电力负荷预测方法与应用.docx

电力负荷预测方法与应用一、概述电力工业是国民经济的基础工业。随着我国产业结构完善和人民整体生活水平的改善，对电能的需求逐年加大，同时对电力质量的要求也越来越高，且由于电能生产和消费的同时性，对电网建设和布局提出了更高的要求。电力负荷预测是电网规划建设的依据和基础。随着电力工业在国民经济中扮演着越来越重要的角色，电力负荷的正确预测显得尤为重要。电力负荷预测是指通过对电力系统负荷历史数据的分析和研究，运用统计学、数学、计算机、工程技术及经验分析等定性定量的方法，探索事物之间的内在联系和发展变化规律，对未来的负荷发展做出预先估计和推测。电力负荷预测结果的准确与否直接关系到电力投资的效益，供电的可靠性，用电需求的正常发展，以及社会的经济效益和社会效益。但要做到预测准确或较准确是很困难的，因为影响电力负荷预测的因素相当多，且由于各地区产业结构和人民生活水平不同，各具体因素对电力负荷预测的敏感度是不一样的，因而电力负荷预测具模糊性。回顾我国“十五”期间的预测情况与实际发展情况是很有意义的。基于“九五”期间国民经济和电力工业的发展状况，在全国电力供需趋于平衡的前提下，我国制定的“十五”规划对电力工业发展提出了“可持续发展”的要求：电力工业发展方式要从数量速度型向质量效益型转变，从以供给导向为主转向以需求导向为主，优化电力资源配置。国家经贸委电力工业“十五”规划中预测：“十五”期间我国经济增长速度为年均7%左右，电力需求的平均增长速度为5%，到2005年全国发电装机容量将达到3.9亿千瓦，全国发电量将达到17500亿千瓦时以上。国家电力公司电力工业“十五”计划及2015年远景规划中预测：“十五”期间我国GDP年均增长7%左右，电力需求的平均增长速度在4.5%5.0%之间，到2005年全国发电装机容量将达到3.65亿千瓦，全社会用电量将达到16200亿16600亿千瓦时。但实际的情况是：截至2005年年底，全国发电装机容量达到5.17亿千瓦，全国发电量达到24975.26亿千瓦时，全社会用电量为24689亿千瓦时。比较我国“十五”期间电力工业发展中发电装机容量、发电量与全社会用电量等参数的预测值与实际值，可以发现我国“十五”电力规划中全国发电装机容量、发电量和全社会用电量的误差分别高达33%、43%和50%，这还是在2002年下半年至2005年间严重限电情况下发生的值，实际的电力需求值比这还高很多，也即误差比这还要高的多。这直接导致了自2002年6月以来的全国电力供需严重紧缺状态，直至“十五”末期电力供需形势总体来说仍然处于紧张状态，2005年曾在一季度拉闸限电省份达创纪录的26个，最大限负荷达3400万千瓦。 而“十五”期间的严重缺电，不仅成为影响国民经济快速发展的“瓶颈”，其隐性损失更是不可估量：成百上千的企业无法正常生产，安全生产埋下隐患，投资环境和城市形象蒙上阴影，人民正常生活受到影响。因此正确预测电力负荷对指导我国电力“又好又快”地发展具有重要意义。预测技术的发展源于社会的需求和实践。预测是人们根据历史的和现在掌握的信息，利用已经掌握的知识和手段，预先推知和判断研究对象的未来或未知状况的结果。预测可以提供未来的信息，为当前人们做出有利的决策提供依据。随着人类社会和科学技术的发展，预测技术也得到了不断的发展，尤其是最近几十年，随着预测理论、方法和技术的不断丰富，在某些领域预测的精度甚至可以达到很高的水平。到二十世纪七十年代末，预测逐渐形成了一门自成体系的综合性学科，并得到了迅速发展。电力系统负荷预测方法的研究起步较晚，从二十世纪八十年代后才有了较大的发展。电力系统负荷预测是指：在考虑一些重要的系统运行特性、增容决策和自然条件下，利用一套系统的处理过去和未来负荷的方法，在一定精度意义下，决定未来某特定时刻或某些特定时刻的负荷值。电力负荷预测是电力系统规划、运行不可缺少的重要环节，负荷预测的准确程度将直接影响到投资、网络布局和运行的合理性，是实时控制、运行计划和发展规划的前提和重要依据。因此，电力负荷预测工作的水平已成为衡量一个电力企业的管理是否走向现代化的显著标志之一。电力系统负荷预测的具体作用视预测期限的长短而异。一般可分为长期、中期、短期和超短期四种。其中，中期负荷预测是指5年左右，长期负荷预测一般是指十年至数十年的负荷预侧。中长期负荷预测的意义在于帮助决定新的发电机组的安装（包括装机容量大小、型式、地点和时间）与电网的规划、增容和改建，是电力规划部门的重要工作。近年来，随着计算机技术的迅猛发展，使大量复杂的、用人工方法难以实现的预测方法的采用成为可能，而且负荷预测的手段也逐渐发展为运用软件预测，使得负荷预测的方法和手段大为增加，但要做准确的预测仍存在着很大的问题。2005年，全国发电装机总容量5.08亿kW（其中，火电占75.6%，水电占22.9%，核电占1.35%，其它占0.15%），发电量24747亿kWh。2006年，全国发电装机总容量6.22亿kW（其中，火电占77.82%，水电占20.67%，其它占1.51%），发电量kWhkWhkWhkWh预计2010年，全国发电装机总容量将达到8亿kW。2005年，我国全社会用电量24689亿kWh，同比增长13.45%，用电结构仍以工业为主，占73.8%，同比增长13.37%。城乡居民生活用电量增长最快，达2838亿kWh，同比增长16.19%。2006年，我国全社会用电量28248亿kWh，同比增长14.0%，kWhkWhkWhkWh2005年，云南省总装机容量1320万kW（其中，火电约占35%，水电约占65%），同比增长12.7%；发电量624.2亿kWh，同比增长14.8%。云南电网公司统调装机容量893万kW，同比增长6.95%；完成售电量432.4亿kWh，同比增长14.14%，其中，省内售电量完成366.17亿kWh，同比增长18.81%；外送电量66.23亿kWh，其中送广东电量62.96亿kWh，送越南电量3.27亿kWh。2006年，云南省总装机容量1853万kW。目前，全省发电总装机容量达2077万kW。预计2010年，全省发电装机总容量将突破3600万kW，2020年，将达到8000万kW。二、电力负荷预测方法与应用综合国内外对电力系统中长期负荷预测方面的研究，采用的预测方法及达到的预测精度各有不同，但主要有：经典方法、传统方法、智能方法等三大类。（一）经典预测方法经典预测方法通常是依靠专家的经验或一些简单变量之间的相互关系对未来负荷值做出一个方向性的结论。主要有分单耗法、电力弹性系数法、负荷密度法、分类负荷预测法和人均电量法等。1、单耗法 这个方法是根据预测期的产品产量（或产值）和用电单耗计算需要的用电量，即AhQiUi式中 Ah某行业预测期的需电量； Ui各种产品（产值）用电单耗； Qi各种产品产量（或产值）。当分别算出各行业的需用电量之后，把它们相加，就可以得到全部行业的需用电量。这个方法适用于工业比重大的系统。对于中近期负荷预测（中期负荷预测的前5年），此时，用户已有生产或建设计划，根据我国的多年经验，用单耗法是有效的。 在已知某规划年的需电量后，可用年最大负荷利用小时数来预测年最大负荷，即 Pnmax= 式中 Pnmax 年最大负荷（MW）； An年需用电量（kWh）； Tmax年最大负荷利用小时数（h）。 各电力系统的年最大负荷利用小时数，可根据历史统计资料及今后用电结构变化情况分析确定。单耗法分产品单耗法和产值单耗法。采用单耗法预测负荷的关键是确定适当的产品单耗或产值单耗。单耗法可用于计算工业用户的负荷预测。单耗法可根据第一、第二、第三产业单位用电量创造的经济价值，从预测经济指标推算用电需求量，加上居民生活用电量，构成全社会用电量。预测时，通过对过去的单位产值耗电量(以下简称“单耗”) 进行统计分析，并结合产业结构调整，找出一定的规律，预测规划第一、第二、第三产业的综合单耗，然后根据国民经济和社会发展规划指标，按单耗进行预测。单耗法需要做大量细致的统计、分析工作，近期预测效果较佳。单耗法的优点是方法简单，对短期负荷预测效果较好。缺点是需做大量细致的调研工作，比较笼统，很难反映现代经济、政治、气候等条件的影响。2、电力弹性系数法 电力弹性系数kt是指年用电量（或年最大负荷）的年平均增长率kzch（%）与（%）国内生产总值（GDP）年平均增长率kgzch（%）的比值，即 kt= 电力弹性系数是一个宏观指标，可用作远期规划粗线条的负荷预测。 采用这个方法首先要掌握今后国内生产总值的年平均增长速度，然后根据过去各阶段的电力弹性系数值，分析其变化趋势，选用适当的电力弹性系数（一般大于1）。由于电力弹性系数与各省、各地区的国民经济结构及发展有关，各省及地区需对本省、本地区的电力弹性系数资料进行统计分析，找出适合于本省、本地区的电力弹性系数发展趋势。 有了弹性系数及国内生产总值的年平均增长率，就可以计算规划年份所需用的电量，即 Am=A0(l ktkgzch)n式中 Am 预测期末的需用电量（或年最大负荷）； A0 预测期初的需用电量（或年最大负荷）； kt 电力弹性系数； kgzch国内生产总值的年平均增长率； n 计算期的年数。电力弹性系数也分为电力生产弹性系数和电力消费弹性系数，前者与装机容量或发电量的增长速度有关，后者与用电量的增长速度有关。电力弹性系数，一般是指以电量为基础来计算的，即用发电量或用电量的发展速度（增长率）除以国民经济增长速度得出的。国民经济增长速度过去常采用工农业总产值或国民收入的增长速度来计算，后为了与国际接轨，采用国民生产总值的增长速度来计算，近年来又采用国民生产总值的增长速度来计算。由于电力不能储备，因此不仅要满足电量的要求，还要满足容量的要求，所以应当有以发供电设备容量为基础计算的电力弹性系数。在不缺电的情况下，这两个弹性系数应当是一致的，但是在缺电特别是严重缺电和的条件下，这两个弹性系数是不一致的。在缺电的条件下，计算以容量为基础的电力弹性系数比计算以电量为基础的电力弹性系数更为重要。另一方面，以容量为基础的电力弹性系数所要考虑的因素也要比以电量计算考虑得多一些，一是要考虑还欠账，以保证电力系统有足够的备用容量；二是要考虑降低过高的发供电设备利用小时数；三是要考虑国民经济计划超额和提前完成的因素。因此，在缺电的条件下，以容量计算的电力弹性系数要大于以电量计算的电力弹性系数。根据现代经济学原理分析，不同地区在不同的经济发展阶段。其电力弹性系数有不同的数值。电力弹性系数的变化不仅与电力工业的发展水平直接有关，还与科学技术水平、经济结构、资源状况、产品结构、装备和管理水平以及人民生活水平等因素有关。从“一五”到“十五”期间，我国有6个五年计划期电力弹性系数大于1，大部分集中在前期；有3个五年计划期弹性系数小于1，多集中在近期，这似乎反映了用电增长速度最终将趋向于低于经济的增长速度这样一种发展态势（见表）。 我国各个五年计划经济增长与用电增长的关系计划期年份GDP增速（%）用电量增速（%）电力弹性系数三年恢复期1950-195221.116.90.90“一五”计划期1953-19579.219.92.15“二五”计划期1958-1962-2.018.5三年调整期1963-196515.113.50.90“三五”计划期1966-19706.911.61.67“四五”计划期1971-19755.910.11.71“五五”计划期1976-19806.59.81.50“六五”计划期1981-198510.76.50.61“七五”计划期1986-19907.98.61.10“八五”计划期1991-199512.310.00.84“九五”计划期1996-20008.66.40.77“十五”计划期2001-20059.612.91.35电力弹性系数的数值大小及其变化隐含了许多相对数量关系，对应了许多不同的电力及经济发展状况。相同的电力弹性系数，有可能对应了完全不同的电力及经济发展状况。因此，分析电力弹性系数，重点应分析电力及经济增长速度的内在相关性，通过电力弹性系数本身的数值变化来分析经济发展中的优势及隐形问题，通过宏观调控、政策引导，达到经济可持续发展的目标。弹性系数法是从宏观上确定电力发展同国民经济发展的相对速度，是衡量国民经济发展和用电需求的重要参数。在市场经济条件下，电力弹性系数已经变得捉摸不定，并且随着科学技术的迅猛发展，“节能降耗”政策、节电技术和电力需求侧管理、新经济(如和识经济、信息经济)的不断产生和发展，以电能替代其他非电能源的范围不断扩大，电力与经济的关系急剧变化，电力需求与经济发展的变化步伐严重失调，使弹性系数难以捉摸，使用弹性系数法预测电力需求难以得到满足的效果，应逐步淡化。该方法的优点是方法简单、易于计算，缺点是需做大量细致的调研工作需要经济发展预测必须准确，人为主观影响过大。3、负荷密度法所谓负荷密度是指单位面积的用电负荷数（kW/km2）。城市平均负荷密度是一个反映城市和人民生活水平的综合指数。负荷密度法是根据对不同规模城市的调查，参照城市发展规划、人口规划、居民收入水平增长情况等，用每平方公里面积用电负荷，来测算城镇负荷水平。由于城市的经济和电力负荷常有随同某种因素而不连续（跳跃式）发展的特点，因此应用负荷密度法是一种比较直观的方法。下表是昆明市中心区的负荷密度变化情况。昆明市中心区平均负荷密度表（kW/km2） 区域年份市中心区（二环路以内）（面积：44 km2）一环路以内(面积：14.1 km2）一环路与二环路之间(面积：29.9 km2）备注19902434322720741995433971633007200053087951406220057256100006000国内省外一些城市的负荷密度：深圳特区：1998年深圳特区的负荷密度为1.12万kW/km2，特区外为0.67万kW/km2，特区内福田区、罗湖区、南山区和盐田区负荷密度值分别为1.12万kW/km2、1.46万kW/km2、0.88万kW/km2和1.73万kW/km2。上海市上海市中心城区（外环路以内）2003年的负荷密度为1.22万kW/km2。苏州新区1996年建设的苏州新区规划为52km2，首期为6.8km2，基本上已完成开发，2002年最高负荷为7万kW，负荷密度为1.03万kW/km2。按规划用地性质计算负荷也可认为是负荷密度法。按规划用地性质计算的负荷密度表序号用地性质 (kW/ha)城市电力规划规范上海浦东中山市树涌工业园深圳市蒙自城市选用)1居住用地和商住用地1004003002502005002002公共设施用地30012004001502501503工业用地2008004004005002005003004仓储用地502040205市政设施用地3003007003006特殊用地150250507绿地10101015108道路广场用地2015153015按规划的各地块各类建筑面积计算负荷：这种方法主要用于法定图则和详细蓝图规划阶段的负荷预测。按规划的各地块各类建筑面积计算负荷的计算公式是：P=MV 式中：M建筑面积；V单位建筑面积负荷取值；P最大负荷。而 M=SRD 式中：S占地面积； R容积率，即一定地块内，总建筑面积与建筑用地面积的比例； D建筑密度，即一定地块内所有建筑物的基底总面积与占用地面积的比例。这种方法的关键是单位建筑面积负荷取值，其指标是根据不同性质建筑的用电负荷特点进行分类取值，该指标为规划区内同一类建筑用电归算至10kV电源侧的用电指标，而非某一建筑单体的单位建筑面积负荷指标。在计算总计算负荷时，应首先计算各地块内各类建筑用电负荷，该负荷值需考虑各类型建筑用电的需用系数，然后将各地块负荷相加，并考虑总同时系数，总同时系数取值宜为0.70.9。在负荷指标选取时，应根据建筑类别、规模、功能和等级等因素综合考虑，在特殊情况下，如超高层建筑、大型高科技工业厂房、研发设施和大型空调仓储建筑等，以及上述指标中未包括的建筑类型，应根据具体项目情况确定具体指标。单位建筑面积负荷指标的选取，既要考虑当前的经济发展水平，又要适应远期负荷增长的用电需要。在采用单位建筑面积用电负荷指标时，应明确所用指标值的含义，并应考虑各级同时系数。按城市电力规划规范（GB/50293-1999）及其它参考文献，规划单位建筑面积负荷指标（W/m2）见下表。分类建筑综合用电指标表 单位：W/m2用地分类 建 筑 分 类 用 电 指 标 需 用系 数 备 注 低 中 高 居住用地R 一类：高级住宅、别墅 60 70 80 0.350.5 装设全空调、电热、电灶等家电，家庭全电气化 二类：中级住宅 50 60 70 客厅、卧室均装空调，家电较多，家庭基本电气化 三类：普通住宅 30 40 50 部分房间有空调，有主要家电的一般家庭 公共设施用地C 行政、办公 50 65 80 0.70.8 党政、企事业机关办公楼和一般写字楼 商业、金融、服务业 6070 80100 120150 0.80.9 商业、金融业、服务业、旅馆业、高级市场、高级写字楼 文化、娱乐 50 70 100 0.70.8 新闻、出版、文艺、影剧院、广播、电视楼、书展、娱乐设施等 体 育 30 50 80 0.60.7 体育场、馆和体育训练基地 医疗卫生 50 65 80 0.50.65 医疗、卫生、保健、康复中心、急救中心、防疫站等 科 教 45 65 80 0.80.9 高校、中专、技校、科研机构、科技园、勘测设计机构 文物古迹 20 30 40 0.60.7 其他公共建筑 10 20 30 0.60.7 宗教活动场所和社会福利院等 续上表用地分类建筑分类用电指标需用系数备 注低中高工业用地M一类工业3040500.30.4无干扰、无污染的高科技工业如电子、制衣和工艺制品等二类工业4050600.30.45有一定干扰和污染的工业如食品、医药、纺织及标准厂房等三类工业5060700.350.5机械、电器、冶金等及其他中型、重型工业仓储用地W普通仓储5810危险品仓储5812堆 场1.522.5对外交通用地T铁路、公路站房2535500.70.8港口1050万t（kW）10030050100万t（kW）5001500100500万t(kW)20003500机场、航站4060800.80.9道路广场S道路(kW/km2)101520kW/km2为开发区、新区按用地面积计算的负荷密度广场(kW/km2)50100150公共停车场(kW/km2)305080市政设施U水、电、燃气、供热设施、公交设施电信、邮政设施环卫、消防及其他设施(kW/km2)800(30)(kW/km2)1500(45)(kW/km2)2000(60)(0.60.7)同上。但括号内的数据仍按建筑面积计算注：1、除S、U类按用地面积计，其余均按建筑面积计，且计入了空调用电。无空调用电可扣减40%50%。2、计算负荷时，应分类计入需用系数和计入总同时系数。3、住宅也可按户计算，普通34kW/户、中级56kW/户、高级和别墅710kW/户。4、分类负荷预测法分类负荷预测法一般将负荷划分为：工业用电、农业用电、生活用电和其它用电四大类，将各类负荷分别进行预测，然后相加后乘同时系数得到。分类负荷预测的优点在于：在某一类负荷中，其增长趋势的不正常情况有可能被发现，并且由于各类负荷都得预测，因此总的负荷结果是比较明确的，缺点是统计信息的搜集工作较大较复杂。5、人均电量法人均电量是考察一个国家、一个城市经济发达程度的一个重要参数。按城市电力规划规范，规划人均综合用电量指标如下表。城市规划人均综合用电量表指标分级城市用电水平分类人均综合用电量（kWh/人a）现 状规 划I用电水平较高城市3500250180006001II用电水平中上城市2500150160004001III用电水平中等城市150070140002501IV用电水平较低城市70025025001000全国19902001年间的人均用电量统计表如下表所示，人均用电量平均增长率为7.2%。全国19902001年人均用电量统计表单位：kWh年 份人均用电量增长率1990543.301991584.907.66%1992643.7010.05%1993706.609.77%1994774.109.55%1995831.407.40%1996881.906.07%1997917.404.03%1998927.601.11%1999979.405.58%20001081.1010.38%20011162.707.55%平均增长率7.20%（二）传统预测方法传统预测方法包括增长曲线方法、回归分析法及时间序列分析法。其中回归分析法和时间序列法基本上都是属于概率统计的方法。1、增长曲线方法增长曲线（又称为生长曲线）方法是对事物的生长、发展过程的定量描述模型。按照地区负荷变化的不同，可以选择不同的增长曲线，如指数增长曲线、修正指数增长曲线、逻辑增长曲线、龚玻兹增长曲线等。2、回归分析法回归分析法是利用数理统计原理，对大量的统计数据进行数学处理，并确定用电量或用电负荷与某些自变量例如人口、国民经济产值等之间的相关关系，建立一个相关性较好的数学模式即回归方程，并加以外推，用来预测今后的用电量。回归分析包括一元线性、多元线性和非线性回归法。一元线性回归方程以y=abx表示，其中x为自变量，x为因变量；a，b为回归系数。多元线性回归方程为y=a0a1x1十a2x2十anxn。非线性回归方程因变量与自变量不是线性关系，如 y=aebx等，但许多经过变换后仍可转换为线性回归方程。根据历史数据，选择最接近的曲线函数，然后用最小二乘法使其间的偏差之平方和为最小，求解出回归系数，并建立回归方程。回归方程求得以后，把待求的未来点代入方程，就可以得到预测值。此外还可测出置信区间。从理论上讲，任何回归方程的适用范围一般只限于原来观测数据的变化范围内，不允许外推，然而实际上总是将回归方程在适当范围内外推。应用回归分析方法必须预先人为给定回归线类型，若给定的不合适将直接影响预测精度。同时对不同的系统由于负荷特点不尽相同，也很难建立起具有通用性的负荷预测模型。根据实际计算的结果，选定的模型为以下六种：直线、抛物线、指数曲线、反指数曲线、一型双曲线、几何曲线。在计算处理中，程序将逐个利用上述的几种模型进行最小二乘拟合，直到找到一个剩余均方和最小的模型。根据实际计算的情况，模型并非越多越好。有的模型虽对历史数据拟合得很好，但并不适宜用作预测，如高次多项式。用回归法预测负荷时，若取用过去若干年的历史资料正处于发展上涨快的时期，则预测未来越来越快，反之，若取用下降时，则预测未来越来越慢。3、时间序列分析法时间序列分析法是一种依据负荷过去的统计数据，找到其随时间变化的规律，建立时序模型，以推断未来负荷数值的方法。按照处理方法不同，时间序列法分为确定时间序列分析法和随机时间序列分析法。常用的确定时间序列分析法有指数平滑法和Census-H分解法。常用的随机时间序列分析法有Box-Jenkins法、状态空间法、Markov法等。时间序列法虽然在解决影响负荷因素错综复杂方面较之前的方法有所进步，但它的缺点是该预测方法有个基本假定，即负荷过去的变化规律会持续到将来，所以当研究对象在所选时间序列内有特殊变化段，无适应性规律可言时该预测方法不成立。如我国电力工业发展历程中的“十五”时期不同于以往发展规律，无延续性可言，所以其规律纳入历史数据用时间序列分析法对未来形势变化进行预测将出现难以预料的结果。（三）智能预测方法智能预测方法不需要事先知道过程模型的结构和参数的相关先验知识，也不必通过复杂的系统辨识来建立过程的数学模型，较适合应用于存在非线性、多变量、时变、不确定性的电力负荷预测。智能预测方法主要包括专家系统法、人工神经网络法、模糊预测法、灰色理论预测法和综合预测模型法。1、专家系统法专家系统是一个应用基于知识的程序设计方案建立起来的计算机系统，它拥有某个特殊领域专家的知识和经验，并能像专家那样运用这些知识，通过推理，在该领域内做出智能决策。专家系统技术用于中长期负荷预测时，能对所收集整理的常规的预测模型逐一进行评估决策，快速地做出最佳预测结果，避免了人工推理的繁琐和人为差错的出现，克服以往用单一模型进行预测的片面性缺陷，但是对其提取有关规则较为困难，另外必须对多年的数据进行调查、分析、提取，将花费大量的人力、物力和财力。2、人工神经网络法人工神经网络是源于人脑神经系统的一种模型，具有模拟人的部分形象思维能力，它是由大量的人工神经元密集连接而成的网络。人工神经网络法是一种不依赖于模型的方法，它比较适合那些具有不确定性或高度非线性的对象，具有较强的适应和学习功能。用于负荷预测时，人工神经网络法利用神经网络可以任意逼进非线性系统的特性，对历史的负荷曲线进行拟合。负荷预测中常用的模型有Kohonen模型、BP模型、改进的BP模型、RBF神经网络等。人工神经网络具有大规模分布式并行处理、非线性、自组织、自学习、联想记忆等优良特性，其在电力领域的应用虽然解决了负荷预测中传统方法未能解决的问题，但有时应用现有神经网络模型进行实际负荷预测时，预测精度还是难以达到要求，尤其是在中长期负荷预测的应用中。因为神经网络模型的输入、输出原始数据必须以精确为前提，而实际预测时，因统计存在着误差（尤其是年度统计数据需经过多次修改才尽可能接近实际值），使得数据同实际值有一定的误差，由此神经网络所拟合的输入、输出关系必然同实际有一定差别，导致预测不准。且针对不同地区的特点，对输入输出关系的选择和样本集的构成进行较大的调整，这就增加了推广的难度。3、模糊预测法模糊算法用模糊理论去研究和处理具有“模糊”特性的对象时，其效果将显而易见。模糊理论最早由美国教授查德(L.A.Zandeh)首先提出，国内外学者对模糊数学在电力系统中的应用研究较多，如用于网架规划、电厂选址、运行最优化、负荷预测等等。用于电力系统负荷预测的模糊方法有模糊分行业用电模型、模糊线性回归、模糊指数平滑、模糊聚类、模糊时间序列模型等，这些模糊负荷预测模型是在原有模型的基础上结合模糊理论形成新的预测模型，能够很好的处理带有模糊性的变量，解决了在负荷预测中存在大量的模糊信息的难题，提高了电力系统中长期负荷预测的精度。但是同样由于模糊算法要求提供大量的历史数据，且由于我国统计工作的不完善造成使用上的困难及精度的不精确性。模糊预测方法不是依据历史数据的分析，而是考虑电力负荷与多因素的相关，将负荷与对应环境作为一个数据整体进行加工，得出负荷变化模式及对应环境因素特征。从而将待测年环境因素与各历史环境特征进行比较，得出所求的负荷增长率。1） 模糊聚类法 此方法采用电力负荷增长率作为被测量，调研后采取国内生产总值（GDP）、人口、农业总产值、工业总产值、人均国民收入、人均电力等因素的增长率作为影响电力负荷增长的环境因素，构成一个总体环境。通过对历史环境与历史电力负荷总体的分类和及分类特征、环境特征的建立，进一步由未来待测年份的环境因素对各历史类的环境特征的识别，来选出与之最为接近的那类环境，得出所求电力负荷增长率。2） 模糊线性回归法该方法认为观察值和估计值之间的偏差是由系统的模糊性引起的。回归系数是模糊数预测的结果是带有一定模糊幅度的模糊数。3） 模糊指数平滑法是指在指数平滑模型的基础上，将平滑系数模糊化，用指数平滑进行预测。这种方法具有算法简单、计算速度快、预测精度高、预测误差小，尤其在原始数据存在不确定性和模糊性时，更具有优越性。4） 模糊相似优先比法该方法是用相似优先比来判断哪种环境因素发展特征与电力负荷的发展特征最为相似，选出优势因素后，通过待测年某因素与历史年相同因素的贴近度选出与待测年贴近度最大的历史年，并认为这样选中的历史年电力负荷特征与待测年的电力负荷特征相同，从而得出预测负荷值与模糊聚类方法相比，该方法把影响电力负荷的多种因素“简化”为一种主要因素，适用于某种特殊功能占主导地位的供电区域。5） 模糊最大贴近度法该方法的核心在于选定某种影响因素(如经济增长速度等)，通过比较所研究地区与各参考地区该因素接近的程度，选中与其最为贴近的参考地区，认为该地区相应的电力负荷发展规律与所研究地区对应的电力负荷发展规律相同。该方法与前两种模糊方法相比，不需要待测地区的历史数据，也不必通过识别历史负荷数据的发展模式来进行预测所以不必进行历史数据修正就可以直接完成预测工作同时，数据的收集和整理也远比前两者方便。4、灰色理论预测法所谓灰色系统是指信息部分明确、部分不明确的系统。灰色系统理论就是利用了部分明确的信息，通过形成必要的有限序列和微分方程，寻求各参数间的规律，从而推出不明确信息发展趋势的分析方法。灰色系统理论自上个世纪80年代由我国学者邓聚龙教授提出后，己经在各个方面得到广泛的应用。用于预测时首先把负荷数据当作灰数，通过数据生成（累加、累减、均值和级比生成）得到新的数据列，从而减少数据的随机性，用此数据建立灰色模型进行预测，最后将预测值还原得到最终的负荷预测值。应用灰色理论进行负荷预测，具有样本少、计算简单、精度高和实用性好的优点。缺点是当数据离散程度较大时，由于数据灰度较大预测精度会较差，所以应用于电力系统中长期负荷预测中，仅仅是最近的几个数据精度较高，其它较远的数据只反映趋势值和规划值。以时间为序列的原始数据列是一个随机过程，有时未必平稳，所以要用数据累加，得到新的数据序列。经过处理后的新序列，其随机性被弱化了。该方法首先建立白化形式的微分方程，根据历史统计数据用最小二乘原理解得参数后，得到预测模型，按此模型就可进行预测。5、综合预测模型法由于各预测方法的特点不同以及电力负荷的复杂性，各方法的预测结果往往“时好时坏”，所以可以通过组合预测来提高预测精度。组合预测综合利用了各种预测方法的预测结果，用适当的权系数加权平均进行预测。这种方法的关键在于求出各种预测方法的权系数。电力系统负荷预测领域的综合预测一般有两种含义：一是指将几种预测模型各自的预测结果通过选取适当的权重进行加权平均得到最终预测结果的一种预测方法，该类方法的实质是各预测模型权重的优化确定；另一种含义则是指在几种预测模型中进行比较，按某种准则选择（拟合优度最佳或标准离差最小）其中某个预测模型作为最优模型进行预测。目前常用的综合预测模型有：等权平均模型、方差-协方差综合预测模型等，它们的主要区别在于确定权重采用的方法不同。起初这些综合预测模型都是采用了固定不变的权重，但是随着时间的推移各单一预测模型受不同因素影响的程度也将发生变化，从而影响该综合预测模型的可信度。在此基础上进而发展了权重可变（即动态变化）的电力系统负荷综合优化预测模型，以更好的反映电力负荷变化的规律。虽然综合预测模型算法的选取相较于所取的单一模型的精度有再次改进，但是预测模型的可信度高低关键在于各单一模型权重的选取。其中，固定不变的权值由于各模型受不同因素的影响而发生变化，对事实的反映程度有所受损，而针对固定不变权值的这一缺点而发展的可变权值理论中由于可变权值会出现负值导致该方法可行性的认可程度。分析比较上述的几种智能预测方法，较经典预测方法和传统预测方法在预测精度上都有所改进。但是智能预测模型在应用中由于参数选取的不确定性影响了它的预测精度，如人工神经网络模型中的学习率（）和惯性因子（）、模糊算法模型中的模糊隶属度（a）和综合模型中的权重因子。另一方面，虽然智能预测方法针对提高历史数据的拟合精度方面进行了很多改进，但是随着社会经济（尤其在市场经济的影响下）的快速发展，统计方法对于不确定因素考虑不够的缺陷日益显著，其中历史负荷数据的真实性就有待修正；同时，由于中长期电力负荷具有非线性和时变性，要通过清晰的数学方程来表达输入（历史年负荷值、负荷影响因素值）与输出（规划年负荷值）之间的关系存在着种种困难，所以至今没有一个很合适的方法及模型能准确地对中长期负荷进行有效预测。综上所述，电力负荷预测的实质就是利用以往的数据资料找出负荷变化的规律，从而对未来负荷的变化及状态做出预测。进行电力负荷预测时，如果仅以某种简单的函数关系去反映电力负荷与其影响因素（如气象、环境、经济等）之间的关系，会使得到的预测结果与实际偏离较远，而如果建立复杂模型，又由于各自模型本身因含有不定因素而导致其存在大小不同的误差，另外由于对电力负荷的影响因素（如国民经济增长率、宏观经济形势、产业结构和能源结构等）又是非可测的，所以对于电力中长期负荷预测来说，无论预测模型的精度如何改进，一旦上述任何一个非可测因素的实质性改变都将导致电力中长期负荷预测出现较大失误。用前述几种方法预测负荷（电量）的结果不应只看作是一个固定的数，而应看作范围。在规划设计中一般考虑高、低及一般可能