摘要：双碳战略下，负荷检测方法效率的提升对于建立更优运营模式、保障供电系统安全稳定的经济运行尤为重要，有效的负荷检测将有助于电力系统更安全、稳定的运营，从而促进电力效率控制，进而提高供电运营的经济性与社会效益。本章将简要论述新型动力系统负荷检测的影响因子与对策。

关键词：新型电力系统；负荷预测；电力运行

一、新型电力系统负荷预测影响因素

（一）气象因素

气候条件的变动也会对负荷曲线产生一定程度的影响，而同样的区域在不同时节下对气候条件变动的反应程度也不一样，因此各个区域在同样的气候条件下对负荷曲线有不同的影响，在这里面气温、降雨量以及相对湿度都是主要的气象原因。在上述各种因素中以高温对负荷影响最为突出，如夏季的高温和冬天的严寒都会使某一时段负荷大幅度地上升，甚至超过了某一负荷最高限值，而其他的各种因素也会对负荷产生影响。

（二）日期因素

电力系统的负载在不同日期产生了不同的日负荷曲线，也就意味着负荷曲线会随着日期的变化而出现了一些不同情况，如在星期天、双休日、假期等不同时间类型的负载变动状况都不同，甚至在春节的时候用电量会剧降，也就是节日时期很多企事业单位因为放假而停止了生产工作，造成占日负载比例很大的行业负载大幅下降[1]。

（三）经济因素

各个地方的经济状况对用电影响都不尽相同，经济影响主要是供电地区的规模、地区工业技术水平程度和种类、电器设备数量以及经济发展变动情况对供电负荷的变动和影响均具有相当的作用。而经济发展对电力系统中的作用可以认为是决定整个电力系统以及某个地方的经济走向，一旦当地政府选择在某一地方建设大型能耗极大的项目，则这种项目的供电状况势必会对当地负荷分析造成障碍。由于一些区域内供电大户的增加加上对大用户供电的无序化，比如大用户的停业、系统大修等现象，会造成供电调节机构无法精确了解大用户负荷特征，进而影响负荷预报的精度。另外，由于电气化铁路的影响负荷、对电力系统运营企业的监管措施等对动力系统负荷的预报精度也会产生一些干扰。

（四）数据的预处理

负荷预测的定义是指选择一定的数学方法利用采集的历史数据，比如负荷数据，影响因素数据等，以此预测未来某一时刻或某一时间段的负荷值。收集历史数据作为负荷预测的首要步骤，在收集的过程中或者系统采集过程中往往会因为一些失误操作或者突发事件等，导致历史数据出现了很大偏差，进而导致最后负荷产生了不良的特性，最后导致预期目标的失败。但是，决定最后负荷预估精度的有效性最直接的因素就是历史数据的全面性和系统性，所以为减少这些干扰因素，在进行负荷模型设计前，首先就一定要对历史数据进行研究与修正，同时，在构建模型时还必须对信息进行预处理，也就是对历史数据的预处理，从而选用何种技术可以使设计过程更为简单。

二、新型电力系统负荷预测策略

（一）人工神经网络

人工神经网络（Artificial Neural Network，ANN）是指一个由神经元所构建的、包含多学科的仿生模型的非线性过程。神经元网络设计主要是根据输出和信号之间的非线性函数映射而组成，但是由于各个神经元的相互联系也就比较复杂，于是由各神经元所组成的神经网络设计也就变得十分复杂，而这样的神经网络设计也就具有了低本构非线条、高容错性能和大变化鲁棒特性，而正是因为存在的上述优点，于是这种网络设计就被广泛的应用在负荷研究上。因为人工神经网络具备大规模分布式并行处理特征以及极高的自组织和自适应能力，所以它也满足负荷预测的特点。

（二）模糊逻辑预测法

模糊预测法也因为在对不确定性的处理领域中具有独特的优势而被广泛应用于负荷预测建模中。模糊推理法是把模糊数据的信息，按照某种规则赋予对已知事件的历史数据，然后转换成机器的判断语句，再经过运算完成各种任务。另外，这种方法还存在着很强的自适应力和对变化鲁棒控制，但与此同时，也因为它的机器学习能力不足，所映射的数据对映射范围的划分精度要求很高，受人为因素干扰有很大的不足之处[2]。

（三）支持向量机预测法

支持向量机（Support Vector Machine，SVM）是在统计学习理论基础上逐渐发展起来的一种监督学习模型，该模型是一个二次规划模型，可利用核函数处理非线性的高维数据。当解决本构中非线性的问题时，为了支持向量机要得到线性可分的样本数据集，先找到一些非线性映射函数，然后再把低维非线条样本统一地映射到高维的特征空间。另外，支持向量机会通过使用核函数来代替在高维空间中的内积运算。

（四）数据挖掘法

针对不断提高电网运行的安全性和经济性要求，对负荷为了电力系统的运转既安全有效而又经济合理，则在短期的负荷预报中应用数据挖掘技术将变得十分关键。因为影响负荷预报结果的各种因素，如天气、经济、社会发展等信息变动量很大、复杂多变且属性多种多样，通过运用数据挖掘技术实现对这些影响各种因素的预处理工作，既能够减少其中的错误和无价值数据，也能够发现隐含于其内的有价值的有用数据，并找准规律，从而大大地提高了预报准确度。

（五）组合预测法

通常短期负荷预报有许多方式可选择，但是实际应用中没有某种预报方式能够完整的对预报对象和环境作出模拟，所以学者们往往会把多种预测方式加以综合分析，把各种方式加以优势互补，组成一种良好的预测模式，以提高预测结论的精确度和可信度。组合预测方式尽管克服了单一预测方式的弊端，但也因而大大降低了预测效率，提高了计算的复杂性。

结语：

新型电力系统负荷预测作为电网可靠、安全、经济运行的关键技术，并随着我国对智能电网建设的逐步推进，提高负荷预测的速度与精度方面也提出了非常高的要求。随着我国智能电网的发展规划和投资计划的不断扩张，对于新型绿色能源发电负荷的预测方法的研究和探索，以适应未来智能电网发展趋势从而满足人类社会的发展需要，应该是未来的主要研究方向。

参考文献：

[1]曾麟，谭娟，向运鲲，郭雅格.面向新型电力系统的负荷聚合商功能界定及其需求响应流程[J].科技风，2022（16）：82-84.DOI：10.19392/j.cnki.1671-7341.202216027.

[2]沈赋，李施伟，陈雪鸥，翟苏巍，杨志文，杨光兵.新型电力系统综合负荷广义离散等值模型[J].电力自动化设备，2022，42（07）：18-24.DOI：10.16081/j.epae.202205053.

姓名：陈智盟（1998.04）

身份证号码：500106199804166413

性别：男 籍贯：重庆市沙坪坝人 民族：汉族

学历：本科 毕业于 华北电力大学

现有职称：助理工程师 研究方向：电气工程

第二作者：龙承宗 国网璧山供电公司 402760