基于误差补偿的电力负荷中长期预测模型

林强，刘林鹏，邱剑洪，吕懿，李思凡，叶汉芳

(1. 海南电网有限责任公司电网规划设计研究中心，海南 海口 570203；2. 广州市奔流电力科技有限公司，广东 广州 510700)

负荷中长期预测作为电网规划建设的基础，一方面，它可以为网架规划、选址定容提供依据，另一方面，它为电网现状分析、饱和负荷预测提供了技术支持[1-2]；因此，准确的负荷中长期预测对于高水平的电网规划至关重要。

目前，负荷中长期预测的方法可分为时间序列法、多元回归法和组合预测法。其中，时间序列法通过分析负荷随时间的变化规律预测未来的负荷发展情况。文献[3]使用指数平滑法计算未来的负荷时间序列，并采用等维信息数据处理的方法加强结果的可靠性；文献[4]采用加法自回归积分滑动平均模型提取负荷序列内部因素，并结合长短期记忆(long short term memory，LSTM)网络协同进行多时序负荷预测，进一步提高了预测精度。这类方法不需要相关因素数据，计算相对简单，但是在数据量充足的情况下，这类方法难以充分利用数据提高预测精度。因此，许多研究通过多元回归法建立相关因素与负荷的映射关系来提高数据利用率和预测精度。为构建预测模型，文献[5]提出一种基于Fisher信息的特征选择方法和气象因素方法，通过支持向量回归法构建预测模型；文献[6]基于卷积神经网络和门控循环单元的混合神经网络，提出一种多变量L2-Boosting回归的负荷预测模型；文献[7]基于Spark平台将数据集合分解成多个子数据集，利用并行计算技术加速模型的训练过程。……