燃煤电厂负荷预测的意义在于可以预先了解未来一段时间内的电力需求情况，从而合理安排发电设备的运行和停机维修时间，避免能源浪费、提高发电效率；此外，在燃煤电厂参与深度调峰、配煤掺烧的大背景下，为了确保混煤发热量适应负荷需求，提高燃烧效率，需要提前预知未来一段时间的负荷。本文提出一种基于快速非支配排序遗传算法（non-dominated sorting genetic algorithmⅡ，NSGA-Ⅱ）优化向量自回归模型（vector autoregression,VAR）的燃煤电厂负荷预测方法。该方法将历史过热蒸汽时间序列、历史再热蒸汽时间序列和历史发电量序列一起作为VAR模型的输入变量，预测未来8 h的发电负荷，同时使用NSGA-Ⅱ算法优化VAR模型的阶数和截距，从而提高了预测模型的精度。测试阶段，选取上海某机组2022年10月25日—2022年10月30日为数据样本区间，建立初始化预测模型；在2022年10月31日8:00—2022年11月1日16:00样本区间上测试模型效果，并使用NSGA-Ⅱ算法根据测试结果优化VAR模型；在2022年11月2日8:00—2022年11月3日16:00的样本区间上进一步测试优化后的模型预测精度。测试结果表明：预测均方根误差为15.341 MW，平均绝对误差为7.839 MW，和其他时序预测模型对比精度有所提高。该模型可实际运用于同类煤电机组的负荷预测，从而为后续运行决策提供参考。

国家自然科学基金项目（52005131）；中国华能集团有限公司2022年度科技项目(HNKJ22-HF22)；

0 引言
1 研究方法
1.1 建模流程
1.2 数据处理
1.2.1 数据筛选
1.2.2 时间序列相关性
1.2.3 时间序列单位根检验
1.3 NSGA-Ⅱ-VAR负荷预测模型
1.3.1 VAR模型基本原理
1.3.2 VAR预测模型构建
1.3.3 VAR预测模型优化
1.3.4 NSGA-Ⅱ-VAR预测模型构建
1.3.5 最优模型平稳性检验
2 结果与讨论
3 结论

[1]韩伟伦,茅大钧,陈思勤.基于NSGA-Ⅱ-VAR的燃煤电厂负荷预测[J].电力科技与环保,2024,40(04):371-379.