所属领域：电力能源经济

主要完成人：王建军

（一）基本情况

日曲线负荷预测示意图

可以利用计算机技术实现对日负荷曲线进行预测，预测误差可以达到3%以下，能够根据相关曲线进行相应的电力市场经济关系决策及仿真。

对于中长期负荷预测可以实现年度和月度的行业用电量、供电量、售电量以及负荷情况进行相应的预测，在系统的预测模型库中既包含传统的一元线性回归、灰色预测分析、二次多项式回归、自适应指数预测、指数预测、增长率预测法、非齐次指数预测、B.Compertz模型和logistic模型，同时也包括人工智能预测——如BP神经网络模型以及自适应参数的支持向量机模型和基于知识挖掘技术的文本后干预模型。

经济环境趋势研判示意图

结合负荷预测结果和相关经济发展以及发电环境或能源数据，可以对未来政策环境发展趋势，产生的影响进行相应的判别分析，并给出相关指标的发展趋势图。

（二）技术特点

对于电力负荷预测可以实现日曲线24/48/96点曲线负荷预测，平均误差可实现低于3%，对于短期负荷预测的相关指标，如日最大负荷指标等，均可实现平均误差低于3%，对于月度，季度负荷以及年度负荷，可以实现平均误差低于5%，可实现风电和光伏的发电出力预测。

（三）应用前景

项目可以在较新的电力大数据环境下，利用大数据和云计算技术，对公司数据库以及外部数据环境进行重新整理，收集历史负荷数据和气象信息数据，形成大数据云计算技术条件下的拟境数据仓库，通过概率统计分析总结出可再生能源的分布规律和可再生能源实际发电出力数据，通过知识挖掘技术的关联分析探寻历史发电出力数据和相关因素之间的强弱关系，选择具有明显关联影响的因素，根据发电出力以及用户响应特性形成供训练智能预测模型使用的拟境仿真环境。利用属性筛选技术确定输入变量，通过知识挖掘的分类分析和聚类分析寻找具有高度相似特性的历史数据序列，通过群智能优化算法确定智能预测影响模型所需的结构参数，建立一体化自适应结构的智能影响预测模型，对可再生能源发电以及用户智能响应用电给公司带来商业模式上的影响进行定量研究。

项目原应用于国家电网省级子公司，南方电网省级子公司。

（四）效益分析

可用于发电、电网公司规划、调度、营销等方面的工作，能够节约管理效率，实现科学分析电力企业相关指标的工作，为企业降低管理成本，从而提高企业效益。