灰色系统理论及在电力系统短期负荷预测中的应用.doc

西南交通大学本科毕业设计（论文） 第IX页

西 南 交 通 大 学
本科毕业设计（论文）
灰色系统理论及在电力系统短期负荷预测中的应用
SHORT—TERM LOAD FORECASTING BASED ON GREY SYSTEM THEORY
年 级：2012级
学 号:20127948
姓 名:代洪宇
专 业：电气工程及其自动化
指导老师:李浩
2016年 6月

西南交通大学本科毕业设计（论文） 第VI页
院 系 电气工程系 专 业 铁道电气化
年 级 2012级 姓 名 代洪宇
题 目 灰色系统理论及在电力系统短期负荷预测中的应用
指导教师 李浩
评 语
指导教师 (签章）
评 阅 人
评 语
评 阅 人 （签章)
成 绩
答辩委员会主任 (签章）
2016年 6月10日
承 诺
本人郑重承诺：所呈交的设计（论文）是本人在导师的指导下独立进行设计（研究）所取得的成果,除文中特别加以标注引用的内容外，本文不包含任何其他个人或集体已经发表或撰写的设计（研究）成果.对本设计（研究）做出贡献的个人和集体,均已在文中以明确方式标明。如被发现设计(论文）中存在抄袭、造假等学术不端行为，本人愿承担一切后果.
学生签名：代洪宇
2016年 6月 10日
毕业设计（论文）任务书
班 级 电气2012级电化3班 学生姓名 代洪宇 学 号 20127948
发题日期:2015年 12月 21日 完成日期:2016年 6月05日
题 目灰色系统理论及在电力系统短期负荷预测中的应用
1、本论文的目的、意义电力系统负荷预测是电力企业规划部门的重要工作之一，电力负荷预测工作的水平已经成为衡量一个电力企业的管理是否走向现代化的重要标志之一，准确的负荷预测是现代电力系统规划以及经济、安全运行的关键要求.由于负荷预测会受到诸多不确定因素的影响，因此在实际中很难获得满意的预测效果。灰色系统理论是一种针对不确定信息的有效处理工具，它将一切随机变量看作是在一定范围内变化的灰色量，通过求解灰色模型的微分方程即可实现对未来负荷的预测，相比传统预测方法，它在模型建立过程中需要负荷数据量小,可以实现较高的预测精度。
2、学生应完成的任务 ① 了解本设计的目标和意义;②学习并掌握电力系统负荷预测的基本原理。③学习并掌握灰色系统原理与建模方法；④ 通过实例用Matlab对灰色系统理论电力负荷预测模型进行仿真实现；⑤ 对仿真结果进行评价.
3、论文各部分内容及时间分配:（共 14 周）
第一部分 查找相关资料文献. （ 3周）
第二部分 掌握matlab编程方法。 (1 周）
第三部分 学习GM（1,1）模型算法并编程实现。 ( 4周）
第四部分 论文编写。 （ 4周）
第五部分 论文修改。 （ 2周)
评阅及答辩 审定，答辩。 ( 1周）
论文整改 （1周)
备 注 智能挖掘电力负荷预测研究及应用,灰色系统理论及其应用,电力负荷预测技术及其应用
指导教师: 2015年12月21日
审 批 人： 2015年12月21日

摘 要
短期电力负荷预测用于预测将来某日或某周时间段内的电力负荷需求，它包含周负荷预测和日负荷预测。其中周负荷预测主要用于安排周调度计划，日负荷预测主要用于安排日调度计划。精确的短期电力系统负荷预测有利于合理的安排机组的检修计划及电网运行方式，有利于降低发电成本，保证供电网的经济运行。但是，电力负荷从本质上讲是不会受到人们的精准控制。因此观察电力负荷的历史数据蕴含的规律成了预测将来电力负荷发展变化趋势最有效的方法。
由于灰色系统理论是一种工程实用性极强的理论，因此在电力系统短期负荷预测领域得到了广泛应用.在进行短期负荷预测时，应结合该地区的实际情况,选择合理的负荷预测模型。本文首先介绍了电力负荷预测的基本理念,简要分析了不同电力负荷预测方法的特点，并对短期电力负荷预测基础作了介绍，采用了基于同类型日思想的正常日负荷预测思想。接着着重阐述了灰色预测理论相关知识，重点研究基于灰色系统理论的电力系统短期负荷预测的机理，找出了GM(1，1）模型在短期负荷预测时的局限性，并采用残差灰色模型对GM(1，1）模型进行修正，提高了模型的预测精度。
关键词 短期电力负荷预测；灰色系统理论;GM(1,1）灰色预测模型
Abstract
Short-term load forecasting of power system is designed for load forecast in one day or a week time, it contains daily load forecasting and weekly load forecasting. Weekly load forecasting is mainly used to arrange weekly schedule plan, and daily load forecasting is mainly used to arrange the daily schedule plan。 Accurate short—term power system load forecasting is beneficial to the reasonable arrangement of the generators' maintenance plan and the operation mode of the power grid, it can also reduce the cost of generating electricity and ensure the economy operation of the power supply network. But， in essence, the electric load will not be controlled by the people. So， excavate the law which is contained in the historical data is the most effective method to predict the development trend of electric power load in the future。
As the grey system theory is a kind of practical theory in the field of engineering, it has been widely used in the field of short—term load forecasting. When carry out short-term load forecasting, we should combine the actual situation in the region, and select a reasonable load forecasting model。 In this paper， we introduced the basic concept of power load forecasting first, and contain a brief analysis of the characteristics of different power load forecasting methods， and the basic knowledge of short—term power load forecasting is also included, in addition ， we utilize the idea of the same type of normal daily load forecasting. Secondly， we focused on the knowledge of the grey prediction theory， and the mechanism of grey system theory in short-term load forecasting, and find out the limitation of GM （1,1) model in short term load forecasting, and it is modified by the residual grey model of GM （1，1）. however， the accuracy is improved。
Key words： Short—term power load forecasting； The grey system theory; GM （1， 1） grey forecasting model
目 录
第1章 绪论 1
1.1课题背景 1
1。2电力负荷预测的发展及研究现状 2
1.2。1经典预测方法 2
1.2.2传统预测方法 3
1。2.3时间序列分析方法 3
1.2.4灰色预测法及组合预测方法 4
1.2。5智能预测方法 4
1。3本文的主要工作 5
第2章 电力负荷预测的基本原理和理念 7
2。1负荷预测的基本原则和要求 7
2.1.1基本原理 7
2。1.2基本要求 8
2.1。3基本原则 10
2。2负荷预测的内容及其分类 11
2。2.1负荷预测的内容 11
2。2.2负荷预测的分类 12
2.3负荷预测的步骤 14
2.4负荷预测应遵循的理念 16
2。5负荷预测的特点 18
第3章 短期电力负荷预测 20
3。1短期电力负荷预测基础 20
3.1。1短期电力负荷预测的重要性 20
3。1。2短期电力负荷预测的内容及其特点 21
3。1.3短期负荷预测的基本过程 21
3.1。4影响短期负荷预测的主要因素 22
3.1.5日负荷曲线 23
3.1。6单日负荷特性分析 24
3。2基于同类型日思想的正常日预测 25
第4章 灰色预测理论综述 27
4。1 灰色系统理论的产生及发展 27
4.1.1灰色系统理论产生的科学背景 27
4.1.2不确定性系统的特征和科学的简单性原则 28
4.1.3几种不确定方法的比较 29
4.2灰色系统的概念与基本原理 30
4.2。1灰色系统的基本概念 30
4.2.2灰色系统基本原理 30
4.3灰色预测的基本方法 32
4。3。1灰色生成 32
4。3。2灰色建模过程 35
4。4 GM(1，1)模型的建模条件 38
4.4.1 GM(1，1）建模可行性分析 38
4。4.2原始数据处理原则与机理 39
4.5后验差检验 41
4.6 GM(1,1)模型的修正 42
4.6.1模型修正的必要性 42
4.6。2 改进模型 43
4。7算法介绍 44
第5章 实例分析 47
5。1确定预测内容 47
5.2资料收集 47
5。3基础资料分析 49
5.4负荷预测分析 49
结 论 52
致 谢 53
参考文献 54
附 录 55
西南交通大学本科毕业设计（论文） 第57页
第1章 绪论
1。1课题背景
电力工业作为我国重大的基础行业,对于我国国家安全、居民生活质量、经济建设、社会稳定具有至关重要的作用。电力负荷预测的精确程度对于制定发电计划、制定上网竞价计划容量、制定经济合理的电力调配计划、控制电网经济运营、进行电力市场需求分析、降低旋转储备、有效化解风险、避免重大事故、保产和生活用电方面具有十分重要的意义。随着国际上电力市场的逐步建立以及国内经济形势的快速发展，电力供求的矛盾越来越严峻,导致对电力需求产生影响的要素越来越多，此时,传统电力负荷预测理论方法已经不再实用。提高电力负荷预测精度能够为电网企业以及整个电力的发、输、变、配、送的电力产业链条直接产生重大的社会效益和经济效益，同时也对于我国的节能减排、资源利用，以及经济社会的可持续发展具有非常重大的意义。
电能不能大量存储，即电能的发、输、变、配、送是同时进行的，所以,在正常运行情况下，电力系统的发电容量必须满足负荷的需求。当发电过剩,则应该采取必要的措施，比如有选择的停机；发电不够，同样应当采取必要的措施，以增加发电机组的功率满足负荷的需求。所以，对电网未来负荷变化趋势的预测，是电力规划部门和电力调度部门所必须清楚知道的基本信息。因此，事先对负荷变化有一个估计,是电力系统运行研究与发展的重要内容。
负荷预测技术的中心问题是预测时所采用的数学模型。由于现代的科学技术发展很快，导致电力负荷预测的技术也在更新换代.涌现出了各具特色的方法理论.比如单耗法、统计分析法、灰色预测法、小波预测法、神经网络法等，它们的研究特点与适用的范围互不相同。其中的灰色系统理论在处理不确定信息方面有很大的优点，它通过求解灰色模型的微分方程即可实现对未来负荷的预测,相比传统预测方法，它在模型建立过程中需要负荷数据量小，可以实现较高的预测精度.
1。2电力负荷预测的发展及研究现状
自20世纪20年代开始就有学者开始对电力负荷预测进行研究.但由于当时的电力系统变化较为平稳，规模小，因此对电力负荷的预测没有受到相应的重视。但是随着电力系统的市场化进程不断提高以及对能源的空前重视程度，使得电力负荷的预测逐渐受到了广泛的重视。近二三十年来,国内很多专家学者对电力负荷预测理论和方法进行了非常多的研究工作,并取得了很多研究成果。总的说来,国内外关于负荷预测的理论成果大多集中于短期负荷预测的研究,中期和长期的负荷预测研究偏少，超长期的负荷预测更少。从预测方法上来说，预测方法大致经历了5个阶段的发展。
阶段一：经典预测方法。
阶段二：以线性回归方法为代表的传统统计预测方法阶段。
阶段三：引入由Box — Jenkins提出的著名的时间序列预测。
阶段四:灰色预测方法以及组合预测方法阶段，其中组合预测方法国内重视程度较大，然而国外学者却很少重视这种组合预测方法的研究。
阶段五：近期的以神经网络和支持向量机为代表的智能预测方法阶段。
1。2.1经典预测方法
经典预测方法是依靠专家的经验来对未来的电力负荷值做出一个方向性结论的预测方法。包括单耗法、弹性系数法、电力负荷密度法等。
单耗法是依据电力负荷预测期间的产量和按照用电的单位耗能进而计算需求的用电量的预测方法,当计算出各行业需要的用电量之后，再把各自的需求用电量叠加起来就可以得到整个行业的需求用电量。此方法对于工业用电所占比重较大电力系统很适用。对于中近期的负荷预测,因为这个时候电力用户已经有了将来的生产计划,结合我国的实际情况并由历史数据得出：单耗预测方法对于中近期负荷预测在我国是有研究价值的.单耗法有着预测方法简单且对负荷预测有非常直观的效果，适应范围及条件广的优点。但是，单耗法需要做的调研工作量很大,而且非常的笼统，对于现代经济、气候、政治等条件产生的影响很难反映出来.
弹性系数法对于衡量国民经济的发展状况和广大电力用户的用电需求有着很重要的作用.但是在目前的市场经济状况下，电力弹性系数千变万化，电力和经济之间的关系早已经不同以前，由于用户对电力的需求量和国民经济发展变化的进度之间的差值变大,导致弹性系数无法准确得出，所以用于预测时得不到比较满意的预测结果。但是它的方法很简单而且计算容易,但是调研工作量大而且要求对经济发展的预测要准确，受到的人为因素较明显。
负荷密度法是利用单位面积的用电负荷数乘以面积进行电力负荷的预测，此法通常用于城市某区域的电力负荷预测。某地区的平均负荷密度能反映出此地区人民的生活水平。负荷密度法用某地区每平方公里范围的用电量，来预测该地区的负荷水平。鉴于地区经济和电力负荷有着跳跃式发展的特点，因此负荷密度法能直观的反映某地区的负荷水平。
1.2。2传统预测方法
传统预测方法包括趋势外推方法、增长曲线方法、回归分析法及时间序列分析法。
趋势外推法，假定收集到负荷变化的N期数据x1 x2…xN，具有一定的水平趋势,其散点图表现为在一条水平直线上下随机波动。从这组数据出发，利用趋势变化求得内插值及预测值的方法称为趋势外推方法。
回归分析法在线性领域包括多元线性回归、一元线性回归,以及其他可变形为回归分析方法的双曲线、幂函数曲线、指数曲线、倒指数曲线、对数曲线、S形曲线等6种函数曲线进行预测的方法.
1。2。3时间序列分析方法
如果变量t表示时间，则一组按时间顺序排列的观测数据就是一个时间序列.例如：在电力系统中，按时间孙旭排列着的过去电力负荷资料以每小时取的一组样就构成了一个时间序列。在时间序列预测法中，Box-JenKins方法是一种理论较为完善的统计预测方法，他们的工作为世纪工作者提供了对时间序列进行分析、预测以及对ARMA模型识别、估计和诊断的系统方法。
1.2。4灰色预测法及组合预测方法
灰色系统的信息部分已知，部分未知。灰色系统理论利用一部分已知的信息，来构成有限的数据序列和恰当的微分方程，挖掘出各数据间的规律，进而实现预测不确定信息的变化趋势。当进行预测时先把数据当作为灰数，新数据序列由通过数据生成得到。经过生成处理后数据的随机性得以减弱,然后用处理后的数据序列建立灰色模型进行负荷值的预测，最后将预测值进行逆生成得到最终预测值。采用灰色系统理论进行相关负荷预测时，它所需的数据样本少、计算过程简单、预测结果精度高且使用范围广。但是当原始数据序列的离散程度较大时由其得出的预测精度会比较差.所以由灰色系统理论得出的预测结果只有最近的几个数据可信度较高，其他数据只反映了负荷未来发展的大致趋势。
考虑到电力负荷比较复杂以及不同的预测方法有着不同的特点，导致了负荷预测的精度有时候比较好有时候比较差。通常人们采用组合预测的方法来解决这个问题 ,它的实质是各种预测模型权重系数的最优化。在组合预测方法中，不同预测方法的预测结果都得到了利用,通过不同的加权系数组合起来，其中各种预测方法加权系数的求解是此方法的关键。在进行电力负荷预测时，组合预测方法有两种含义：一是将各种预测方法的结果和他们各自的加权系数相乘再把各自相乘后的结果相加得到最终结果.另一种是按照某种预测准则对几种预测模型进行比较选择,然后选出最优的模型进行电力负荷预测。
组合预测的方法以最大程度的利用信息为基础，它是各种模型所含信息的最优组合体 。所以，该方法在大多数的情况下可以改善预测结果进而提高预测的精度。
1.2。5智能预测方法
智能预测方法不用有着复杂系统辨识的数学模型,而且也不用提前了解与数学模型相关的参数和结构知识。此方法在有着非线性、变量较多、随时间变化、变量多、确定性弱的电力负荷预测中较适合。其中专家系统法、人工神经网络法、模糊预测法都属于智能预测方法。
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［1].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,将花费大量人力、物力和财力［1］。
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[1］。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[1]。在神经网络算法中，最常用的是BP神经网络分析法.
支持向量机预测
支持向量机回归的基本原理是寻找一个输入空间到输出空间的非线性映射φ(x）,然后采用映射的方法将数据x映射到一个高维特征空间F，并在特征空间中用下述估计函数进行线性回归:
y=f(x)= ω*φ（x)+b (1-1)
1.3本文的主要工作
本文研究了GM（1，1)模型在短期电力系统负荷预测中的应用，主要内容包括：
第一章：介绍了本课题的背景和实际意义，并总结了各种短期负荷预测方法.
第二章：电力负荷预测基本原理和理念的介绍。对电力负荷预测的基本原理、特点、预测的内容、预测时的步骤及负荷预测应遵循的理念进行了说明。
第三章：本章主要介绍了短期电力负荷预测的基础知识，并对本文采用的基于同类型日思想的短期电力负荷预测方法做了说明.
第四章：本章与第三章为全文重点章节，对灰色系统的产生及发展、灰色系统的概念与基本原理、灰色预测的基本方法和GM（1,1）模型的相关知识做了详细的介绍.对采用残差灰色预测模型对GM（1,1)模型进行修正做了说明，本章最后列出了算法流程图。
第五章:通过实例分析，验证本文所采用灰色模型的实用性，并对误差做了分析。
第2章 电力负荷预测的基本原理和理念
2.1负荷预测的基本原则和要求
2.1。1基本原理
电力系统负荷预测就是考虑到电力系统的运行特性、增容决策、自然条件与社会影响等诸多影响预测精度的因素，并在满足一定预测精度要求的情况下来预测未来特定时刻或某一时间段内的负荷值.其中的电力负荷指的是广义电力负荷，即除了电力用户常说的某一时刻的用电功率的狭义电力负荷外,还包括在电力工业整个环节中的电能生产的发电量、电能供给的供电量、电力企业销售给用户的售电量以及用户消耗的用电量等。由于电力负荷预测是根据电力负荷的历史数据和目前已知的或者是可预测的相关变量状态对未来的数值进行推测，因此在指导电力负荷预测时应该充分利用预测工作的基本原理，其基本原理如下。
1.可知性原理
人们可以预知要预测对象未来的状况及其发展的规律, 可以认识预测对象所处的客观世界，预测对象的过去与现在可以被认识，人们还可以在总结预测对象过去与现在所表现出来的规律基础上对其将来的发展趋势进行预测。
2。可能性原理
在内因与外因共同作用的基础上事物的发展变化得以进行。由于内因在不断变化且外因产生的作用力的大小也不同，导致事物可以朝着多种可能性进行发展变化。 因此，为了对事物的发展变化有着比较全面的认识，通常考虑事物变化的多种可能性采用多方案进行预测。
3。连续性原理
预测对象发展过程是连续统一的，它未来的发展是连续统一过程的延续。连续性表明了预测对象的现在由过去发展得到,未来在现在的基础上发展得到。在这些发展变化过程中，一些原有的特点会被留下来且发展下去。由于一些电力负荷指标会保持原来的变化及发展趋势发展,表明在电力系统中的发展也存在着惯性问题。电力负荷预测正是依据这种惯性来进行.所以，为了利用连续性原理对事物将来的发展变化趋势有准确的预测，必须掌握它的现在和过去的状况，且提炼出其中的发展规律。
4.相似性原理
虽然在现实世界中的各种事物的发展状况互不同 ，但某些事物的发展状况之间还是存在着相识性，人们可以利用这种相似性进行事物未来发展趋势的预测。相似性原理就是要进行预测对象现在的发展状况和某一对象过去的发展状况极为相似，在这种情况下就可以由已知事物的发展状况来预测要预测的未知事物的发展状况。比如类推法就是基于相似性原理进行预测。比如为了预测一个新成立的经济开发园区的需求用电量，由于其刚建立，已知的历史负荷数据几乎没有，此时我们可以利用一个建成时间较长且规模和各种条件与其具有可比性的经济开发园区的历史数据对其进行相应的预测。
5。反馈性原理
反馈就是把输出值送到到输入端再调节输出值的过程.在负荷预测时采用反馈性原理是为了尽可能的提高负荷预测精度。通过大量的负荷预测,人们发现当负荷预测得到的结果和事物的实际值不同时，可利用预测值与实际值之间的差异对远期的负荷预测值进行适当的反馈调节以提高预测的精度.在实际操作中,应先分析实际值和预测值之间的差异和差异产生的原因，然后根据此原因对输入数据进行适当的调节,由反馈效果对远期的负荷预测值进行调节.反馈性原理就是将实际值与预测值相结合,然后在预测活动中检验,最后做出修改和调整，使负荷预测精度得到提高.
6.系统性原理
预测对象有着内在的系统与外在的系统,对象本身构成了内在的系统,它与外界各种事物之间的联系构成了它的外在系统。外在系统和内在系统在进行预测活动时都要考虑进去。系统作为一个整体的动态发展是预测对象未来的发展状况,整体的发展应和组成它的各部分和影响因素之间的互相影响紧密相关。
2。1。2基本要求
在满足以下几个基本要求的情况下，数学预测模型才能由预测对象的历史资料建立起来，才能充分的表达出预测对象历史数据所蕴含的规律,从而得到满意的预测结果。
1.基础资料的合理性
负荷预测就是为了得到合理的预测结果，根据对预测对象历史数据相关资料的分析，建立合适的数学模型表达出它将来的发展趋势。因此为了提高负荷预测的精度,对于基础资料的收集应尽可能全面准确,并且对基础资料进行相关处理。
2.历史数据的可用性
由于历史数据可通过不同的渠道获得，就产生了不同获取方式下的数据会有互相矛盾的现象，此时必须对矛盾的原始负荷数据进行分析与取舍.去掉不合理的数据，保留真实的数据。由于人为因素产生的错误或统计口径的不同会产生“伪"数据，“伪”数据比较好修正，但是历史上各种突发事件产生的“异常数据”会对统计数据带来极大的影响。这些“异常数据"会影响到预测模型的精度。过分大的“异常数据"会对预测体系产生误导作用. 因此，对于“异常数据”必须加以排除。
3。统计分析的全面性
虽然历史数据资料很多，但也必须进行全面的的分析。作为负荷预测人员应有着实事求是的原则，并且尊重客观实际。对于历史负荷数据发展所体现出来的规律性要进行充分的研究与分析,以此为将来的电力负荷预测打好基础。
4。预测手段的先进性
预测手段的先进性有着两种含义。其一是操作工具的先进性，通常历史负荷数据的量比较大，通过计算机进行相关统计工作及辅助预测能把预测人员从繁杂的预测工作中解脱出来。其二是理论方面的先进性，人们可以不断的探索新的预测理论与方法，并且取其它领域预测工作的闪光之处来弥补电力负荷预测工作中的不足，是负荷预测精度提高。
5。预测方法的适应性
由于预测量的发展规律千变万化，所以，预测方法应该具有一定的适应性。
（1）由于预测工作开展时都包含有一定的假设条件在内,即有很多不确定的因素。所以，预测量的发展规律充满了多样性。进而要求预测模型库必须完备,充分考虑各种变化规律。
（2）建立一个预测模型后,对模型中的参数要仔细推敲估计，根据反馈原理不断的进行调整,以达到更高的预测精度为目的。
（3）不同的预测模型可以得到不同的预测规律,对于不同的预测规律要进行适当分析与组合，以得到预测精度高的模型。
2.1。3基本原则
负荷预测工作中用到的各种模型和方法是依据的是下面的基本原则：
1。延续性原则，或称为惯性定理、连贯原则
事物的发展肯定与其过去的发展有一定的联系.当各种影响因素都没有变化时，电力的需求也不可能无限制的变动。否则，电力负荷预测就没有规律可以遵循，负荷预测理论也就无从说起。这表明许多信息和各种影响因素对预测结果产生的影响都包含在了预测量的历史行为中。
事物原来的一些发展规律会影响到现在，也会影响到将来，这就是事物发展所具有的惯性。外推预测技术就是以惯性原则为基础的 ，当负荷预测原始数据对将来产生的影响越大，那么当采用外推预测时的负荷预测结果的精度就越高。
2。类推原则,或称为相似性原则
虽然大千世界事物千奇百怪,但是他们在发展上却有着许多相似的地方。后发展事物的变化过程可以考虑采用已发展事物的发展变化过程来对其进行预测分析。比如国外前几年的发展变化规律可能对我们国加近期的预测工作有着很重要的意义。通常，当预测背景相同时历史量与预测量会有相同的规律.
所以，在进行预测工作时可以由与预测量类似且发展状况已知事物的发展规律来对预测量进行相关预测。
3。相关原则
世界上没有孤立存在的事物，任何事物之间都存在着千丝万缕的联系，彼此之间都相互影响着。因果关系是其中最重要的一环。比如，经济的发展状况、气温、季节等因素对电力负荷有着重大的影响。相关预测技术就是基于此原则产生的。
4.概率推断原则，或称为统计规律性原则
由于一定的随机因素包含在预测量的历史行为中，而且许多相关因素对预测量的影响无法量化，导致了负荷预测有很大的困难性。预测工作者要应用概率推断相关的知识对预测对象的不肯定性结果做出定论。采用概率与数理统计理论进行负荷预测的基础正是预测量的统计规律性原则。
5。反馈原则
负荷预测的实质就是充分利用原始负荷数据的规律性对其将来的发展状况做出预测。原始信息的收集是重点，收集到的原始信息越多则负荷预测精度可能就越高。 但是，负荷预测的偏差是不可能完全消除的,偏差的大小表明了预测结果与客观实际值得偏离程度的大小。预测工作者可以利用偏差所反映出的一些信息对原预测模型和相关参数做出修正与调整，通过这样,尽可能的使预测模型与实际情况相符，提高预测精度.
2。2负荷预测的内容及其分类
2.2.1负荷预测的内容
电力负荷预测内容按预测指标可分为电量预测与电力预测。
电量预测
网供电量
各行业电量
 全社会电量
 各产业电量
负荷曲线
 峰谷差
 最小负荷
电力预测
 最大负荷
负荷率

图2-1 电力负荷预测内容
由于电力负荷预测以社会发展和国民经济状况为依据，由于一些预测方法的基础参数包括电力弹性参数和产业单耗等，所以预测内容可根据不同的统计口径分类如下：
表2-1 年度预测
年度预测
国民经济发展的预测（GNP及产业产值）
综合指标预测(电力弹性系数、人均用电量等）
年度电量预测（网供电量、售电量、全社会用电量等）
年度电力预测(最大负荷、平均负荷、最小负荷等）
年负荷曲线预测
表2—2 月度预测
月度预测
月度参数预测（月最高温度、月平均最低温度、降水量等）
月度电量预测（网供电量、售电量、各产业行业电量等）
月典型日负荷特性预测（典型工作日、典型周日负荷曲线等)
月度电力预测（最大负荷、平均负荷、最小负荷等）
表2—3 日度预测
日度预测
正常日(工作日/休息日）负荷曲线
各典型节假日负荷曲线（元旦、五一等）
表2—4 时分预测
时分预测
超短期负荷预测，一般以5～30min为预测周期，预测后续一到几个小时内的负荷变化。
2。2.2负荷预测的分类
1。负荷预测按时间分类
负荷预测在预测时间范围上可分为长期预测(年度预测）、中期预测（月度预测）、短期预测(日度预测）、超短期预测(时分预测）四类。
表2-5 电力负荷预测分类(按时间)
预测类型
时间
主要的用途
长期负荷预测
5年以上
决定电网发展规划
中期预测
1到5年
机组安装、电网运行规划
短期预测
1天到1年
发、供、配电计划
超短期预测
10min～1day
电网在线控制
表2—6 电力负荷预测分类（按行业）
预测类型
范围
城市民用负荷
城市居民的家用负荷预测
商业负荷
为商业服务的负荷预测
农村负荷
为工业服务的负荷预测
工业负荷
广大农村所有负荷预测
其他负荷
市政用电、公用事业、政府办公、铁路与电车、军用等的负荷预测
表2—7 电力负荷预测分类（按特性）
序号
名称
序号
名称
1
最高负荷
6
负荷峰谷差
2
最低负荷
7
低谷负荷平均
3
平均负荷
8
全网负荷
4
母线负荷
9
负荷率
5
高峰负荷平均

表2—8 不同期限预测问题的对比
预测期限
长期预测（年度）
中期预测（月度)
短期预测(日度）
超短期预测（时分）
预测对象与内容
某物理量（负荷、电量）的年度统计数据
某物理量（负荷、电量）的月度统计数据
某日内每个时刻（例如24、48、96或228点）的负荷，日用电量
当前时刻往后若干时段的负荷
作用
提电网规划的基础数据，确定年度检修计划、运行方式等
安排月度检修计划、运行方式，水库调度计划,电煤计划
安排日开停机计划和发电计划
用于实时安全分析、实时经济调度、自动发电控制（AGC）
预测特点
数据基本上单调变化（一般是递增的)、无周期性
周期性增长,隔年度的12个月具有相似的规律
在年、月、周、日不同期限上均具有明显的周期性
与前几日同时段的瞬时变化规律比较类似
主要影响因素
国民经济发展情况、人口、产值单耗、产业结构调整情况、电价政策等
大用户生产计划、气象条件、产业结构调整情况、电价政策等
星期类型、气象因素（温度、湿度、降雨等)、电价
一般较少考虑,暑期时可以计及实时温度变化
主要的成熟预测 方法
自身规律外推法(包括回归分析、动平均、指数平滑、灰色预测等），考虑主要影响因素的各类相关预测法
历史同