2.5 时间序列法
就是根据负荷的历史资料,设法建立一个数学模型,用这个数学模型一方面来描述电力负荷这个随机变量变化过程的统计规律性;另一方面在该数学模型的基础上再确立负荷预测的数学表达式,对未来的负荷进行预测。时间序列法主要有自回归AR(p)、滑动平均MA(q)和自回归与滑动平均ARMA(p,q)等。这些方法的优点是:所需历史数据少、工作量少。缺点是:没有考虑负荷变化的因素,只致力于数据的拟合,对规律性的处理不足,只适用于负荷变化比较均匀的短期预测的情况。
2.6 灰色模型法
灰色预测是一种对含有不确定因素的系统进行预测的方法。以灰色系统理论为基础的灰色预测技术,可在数据不多的情况下找出某个时期内起作用的规律,建立负荷预测的模型。分为普通灰色系统模型和最优化灰色模型两种。
普通灰色预测模型是一种指数增长模型,当电力负荷严格按指数规律持续增长时,此法有预测精度高、所需样本数据少、计算简便、可检验等优点;缺点是对于具有波动性变化的电力负荷,其预测误差较大,不符合实际需要。而最优化灰色模型可以把有起伏的原始数据序列变换成规律性增强的成指数递增变化的序列,大大提高预测精度和灰色模型法的适用范围。灰色模型法适用于短期负荷预测。灰色预测的优点:要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、短期预测精度高、易于检验。缺点:一是当数据离散程度越大,即数据灰度越大,预测精度越差;二是不太适合于电力系统的长期后推若干年的预测。
2.7 德尔菲法
德尔菲法是根据有专门知识的人的直接经验,对研究的问题进行判断、预测的一种方法,也称专家调查法。德尔菲法具有反馈性、匿名性和统计性的特点。德尔菲法的优点是:①可以加快预测速度和节约预测费用;②可以获得各种不同但有价值的观点和意见;③适用于长期预测,在历史资料不足或不可预测因素较多尤为适用。缺点是:①对于分地区的负荷预测则可能不可靠;②专家的意见有时可能不完整或不切实际。
2.8 专家系统法
专家系统预测法是对数据库里存放的过去几年甚至几十年的,每小时的负荷和天气数据进行分析,从而汇集有经验的负荷预测人员的知识,提取有关规则,按照一定的规则进行负荷预测。实践证明,精确的负荷预测不仅需要高新技术的支撑,同时也需要融合人类自身的经验和智慧。因此,就会需要专家系统这样的技术。专家系统法,是对人类的不可量化的经验进行转化的一种较好的方法。但专家系统分析本身就是一个耗时的过程,并且某些复杂的因素(如天气因素),即使知道其对负荷的影响,但要准确定量地确定他们对负荷地区的影响也是很难的。专家系统预测法适用于中、长期负荷预测。此法的优点是:①能汇集多个专家的知识和经验,最大限度地利用专家的能力;②占有的资料、信息多,考虑的因素也比较全面,有利于得出较为正确的结论。缺点是:①不具有自学习能力,受数据库里存放的知识总量的限制;②对突发性事件和不断变化的条件适应性差。
2.9 神经网络法
神经网络(ANN,Artificial Neural Network)预测技术,可以模仿人脑做智能化处理,对大量非结构性、非确定性规律具有自适应功能。ANN应用于短期负荷预测比应用于中长期负荷预测更为适宜。因为,短期负荷变化可以认为是一个平稳随机过程。而长期负荷预测可能会因政治、经济等大的转折导致其模型的数学基础的破坏。优点是:①可以模仿人脑的智能化处理;②对大量非结构性、非精确性规律具有自适应功能;③具有信息记忆、自主学习、知识推理和优化计算的特点。缺点是:①初始值的确定无法利用已有的系统信息,易陷于局部极小的状态;②神经网络的学习过程通常较慢,对突发事件的适应性差。