关键词：电力企业；短期；负荷预测
对于电力系统而言，它主要由电网和电力用户组成，它的作用是在满足企业负荷要求的情况下，采用最经济、最安全的方式为各类用户提供满足其不同要求、不同标准的电能。但由于电能的一些特性，尤其是电能的生产、输送、分配和消费的同步性，难以大量储存性，这都要求发电系统能够随着用户用量的变化而将自身的负荷调整，从而实现用户需求与供电量之间达到一个动态的平衡，这种平衡一方面能降低企业的损耗，给企业带来更大收益，同时也能保证用电环境的安全性与稳定性，因此，采用合适的方法进行电力系统负荷预测，既是电力系统中的一项重要任务，同时也是电力企业自动化领域中的一项关键内容。
1电力系统负荷预测的概念
电力系统负荷预测法是供电领域近几年发展与应用起来的供电技术之一。它是指通过一定的统计与运算，将已经产生的电力系统的负荷和将要发生的电力系统的负荷精确的预算出来，以提高电力的应用效率并且节约电力能源。电力系统负荷预测法在应用中一定要注意到预测并不等于完全准确地产生，也会受到诸如电力系统故障以及天气气候等因素的干扰，甚至会受到一些社会因素的限制。在已经应用该种方法的电力技术企业中，我们可以看到它的应用收效相当可观，一定程度上减少了不必要的电力资源的损耗与浪费，带来了计划与控制用电的全新时代。电力系统负荷预测对于电力企业经济效益的稳步提升与社会效益的增长都大有益处。
2电力系统短期负荷预测的必要性
电力系统负荷预测中一个很关键的因素就是预测周期。负荷周期以年为单位，并且周期在十年以上的被称为电力系统长期负荷预测；而负荷周期以周、月甚至小时、日等为基本单位的就被称为电力系统短期负荷预测。在新的发电机组进行安装的过程中，或电网需要进行规划和改建的工程里，需要运用到长期和中期负荷预测；调度中心需要制定发电的计划或发电厂需要一些电力报价数据时，则需要短期负荷预测来预测未来一到七天之内的电力系统负荷值；电网的计算机实时监控会不断得出数据，需要及时对发电容量进行调度和调控，从而使其发挥最好的功效，也节约发电成本，这就需要超短期负荷预测。在现实的电力市场中，短期负荷预测是最基本的基础工作，它的预测精度影响了电力电网的根本经济效益。也是保证电力电网稳定工作的前提。
3影响电力系统负荷变化的主要因素
3.1基本因素
从上文我们可以看出，交通、农业、工业的用电情况相对比较平稳，原因就是它们对负荷的影响不算很大，主要就是因为大多是居民用电。居民用电的自由是影响电力系统负荷变化的主要原因，居民有自主的权利随机选择开启或者关闭用电的设施，这就导致了电力系统负荷变化出现的随机性较强。
3.2气候因素
影响电力系统负荷产生变化的另一个原因就是天气情况，寒潮、高温、取暖等都会使电力系统负荷增大，随着我国经济的发展，空调的普及程度越来越高，气温也将成为今后电力系统负荷比较大的因素之一。
3.3市场因素
市场环境中随着电力工业的快速发展，申。力市场对电力工业的推进，分时电价、竞价上网、动态电价等的实施，将成为影响电力系统负荷变化的很重要因素。
4电力负荷短期预测方法
4.1相似日法
相似日法对电力系统短期负荷预测的预测日相应的负荷能够修正，从而得出预测结果的一种方法，其优点是应用原理非常简单，使用非常方便，所产生的使用效果也非常明显，是一种非常有用的电力系统短期负荷预测的方法。其缺点是根据电力系统负荷预测日进行参数的修正和建立起与之对应的评价函数非常困难。
4.2状态空间法
状态空间法能够将电力系统的负荷进行分解，在所产生的确定分量用线性函数进行表达从而实现负荷预测的目的，而对其所产生的随机分量用状态空间模型的方法实现对其负荷进行预测，其优点是能够获得对电力系统负荷预测一系列的很多数据，能够得到更为准确的电力系统负荷预测值。其缺点是在电力系统负荷预测的实际工作中很难对量测噪音等进行估计。
4.3回归分析法
此方法在进行电力系统短期负荷的预测时根据对电力系统负荷产生各种变化的因素和数据加以分析，找出自变量与因变量所发生变化时的一定规律，从而能够列出回归方程式进而推理出电力系统将来变化所产生的负荷值。其计算原理相对比较简单，对电力系统短期负荷预测的速度快，对于未曾出现的一些问题也能良好的预测，此为回归分析法的优点[1]。其缺点是由于其过于简单的计算原理对于所产生的复杂情况预测的精度不高，对于数据的分析比较低。
4.4卡尔曼滤法
在电力负荷中又把它叫作状态空间法，是一个把负荷分解成能够确定的分量以及随机分量的原理。在反映未来系统的状态上可以利用对于预报的方法来获得新的相关数据，在组合的过程中就会得到新的预测模型信息，提升预测值的准确性。
4.5指数平滑法
指数平滑法是利用电力系统负荷趋势外推测技术。为了达到平均的效果可以对其利用加权的形式，再加计算过程里的新数据其相关的权系数进行加大，也可以将陈旧的数据的权系数进行减小。在时变性的体现过程上，能够将近期的数据反映到影响未来负荷的程度值上，这个方法的作用主要是采用其平滑来对存在序列里的随机波动进行消除。
4.6灰色预测方法
灰色预测这个方法主要是对系统中存在着不确定的因素进行的一个专门预测，是利用灰色模型里的微分方程中的单一指标来对电力系统进行预测。可以根据模型预测未来的负荷，这种方法适合在贫信息的条件下进行分析与预测。
4.7时间序列预测法
时间序列法依据时间顺序来得到一组观测值，通过相邻观测值之间的依赖性得到负荷预测值，它需要对以往的数值建立一个数学模型，按照时间的顺序进行规律性统计，从而描述电力系统负荷值的变化规律，然后确定出一个能够描述该变化的数学公式。平稳时间序列分析和非平稳时间序列分析这两大类是常用的时间序列法。由平稳时间序列分析法建立的序列模型包括自回归模型（AR模型）、滑动平均模型（MA模型）、自回归华东平均模型（ARMA模型），由非平稳时间序列分析法建立的序列模型则包括累计式自回归动平均模型（ARIMA模型）和季节模型（seasonal模型），其中ARIMA模型被作为时间序列模型的标准形式适用于非平稳的时间序列预测中。
4.8模糊预测方法
模糊推理和模糊集合是对不确定问题进行处理的理论，模糊集合的作用可以刻画出影响负荷的不确定原因，这也正是模糊预测这几年以来在电力系统负荷预测里流通的重要原因，把粗糙集和模糊放在一起进行负荷的预测，预测的结果有很高的精准度，这说明气温模糊化以后预测的精度比较高。模糊法的缺点是学习能力不强，受到人们的主观因素较多。
5结束语
本文根据电力系统短期负荷预测提出了传统的时间序列预测法和指数平滑预测法，也介绍了现代人工神经网络预测方法。相信随着科学技术的不断发展，将会研究出更多的电力系统短期负荷预测方法，进而提高预测数值的精度，应用于各个领域中，进而为各领域的电力电网管理工作做出贡献。
参考文献
[1]肖国泉，王春，张福伟.电力负荷预测[M].北京：中国电力出版社，2011.
[2]朱兴统.基于SA-LSSVM的电力短期负荷预测[J].科学技术与工程，2012（24）.
[3]师彪，李郁侠，于新花，等.基于改进粒子群模糊神经网络的短期电力负荷预测[J].系统工程理论与实践，2010（1）.