什麼是負載預測？（What is Load Forecasting?）
負載預測（Load Forecasting）是使用統計預測技術來預測電力發電需求。負載預測有三個類別：短期（約1天內）、中期（幾週）和長期（數年）。這些術語對應於發電機激活、燃料和電力市場以及基礎設施開發/資本投資的不同規劃周期。
為什麼使用預測建模進行負載預測？（Why Use
Predictive Modeling for Load Forecasting?）
對於短期規劃，電網上的供應和負載必須始終保持平衡，以維持電力質量並避免停電。然而，保持額外的發電能力在線或積極生產比需要的更多電力是昂貴的。同樣，依賴短期緊急發電或在儲備不足時進行負載削減（對大型消費者切斷電源）會導致過高的成本。這些類型的負載極度依賴於天氣和當地事件，但具有本質上的隨機性，使得統計預測建模（statistical
predictive modeling）成為預測的特別有效選擇。
通常，電力供應商使用微觀或宏觀經濟模型（micro- or macro-economic
models）等方法預測給定電網區域的中期和長期負載。就像基於物理的模型一樣，這些負載模型依賴於了解現象，而不是用統計模型複製觀察到的行為。鑑於這些模型中的經驗參數數量和高度不確定性，不確定性量化（Uncertainty
Quantification）和預測建模技術對這些類似於基於物理的模擬的模型可能有用。
短期負載預測的挑戰（Challenges of Short-Term
Load Forecasting）
在負載預測中，準確性直接轉化為更好的規劃和降低成本。因此，供應商總是推動更準確地預測廣泛範圍的場景和更長的提前時間的負載。通過使結合信息更容易，使預測模型擬合更快或計算成本更低，可以進一步降低創建短期預測模型的工程努力成本。
SmartUQ在短期負載預測中的預測建模解決方案（SmartUQ Solutions
for Predictive Modeling in Short-Term Load Forecasting）
SmartUQ使用多種分析工具應對這些挑戰：
- 先進的預測建模工具（cutting-edge predictive
modeling tools）使生成高度準確的模型快速且容易。
- 維度縮減（dimension reduction）、數據子抽樣（data subsampling）和過
濾工具（filtering tools）可以減少擬合新場景預測模型所需處理的數據量。
- 敏感性分析（sensitivity analysis）允許識別和分析重要輸入。
- 統計校準（statistical calibration）和逆向技術（inverse
techniques）可用於識別噪聲數據中的偏差信號，確定潛在輸入不確定性，並為中期和長期模型調整運營參數。
總結
先進的負載預測技術仍然是許多公司積極研究的領域，因為做出更準確和更快的預測有潛在的好處。你的工程師能用更容易使用的工具和更準確的模型做什麼？
