6.1  灰色预测法 31

6.2  BP神经网络法 34

结  论 42

致  谢 43

参 考 文 献 44

附录A 46

附录B 47

附录C 49

1  引言

    电力系统是由发电厂、输电线路、配电系统及负荷组成的复杂系统。电力系统的经济运行是指在满足安全和一定质量要求的条件下，尽可能达到运行的经济性,即合理地利用现有的能源和设备,以最少的燃料消耗量保证对用户可靠而满意地供电。负荷预测作为能量管理系统(EMS)电力市场运行管理的重要组成部分,其预测结果同电力系统的安全、经济运行密切相关。[1]

负荷预测根据用于不同目标一般可分为超短期、短期、中期和长期预测。短期电力负荷预测主要是指预报未来几小时或者几天的电力负荷,主要用于机组优化组合、经济潮流控制、水火电协调等。[2]短期负荷预测是随着电力系统的发展而逐步发展起来的，现已经成为能量管理系统（EMS）必不可少的一部分和确保电力系统安全经济运行所必需的手段之一。而随着电力市场的建立和发展，短期负荷预测又成为了制定电力市场交易计划的基础。电力系统负荷预测为这一地区电力规划奠定了一定的基础，同时也为这一地区电力工业布局、能源资源平衡、电力余缺调剂，以及电网资金和人力资源的需求与平衡提供可靠的依据。因此，电力负荷预测是一项十分重要的工作，它对于保证电力工业的健康发展，乃至对于整个国民经济的发展均有着十分重要的意义。

短期负荷预测技术经过几十年的发展，人们提出了许多的预测方法。现有的预测方法大体可以分为三类：经典的数学统计方法，传统方法以及上世纪90年代兴起的人工智能方法。经典的数学统计方法包括线性外推法、多元线性回归法和时间序列法等。传统方法包括负荷求导法、相似日法、卡尔曼滤波法、指数平滑法和灰色预测法等。人工智能方法包括人工神经网络法、专家系统法、模糊推理法和小波分析法等。

    在对大量历史负荷数据进行统计分析的基础上，根据电力负荷的特点，在考虑天气温度、日类型、实际历史负荷等因素对预测负荷影响的基础上，文中介绍了两种短期负荷预测的方法。一种是灰色预测法，由于灰色理论将随机量当作是在一定范围内变化的灰色量,将随机过程当作是在一定范围、一定时间区域内变化的灰色过程,而电力系统的负荷变化本身受到多因素的影响,是一个随机变化量,在确定的时间和范围内正是一个灰色过程。[5]因此通过建立GM（1,1）灰色模型来对电力负荷进行预测。另一种是BP神经网络法，其中首先根据实际经验将日期类型分为工作日和节假日两种类型；然后建立相应的BP神经网络模型并采用南京3月份的实际电力负荷进行训练；最后通过南京4月1号的电力负荷和4月2号的最高最低温度对4月2号的负荷进行预测，并与实际值进行比对。该方法充分发挥了神经网络处理非线性问题的能力和神经网络自学习、自适应的优点。实际算例表明，传统的灰色预测法在实际应用中受到多方面的限制，而BP神经网络法则有较高的预测精度。

2  电力系统负荷预测概述

2.1  电力系统负荷预测的含义