電力負荷

出自 MBA智库百科(https://wiki.mbalib.com/)

　　電力負荷是指電路中的電功率。在交流電路中，電功率包含有功功率，又稱為有功負荷，單位kW(千瓦)；無功功率稱為無功負荷又稱無功電力，單位kvar(千乏)。視在功率，包含著有功、無功兩部分，往往以負荷電流取而代之。由於系統電壓比較穩定，電壓乘電流就是視在(表觀)功率，所以負荷電流也就反映了系統中的視在功率，因此，系統中的電力負荷也可以通過負荷電流反映出來。

　　1．按電力系統中負荷發生的不同部位分類。

　　(1)發電負荷這部分負荷是指電力系統中，發電廠的發電機向電網輸出的電力。對電力系統來說是發電廠向電網的總供電負荷。

　　(2)供電負荷指電力系統向電網輸出的發電負荷扣除廠用電和發電廠變壓器的損耗和線路損耗以後的負荷稱為供電負荷。

　　(3)線損負荷是指電力網在輸送和分配電能的過程中，線路和變壓器的功率損耗的總和。

　　(4)用電負荷電力系統中，用戶實際消耗的負荷。一般供電負荷扣除線損負荷可計為用電負荷。

　　2．按照電力系統中負荷發生的不同時間分類

　　(1)高峰負荷又稱最高負荷，是指電網或用戶在一天時間內所發生的最高負荷值。為了分析的方便常以小時用電量作為負荷。高峰負荷又分為日高峰負荷和晚高峰負荷，在分析某單位的負荷率時，選一天24h中最高的一個小時的平均負荷做為高峰負荷。

　　(2)低谷負荷又稱最低負荷，是指電網中或某用戶在一天24小時內發生的用量最少的一點的小時平均電量，為’廠合理用電應儘量減少發生低谷負荷的時間，對於電力系統來說，峰、谷負荷差越小用電則越趨近於合理。

　　(3)平均負荷是指電網中或某用戶在某一段確定時間階段的平均小時用電量。為了分析負荷率，常用日平均負荷，即一天的用電量被一天的用電小時來除，為了安排用電量做好用電計劃往往也用月平均負荷和年平均負荷。

　　3．工、企事業用電單位按其用電性質及重要性分類

　　(1)一類負荷1)停電會造成人身傷亡、火災、爆炸等惡性事故的用電設備的負荷。

　　2)停電造成巨大的甚至不可輓回的政治或經濟損失的用電設備或用電單位的負荷。例如，大使館的用電或中央重要的活動場所。

　　3)重要交通樞紐、通信樞紐及國際、國內帶有政治性的公共活動場所的用電。

　　一類負荷對供電電源的要求：

　　1)應由兩個或兩個以上的電源供電，當一個電源發生故障時，其他電源仍可保證重要負荷的連續供電。

　　2)為保證重要負荷用電，嚴禁將其他非重要用電的負荷與重要用電負荷接人同一個供電系統。

　　一類負荷的備用電源可選用以下幾種方式：

　　1)在同——供電網路中有效地獨立於正常電源的專門饋電線路。

　　2)獨立於正常電源的發電機組。

　　3)蓄電池靜止型不間斷供電裝置、蓄電池機械貯能電機型不間斷供電裝置、柴油發電機組不間斷供電裝置系統以及UPS不間斷電源供電系統，適用於允許(或不允許)中斷供電時間為毫秒級的供電。

　　帶有自動投入裝置的備用電源的專門饋電線路，適用於允許中斷供電時間為1．5s以上的供電。快速自起動的柴油發電機組，適用於允許中斷供電時間為15s以上的供電。

　　(2)二類負荷1)停電將大量減產或損壞生產設備，在經濟上造成較大損失的用電負荷。

　　2)停電要造成有較大政治影響的重要用電單位正常工作受到影響的負荷。

　　3)大型影劇院、商店及公共場所的用電負荷。

　　(3)三類負荷，一般凡不屬於一、二類的用電負荷。

　　根據電氣設計規程的有關規定，對於一類負荷的供電，應由至少兩個獨立的電源供電，必要時還應安裝發電帆組作為緊急備用。

　　　電力負荷預測是電力系統調度、用電、計劃、規劃等管理部門的重要工作之一。

　　負荷預測工作的關鍵在於收集大量的歷史數據，建立科學有效的預測模型，採用有效的演算法，以歷史數據為基礎，進行大量試驗性研究，總結經驗，不斷修正模型和演算法，以真正反映負荷變化規律。其基本過程如下：

　　(1)確定預測目標和預測內容;

　　(2)收集數據;

　　(3)預測模型的建立;

　　(4)模型估計、檢驗和評價;

　　(5)利用預測模型進行預測，結果分析和上報。

　　電力負荷預測方法^[2]

　　目前國內外常見的電力負荷預測方法有時間序列法、相關分析法、回歸分析法、灰色預測法、模糊邏輯法、神經網路法、組合預測法等。

　　1.時間序列分析法

　　首先假定過去的負荷變化規律持續到將來，然後根據歷史數據，找到隨時間變化的規律，建立合適的數學模型，最後對未來的負荷進行預測，此種方法稱為時間序列法[4]。該種預測方法不考慮負荷與其他因素之間的因果關係，不也考慮其大小變化的因果關係。

　　時間序列法是電力負荷預測最常用的方法之一，它的優點是計算簡單，要求的歷史數據少，但當用它來預測特定日的負荷時，預測精度較差。一般情況下，該種方法適用於電力負荷曲線隨時間平穩變化的場合。

　　2.相關分析法

　　相關分析法是尋找負荷與影響因素之間的因果關係，建立相關分析模型，然後對未來負荷進行預測[5]。負荷與影響因素之間的關係分為兩類，一類是函數關係，反映它們有嚴重的依存關係，可以用函數具體表示;另一類是相關關係，在這種關係中負荷與影響因素之間的關係是不嚴格的依存關係。利用該種方法對負荷進行預測時，首先要考慮負荷與影響因素之間的關係，然後判斷他們之間的密切程度，最後選擇合適的方法進行負荷預測。

　　該種方法的優點是可以清楚地得到負荷與影響因素之間的關係。缺點是利用較多的相關因素，造成實際預測的困難。

　　3.回歸分析法

　　回歸分析預測是電力系統負荷預測的一種常用方法，其任務是尋找因變數和自變數之間的相關關係。按照自變數和因變數之間的關係可以分為線性回歸分析和非線性回歸分析;根據回歸分析涉及變數的多少，可以分為一元回歸分析和多元回歸分析。

　　回歸分析法就是利用已知歷史數據，尋找出因變數和自變數之間的相關關係，建立數學模型，通過最小二乘法求出模型參數，然後利用殘差、相對誤差或者絕對誤差等對模型進行檢驗，當模型檢驗通過時，可以利用該模型對負荷進行預測;反之，則丟棄該模型，重新選擇數學模型。在負荷預測問題中，回歸方程的因變數一般是電力系統負荷，自變數是影響電力系統負荷的各種因素，如經濟、人口、氣候等。

　　回歸分析法優點：方法簡單、外推性好、預測速度快，當選擇的模型與實際符合時，對未來的負荷預測精度相對較高。缺點是：①對歷史數據的要求高，特別是歷史數據殘缺或存在較大誤差的情況下，預測效果很不理想;②用簡單的線性方法描述複雜的非線性情況，丟失信息過多;③而非線性回歸分析模型的確定和參數估計較為複雜，但在選擇非線性回歸模型時，通過對歷史數據的處理，可以將非線性轉化為線性;④考慮氣象因素時，對負荷預測影響的因素考慮不完全，一般情況下只考慮溫度、濕度等;⑤進行回歸分析時，當預測模型與實際情況相背離時，預測精度較差;⑥缺乏自學習能力，當負荷結構變化或者影響負荷變化的主要因素改變時，模型不會自主修正，只能通過人為地模型修正，在這樣的情況下，負荷預測的結果精確度相對較差。

　　4.灰色預測法

　　灰色系統理論是我國學者、華中理工大學鄧聚龍教授於1982年3月在國際上首先提出來的。近些年，該理論在經濟、工業、農業、衛生管理等領域得到了迅速發展，並取得滿意的結果。灰色系統就是部分信息已知，部分信息未知的系統，介於白色系統和黑色系統之間。灰色系統理論是建立在灰色系統模型，控制模型，預測，決策和系統最優化的組合上的理論。

　　灰色預測法的基本預測模型是灰色模型(GM)。在電力負荷預測中，影響因素較多，關係複雜，並且無法全部表示出來，因此具有灰色特性。隨著社會的發展，電力負荷總體上呈增長趨勢，基本上符合灰色預測模型的基本條件。灰色預測要求原始數據較少，並且在原始數據比較雜亂無章時，採用累加生成或累減生成的方式，整理成規律性較強的數據列，這樣便於建立數學模型。此外灰色預測還具有原理簡單、不考慮分佈規律、運算方便、可檢驗、精度高、適用性好等優點。因此，灰色系統理論在負荷預測中得到了廣泛應用，並取得了較好的效果。

　　在應用動態灰色模型進行負荷預測時，發現了一些缺點。如：①當負荷增長速度較慢，預測精度較高;反之預測精度較差;②當負荷的增長規律不是指數型時，預測精度變差;③數據離散程度越大，預測精度越差;④簡單灰色預測應用於電力系統的長期預測時，會出現增長率過快的問題。

　　為了提高預測精度，針對灰色預測模型的缺點提出了多種改進措施，但是仍然比較單一。一般情況下要提高電力負荷預測精度，選擇合適的集中負荷預測方法進行最優化組合式最為恰當的。

　　5.模糊邏輯演算法

　　1965年，美國加州大學伯克利分校電氣工程系的的L.A.zadeh教授提出模糊集，給出模糊數學的概念。自此之後，模糊數學發展非常迅速。隨著專家學者對模糊理論的重視，其應用也是越來越廣泛，逐漸應用到社會各個領域。

　　在電力負荷預測中，由於未來相關因素中有很多不確切的，是模糊的，而傳統的預測方法都是建立精確地數學模型，然後對負荷進行預測，這樣就帶來了較大的預測誤差，因此將模糊數學應用於負荷預測，可以提高負荷預測精度，同時也為電網規劃工作提供了新的數學工具和研究手段。

　　模糊預測方法是化眾多不確定信息為確定信息，利用模糊矩陣來描述電力負荷與影響因素之間的關係，用模糊集合論的原理求解負荷變化規律。利用模糊預測法對電力負荷預測更接近於實際。用模糊理論來解決負荷預測問題是一種極有意義的探索。其優點是負荷預測結果是一個預測區間，預測結果的精確度較高;其缺點是需要提供歷史數據較多，收集比較困難，這就造成了使用困難。

　　迄今為止，模糊數學在預測方面還沒有形成完整而深刻的理論和系統的方法，還有待進一步研究與探索。

　　6.神經網路法

　　神經網路是一門高度綜合的交叉學科，涉及到信息科學、電腦科學、數理科學以及神經生物學等眾多學科領域。

　　神經網路模型是由大量的處理單元(或稱神經元).廣泛地互相連接而形成的複雜網路系統。它主要是通過模擬生物腦結構和功能的一種信息處理系統。神經網路具有容錯性強、大規模並行、分散式存儲和處理、自組織、自適應和自學習能力以及較強的聯想、記憶、功能。在非線性預測時具有以下優點：①根據新獲得的數據，很容易建立新的預測模型，吸收新的信息來提高預測精度;②動態自適應性強，可適應外界新的學習樣本，使網路知識不斷更新;③容錯性強，可處理信息不完全的預測問題;④實現了非線性關係的隱式表達，不需要建立複雜系統的顯式表達式。

　　7.組合預測方法

　　組合預測方法基於不同的預測方法，根據不同的場合，選擇合適的權重，然後對負荷預測的一種方法。該方法可以提高負荷預測精度，擴大負荷預測範圍，是未來負荷預測方法發展的一種趨勢。