线,区6路继续向南走线,其中区3、4路主供区块西部负荷,并在末端联络,形成单联络;区5、6路主供区块东部负荷,在线路末端联络,形成单联络。区3、4、5、6路主供区块负荷,且每条线路所带负荷控制在4.23MW内。
参考文献
[1]符杨,朱兰,曹家麟.基于模糊贴近度理论的负荷密度指标求取新方法[J].自动化.2007(19).
[2]吴茜.电力负荷预测方法综述[J].科技与企业,2012(13).
[3]谢秦.城市功能区空间负荷预测方法研究[D].天津大学,2012.
城市负荷预测 篇8
作为电力工业中一个热点问题, 电网规划工作从电力系统诞生之日起至今一直深受关注, 尤其是近几年, 随着“两型”社会的建设和我国城农网改造步伐的加快, 电网规划工作更是受到了前所未有的重视。而提高电网规划水平的关键在于提高负荷预测的准确性, 但由于社会发展速度的不断加快以及诸多因素的影响, 准确的负荷预测变得越来越困难, 如何提高负荷预测准确性已经成为当前电力工作者研究的一个热点话题。
1 预测思路
进行一个特定的规划区的负荷预测时, 分析规划区的相关数据特点, 确定采用的预测技术路线, 选定在预测技术路线中间需要采用的具体模型以及设定模型参数均是十分重要的步骤。
制定思路的原因:针对不同的地区, 采用不同的预测思路, 是提高负荷预测精度的一个有效方法。下面是负荷预测时需要制定相应预测思路的原因:
1.1 不同的规划区有不同的特点
在规划区有不同的历史数据积累或者城市规划有不同特点的情况下, 需要分别采取不同的预测方法和预测流程, 从而最大限度地对电网未来的负荷和负荷分布进行准确预测。
电力负荷的增长有着其内在的规律性, 这是我们能够较准确地预测其发展的基础。一个城市的负荷通常是由中心城区逐渐向外围发展, 负荷密度也是从中心城区向外逐渐降低。而城区的总负荷及总电量的增长也是有规律可循的, 通常其增长可大致分为三种类型:
(1) 规划区处于发展初、中级阶段, 在预测期内, 电量可能以近似指数规律增长, 其年增长率比较大。
(2) 发展成熟的规划区, 其电量经历过指数规律发展的阶段, 在预测期内进入了一种具有饱和特性的发展阶段。
(3) 对一些初期用电量低, 而发展又十分快的规划区, 在预测期内, 负荷按一种S型曲线趋势增长。
因此我们即使在有历史数据和未来水平年的目标数据的情况下, 采用不同的增长模型进行预测, 就有不同的预测结果。甚至都采用S型曲线进行预测的情况下, 也会因曲线的参数不同而导致不同的结果。
1.2 不同的预测方法有各自的优缺点和适用范围
每种预测方法都有其优缺点和适用范围, 基于误差预测修正的组合预测虽然能够最大限度地挖掘历史数据的内在规律, 但对历史数据中不能体现的因素和未来出现的新因素的影响却无法预测, 不适宜远景年负荷预测, 空间静态类预测方法能够充分体现预测者和专家的预测经验, 体现人为意愿对负荷变化的影响, 但对历史数据的内在规律很难把握, 因而对近期预测的效果欠佳。因此如何选择适当的预测模型进行预测也是负荷预测的一个重要技术环节。比方说对总电量和总负荷的预测, 既可以通过历史数据的建模, 采用多种模型预测, 也可以通过负荷密度法预测未来的负荷分布从而获得总负荷和总电量。如果有国民经济和人口等相关预测数据, 也可以通过相关模型来预测相应的总负荷和电量值。分类电量和负荷的预测, 也是既可以通过历史数据的建模, 采用多种模型预测, 又可以通过设定负荷密度指标的方法用负荷密度指标法获得。因此采用不同的技术路线 (预测路线) , 就可能有不同的预测结果, 技术路线是否符合规划区的数据情况和发展特点, 将严重影响负荷预测结果的准确性。
在进行负荷预测时, 首先要具体地分析城市和地区的特点、历史数据的积累情况、未来城市规划的定位和特点等具体的问题, 从而确定负荷预测的具体路线, 确定了具体的路线后再根据具体的每一阶段的特点选择适当的负荷预测方法或者综合多种方法进行实际的预测。
2 预测思路的制定
在规划区有不同的历史数据和城市规划有不同特点的情况下, 需要分别采取不同的预测方法和预测流程。本文按照历史数据的积累情况及历史负荷能否反映负荷的发展规律把规划区分成老区和新区两种类型, 下面对这两种地区制定了不同的预测思路。
2.1 老区负荷预测思路
本文讲的老区是指规划区已经经过相当长的发展时间, 整个区域正按照地区社会规划的指导顺利发展, 地区的经济和社会数据完善, 负荷的历史数据充分, 负荷已经发展相当长的时间, 已经遵循负荷的内在发展规律增长, 即累积的历史数据能够反映负荷的发展规律的地区。
此类地区的预测思路是:使用空间静态类负荷预测模型对负荷进行预测, 得到各个模型的预测结果后, 使用等权平均组合得到第一组负荷预测结果, 然后使用时间动态类预测模型预测, 本文推荐使用基于误差预测修正的组合预测模型根据负荷的历史数据预测, 得到第二组负荷预测结果, 由于第一组负荷预测结果在远景预测时可信度高, 第二组数据在近、中期预测时可信度高, 因此对两组数据赋予可变权重, 近、中期第二组数据的权重大, 而远期第一组数据权重大, 最后拟合得到最终的预测结果, 可变权重的分配可视具体情况而定, 具体流程见图2。
2.2 城市新区负荷预测思路
随着我国国民经济的快速发展, 我国的城市化进程也正在加快步伐。很多老城市新规划的市区范围都扩大了很多, 新的城区不断出现, 这些城市新区通常都进行了很好的城市规划, 为其配套进行电力专项规划也是城市规划的一项重要内容。进行电力专项规划, 就需要进行详细的负荷和负荷分布预测。
城市新区负荷预测的特点是:通常没有历史数据, 即使有历史数据, 也可能因历史数据不完整或因历史数据没有延续性而没有参考价值, 待规划区有完整的城市规划, 用地分类比较明确, 有时用地情况有控制性详细规划。
此类地区的预测思路是:使用空间静态类负荷预测模型对负荷进行预测, 得到各个模型的预测结果后, 使用等权平均组合得到各年的负荷预测结果, 新区规划还需要着重考虑近年城市规划中大用户的建设情况, 具体流程见图3。
3 结束语
总之, 随着城市规模的不断扩大, 很多城市都重新进行城市总体规划或扩展规划, 使得与之配套的电网规划也得到了极大的重视, 而进行电网规划的基础和关键就是负荷预测工作, 如何做好电网规划中的负荷预测有着很重要的意义。
参考文献
[1]牛东晓, 曹树华, 赵磊, 等.电力负荷预测技术及其应用[M].北京:中国电力出版社, 1998.
[2]钟庆.用于电网规划的负荷预测和经济评估方法研究[D].广州:华南理工大学, 2000.
[3]何仰赞, 温增银.电力系统分析[D].武昌:华中科技大学出版社, 2002.
电力系统负荷预测方法的探讨 篇9
关键词 负荷预测；电力系统；方法探讨
中图分类号 TM715 文献标识码 A 文章编号 1673-9671-(2012)052-0174-02
1 电力系统负荷预测的特点
电力系统中的负荷一般分为城市的民用负荷、商业的负荷、农村的负荷、工业的负荷和其他的负荷等，不同类型的电力系统负荷会具有不同特点及规律。
城市的民用负荷大多来自城市的居民家用电器的用电负荷，它有年年不断增长的趋势，并且随着季节的变化而变化，但民用的负荷还是和居民日常的生活及工作规律相关较为紧密。
商业的负荷，主要是指商业用电中的用电负荷，它覆盖的面积大，而且用电量增加的速度的平稳，商业的负荷同样也具有根据季节变化的波动特性。即使它在电力的负荷中占的比重不如工业负荷及民用负荷，但是商业负荷中的照明类的负荷占用了电力系统用电高峰时段。除此以外，商业部门因为商业行为会在节假日里会增加营业时间，因此成为节假日里影响电力负荷重要的因素之一。
工业负荷是指用在工业生产的用电负荷，一般的工业负荷比重在用电负荷里构成中居于第一位，它不仅仅由工业里负荷端的使用情况决定（也包括负荷的利用情况、企业工作班制度等），而且它和各个行业的特性及季节里的因素都有非常密切的联系，一般的负荷还是比较稳定的。
农村的负荷是指农村里居民用电及农业里生产的用电。这类负荷和工业里的负荷相比较，受到季节等其他自然环境的影响非常大，它是由于农业生产特点来定性的，农业的用电负荷同时也受到农产品的品种、耕种特点的影响，但是就电网系统而言，因为农业的用电负荷的集中时间和城市的工业的负荷使用高峰时间有很大差别，所以对于提高电网的负荷率很有好处。
从以上的分析可以发现电力的负荷特点是常常变化的，不仅按照小时变化、按日变化，而且还按周变化，按年变化，同时电力负荷又是以小时作为基本单位不断发生变化的，它具有很大的周期性，负荷的变化是个连续发展变化的过程，在正常的情况下，它不会产生大的跳跃，但是电力的负荷对于季节等因素是十分敏感的，在不同的季节，不同的地区的气候和温度的变化都将会对电力负荷造成十分重要的影响。
负荷预测目的是根据电力负荷的发展状况和水平，同时也确定各个供电公司计划的年供用总值，供用最大的电力负荷与规划的地区的总共负荷的发展水平，是由各规划的年用电负荷构成。它将为经济合理准确地安排各个电网内部的机组启停和检修，保持电网的运行安全和稳定性，电网发展的速度，电力的建设规模，电力工业的布局，能源资源的平衡，电力余缺的调剂和电网的资金以及人力资源需求和平衡等各个方面提供十分可靠的依据。
2 电力系统负荷预测的方法
2.1 负荷预测单耗法
第i年，第j企业的产值的单耗是Qi，并且第i年的用电总量是Ki，如果知道第j企业在将来第i年的企业产值是G(i)的时候，那么这个产业在第i年的总的用电量是E(i)=G(i)*Q(i)。同样，如果第i年的总共的人口预测是P(i)时，城乡居民的生活里的用电量E(i)=P(i)*K(i)。
根据计划的产品数量及用电单耗来进行推算年用电量，这比较适用于有关的单耗指标的工业及部分的农业负荷，它是预测有单耗指标的工业及部分农业用电量一种十分直接有效的方法。负荷预测时，可以依据规划的城市的经济社会发展状况来规划负荷预测目标，并且利用规划期中各个年份的工业和农业产值指标及主要的工业产量来规划指标，并通过对过去的国民经济中各个部门在各种商品生产的过程中的单位产品的耗电量、亿元产值的耗电量经过准确的统计，并且根据电力产业结构的调整，找出一定的内在规律，并得出各种商品和商品产值的综合电力单耗。最后按照国民经济中各部门编制的电力发展规划中的产品的产量指标和经济指标，按照单耗的方法进行预测。负荷预测单耗法的优点是：该方法简单，对于短期的负荷预测效果很好。缺点是：需要做大量的细致调研工作，同时也不够准确。
电力负荷性质主要是高耗能、扬水的负荷、电气化铁路的负荷、建材的负荷、造纸负荷及日常工农业用电的负荷组成。采用负荷预测单耗法的行业一般是高耗能企业、建材和造纸业，这种方法推算出来的年用电量基本和该行业实际负荷相吻合。
负荷预测单耗法适用于电力系统的近中期规划的负荷预测，它与经济实际的发展情况非常相似，预测结果也非常精确。
2.2 负荷预测弹性系数法
电力弹性系数是当地总电能用量的平均年增长率和工农业总产值的平均增长率比值，它是反映电力的发展和国民经济发展之间的关系一个宏观的指标。
K=E%/G%；E=e(1+K )
式中K为电力弹性系数，E%为全社会用电量的增长率，G%为国内生产总值增长率，E为当年用电量，e为上年用电量。
一般来讲，电力工业要适度超前经济发展，就是电力弹性的系数应该大于1，但是，因为电力弹性的系数是根据当地的负荷结构、性质来计算的，并且对历史的资料和各类的用电比重发展趋势加以分析后谨慎确定的。所以弹性系数法一般用于校核中长期的宏观负荷预测。
负荷预测弹性系数法适用于电力系统中远期的规划预测，并且其计算的方法十分简单。
2.3 负荷预测趋势外推法
当电力负荷根据时间变化呈现出某种上涨或者下跌的趋势，并没有显著的跟随季节发生，还能找到一个合适的规律来反映这种变化趋势时，那么就可以使用时间t作为自变量，时序数值y作为因变量，建立趋势的模型y=f（t）。我们认为，这种发展变化的趋势可以扩展到未来，赋予变量t所应当具有的值，那么就可以得到未来某个时间点的负荷值。这也是负荷预测趋势的外推法。
负荷预测外推法具有线性趋势的预测法、对数趋势的预测法、二次曲线趋势的预测法、指数曲线趋势的预测法、生长曲线趋势的预测法。负荷预测趋势外推法的优点是：只是需要历史的数据，所需数据量比较少。缺点是：假如负荷出现变动，将引起较大的误差。
负荷预测外推法远期粗略计算， 不适用于近中期规划预测。
2.4 负荷预测负荷密度法
负荷预测负荷密度是在每平方千米的平均的负荷数值。它一般并不是直接预测整个城市的电力负荷密度，而是按照城市区域的功能分区。首先要计算现状及历史分区的负荷密度，然后根据本地区发展规划和对各个分区负荷发展的相关特点，来推算出各个分区的各目标年的负荷密度的预测值；对于分区中的少量集中用电的大的用户，在分析预测时可以另外做点负荷的单独计算。在采用负荷的密度法时，必须要考虑到预测地区经济社会及电力负荷常有的随着某种因素而不是连续（跳跃式）发展特点。因此，负荷的密度法是一种非常直观的方法，在使用时必须谨慎。
负荷密度法一般用于城市用电负荷预测，计算准确，但程序编写较为复杂。
2.5 负荷预测神经网络法
负荷预测神经网络是由大量的简单的神经元组成的非线性的系统，其中每个神经元的结构及功能都十分简单，但大量神经元在组合产生系统行为时却非常的复杂；负荷预测神经网络法具有很强学习的能力、计算的能力、变结构适应的能力、复杂映射的能力、记忆的能力、容错的能力和各种智能的处理能力。当前，研究及应用最多的则是以下四个基本模型及它们的改进模型，即Hopfield 的神经网络、多层的感知器、自组织的神经网络和概率神经的网络。
在电力系统的负荷预报中，使用最多的就是带有隐层的前馈型的神经网络，它常常由输入接口层、输出接口层和若干隐型接口层组成。对多层的感知器，误差反传训练的算法（BP 算法）则是目前最简单、最实用的一种，实质是一种梯度的算法。它将各种有关的负荷数据作为输入项，通过历史的样本进行训练收敛后就可以进行负荷预测了。
它的优点是：1）可以模仿人脑进行智能化处理；2）对于大量非结构性、非精确性的规律具有自适应的功能；3）它具有信息的记忆、自主的学习、知识的推理和优化的计算等特点。它的缺点是：1）初始值确定将无法使用已有的系统信息，容易陷于局部极小的状态；2）神经网络学习过程常常会较慢，这会造成对突发事件的适应性差。
负荷预测神经网络一般应用于大规模的电力系统，可以处理庞大的信息量，程序编写完成后的适用性好。
3 问题的解决及影响的因素
3.1 问题的解决
1）我们在进行相关数据处理的分析和建立负荷预测模型的过程中，必须充分地考虑外界环境因素（经济，政策）的变化，和相关因素的不确定性对于中长期的负荷预测结果造成的影响。
2）要注意负荷模型的参数随着环境和相关因数改变将出现趋势的适应问题，并且在负荷模型使用的过程中，对于预测的专家经验和意见要加以有效利用。
3）对受影响的中长期的负荷变化多方面因数综合考虑，必须运用不同的方法来组合开展研究的工作。
3.2 影响的因素
影响的因素主要有以下几方面。
1）气候的变化及自然灾害影响。
2）国家的政策、工农业等其他宏观产业的结构调整造成的影响。
3）能源市场的经济变化对负荷影响。而且，因为上述负荷预测方法自身就存在着一定的不确定性，所以，我们必须把负荷预测的结果来相互的验证及补充。
4 结束语
电力系统负荷的预测是电网的调度、信息管理等方面的前提，他是一个电力系统调度部门及规划部门必须具备的基本的信息。提高电力系统负荷预测的技术水平，十分有利于计划用电的管理，十分有利于合理的安排电力系统的运行方式及机组的检修计划，十分有利于节约煤、节约油和降低发电的成本，十分有利于制定经济合理的电源的建设规划，十分有利于提高我们电力系统的经济效益及社会效益。所以，电力系统负荷预测将成为实现现代电力系统管理的重要内容。
参考文献
[1]牛东晓.电力负荷预测技术及其应用[M].北京:中国电力出版社,2006.
[2]吴熳红,杨继旺.几种电力负荷预测方法及其比较[J].广东电力,2004,17(1):
17-21.
中期电力负荷预测及负荷模型的研究 篇10
1预测模型与预测方法
本文在中期电力负荷预测研究中, 负荷的时间范围设置为一个月。同时, 对用户每天24小时产生的负荷进行预测。在具体的时间序列内, 中期电力负荷呈现出上升、下降或者保持不变的特点。另外, 中期电力负荷在特定的年份、季度中呈现出的变动趋势, 应该与其在某一时段中的变化趋势一致[1]。
1.1负荷时间序列样本分析与时间段变动趋势预测
在中期电力系统中, 技术人员利用近期的负荷曲线数值, 建立了时间序列样本。该样本能反映出一年365天每天24小时的电力负荷储存量。假设t为时间, p为负荷值, 则储存的格式为: (tn, pn) , n=1, 2, …, 8760.
在分析时间序列样本时, 要求以历史资料为标准, 对平年、闰年, 月份, 周进行分解。同时, 标示出每周工作日、休息日以及节假日。然后, 研究电力负荷变动的规律。比如, 以上述样本 (tn, pn) 为例, 找出对应的负荷值。然后, 建立新的时间序列。这些序列由上面被提取出来的时间组成。假设k代表工作日, i代表休息时间, j代表节假日。那么, 每个月的储存方式为:
然后, 根据以上的储存方式, 再利用最小二乘法分析。假设yi为每天预测的负荷值, ti为时间。那么, 二者之间的关系可以用下面的多项式来表达。
式 (1) 中, C1代表工作日的回归系数, C2代表休息日的回归系数, C3代表节假日的回顾系数。这几个数据是预测电力负荷的基础。然后, 根据时间序列计算出每月、每季度以及每天的修正系数。通过这些修正系数可以看出序列的增长率。最后, 结合误差分析方法、最小二乘法, 得出每个时间段负荷变动的平均值[2]。负荷时间序列样本以及趋势预测流程图如图1所示。
1.2中期负荷预测
第一, 按照以上办法, 确定出每月工作日、休息日以及节假日24h的基础负荷曲线。第二, 根据每年电力负荷的增长速度, 对各个时间段的趋势进行修正, 得出最终的中期负荷曲线。第三, 以中期优化调度为标准, 重新排列出三种曲线的顺序, 然后制定对应的持续负荷曲线。
2中期负荷模型的研究
2.1趋势外推法
趋势外推法指的是季节波动比较小, 电力负荷随着时间变化呈现出一种上升、变化的趋势。根据这种变化的特点, 用函数曲线来反映。假设t代表时间, y为因变量, 可以得到模型:y=f (t) 。如果这种趋势不断向前发展, 只要带入t值, 就能够计算出时间序列的未来值。该模型在应用过程中具有数据少、计算方便的优点。但是, 由于电力负荷存在一定波动, 很容易产生误差, 具有很大的缺陷[3]。
2.2弹性系数法
弹性系数法是国内生产总值与电量平均增长率的比值。根据弹性系数以及当前国内的用电生产总值, 可以对未来的用电总量进行规划。因此, 弹性系数法与国民经济发展的速度和用户的总用电量有很大关系。弹性系数法具有计算简单、操作方便的优势。缺点是, 应用前, 需要做大量的调研工作。
2.3灰色模型法
在应用过程中, 灰色模型法主要是对不确定性因素进行统计。通常情况下, 以某个阶段的规律为依据, 建立负荷预测模型:一种是灰色模型, 一种是最优化灰色模型。灰色模型在短期负荷预测中应用较多。该预测模型的优点是:需要考虑数值的变化, 对负荷数据要求低, 同时计算方便、精度结果高。缺点是:如果数据离散程度增高, 就会导致数据灰度增加, 从而产生很大误差。另外, 该模型不适合电力系统长后期预测。
2.4回归分析法
回归分析法指的是以过去负荷历史资料为依据, 建立数学分析的数学模型。利用回归分析法, 可以根据统计学方面的原理, 对观测到的数据进行分析, 然后预测出未来电力负荷的发展趋势。该模型分为一元线性回归、多元线性回归和非线性回归。在中期电力负荷预测中, 经常使用线性回归分析法。优点为:预测结果精准, 比较适用于中、短期预测。缺点是:统计总产值的难度比较大[4]。此外, 运用回归分析法, 只能预测电力负荷发展的综合水平, 没有办法对各供电区的负荷发展水平进行预算。
虽然通过以上办法可以得出新序列的持续负荷曲线, 但是该负荷曲线并不是中期优化调度的最终负荷模型。在电力系统优化调度中, 传统的办法为建立二阶梯模型。但是, 这种模型在反映系统功率或者水电厂收益中经常出现误差。尤其在谷差较大的情况下, 很容易产生较大的功率缺额。因此, 该建模方式存在很大的局限性。针对以上问题, 当前在电力系统优化调度中, 主要采用多阶梯数学模型。通过对电网每日的持续负荷与峰谷差进行分析, 建立四阶梯模型比较实际。该建模不但操作简单, 而且可以达到很高的精准度。同时, 在不同阶梯的时间段内, 它能够自由选择持续负荷曲线。
图2为二阶梯建模下, 形成的负荷虚线。其中, 实线代表每日持续负荷, 虚线代表二阶梯下, 计算出来的近似负荷。在电气负荷较大的情况下, 采用二级阶梯建模方式往往会产生较大的功率缺额, 因此不利于电力负荷的优化调度。与二阶梯建模不同, 采用四阶梯对电力系统进行优化调度, 不会出现以上情况。可以说, 四阶梯在电力系统优化调度中发挥着重要的作用。如图3所示。
四阶梯负荷模型在使用过程中, 要求峰荷、日发电量以及谷荷处于相对稳定的状态, 不能随意发生改变。计算公式为:
式 (2) 中, E (t) 代表每日负荷电量。TE代表调度周期中, 每个时段的指标集。Tn代表在第n阶梯中, 负荷持续的时间。具体的数值可以通过负荷曲线来计算。Pn (t) 为t时段中负荷的功率。其中, 峰荷出现在第1阶梯, 谷荷出现在第4阶梯。按照以上办法对日负荷进行分配, 不仅可以使用户每天的用电量达到均衡, 而且可使用电功率保持在正常状态[5]。除此之外, 还可促使用电计划更加准确, 从而实现对低谷、峰荷的合理分配。
3预测实例
本文以6年实际负荷为例, 对一年365天中每个工作日、休息日以及节假日的负荷进行预测。因为涉及的数据庞大, 因此只列出3月份的预测结果, 如表1所示。
从表1中的数据可以看出, 测试的结果与实际预测的结果差异较小, 误差约为3.28%。其中, 最大的误差为5.61%。在此基础上, 利用修正系数对系统进行调整, 可以将误差减小到2.9%。可见, 本文的中期电力负荷预测办法在电力系统优化调度中发挥着重要作用, 值得推广。最后, 根据表1中的数据, 可以制作出对应的日负荷曲线以及日持续负荷曲线。
4结束语
综上所述, 本文采用的中期电力负荷预测办法操作简单, 非常适用于电力系统优化调度。该预测方法不仅可以用于当年负荷预测, 而且在多年负荷预测中同样适用。根据实例分析可以看出, 得出的负荷预测结果更加精准, 比传统的测试办法具有更大的优势。同时, 采用中期电力负荷预测, 保持了用电量与用电功率的均衡, 实现了对低谷、峰值的合理分配。因此, 这种预测方法在电力系统优化调度中具有更大的发展空间与市场。
参考文献
[1]李军, 李青.基于CEEMDAN-排列熵和泄漏积分ESN的中期电力负荷预测研究[J].电机与控制学报, 2015, (8) :70-80.
[2]翟永杰, 刘林.基于ADE-SVM和模糊理论的电力系统中期负荷预测[J].电力系统保护与控制, 2012, (8) :110-115.
[3]高翔, 朱昊.变权重组合改进模型应用于中期电力负荷的预测[J].上海电力学院学报, 2013, (2) :124-128.
[4]崔和瑞, 彭旭.基于ARIMAX模型的夏季短期电力负荷预测[J].电力系统保护与控制, 2015, (4) :108-114.