摘要：在电力企业当中，为了规划电力系统，就必须以空间电力负荷预测作为基石，随着社会经济的不断发展，人们对于供电量以及供电质量的需求越来越高，这就这就要求电力企业的电力系统需要有一个更为完善、精细的布置和规划，而这也需要空间电力负荷预测来实现。因此，本文将对空间电力负荷预测的具体方法进行综述，结合这些方法，对空间电力负荷预测的未来发展进行展望，希望能对空间电力负荷预测技术的发展提供帮助。

关键词：空间电力负荷预测;方法综述;发展展望

空间电力负荷预测，也叫作空间负荷预测，作为电力系统规划的前提，空间电力负荷预测能够判断对指定区域未来电力负荷的位置和压力，通过空间电力负荷预测，能够对一定范围内电力负荷的时空分布进行预测。在进行电力系统规划时，利用空间电力负荷预测，能够明确电力系统该如何分布，对电力设备的为位置规划以及配置规划提供帮助。但从实际情况来看，传统的空间电力负荷预测方法仅仅只能对未来电力负荷的大小进行范围性的预测，无法保证预测结果的准确性，也无法对电力负荷的分布位置进行判断。因此，对空间电力负荷预测具体方法的分析以及未来发展的研究成为了当前的重要内容。

1.空间电力负荷预测的发展历程

早在1930左右，国外就出现了对于空间电力负荷预测技术的记载，这时对空间电力负荷预测的叫法是小区负荷预测[1]。空间电力负荷预测即根据电压水平，按照一定的原则将小区划分为有规则小区和不规则小区，通过对小区负荷历史数据的分析和小区内土地利用的特点和发展情况，预测每个小区的用电负荷的数量、用量以及时间。我国对空间电力负荷预测研究在20世纪80年代之前还是一篇空白区域，直到80年代后期才出现了一定的研究方法模型。但随着电力GIS平台的搭建，我国对于空间电力负荷预测方法的研究不断深入，进入新时期后，我国在空间电力负荷预测领域提出了一系列的概念、方法模型以及引进技术。

2.空间电力负荷预测方法

2.1用地仿真类方法

2.1.1基本原理

用地仿真类空间电力负荷预测方法就是将部分区域的土地作为基础，并将其转变为空间负荷，通过对土地的发展规律以及面积构成，对空间电力负荷进行预测。

2.1.2模糊逻辑技术

传统的空间电力负荷预测主要依靠专家的经验和判断对土地类型和使用程度进行评估，虽然专家都具备高素质的专业经验，但这种方法不可避免的会存在一定的主观因素，对预测的准确性造成影响。为了解决这一问题，模糊逻辑技术应运而生。通过模糊逻辑技术，能够建立一个模糊规则库，通过对元胞空间信息的模糊化以及专家经验的录入，就能够对模糊量进行分析，将其转变成清晰量，以此来得到准确的预测结果[2]。为了避免主观因素的影响，在应用模糊逻辑技术时，应当由多个专家提出用地决策策略隶属度函数，进行多人决策。而随着预测范围的不断增加，为了提高模糊逻辑技术的适用性，还应当将遗传算法与神经网络引入其中，以此来对模糊规则进行调试，对模糊算法进行训练。

2.1.3粗糙集理论

模糊逻辑技术的提出在一定程度上提高了空间电力负荷预测的准确性，但随着空间分辨率的不断提高，模糊规则的运算难度也会不断增加，因此，就需要粗糙集理论来去除运算冗余，提高空间电力负荷预测效率。在实际运行过程中，粗糙集理论会忽略掉元胞的空间模糊性，所以，还需要通过云理论对粗糙集理论进行提升。通过云理论，对元胞属性进行归纳，让离散化数据保持在最优状态，实现对元胞的彻底评估。

2.2负荷密度指标法

2.2.1基本原理

负荷密度指标法就是在一定的划分区域内，对区域负荷类型进行分类，将其分为医疗、商业、居民等地区，然后在这些地区周围生成元胞，通过对负荷密度的计算，得出元胞的负荷值，以此来进行空间电力负荷预测。由于这种方法需要先对划分区域进行分类，所以负荷密度指标法通常也被称作分类法。

2.2.2传统负荷密度指标法

传统负荷密度指标法主要包括直观法、分类负荷平均密度指标法等方法。直观法就是对地区的资料数据进行收集，然后利用工作经验对该区域的负荷压力和分布进行判断。在直观法当中，比较有代表性的方法就是涂色法，即对负荷密度的大小进行判断，根据指标，对不同密度大小的元胞涂上不同的颜色。由此可见，直观法的主观性极强，需要依靠工作经验进行判断，准确性较差。而分类负荷平均密度指标法就是将相同性质的元胞组成一类，然后对平均密度进行测算，得出元胞的负荷值。

2.2.3智能算法

智能算法就是在进行空间电力负荷预测之前，对相关区域的数据信息进行大量的收集，形成负荷密度指标样本库、用地类型划分以及负荷元胞生成等准备模块，然后通过对负荷进行分类，明确负荷密度的影响因素，建立分级负荷密度标准指标集，构建出负荷密度指标求取模块，最终得出负荷的时空分布以及系统负荷。通过智能算法进行空间电力负荷预测，需要收集大量的数据样本，并且对数据样本的质量和分布有一定的要求，因此在运算过程中还需要进行修成处理才能够提升结果的准确性。

2.3多元变量法

2.3.1基本原理

多元变量法也被叫做变量法，从元胞的角度来看，每个元胞在一年内都存在一个负荷峰值，而且也存在影响峰值的变化量[3]，多元变量法就是将这些历史数据作为基础，对元胞未来的负荷进行计算。影响元胞负荷的变化量有人口、消费、气候以及GDP等，多元变量法就是对这些变化量进行收集，将其作为控制数据来预测元胞未来负荷。从本质上来看，多元变量法就是空间电力负荷预测中的一种经济计量模型预测法。

2.3.2存在问题

多元变量法在空间电力负荷预测中对数据的数量和质量要求都很高，且不同空间分辨率的数据也难以互相使用;多元变量法法需要收集元胞的历史负荷数据，因此，对于初生元胞难以进行预测;此外，多元变量法的预测范围相对较短，有效预测期仅仅为一到三年。由于多元变量法存在的诸多问题，因此我国在空间电力负荷预测领域对多元变量法的应用相对较少，但由于大数据技术的发展，多元变量法的重要性再次提升，成为了空间电力负荷预测中不可忽视的一个方法。

3.发展展望

3.1信息优化整合

空间电力负荷预测需要大量的数据信息，这些信息分布区域和性质各有不同，因此采集难度较高。但信息的数量和质量又影响着空间电力负荷预测的质量[4]，因此，在未来的发展过程中，必须找出有效的信息优化整合方法，满足空间电力负荷预测的发展需求。

3.2确定电力负荷空间分辨率

电力负荷空间分辨率对于元胞的生成有着重要的影响，在未来，为了提升空间电力负荷预测的质量，就必须明确最佳电力负荷空间分辨率的范围，并且明确最佳电力负荷空间分辨率的获取方法，解决多尺度空间分辨率中存在的问题。

4.结语

空间电力负荷预测是构建电系系统的前提和基础，在电力系统不断发展的背景下，电力企业必须明确空间电力负荷预测的多种方法，并明确空间电力负荷预测的未来发展趋势，提高空间电力负荷预测的效率和质量。

参考文献：

[1]杨捷，罗成臣，张思路，范美位，李珗.相空间重构和SVR耦合的短期电力负荷预测[J].电测与仪表，2020，57（16）：96-100.DOI：10.19753/j.issn1001-1390.2020.16.017.

[2]侯慧，王晴，赵波，章雷其，吴细秀，谢长君.关键信息缺失下基于相空间重构及机器学习的电力负荷预测[J].电力系统保护与控制，2022，50（04）：75-82.DOI：10.19783/j.cnki.pspc.210573.

[3]肖白，肖志峰，姜卓，赵栩，阚中锋，綦雪松，白乙然.基于降噪自编码器、奇异谱分析和长短期记忆神经网络的空间电力负荷态势感知[J].中国电机工程学报，2021，41（14）：4858-4867.DOI：10.13334/j.0258-8013.pcsee.201260.

[4]廖奉怡，欧阳璇，梁自维，彭俊杰.电力负荷总量预测与电力负荷空间预测在配电网规划中的应用[J].机电工程技术，2016，45（12）：66-69.