(国网山东省电力公司德州市陵城区供电公司 山东德州 253500)
摘要：现阶段，在电力工程的发展过程中，电力的供应对整个社会的运转都是至关重要的，基于提供高质量的电力供应服务的目的，科学进行配电网规划，并且运用电力负荷预测方法，达到增强配电网规划工作的效果。有关工作者通过应用科学的电力负荷预测方法，实现对后续工作的精准预测，系统掌握电力负荷变化的规律和相关的影响因子情况，尽可能避免或减少配电网规划管理安全风险。为此，系统思考和分析配电网规划中电力负荷预测方法显得尤为必要，拥有一定的研究意义与实施价值。
关键词：配电网规划；电力负荷预测方法；研究综述
引言
在目前的供电企业当中电力负荷预测技术是其中非常重要的工作，同时也是经常重复的工作。做这项工作的目的是为了能对于未来新的发电机组以及更新扩展提供依据，同时它还能够决定发电机组的容量和时间地点的选择，对供电企业的发展和扩建有着很重要的意义，所以电力企业现代化管理最重要的标志就是在于电力负荷预测技术。电力负荷预测技术最核心的问题就是在于如何选择电力负荷预测方法，因为随着目前社会的进步以及科技的发展，电力负荷预测理论知识以及实践方法不断改良进步，电力负荷预测最终的发展趋势肯定是趋于智能化、精细化预测技术，为电力行业发展提供重要的技术保障。
1负荷预测种类
1.1中、长期负荷预测
若预测年限达到10年以上，且预测的时间单位是以年来计算的，则该种预测为长期负荷预测;若预测年限是5年左右，且时间单位是以年来计算的，那么该种预测方式为中期负荷预测。它们的意义在于帮助决定发电机的装机容量、型式、地点和时间与电网的规划、增容、和改建。由于中、长期负荷预测主要针对项目工程较大、时间跨度长，往往具有较大误差，在项目基建时也需要留有较大裕度。近年来，主动配电网技术逐步发展，中、长期负荷预测能够对其规划在分布式电源选址定容及网架规划上提供规划依据。
1.2短、超短期负荷预测
超短期负荷预测指未来1h、未来0.5h甚至未来10min的预测。其意义在于可对电网进行计算在线控制，对配电网、发电厂等系统进行实时调度指令下达的配合。短期负荷预测是指一年之内按月为单位的预测和以周、天、小时为单位的负荷预测，一般预测的是未来一个月度、未来一周、和预测未来一天的负荷。它的意义在于:对近期集中式发电厂的发电计划进行合理制定，对各机组的出力分布进行合理计划;可以经济合理地安排本网内各机组的启动和停止，降低储备容量;可以在留有裕量时对发电机组进行分组停机检修。伴随着国家和社会的稳定发展，提高短期负荷预测的精度受到了各行各业的极大关注，随之成为了很多各大高校学者们的研究分析课题。
2配电网规划中的电力负荷预测方法
2.1回归分析方法
回归分析方法也叫作统计分析方法，在很多领域中均获得了有效地应用，通过利用该预测方法实施测量，应该科学预测不同因子间的关联，完成对预测数值的准确计算。在此过程中，以区域相关的历史资料与有关影响因子作为主要的预测对象。在科学分析相关影响因子和用电量相应的函数过程中，可以完成电力负荷预测的任务，体现预测的高效性。实施回归分析时所选取的因子与相关影响因子，从表达方面而言均属于推测，存在着明显的不确定性特征，回归分析方法在应用的过程中依然存在一定的局限性。
2.2指数平滑方法
指数平滑方法以配电网规划中电力系统相应的历史数据信息的指数作为主要对象，对其实施有机组合，并进行电力负荷时间顺序未来数值的精准预测。
对此方法而言，根据衰减因子能呈现出远期数据信息带给预测结构方面的影响情况，当衰减因子的数值很大的时候，此时电力系统的近期至远期的数据系数变动表现得更加显著，处于某种特殊情况的时候，此时电力系统的历史数据信息将不能带给电力负荷预测最终结果任何干扰。假如借助指数平滑方法实施电力负荷的预测，需要以相关的电力数据信息作为主要的目标，以便确保电力负荷预测结果的精准性。
2.3人工神经网络法
人工神经网络法以人类的模拟为主，将其思考和学习时神经元的相互交流加以有效处理，在人工神经网络中包含了众多神经元，从理论方面而言，计算的结果能近似任意的函数。在这中，神经网络名三层前馈神经网络的应用是非常常见的，存在着显著的误差逆传播特征。神经网络依靠较强的学习性能，能使电脑系统掌握负荷相关数据中的映射关系，并且借助此种关联，实现对未来电力负荷的准确预测，成效十分明显。此种方法的优势在于无需获得有关数学模型的支持作用，便能使相关数据获得一定的适应性，进而规避了数据随机性和不确定性的难题出现。劣势在于仅能在短期的负荷预测工作中发挥作用，中长期的负荷预测应用效果较差。
2.4近现代方法取代经典、经验方法，综合考虑影响负荷因素
负荷预测技术最早提出时间是在二十世纪，当时引起了很大的轰动，其中就包括了回归法、时间序列法以及指数平滑法，这些技术都是基于电力负荷形状以及函数，从而对于负荷进行科学研究，主要都是讲负荷当中的很多不确定因素归纳为随机性，从而才能够使用概率学来进行研究处理，其中的缺点有：这些模型的定阶、求解以及模型识别问题非常困难，同时模型的适应能力不强，导致经常会出现各种各样的问题，另外由于这种方法就会导致模型和数据不能分离，自然而然对于模型的需求量就会非常大，从而就会导致数据的运算慢以及精度比较低等等情况。另外灰色预测法、专家系统法以及小波分析法和神经网络法，这些方法不仅仅需要考虑到负荷形状这些因素之外，同时还会涉及到很多外部的因素，例如对于当时的环境，天气，等等都会产生一定的影响，这些外部因素都会影响数据精度。
2.5模型群优选组合的负荷预测技术
优选组合通常情况当中是包括了二种含义，第一种就是把所有关于电力负荷预测技术的方法以及结果进行综合加权平均进行预测；第二种方法就是采取集中不同的预测方法进行选择，然后从中选择最优的模型来进行测试。所以就可以得知优选组合方法有着很多方式，在实际使用过程当中，综合表现比较好的还是属于模型群方法，这种方法有着很好的适应能力，同时还不会漏掉最优的预测模型，也就从一定程度上提高了预测的准确性以及预测效果，这种方法具体操作流程是，首先需要选择n个预测模型以及相互对应的n个预测结果，然后进行标准偏差的判断以及误差指标等等来对于n个模型的好坏进行评估，最后就会得出一个最好的模型，再利用这个模型进行电力负荷预测，这种方法有着很多好处，同时还能够实现改善预测效果的目的。
结语
负荷预测主要是通过对于历史数据的分析，筛选相似日，分析负荷序列的规律性，在根据对于数据的预处理后，对历史数据的整合，利用能提高预测精度的预测方法对于负荷进行预测。负荷预测作为电力系统中十分重要的一个环节，后续在此项研究上还需投入更大关注。
参考文献：
[1]贺远，翟丹丹，苏贵敏.基于PCA与改进BP神经网络相结合的电网中长期负荷预测[J].电力大数据，2019（5）：74-80.
[2]李志恒，孙冉，张建立，等.基于改进BP神经网络的中长期电力负荷预测算法设计[J].自动化与仪器仪表，2017（10）：23-25+28.
[3]张超，陈杰睿，冯平.基于混沌理论的电力系统负荷预测应用[J].计算机与数字工程，2018，46（11）：2165-2169+2174.
[4]朱晓露.基于BP神经网络的电力负荷中长期预测[D].华北电力大学（北京），2017.