负荷预测知识点总结.pdf

《负荷预测知识点总结.pdf》由会员分享，可在线阅读，更多相关《负荷预测知识点总结.pdf（16页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、工程部工程部-陈新建陈新建-负荷预测知识点总结负荷预测知识点总结一、基本概念一、基本概念1负荷（1）定义负荷负荷是指电力系统中，在某一时刻某一时刻所承担的各类各类用电设备消费电功率的总和。在负荷预测中一般进行的是年最大负荷预测，最大负荷一年内整点负荷最大值。电功率表示消耗电能的快慢，一个用电器功率的大小等于它在 1 秒内所消耗的电能。电功率分为有功功率、无功功率和视在功率。目前供电部门所分配的负荷指标，主要是指小时平均的有功功率指标，而不是视在功率和无功功率。（2）负荷分类及特点 按电力负荷所属行业划分(八大类)A城乡居民生活用电负荷：主要为居民的家用电器，它具有年年增长的趋势，以及明显的季节

2、性波动特点，而且民用负荷的特点还与居民的日常生活和工作的规律紧密相关。B国民经济行业用电负荷（农、林、牧、渔、水利业；工业；地质普查和勘探业；建筑业；交通运输业；商业、公共饮食业、宾馆、广告、物资供销和仓储业；其他事业）其中：工业负荷指用于工业生产的用电，一般工业负荷的比重在用电构成中居于首位，它不仅取决于工业用户的工作方式，包括设备利用情况、企业的工作班制等，而且与各行业的行业特点、季节因素都有紧密的联系，一般负荷是比较恒定的。商业负荷主要是指商业部门的照明、空调、动力等用电负荷，覆盖面积大，且用电增长平稳，商业负荷同样具有季节性波动的特性。但商业负荷中的照明类负荷占用电力系统高峰时段。此外

3、，商业部门由于商业行为在节假日会增加营业时间，从而成为节假日中影响电力负荷的重要因素之一。按不同用地性质划分工业用地负荷；居民生活用地；负荷商业金融用地负荷；行政办公用地负荷；交通运输用地负荷；文化娱乐用地负荷；教育科研用地负荷；其它部门用地负荷等 按负载性质划分A感性负荷：感性负荷指负载是线圈，一般常见的都是感性负载（如电机），需要消耗很多无功功率，因此需要进行补偿，以提高功率因数，降低线路损耗。B容性负荷：容性负荷指负载是电容。产生无功功率，一般作为无功补偿设备使用。按电压等级划分110kV 用户负荷；35kV 用户负荷；10kV 用户负荷等 按供电可靠性划分A一类负荷：关系到国民经济的命

4、脉及人民生命财产的安全，由于停电或突然停电造成的损失太大，故而这类用户是必须保证高度供电的可靠性。B二类负荷：二类负荷在国民经济中的地位相比之下，不如一类用户重要，计划停电或事故停电虽然会造成较大的损失，但是这种损失是可以挽回的，一般情况下，电力系统至少要对这类用户提供中等程度的供电可靠性。C三类负荷：在国民经济中地位很低，与人民的生命财产安全并无关系，中断这类负荷的供电，带来的损失最小，因此，这类用户的供电可靠性是最低的。按用户性质划分A公网负荷；B用户负荷 按用电的部门属性划分A工业用电：用电量大，用电比较稳定、均衡。B农业用电：季节性很强，用电在日内的变化相对较小，在月内、季度内和年度负

5、荷不均衡C交通运输用电：我国的交通运输用电比重较小，今后会有较大的增长，但用电比重不会有太大变化D市政生活用电：目前我国市政生活用电不高，但今后随着日益现代化及生活水平的提高，市政生活用电的比重会有所上升。按负荷的大小来划分：A最大负荷：最大负荷也就是最高负荷或尖峰负荷B平均负荷：平均负荷就是在一定观察统计时段内出现的负荷的平均值C最小负荷：最小负荷又称为最低负荷或低谷负荷按电能的生产和销售过程：A综合用电负荷：将工业、农业、邮电、交通、市政、商业以及城乡居民所消耗的功率相加，就得电力系统的综合用电负荷；B供电负荷：综合用电负荷加网络损耗的功率就是系统中各发电厂应供应的功率，称为电力系统的供电

6、负荷；C发电负荷：供电负荷再加各发电厂本身消耗的功率，就是系统中各发电机应发的功率，称为电力系统的发电负荷。（3）负荷特性及其构成很据电力负荷分类及各类负荷特点可知，电力负荷的特点是经常变化的，不但按小时变、按日变，而且按周变，按年变，同时负荷又是以天为单位不断起伏的，具有较大的周期性，负荷变化是连续的过程，一般不会出现大的跃变，但电力负荷对季节、温度、天气等是敏感的，不同的季节，不同地区的气候，以及温度的变化都会对负荷造成明显的影响。以上特点决定了电力总负荷由以下四部分组成：基本正常负荷分量、天气敏感负荷分量、特别事件负荷分量和随机负荷分量。2电量（1）定义电量电量是指在一段时间一段时间内，

7、用电设备所需用电能的数量。（2）分类及含义全社会用电量：在给定时间内在一区域内所有消耗电量的总和（包括自发自用部分）；网损耗电量：所有送电、变电和配电环节所损耗的电量，称为电力网的损耗电量；购电量：全社会用电量扣除自发自用电量即为购电量；售电量：购电量和网损之差即为售电量；供电量：在给定时间内，系统中所有发电厂总发电量同厂用电之差，称为供电量。（3）电量增长规律电量的增长规律，可大致分为三种类型：E E 型型电量城市处于发展初、中级阶段的中小型城市，在预测期内，电量以近似指数规律增长，其年增长率比较大；G G 型型电量发展成熟的大型城市，其电量己经历过指数规律发展的阶段，在预测期内进入了一种具

8、有饱和特性的发展阶段；S S 型型电量对一些初期用电量低，而发展又十分快的城市，在预测期内，负荷按一种 S 型曲线趋势增长。3年最大负荷利用小时数若以最大负荷来记，年用电量所能用的时间，计算公式为年用电量/最大负荷。其反应一个地区负荷的平滑度，可以从侧面说明该地区负荷的同时率情况。一般情况下，城市工业最大负荷利用小时数在 6000 小时、居民 3000 小时，商业3500 小时。二、负荷预测定义、意义及分类？二、负荷预测定义、意义及分类？1负荷预测定义负荷预测负荷预测是指在对地区长期调查分析的基础上，收集和积累本地区用电量和负荷的历史数据以及城市建设和各行各业发展的信息，综合考虑政治、经济、气

9、候等相关因素，充分研究国民经济和社会发展各种相关因素与电力需求的关系，对规划区规划年电量、负荷进行预测。2负荷预测意义负荷预测是电力系统调度、实时控制、运行计划和发展规划的前提，是一个电网调度部门和规划部门所必须具有的基本信息。准确的负荷预测，有利于计划用电管理，有利于合理安排电网运行方式和机组检修计划，有利于节煤、节油和降低发电成本，有利于制定合理的电源建设规划，有利于提高电力系统的经济效益和社会效益。对于规划来讲负荷预测作为变电站选址、电网规划的基础，直接影响着设备选型、接线模式确定等。3负荷预测分类根据不同的预测目的，电力系统的负荷预测分为长期负荷预测、中期负荷预测、短期负荷预测和超短期

10、负荷预测等四种。一般说来，一小时以内的负荷预测为超短期负荷预测，用于安全监视、预防性控制和紧急状态处理；日负荷和周负荷预测为短期负荷预测，分别用于安排日调度计划和周调度计划，包括确定机组的起停、水火电的协调、联络线交换功率、负荷经济分配、水库调度和设备检修等；月至年的负荷预测为中期负荷预测，主要确定水库的运行方式和设备大修计划等；电源规划和发展时，需要数年至数十年的长期负荷预测。在城市电力网规划设计导则中对负荷预测年限的规定为近期（05 年），中期（1015 年），远期（2030 年）。根据预测范围的不同，电力系统的负荷预测分为规划区全区负荷预测和规划区负荷分布预测。三、负荷预测所需数据收集及

11、注意事项？三、负荷预测所需数据收集及注意事项？1所需数据及收集部门所需数据及收集部门历史电量负荷数据：计划部门，调度中心和运营部门市政类资料：规划局规划设计院，政府和统计部门调查数据：电力相关部门，市政规划相关部门和经验数据2数据分析数据分析对于历史年电量负荷数据分析其历史年发展趋势，是否存在畸变数据，分析其畸变原因；同时各产业用电发展情况，对比地区产业结构情况进行分析；负荷特性分析等。3注意事项注意事项对收集到的数据应分析其统计口径是否一致，确定收集到的数据是哪类，比如负荷是否为年最大负荷，电量为全社会用电量还是供电量等，相关负荷指标数据等不易收集数据可参照其他地区进行。四、负荷预测的方法有

12、哪些？四、负荷预测的方法有哪些？1依据历史年电力电量数据采用的不同数学模型进行预测；2是利用当地用地性质规划进行的负荷密度指标法；3是依据电力电量相关的经济数据进行的相关系数法；4是运用以上几种方法进行的综合预测法。五、负荷预测的思路？五、负荷预测的思路？首先是对规划区数据进行收集、分析，其中包含经济数据（历史年及地区规划）、电力电量数据、市政类类数据（规划区人口、各区块容积率等）和调查类数据；其次确定规划方法，通过对规划区数据的分析，针对地区特点选择合适的规划方法；再次进行规划区负荷预测，依据规划区数据采用确定的预测方法进行预测；最后进行预测结果的校核，从横向、纵向分别进行对比校核。六、预测

13、结果的校核、参考指标的确定？六、预测结果的校核、参考指标的确定？对预测结果进行校核是一般分为两个方面的校核：首先是纵向校核，纵向校核指的是和规划地区历史年的发展相校核，分析预测结果与历史年数据的差异性，如增长率是否符合地区发展阶段，年最大负荷利用小时数是否和地区产业结构调整是否一致等；其次是横向校核，横向校核指将预测结果与其他地区（定位相似）的预测结果或者现状发展阶段进行比较。预测方法附一、数学模型预测法预测方法附一、数学模型预测法根据数学模型的建模方式的不同，数学模型预测法分为时间序列模型、灰色系统模型、相关分析模型。1时间序列模型时间序列模型包含回归模型、指数平滑模型、移动平均模型等：（1

14、）回归模型一元线性回归由于这些数据都是时间（或其它变量，例如温度）的函数，因此，若以X表示负荷，则它作为时间（或其它变量）的线性函数，可表示为Xi a btiei+其中，Xi是一个正态分布的随机变量，它的平均值是abti（对时刻ti来说），方差为Vx，而ei是随机干扰，正是由于有这样的一个随机干扰，Xi才成为随机变量，a与b是待定系数，且与Xi无关。对全过程来说，干扰总和为零。假如观测的数据数目为 N，而 X 在任何时刻ti的估计值为Xt a btt(X a bt)t，而残差的平方和则残差为tQ(a,b)(Xt a btt)2i1n所以，系数 a 与 b 的最佳值应当由 Q(a，b)求极小值来

15、获得，也就是令Q(a,b)a 0Q(a,b)0，b由这两个方程并在计算中加入简化可以得到b(ti1Ntt)(X X)ta X bt，(ti1Nt)2这里，X是Xi的平均值。t是平均时间。非线性回归在可能采用的拟和曲线中，绝大多数拟和曲线都需要应用非线性回归来获得。某些非线性问题，可以通过变化成线性回归来处理。将曲线模型经适当变换，化为线性模型，然后用最小二乘法原理求未知参数的估计值，就得到了所求的模拟曲线。对于一些最典型的非线性回归方程，可以经过如下的变量变换成线性回归问题来分析。Y a b1X X令X，则有Y a bX 一型双曲线 二型双曲线Y 11Y a bX令Y，则有Y a bXX 反指

16、数曲线Y ab令Y lnY，X X，则有Y lna X lnbbbY k aX 修正几何曲线令X X，则有Y k aX S 曲线Y 11Y Y，X eX则有Y c aX c aeX令（2）指数平滑模型指数平滑法所依赖的基本原则是历史时间越近，对未来的影响越大，而历史时间越远，对未来的影响越小。指数平滑法所依赖的另一条原则是不断用预测误差来纠正新的预测值，即运用“误差反馈”原理进行修正。因此，它的基本概念是：假设时间序列具有某种特征，即存在某种基本数据模式，而这些观测值即体现这种基本数据模式，又反映着随机变动。指数平滑法的目标就是采用“修匀”历史数据来区别基本数据模式和随机变动。这相当于在历史数

17、据中消除极大值或极小值，从而获得时间序列的“平滑值”，并以它作为对未来时期的预测值。线性指数平滑法当时间序列随时间的发展有不断的增加或减少的趋势时，则此时间序列属非平稳过程。这种时间序列在自然界、社会经济活动中普遍存在。例如近几年人民收入的不断增长、各种家用电器的销售量的逐年增长。线性指数平滑法是这种时间序列的一种有效的预测方法，用这种方法预测时，它把平均每一时期的增量考虑进去，不断地作趋势性的调整。预测一个有趋势的时间序列，可以把它分解成两个部分，一部分为当前的水平状况，另一部分是增量。基于这个原则，可以采用线性指数平滑进行预测。二次曲线指数平滑有的时间序列虽然有增加或减少的趋势，单不一定是

18、线性的，可能按二次曲线的形状增加或减少。对于这种非平稳时间序列，采用二次曲线指数平滑法可能更有效。它的特点是不但考虑了线性增长的因素，而且也考虑了二次抛物线的增长因素。虽然二次曲线指数平滑的计算方法略微复杂一些，但对非平稳时间序列的预测相当有效，它能随着时间序列呈抛物线增长而调整预测值。一般来说，二次曲线指数平滑法和线性指数平滑两者各有长处，在实际应用中可同时使用这两种模型，从中选取一个预测精度较高的。注意：平滑系数（平滑系数的选择对预测结果影响很大，一般对于平稳数列，取 0.10.2 为好）。（3）移动平均模型移动平均模型是一种最简单的适应模型，也是一种最古老的时间数列预测法。它不仅可以独立

19、地用来从事简单的预测，同时它也是分解预测的重要组成部分。在数理统计中，如果要处理一组数据，常常取其算术平均值代表这一总体取值水平，这个方法简单有效。但是，算术平均值只能说明一般情况，看不出数据中的高点和低点，也不能反映发展过程和趋势。如果对一组数据分段平均，则是一种改进，然而，分段平均法使得数据减少过多，图线不精确。如果分段平均法不是固定在某一段上，而是在每段间距保持不变的情况下，逐次后移一位求其平均值，则效果显著好转。例如，每段间距取5，则对第一段 1，2，3，4，5 数据点取其平均值，第二段对2，3，4，5，6 取其平均值，依次类推。这种分段取平均的方法称之为移动平均法。移动平均法的关键是

20、，仅取最近几个数据点取其平均值，并令参与计算移动平均值的个点权数相等，即均等于1/N，再以前的数据点的权数为零。将移动平均法用于时间序列预测时，异常大和异常小的数据点将被修匀，异常数据将对移动平均值影响不大。移动平均法对数据变化的反映速度及对干扰的修匀能力，取决于计算移动平均值的数据点数 N。随着 N 的减少，预测系统对数据变化的反映敏感，但修匀能力下降，也就是估计值的预测精度下降。如果求 N 个数据点Mt的时的移动平均值，则其通式为：Mt Mt1yt ytNN移动平均的方差为：S2aS(2)N2Sa式中，-移动平均值方差；S(2)-原始数据的方差；N-数据点数。预测精度与对数据变化的反映是互

21、相矛盾的，两者不能兼得。因此对于N值一般应视具体情况，采用折中办法确定。在本算法中，移动平均模型分为移动平均增长值方法和移动平均增长率方法。移动平均增长值：以负荷的年增长值为目标量，对其进行移动平均计算，从而获得所要预测的年份的负载相对于其前一年的增长值，最后得到所预测年份的负载。移动平均增长率：以负荷的年增长率为目标量，对其进行移动平均计算，从而获得所要预测的年份的负载相对于其前一年的增长率，最后得到所预测年份的负载。2灰色理论模型负荷预测的灰色建模是采用历史数据列建立微分方程，作为电力负荷预测的模型。由于灰色预测要求的原始负荷数据少、不考虑分布规律和变化趋势、运算简便，因此，基于灰色理论的

22、电力负荷预测模型越来越受到电力科研、规划人员的青睐和重视。由于灰色理论将随机量当作是在一定范围内变化的灰色量，将随机过程当作是在一定范围、一定时间区域内变化的灰色过程，而电力系统的负荷变化本身受到多因素的影响，是一个随机变化量，在确定的时间和范围内正是一个灰色过程。而影响电力负荷变化的因素又不能完全确定，表现为似乎无规律，灰色理论将这些看似无规律的历史数据、数列经累加生成后，与原来值相比得到明显的指数增长规律，由于微分方程解的形式是指数增长形式，因此，很自然地就可以利用微分方程模型来拟合生成后呈指数增长规律的数据列，从而利用这个微分方程就可以比较容易地进行负荷预测，再进行逆生成，还原为实际负荷

23、预测值。（1）普通灰色模型GM 模型即指灰色模型(Grey Model)，GM(1,1)是最常用、最简单的一种灰色模型，它是由一个只包含单变量的微分方程构成的模型，是 GM(1，n)模型的一个特例。灰色模型预测的实质是“一次累加生成”，即将原始数列一次累加后，形成明显的指数规律，然后用一条曲线去拟合累加生成，再累减还原即可得到预测值。在负荷预测中，用的最多的是方程中只有一个变量和一阶微分方程的GM(1，1)模型，其建模过程如下：设已知的历史电力负荷 x(0)的原始数据序列为：利用 1 次累加生成 1-AGO，生成的数据序列为:其中kx由于序列(k)|k=1，2，n具有指数增长规律，而一阶微分方

24、程的解正好是指数增长形式的解，因此，可以认为新生成的序列满足下面一阶线性微分方程模型：(1)根据导数的定义，可得:表示成离散形式则有：x(1)x(1)(k 1)x(1)(k)x(1)(k 1)x(1)(k)(1)x(1)(k 1)tk 1k(1)x其中，只能取时刻 k 和 k+1 的平均值，即由此可将式（1）改写为：1(1)x(1)(k 1)x(1)(k 1)x(1)(k)u2再将上式进行推算可得到：(2)对式（2）进行矩阵求导可得到 GM(1，1)模型的时间响应函数模型，它是GM(1，1)灰色预测模型的具体计算公式，如下公式（3）、（4）：(3)(4)根据此预测结果再进行累减还原，就可以得到

25、原始数据序列的灰色预测模型:普通灰色GM(1，1)模型应用于负荷预测时具有一定局限性。它只适用于待预测量有恒定增长率或呈指数规律增长的短、中期负荷预测（例如5年左右的G型曲线）。而对于E型、S型、无明显变化规律的曲线及长期负荷预测，则预测误差较大。（2）等维新息灰色模型法灰色 GM(1,1)模型在预测长期数据和波动较大的数据时，预测偏差大，其中重要原因在于：把参数 a 和 b 视为常数，未把新信息带入模型、未把旧信息加以去除。基于此，发展建立了等维新息递推灰色 GM(1，1)模型。该模型把参数 a 和b 看成是时间 t 的函数，先对两个参数进行预测，然后再用灰色预测方法对原数据进行预测。基本方

26、法如下：对参数 a(k)和 b(k)进行跟踪，建立参数估计值序列a(k)，b(k)；通过分析a(k)和 b(k)寻找规律，建立相应数学模型，预测下一步的参数 a(k+1)和 b(k+1)。参数跟踪公式如下：式中：为常数该模型把新陈代谢技术应用其中。因为随着系统的发展，老数据的信息价值将逐步降低，及时去除老数据，将使建模序列更加切实的反映系统目前的特征。尤其是当系统随着量变的积累而发生质的飞跃或突变时，去掉已不能反映系统目前特征的老数据，显然是合理的。随着时间的推移，也将有新的随机扰动或驱动因素进入系统，使系统的发展受到影响，在这种情况下就需要不断补充新信息。在等维新息递推模型中，首先利用GM(

27、1，1)模型预测一个值（参照第一种普通灰色模型），而后将这个预测值补充在已知数据后，同时去除最老的一个数据，保持数列的等维，再建立 GM(1,1)模型，预测下一个数据，周而复始。“参数预测”和“新陈代谢”的双重作用，使得等维新息递推灰色GM(1,1)模型预测精度得到很大改善。（3）包络灰色预测模型对于难以用数列进行灰色预测的模型，可以通过构建包络模型的上边界GM(1,1)与下边界 GM(1,1)进行预测。根据以上定义的介绍，构造离乱序列x 的上包络 GM(1,1)，一般要求是x 的峰点，可是峰点往往不是等间隔的，为此需要凭观察或经验指定插补点，使其变为等间隔的，同理，可以构造下包络GM(1,1

28、)。所以包络模型实际上是有人的经验介入的 GM(1,1)模型，是一种轮廓覆盖的模型。包络灰预测是区间的预测，具体来说，有以下几方面的特点：a、将上、下包络线通过预测加以延伸，以获得行为变量未来变化的区间；b、对原有离乱序列 x 的预测值（倘使 x 可以作 GM(1,1)建模的话）进行约束。就是落入包络区的给予承认，包络区以外的预测值舍弃；c、对包络区中心点作 GM(1,1)建模，以获得 x 预测白化值。建模步骤：第一步：作序列x 的上、下包络线勾画出离乱序列x 的上包络线 xU 与下包络线 xL 的轮廓；第二步：做等间隔上、下包络序列在上、下包络线上等间隔选取数据，必须包括 x 的峰点（不必是

29、所有峰点），对于上包络；或 x 的谷点（不必是所有谷点），对于下包络。步骤三：对上、下包络序列作 GM(1,1)建模并预测；步骤四：对原序列 x 建模并预测步骤五：对包络区中心序列建模并预测；步骤六：得到预测结果3相关分析模型相关法是研究预测对象和因素之间的相互关系，并将这种关系外推到未来，根据其他因素的未来变化，计算出预测对象的预测值。理论上讲，负荷预测的数学理论的核心是如何获得预测对象的历史变化规律。预测模型实际上是表述这种变化规律的数学函数。（1）单元回归分析单元线性回归用于预测的基本思想是：根据 X 和 Y 的观测数据，把 X、Y当作已知数，寻求合理的回归系数a 和 b 的值，从而确定

30、回归方程。利用求出的回归方程，把 a 和 b 当作已知数再去估算 X 和 Y 值的未来变化，或根据 X 的值来预测 Y 的值。单元线性回归模型：Y=a+bX+，X 为自变量，Y 为因变量，a 和 b 为回归系数，为随机误差。根据产值与电量负荷之间的关系以及产值的历史增长及未来发展趋势进行计算，录入从历史年到目标年的产值。（2）多元回归分析多元回归模型就是在方程式中有两个或两个以上自变量的线性回归模型。多元线性回归预测是用多元线性回归模型，对负荷电量问题，使用多个影响因素所作的预测。多元线性回归相关分析模型：假设一组数据有下列结构：Y1=B1X11+B2X12+.BpX1p+1Y2=B1X21+

31、B2X22+.BpX2p+2=.Yn=B1Xn1+B2Xn2+.BpXnp+n式中 B1Bp是 p 个待定系数，Xm1，Xm2Xmp是 P 个可精确测量的自变量，m 指第 m 次测量，1，2n是 N 个随机变量，服从正态分布。此数学模型写成矩阵形式：Y=B*X+预测方法附二、负荷密度指标法预测方法附二、负荷密度指标法负荷密度指标法不仅能够预测未来负荷量的变化规律，而且对未来的负荷地理分布情况也做出了相应的预测。其基本思路为：远景用地规划远景用地规划远景负荷密度指标远景负荷密度指标远景负荷分布远景负荷分布远景负荷、电量预测远景负荷、电量预测历史电量、负荷历史电量、负荷近期电量、负荷预测近期电量、

32、负荷预测近期用地规划近期用地规划在进行预测中注意的问题：近期负荷分布近期负荷分布A 用地分区：根据地区规划，参照各区块用地性质划分为不同的用地小区，每一个用地小区只包含一种用地性质（不重叠、不交叉）；根据地形特点，以铁路、河流等为界划分中区（不重叠、不交叉）。B负荷密度指标的类型：对于不同用地一般有两种指标即建筑面积负荷密度指标和占地面积负荷密度指标。对于不同的用地性质应采用不同类型的指标，如道路广场用地一般采用占地面积指标，而工业用地、居民生活用地等一般采用建筑面积指标。C负荷密度指标选取：采用调研指标，对不同地区不同用地性质现状用电指标进行调研，根据规划区用地性质，选择负荷构成相近且发展水

33、平较规划区规划年相近的地区用电指标，由于地域的差异性及发展的不确定性，可以适当对指标进行调整以获得更为准确的预测结果。（建议对不同地区负荷密度指标进行分类汇总）D预测结果小区间同时率的确定：由于根据用地性质图及负荷密度指标计算直接结果为小区的负荷，各不同性质负荷特性不同造成最大负荷出现时刻不同，在对小区负荷进行汇总时需考虑小区间的同时率。小区间同时率应重点从宏观上把握地区总体用地特点、同时考虑主要用电负荷之间的差异进行选取。现状主要采用经验数据，但可信度有待论证。预测方法附三、相关系数法预测方法附三、相关系数法相关系数预测方法是假定电力负荷的增长与某一种可预测因素的变化规律相近，通过寻找电力负

34、荷历史数据与该因素的历史值之间的关系和该因素的预测值，来求电力负荷的预测值。这一类方法包括：电力弹性系数法、GDP 综合电耗、产值单耗法。这一类的方法比较相近，以电力弹性系数为例来说明，电力需要增长率与国民经济增长率的比率叫做电力弹性系数（电力需求弹性系数）。电力弹性系数可以用以下公式来表示:E=Ky/Kx1式中：E电力弹性系数；Ky电力消费年平均增长率；Kx国民经济年平均增长率。根据计算的范围或比较的对象不同，电力弹性系数又可以分为工业电力弹性系数、农业电力弹性系数、工农业总产值电力弹性系数及国民经济电力弹性系数。因此只要确定了电力弹性系数值的大小和预测期国民经济或工农业的发展水平、发展速度，则可以推算出电力需求的发展速度和发展水平。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，节电技术和电力需求侧管理、新经济(如知识经济、信息经济)的不断产生和发展，以电能替代其它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，使得弹性系数难以捉摸，使用弹性系数法预测电力需求难以得到满意的效果，应逐步淡化。