1常用的电力负荷预测方法
随着科学技术的进步和理论研究的持续深入，电力负荷预测的技术也得到了很大的发展。目前常用的预测方法主要有：时间序列法、回归分析法、灰色模型法，它们都有各自的使用条件和各自的优缺点。
1.1时间序列法
时间序列法就是利用预测目标的历史时间数据，通过各种统计分析的方法研究其发展变化规律，建立数学模型，据此进行预测的一种定量预测方法。在电力负荷预测中，时间序列法要根据电力负荷的变化特点，按照特定的变化周期分类。实质上就是将现实情况下的负荷与电力负荷预测所得到的值的差作为一个平稳随机过程来看待，按照特定的分类，以及采集的数据，建立数学模型，再根据预测模型对下一时刻的电力负荷进行预测。目前时间序列法常用的技术有：状态估计、Box-Jenkins模型、卡尔曼滤波等等。时间序列法的优点主要有：所需历史数据少，工作量少。它的缺点是：样本数据精确度要求较高，损坏的数据对预测结果会有很大的影响。
1.2回归分析法
回归分析法，主要是在分析现象自变量和因变量之间关系的基础上，建立变量之间的回归方程，并将建立的回归方程作为预测的模型，根据自变量在预测期的值来预测因变量的值。回归分析法可以分为一元回归分析法、多元回归分析法、线性回归分析法、非线性回归分析法等。回归分析法的优点是在分析多因素模型时，更加简单和方便，同时它也能够准确地计算各个因素之间的相关程度与拟合程度的高低。缺点：通常回归模型变量只能选取主要因素，忽略次要因素，但是主要因素的选取较为困难。另外，回归模型对样本数据的准确性要求较高。
1.3灰色模型法
灰色模型首先是由华中理工大学的邓聚龙教授提出的预测理论。该方法能够通过不完全、少量的信息，建立灰色预测模型，对事物的发展规律作出一个模糊性的长期描述。GM模型是灰色理论中最为常用的一种模型，它是将离散的随机数据经过一次累加变为算子，消弱它的随机性，得到较有规律的生产数，建立微分方程、解方程最终建立模型。灰色预测的优点是适应性强，应用面比较广泛。缺点是灰色预测模型仅能够适用于原始样本数据非负，符合或者是基本符合指数规律变化并且变化速度不是很快的场合。
2电力推进船舶电力负荷预测研究的目的和意义
2.1进行负荷预测是提高电力推进船舶航行经济性的需要
电力推进船舶的电力负荷是指所有用电设备消耗的功率之和。在船舶上，由于体积和技术的限制，发电机产生的多余电能并不能大量的存储。高精度的负荷预测可以预知下一时刻的电力负荷，并以此作为依据选择合适的原动机组合，既能够使机组在高效工作区工作，又能够避免大量的电能浪费，使得燃油的经济性最大化。
2.2进行负荷预测是提高电力推进船舶能量供给主动性的需要
传统的船舶电站的运行模型一般为当用电设备消耗的功率之和超过目前发电机组提供的电能限值时，启动下一台发电机组。特别是大功率负载一般使用重载启动询问功能，这样的设置使得船用设备从需要电能到电能供给满足要求有一个发电机启动的时间差，这在很大程度上影响了船用设备的运行效率。高精度的负荷预测，可以在设备提出需求时，提前准备好所需要的电能，提高电力推进船舶能量供给的主动性。
3电力负荷计算法
电力负荷计算属于统计学的计算法。由于电站不能像船模试验一样确定船体的型式和尺寸及推进系统，因此电站容量的选择只是根据统计规律采用近似的估算方式。
3.1三类负荷法
三类负荷法是国内使用最多的一种计算全船电力负荷的方法。它将全船用电负荷按使用特点分成3类，并且考虑负荷系数和同时系数来进行计算。
（1）第1类负荷是指在船舶某一运行状态下连续使用的负荷；
（2）第2类负荷是指在某一运行状态下短时或重复短时使用的负荷；
（3）第3类负荷是指在某一运行状态下偶然短时使用或者不用的负荷。
当电气设备具有充分的数据时，可采用三类负荷法进行全船电力负荷的计算。由于数据充分，能较准确地得出各用电设备的负荷系数，同时各用电设备按其使用情况分类，并按类考虑其同时系数，亦可以较精确地确定同时系数。因此，三类负荷法能求得较精确的结果。
3.1.1负荷系数
负荷系数=电动机利用系数X机械负荷系数。电机利用系数是指电机轴功率与额定功率之比，机械负荷系数是指实际使用功率与电机轴功率之比。这些值都只能在设计之初通过经验或者母型船数据获得。
3.1.2同时系数
现在通常选取1类负荷同时系数K1在0.8~0.9范围内。2类负荷系数K2在0.3~0.5范围内。所选取的限值应视其船舶运行工况及船舶设备数量而定，且不同运行工况下的同时系数不同。
3.2需要系数法
需要系数是用电设备实际消耗功率与其额定功率的比值。可以看出，需要系数结合了设备负荷系数和使用同时系数。需要系数取值是否合理是全船电站选择的关键，这就要求设计师具有丰富的经验。目前，国外的海洋工程基本设计大多采用需要系数法。
4实验仿真测试
电力负荷经过小波分解后得到了各频率的分量，在各个分量中可以显示出其特征，然后再通过前面得出的 SVM 模型对各频率的分量进行分析预测，最后将得出的各分量的预测值进行汇总相加，便可得出电力推进船舶的电力负荷预测值。基于小波分解的电力推进船舶负荷预测及真实对比如图1所示。具体的仿真流程如下：
（1）对电力负荷的序列进行小波分解，得出各频率分量；
（2）利用 ILSFAPSO － SVM 模型对分解完的每层分量进行下一时间点的预测，得出该层分量值的下一时间点的预测值；
（3）将得出的各层分量的预测值进行相加处理，便可得出电力负荷在下一时间点的预测值。对预测值进行判断，如果没有达到预测终点，则回到第（2）步骤重新进行预测，通过该循环得出最终的预测值。
图1 基于两种方法的负荷预测对比曲线图
由以上结果可知，通过小波分解的 ILSFAPSO－SVM 模型对电力推进船舶负荷的预测，无论是在准确性或者稳定性上面都有更好的提高。因此小波分解可以更好地分析系统的非线性动态特征，通过对电力负荷时间无序的特征进行一定的分解，在高维空间中进行分析，可以更好地对这种混沌无序特征做出更好的预测，因此整体的预测效果也得到了很大程度的提高。
5结语
随着对船舶现代化，智能化要求的不断提高，船舶的各方面技术都得到了很大的发展。船舶的电力系统已由传统的电站变为自动化电站，现在更进一步的向船舶综合能量管理系统方向发展。准确的船舶电力负荷预测，除了能够有效保证船舶电网的安全运行和航行的经济性能之外，还能够极大地提高船舶能量供给的主动性。
参考文献
[1]赵继兵. 船舶核动力电力系统仿真与综合控制研究[D].哈尔滨工程大学,2020.
[2]林少芬,江小霞,陈子凯,郑文杰.基于马尔可夫过程船舶电力系统可靠性仿真分析[J].中国造船,2011,52(02):161-169.
