影响电力负荷预测因素的探究

《影响电力负荷预测因素的探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、影响电力负荷预测因素的探究摘要：首先简要介绍了电力负荷预测的概念，分析和总结了影响电力负荷预测结果准确度的各种因素，提出了提高电力负荷预测的建议。　　关键词：负荷预测影响因素建议　　　　负荷预测是从已知的用电需求出发，考虑政治、经济、气候等相关因素，对未来的用电需求做出的预测。在电X运行管理当中，负荷预测是重要工作，直接关系到电力系统备用容量的科学安排，电力系统运行的优质安全，资源配置利用的优化，乃至电力营销以及市场交易。电力需求量的预测决定发电、输电、配电系统新增容量的大小;电能预测决定发电设备的装机类型。电力负荷预测中通常按时间期限分为长期、中期、

2、短期和超短期负荷预测。　　1电力负荷预测的影响因素　　在电力负荷预测中，很多因素不同程度地影响着电力荷的预测值。有些因素因自然而变化，比如气象。有些因按地区条件产生差异，如工农业发展速度;有些因素是无估计的重大事件，如严重灾害等，并且各个因素对负荷的响可能是不一样的，而且同一因素的不同水平对负荷的影也是不同的。　　1.1气象因素的影响，很多负荷预测数学模型都引入了气象部门提供的气象预报信息，包括温湿度、雨量等在内的气象因素都会直接影响负荷波动，尤其在居民负荷占据较高比例的地区，这种影响更大。由于天气变化大，负荷大幅波动，造成负荷预测的难度加大。近两年来

3、，随着大家生活水平的提升，空调在家庭中的普及让居民家庭的降温负荷日益加剧。所以气温突变很可能导致夏季负荷预测准确率降低。就目前的天气预报内容而言，其预报信息只能大概呈现次日天气及气温的大概情况，拿雷雨天气为例，雷电方位、大小以及时间长短等都无法准备预告，而这些都会导致地区负荷曲线的突然变化，复测预测在这方面精度不高的现象也就比较容易发生。与此同时，部分地区在旱情比较严重的时候，人工增雨措施的展开也给符合预测带来一定的难度，由于这方面信息的不同步以及相关作业效果的无法预测，负荷预测偏差较大也是可能出现的。　　1.2节假日及特殊条件的影响，较之正常工作日，

4、一般节假日的负荷都会明显降低，以春节为例，春节期间的负荷曲线一般会出现大幅度的下降变形，而其变化周期也大致与假日周期吻合。在和正常工作日的横向比较中，节假日期间可供研究的负荷数据较少，各种随机波动因素都会干扰符合。不过就同一节假日的纵向比较来说，每年的负荷曲线都呈现出比较相似的变化趋势。这也能为节假日负荷预测提供可借鉴的依据。　　1.3大工业用户突发事件的影响对于大工业用户装接容量占用电负荷较高的地区，大工业用户在负荷预测偏差中起到的影响作用也比较大。一般情况下，大工业用户连续生产情况下日常用电负荷相对稳定。不过自身的设备原因或外部因素变化的情况下，偏

5、差出现的可能性也是存在的。比如设备发生临时故障或天然气来量不足等现象都可能造成用电负荷突变，影响负荷预测准确率。　　1.4负荷特性分析和预测方法的影响目前，由于很多地区在负荷种类结构以及变化因素上的统计分析工作不够深入系统，导致在需要历史数据进行对照时无法展开工作，对于负荷特性和相关变化规律的总结也就无从谈起。而现实当中，不少电X的省调及地调在预测曲线的制作时仅凭预测人员的经验办事，科学使用的预测软件应用率比较低。而人工经验为主要手段预测由于数据性不强、方式单一，其预测结果也有一定的局限性。　　1.5管理与政策的影响负荷预测是一项技术含量很高的工作，然

6、而负荷预测工作在很多地区还没有得到足够的重视，基础工作薄弱，考核标准过于宽松，与大用户的信息沟通不畅，大用户的用电缺乏计划性和有序性；预测人员缺乏良好的综合素质、较高的分析能力和丰富的运行经验，不适应高标准工作的要求。　　2提高电力负荷预测准确度的建议　　2.1加强气象因素对电X负荷影响的分析气象因素对电X负荷影响的分析尤为重要。每年不同时期，气象与负荷的关系均有一些必然的联系。如夏季温度上升、冬季气温下降，不同季节典型晴天、雨天等，需要建立气象与负荷变化相关联的档案资料，加以分析，逐渐掌握这期间的规律，提高负荷预测水平。特别是受到雷雨天气影响较大的地

7、区，还应考虑雷雨天气可能带来的线路故障造成的停电问题，所以夏冬的负荷预测工作应以气象作为负荷预测的基础，必须掌握相关规律。　　2.2加强负荷特性的数据积累和分析，负荷预测工作十分精细，要想做好预测，必须对对负荷进行积分，时间、季节等都是细分标准。以季节为细分标准可以分为春、夏、秋、冬；月份划分则按照12个月进行细分，另外以一周为周期，节假日等都可以进一步细分，比如周六周日以及各个法定假日可划分进节假日。除了时间为单位的细分之外，当地的气候以及地理条件的规律性变化也可以作为细分单位。在时间和空间上的多方面细化对于提高负荷预测的准确率有重要意义。近年来，由

8、于负荷预测工作刚刚开始，历史数据的残缺让负荷预测人员在对数据进行分析时存在较大难度，加大了负荷