电力系统负荷预测

电力系统负荷预测是指从已知的经济、社会发展和电力需求情况出发，通过对历史数据的分析和研究，探索事物之间的内在联系和发展变化规律，以未来年份经济、社会发展情况的预测结果为依据，对电力需求作出预先的估计和推测。科学的预测是正确决策的依据和保证。电力系统负荷预测是制订电力系统发展规划的基础，也是发电计划、电力市场等工作的重要依据。正因为如此，电力系统负荷预测要以国民经济与社会发展的规划或预测结果为依据。预测理论的研究具有重要的理论意义和实际价值。

康重庆(1969-)，清华大学电机系教授，IEEE Fellow，IETFellow。国家杰出青年科学基金获得者，国家创新人才推进计划“中青年科技创新领军人才”，国家“万人计划”科技创新领军人才。曾获霍英东基金会优选资助，入选教育部新世纪人才计划。2007~2008年为剑桥大学访问学者。主要研究方向为电力系统规划与运行、可再生能源、低碳电力技术、负荷预测、电力市场。主持国家自然科学基金9项，包括重点靠前合作研究项目1项，中英合作交流项目、中美(TAMu-NSFC)交流项目、中韩双边会议项目各1项；其中3项被评为国家自然科学基金很好结题项目。2016年作为项目负责人获批国家重点研发计划项目。担任靠前期刊InternationalTransactions on Electrical：Energy Systems(Wiley)的共同主编：担任IEEE Transacntions on：Power Systems、ElectricPower systemsResearch等多家靠前期刊编委；担任《中国电机工程学报》《电网技术》《电力自动化设备》《电力系统保护与控制》、MPCE、C2SEE-IPES等多家靠前期刊编委；担任《电力建设》、PCMP杂志副主编。担任中国电机工程学会电工数学专委会、中国电工技术学会电力系统保护与控制专委会、中国可再生能源学会可再生能源发电并网专委会委员。出版靠前作者中文专著3部，第二作者英文著作1部(Elsevier)；发表论文300余篇，其中SCI收录90余篇(含IEEETransactions文章40余篇)，EI收录200余篇。2008、2012年两次获得中国百篇拥有影响学术论文。获得授权发明专利24项(含香港发明专利2项)，获软件著作权15项。获得第44届日内瓦靠前发明展金奖1项、银奖l项：第十届北京发明创新大赛发明创新奖银奖2项：2014年获重量教学成果二等奖(靠前完成人)。
夏清(1957-)，清华大学电机系教授，国家发展和改革委员会电价专家、中国南方电网有限责任公司专家、国家电网电力交易中心顾问；学术兼职包括《电力系统自动化学报》《现代电力》《南方电网技术》杂志编委。先后完成了国家能源局的《我国智能电网发展战略与实施方案》、国家电网公司的《促进节能环保的电力市场运行机制及实现方式研究》《节能发电调度体系和关键技术研究框架》等重大项目；承担了国家自然基金面上项目《大规模电网精细化约束下节能调度的理论与方法》(50877041)，获得了当年基金结题很好的评价；国家863重大项目《大电网运行状态感知、风险评估、故障诊断与调度技术》子课题负责人：国家科技支撑计划项目《含高比例间歇式能源的区域型智能电网集成综合示范》子课题负责人。目前承担国家自然科学基金重点项目。发表论文300余篇，其中SCI文章70余篇；合著专著4部；获得部委奖5项；2010年获得全国很好科技工作者称号。
刘梅(1971-)，1998年毕业于清华大学电机系，获硕士学位。主要从事负荷预测、能源互联网、电力市场、电力营销等领域的理论研究与软件系统研发工作，发表相关论文多篇。

前言
第1版前言
本书的编排体系
第Ⅰ篇负荷预测总论
第1章负荷预测的基本原理和理念2
1.1什么是预测2
1.2什么是负荷预测4
1.3负荷预测的基本原则和要求5
1.4负荷预测的内容及其分类7
1.5负荷预测的步骤12
1.6负荷预测问题的抽象化表述13
1.7负荷预测应遵循的理念18
1.8负荷预测的研究动向21
1.9对开展负荷预测工作的建议23
第2章数学基础及共性预测方法25
2.1负荷预测中数学理论的应用25
2.2常用优化方法25
2.3最小二乘法31
2.4回归分析法32
2.5灰色系统理论35
2.6时间序列分析模型37
2.7频域分析方法41
2.8特征选择与特征提取技术42
2.9聚类分析45
2.10决策树理论47
2.11神经网络理论49
2.12支持向量机理论51
第3章负荷分析55
3.1短期负荷分析及预测55
3.2短期负荷预测中负荷的规律性与稳定度分析57
3.3中长期负荷预测的问题描述62
3.4中长期负荷预测中的负荷分析63
第4章负荷预测的多级协调65
4.1负荷预测的“多维多级”特征65
4.2多级电力需求的关联特性66
4.3多级负荷预测及其协调67
4.4不同维／级的负荷预测协调问题的特点69
第5章预测效果的分析与评价71
5.1线性回归的分析与检验71
5.2一般预测结果的分析与评价73
5.3合理选择预测模型的准则76
5.4我国调度部门关于预测效果的评价与考核78
第Ⅰ篇参考文献80
第Ⅱ篇系统级中长期负荷预测
第6章基于时序趋势外推的基本预测方法88
6.1动平均法88
6.2指数平滑法89
6.3增长速度法90
6.4灰色预测90
6.5马尔可夫预测法91
6.6灰色马尔可夫预测法91
6.7生长曲线法92
6.8应用实例93
第7章时序趋势外推预测方法的扩展策略96
7.1扩展问题概述96
7.2提高预测模型适应性的策略96
7.3模型参数的非线性估计方法99
7.4非连续历史序列的处理99
7.5“近大远小”原则的处理策略101
7.6历史序列中的不良数据辨识104
7.7扩展策略的应用实例106
第8章中长期负荷相关分析与预测110
8.1年度全社会用电量与相关因素的关系110
8.2中长期负荷预测中考虑单相关因素的预测方法114
8.3中长期负荷预测中考虑多相关因素的预测方法117
第9章中长期负荷预测中的不确定性分析121
9.1背景121
9.2不确定性电力需求分析基本思想121
9.3对传统高中低发展速度判别方法的剖析122
9.4单一预测量的概率分布模型125
9.5多预测量的联合概率分布129
第10章中长期预测中多模型的筛选与综合132
10.1概述132
10.2综合预测的概念132
10.3综合很优拟合模型134
10.4综合次优拟合模型136
10.5“近大远小”原则下的综合模型137
10.6综合很优预测模型138
10.7综合预测模型的进一步分析141
10.8预测决策与模型筛选144
第11章年度预测的理论与方法151
11.1年度预测的分析151
11.2时序负荷曲线的两步建模预测法151
11.3负荷持续曲线的神经网络模型156
第12章月度预测的理论与方法159
12.1月度预测的特点分析159
12.2现有月度预测方法的剖析160
12.3体现月度量变化特征的预测方法161
12.41月和2月负荷预测的特殊问题163
第13章中长期负荷预测的多级协调166
13.1多级负荷预测的基本协调模型166
13.2不同可信度情况下基本模型的协调结果比较169
13.3基本协调模型的评价标准与算例分析170
13.4两维两级关联协调模型174
13.5关联协调方法的特殊应用177
13.6关联协调模型的评价标准179
13.7关联协调的算例分析180
第14章中长期负荷预测系统185
14.1中长期负荷预测系统的研究过程185
14.2中长期负荷预测系统的研究思路186
14.3系统体系结构188
14.4系统核心功能设计190
14.5规划／计划类功能设计194
14.6营销（用电）类功能设计197
第Ⅱ篇参考文献204
第Ⅲ篇系统级短期负荷预测
第15章基于时序分析的正常日预测212
15.1短期负荷预测的基本思想212
15.2基于同类型日思想的正常日负荷预测基本方法214
15.3基于同类型日思想的正常日新息预测方法217
15.4基于时段相似性原理的简单推理法218
15.5频域分量预测法220
15.6基于小波分析的预测方法221
15.7基于混沌理论的预测方法222
第16章气象因素对短期负荷的影响分析224
16.1短期预测中气象因素分析与处理的总体理念224
16.2从供应侧和需求侧分析气象因素的影响226
16.3气象因素直接作用于短期负荷的规律分析229
16.4短期负荷中考虑累积效应的气象特征选择234
16.5多个气象因素形成的气象综合指数对短期负荷的影响（以人体舒适度为例）238
16.6气象综合指数对短期负荷的累计效应（以加权温湿指数为例）241
第17章直接考虑相关因素的短期负荷预测方法245
17.1气象校正法245
17.2考虑日特征气象因素的人工神经网络法246
17.3基于日特征气象因素的支持向量机预测方法248
17.4基于实时气象因素的短期负荷预测方法249
第18章日特征相关因素的规范化处理策略与预测方法253
18.1各日相关因素的衡量方法253
18.2映射函数与映射数据库254
18.3基于映射数据库的短期预测的规范化描述256
18.4映射数据库自适应训练算法——摄动法260
18.5映射数据库自适应训练算法——遗传算法263
18.6基于映射数据库的正常日预测新方法265
第19章预测误差分布特性统计分析与概率性短期负荷预测268
19.1问题的提出268
19.2总体思路268
19.3预测误差分布特性的统计方法270
19.4误差分布统计规律的有效性检验272
19.5误差分布的ｔ分布特性272
19.6概率性短期负荷预测274
19.7实例分析275
第20章短期负荷预测的综合模型283
20.1短期负荷预测综合模型的特点分析283
20.2全天统一权重的综合预测模型284
20.3分时段变权重的综合预测模型286
20.4考虑“近大远小”原则并引入相关因素后的短期负荷预测综合模型288
20.5短期负荷预测综合模型的讨论291
20.6应用举例291
第21章其他短期预测问题及其预测方法294
21.1节假日负荷预测方法294
21.2超短期负荷预测297
21.3扩展短期负荷预测298
21.4连续多日负荷曲线预测300
第22章短期／超短期负荷预测系统305
22.1研究背景305
22.2研究思路与关键技术305
22.3短期负荷预测功能307
22.4超短期负荷预测功能309
22.5主要的管理与分析功能311
第Ⅲ篇参考文献317
第Ⅳ篇母线负荷预测
第23章母线负荷预测框架与基本预测方法328
23.1什么是母线负荷328
23.2母线负荷特点及其规律328
23.3母线负荷预测的技术路线330
23.4母线负荷基本预测方法332
23.5母线负荷预测的精度评估336
第24章母线负荷异常数据辨识与修复方法338
24.1母线负荷异常数据分类338
24.2两阶段异常数据辨识方法340
24.3异常数据修复342
24.4算例分析342
第25章规避异常数据的母线负荷预测策略346
25.1概述346
25.2规避坏数据影响的预测策略分析346
25.3规避坏数据影响的预测方法348
25.4接近可信信息集内涵的拓展350
25.5算例分析350
第26章考虑气象等相关因素影响的母线负荷预测方法352
26.1概述352
26.2基于偏差反馈二次预测的母线负荷预测策略352
26.3小水电富集地区母线负荷预测的两阶段还原法356
第27章母线极值负荷的概率化预测363
27.1概述363
27.2母线日很高负荷预测思路分析363
27.3母线日很高负荷幅值的概率性预测364
27.4算例分析367
第28章母线负荷预测模型的自适应训练与综合预测369
28.1母线负荷预测方法库的应用分析369
28.2自适应预测技术概述370
28.3母线负荷预测单一模型参数自适应训练372
28.4母线负荷综合预测模型权重的自适应优化373
28.5综合模型联合参数自适应训练算法374
28.6算例分析376
第29章虚拟母线技术及其预测方法379
29.1簇集网络及其特性379
29.2虚拟母线——虚拟的簇集网状网络381
29.3虚拟母线辨识算法384
29.4虚拟母线的负荷预测策略及其预测误差分析386
29.5算例分析389
第30章系统-母线负荷预测协调方法394
30.1系统-母线负荷预测的协调模型394
30.2协调模型的求解及性质399
30.3协调模型的评价指标400
30.4不同可信度下的协调模型分析与评价402
30.5协调预测结果分析405
第31章母线负荷预测系统408
31.1研究思路与关键技术408
31.2母线负荷预测功能410
31.3主要的管理与分析功能411
第Ⅳ篇参考文献416
索引422