【正文】 都會對負荷造成明顯的影響。（1）最大有功負荷及其分布。有功負荷，加上電網中損失的有功和發(fā)電廠自用有功量，再加上適量的備用容量，就等于電力系統(tǒng)的裝機容量。（2）無功負荷及其分布。（3）需電量。（4）電力負荷曲線及其特征值。它是確定電力系統(tǒng)中電源結構、調峰容量需求、運行方式及能源平衡的主要依據(jù)。②短期負荷預測是指日負荷預測和周負荷預測，分別用于安排日調度計劃和周調度計劃，包括確定機組起停、水火電協(xié)調、聯(lián)絡線交換功率、負荷經濟分配、水庫調度和設備檢修等，對短期預測，需充分研究電網負荷變化規(guī)律，分析負荷變化相關因子，特別是天氣因素、日類型等和短期負荷變化的關系。④長期負荷預測是指未來3～5年甚至更長時間段內的負荷預測，主要是電網規(guī)劃部門根據(jù)國民經濟的發(fā)展和對電力負荷的需求，所作的電網改造和擴建工作的遠景規(guī)劃。電力負荷預測是一個過程，其一般程序可劃分為準備、實施、評價與提交預測報告四個階段。1）確定預測目標。一般而言，預測范圍視研究問題所涉及的范圍而定，編制全國電力規(guī)劃，就要預測全國范圍內的電力、電量需求量；編制大區(qū)網局或地方（省、地、縣）電力局的發(fā)展規(guī)劃，就要預測大區(qū)電網或地方電力局范圍內的電力、電量需求量。預測期限是指預測的時間長短，一般電力規(guī)劃中負荷預測期限有短期預測（即5年期預測），中期預測（即5—10年期預測），及長期預測（即15年以上的預測）。資料是預測的基本依據(jù)，占有的資料的充裕程度及資料的可信度，對預測結果的可信度是至關重要的。這些資料的主要來源有兩種途徑：一是各國政府、研究機構等定期或不定期發(fā)表的報刊、資料、文獻、和其他出版物；二是預測人員通過調查所獲得的資料。因此，在調查搜集資料的過程中對搜集得到的資料應進行鑒別，去粗取精，去偽存真，以保證預測中使用的資料翔實可靠。對經過鑒別整理后的資料要進行分析，以尋求其規(guī)律。要根據(jù)資料的掌握情況及資料樣式，選擇相應的預測方法，尋求預測量的演變規(guī)律或趨勢，建立預測模型。因此，必須根據(jù)對資料的占有情況，以及預測目標、預測期限，預測環(huán)境、預測結果的精確度，同時考慮預測本身的效益成本分析等進行權衡，以便作出合理的選擇。如果是采用定量預測方法來進行預測，就要根據(jù)建立的定量預測模型，帶入預測期的自變量目標值，就可以獲得預測期所要的預測變量值。由于影響預測對象的諸因素可能會發(fā)生變化，從而可能使未來的實際結果與預測依據(jù)的歷史資料呈現(xiàn)的規(guī)律不相吻合，預測人員必須適時的對預測模型及預測結果加以修正。（3）評價預測階段預測的主要成果是得到預測結果。因此，在得到預測結果后必須對預測結果的準確度和可靠性進行評價。若誤差太大，就失去了預測的意義，并從而導致電力規(guī)劃的失誤。預測報告一般包括題目、摘要、正文、結論、建議、和附錄等部分。摘要通常說明預測中的主要發(fā)現(xiàn)、預測的結果及提出的主要建議和意見。正文包括分析及預測過程、預測模型及說明、有關計算方法、必要的圖表、預測的主要結論及對主要結論的評價。附錄主要包括說明正文的附表、資料，預測中采用的計算方法的推導和說明，以及正文中未列出的有價值的其他資料。（1） 基本正常負荷分量模型不同的預測周期，B(t)分量具有不同的內涵。所以，對于基本正常負荷分量，可以用線性變化模型和周期變化模型描述，或用二者的合成共同描述，即 （42）式中，為線性變化模型負荷分量；為周期變化模型負荷分量。1）線性變化模型超短期負荷變化可以直接采用線性變化模型，將前面時刻的負荷描述成一條直線，其延長線即可預測下一時刻的負荷，如圖所示。針對短期負荷預測，將歷史上一段日負荷L按時序畫在一張圖上，將及每日平均負荷X畫在圖上，總體看來是一條斜率接近于零的直線，可用線性模型來描述。其周期變化規(guī)律可以用日負荷變化系數(shù)表示： （44）其中，為一天中各小時的負荷；為當天的日平均負荷。順序觀察每天同一時刻的負荷變化系數(shù)值，可以看出他們接近于一條水平線，這樣便可以用前幾天的同一時刻的負荷變化系統(tǒng)值的平均值預測以后的值。我們把這種反映一天24小時負荷循環(huán)變化規(guī)律的模型稱為日周期變化模型。這樣，按線性模型預測B(t)的負荷均值X(t)，按周期變化模型預測B(t)的周期負荷變化系數(shù)Z(t)，用式（42）就可以得到基本負荷分量B(t)。以日負荷預測為例，給定過去若干天氣負荷記錄、溫度記錄，利用線性回歸或曲線擬合方法，可以用三段直線來描述天氣敏感負荷模型 （46）式中，t為預測溫度，可以是一日最高溫度、最低溫度、平均溫度或是某時點溫度；， 為電熱臨界溫度和斜率，時電熱負荷增加，其斜率為；，為冷氣臨界溫度和斜率，是冷氣負荷增加，其斜率為。（3）特別事件負荷分量模型特別事件負荷分量指特別電視節(jié)目、重大政治活動等對負荷造成的影響。這種分析可以用專家系統(tǒng)方法來實現(xiàn)，也可以簡單的用人工修正來實現(xiàn)。因子模型又可以分為乘子模型和疊加模型兩種。實際上，對于給定的過去一段時間的歷史負荷記錄，提取出基本負荷分量、天氣敏感負荷分量和特別事件負荷分量后，剩余的殘差即為各時刻的隨機負荷分量，可以看成是隨機時間序列。1）自回歸模型一個自回歸模型（AR）描述的過程是它的現(xiàn)在值可以由本身的過去的有限項的加權和及一個干擾值a(t)（假設為白噪聲）來表示，即 （49）在自回歸模型中，模型的階數(shù)p和系數(shù)（=1，2，…,p）由過去值通過模型辨別和參數(shù)估計來決定。3）自回歸動平均模型自回歸動平均模型（ARMA）把它的現(xiàn)在值V(t)看作是它的過去值的有限項的加權和及其現(xiàn)在和過去干擾量的有限項加權的疊加，即 （411）4）累積式自回歸動平均模型非平穩(wěn)隨機過程多種多樣，一般常見的是含有趨勢項和周期項的非平穩(wěn)隨機過程。有趨勢變化的非平穩(wěn)隨機過程，有可能經過若干次差分后才能平穩(wěn)化，即對V(t)作多次差分得到的是一個平穩(wěn)隨機過程，即 （412）式中，d為差分階數(shù)；B為后移算子。如果每個時間點的值都和超前T的（tT）值進行差分運算，那么（1 ）V(t)就變成平穩(wěn)時間序列了，其中是周期為T的后移算子。本文研究的是某城市的某年某月某日的電力系統(tǒng)短期負荷預測，因此，影響系統(tǒng)負荷的因素包括上述的四種分量模型。線性變化模型用來描敘日平均負荷變化規(guī)律，將歷史上一段日平均負荷按時序畫在一張圖上，可以看出每日平均負荷有波動，總體趨勢是一條直線，可用線性模型表示。特別事件（天氣）負荷分量，考慮時可把特別天氣或天氣變化看作是特別時間和其它如特別節(jié)目，重大紀念活動等合并作為特別事件考慮，也可以把有關天氣對負荷的影響和其他事件出現(xiàn)對負荷的影響分開考慮，負荷在一定程度上，受分量影響很大，進一步提高負荷預測精度，關鍵是科學合理地預測特別事件負荷分量，但往往還不是一件容易的事情。隨機負荷分量，一般由時間序列模型描述。 （1）經典預測方法 1）時間序列法時間序列法是一種最為常見的短期負荷預測方法，它是針對整個觀測序列呈現(xiàn)出的某種隨機過程的特性，去建立和估計產生實際序列的隨機過程的模型，然后用這些模型去進行預測。時間序列預測方法可分為確定型和隨機性兩類，確定型時間序列作為模型殘差用于估計預測區(qū)間的大小。根據(jù)線性濾波器的特性，時間序列可劃為自回歸(AR)、動平均(MA)、自回歸動平均(ARMA)、累計式自回歸動平均(ARIMA)、傳遞函數(shù)(TF)幾類模型，其負荷預測過程一般分為模型識別、模型參數(shù)估計、模型檢驗、負荷預測、精度檢驗預測值修正5個階段。2）回歸分析法回歸分析法就是根據(jù)負荷過去的歷史資料，建立可以分析的數(shù)學模型，對未來的負荷進行預測?；貧w預測包括線性回歸和非線性回歸。而且為了獲得比較精確的預報結果，需要大量的計算，這一方法不能處理氣候變量和負荷之間的非平衡暫態(tài)關系。隨著人工智能技術逐步被引入到短期負荷預測中，人們已經提出了多種基于人工智能的預測方法，其中最為典型的為基于各種人工神經網絡模型的預測方法，其中以神經BP算法為代表。這其中主要有灰色數(shù)學理論、專家系統(tǒng)方法、神經網絡理論、模糊預測理論等。這些眾多因子的未知性和不確定性，成為系統(tǒng)的灰色特性?；疑到y(tǒng)理論是中國學者鄧聚龍教授1982年3月在國際上首先提出來的，在國際期刊《SYSTEMS AND CONTROL LETTER》刊物上發(fā)表，題為“Control Problems of Grey Systems”,引起了國際上的充分重視。早年鄧教授從事控制理論和模糊系統(tǒng)的研究，取得了許多成果。鄧教授希望在可利用數(shù)據(jù)不多的情況下，找到了較長時期起作用的規(guī)律，于是進行了用少量數(shù)據(jù)做微分方程建模的研究。后來，他將歷史數(shù)據(jù)作了各種處理，找到了累加生成，發(fā)現(xiàn)累加生成曲線是近似的指數(shù)增長曲線，而指數(shù)增長正符合微分方程解的形式。 2）專家系統(tǒng)方法專家系統(tǒng)方法是對于數(shù)據(jù)庫里存放的過去幾年的負荷數(shù)據(jù)和天氣數(shù)據(jù)等進行細致的分析，匯集有經驗的負荷預測人員的知識，提取有關規(guī)則。專家系統(tǒng)是一個用基于知識的程序設計方法建立起來的計算機系統(tǒng)（在現(xiàn)階段主要表現(xiàn)為計算機系統(tǒng)），它擁有某個特殊領域內專家的知識和經驗，并能像專家那樣運用這些知識，通過推理，在那個領域內作出智能決策。專家系統(tǒng)方法總結了目前城網中長期負荷預測中的可行模型，針對目前方法存在的片面性，首次嘗試把專家系統(tǒng)技術應用到負荷預測上，從而克服單一算法的片面性；同時，全過程的程序化，使得方法還具有快速決斷的優(yōu)點。專家系統(tǒng)法利用了專家的經驗知識和推理規(guī)則，使得假日或重大活動日子的負荷預報精度得到了提高。3）神經網絡理論運用神經網絡技術進行電力負荷預測，其優(yōu)點是可以模仿人腦的智能化處理，對大量非結構性、非精確性規(guī)律具有自適應功能，具有信息記憶、自主學習、知識推理和優(yōu)化計算的特點，特別的，其自學習和自適應功能是常規(guī)算法和專家系統(tǒng)技術所不具備的。以用作時間序列預測。因此，我們可以將對電力負荷影響最大的幾種因素作為輸入，即當天的天氣溫度、天氣晴朗度（又稱為能見度）、風向風力、峰谷負荷及相關負荷等，爭取獲得較好的預測結果。由于該方法具有很強的魯棒性、記憶能力、非線性映射能力以及強大的自學習能力，因此有很大的應用市場，但其缺點是學習收斂速度慢，可能收斂到局部最小點；并且知識表達困難，難以充分利用調度人員經驗中存在的模糊知識。它作為數(shù)學學科的一個分支，吸取了現(xiàn)代分析學中諸如泛函分析、數(shù)值分析、Fourier分析、樣條分析、調和分析等眾多分支的精華，并包羅了它們的特色。小波分析為本世紀現(xiàn)代分析學作了完美的總結。1981年Stromberg對Harr 系進行了改進，證明小波函數(shù)的存在。隨后，理論物理學家Grossman對Morlet的這種信號方法進行了理論研究，這無疑為小波分析的形成奠定了基礎。他為小波理論的形成和完善作出了重大貢獻，是小波理論的奠基人之一。1988年，Daubechies構成出了具有有限支撐的正交小波基。這樣，小波分析的理論大廈就基本奠定了。此后，中國學者崔錦泰和王建忠構成了基于樣條函數(shù)的單正交小波函數(shù)，并討論了具有最好局部化性質的尺度函數(shù)與小波函數(shù)。目前，國內外有關小波在電力系統(tǒng)中的應用的文獻還很少，這個領域還是很少，然而，由于其獨特的分析方法，在電力系統(tǒng)負荷預測方面一定會有很好的前景