大用戶負荷預測管理系統(tǒng)

蔡劍彪，羅滇生，周小寶，錢松林，周 潔，許甜田

（湖南大學 電氣與信息工程學院，長沙 410082）

智能電網(wǎng)的建設對目前骨架薄弱的電網(wǎng)是一種沖擊和考驗。智能電網(wǎng)下具有間歇性的分布式負荷將成為新的典型負荷。而隨著國家節(jié)能減排、可持續(xù)發(fā)展政策的實施，采用大容量、高參數(shù)設備已成為企業(yè)產(chǎn)業(yè)升級的主要途徑。其中具有代表性的鋼鐵廠、水泥廠等電力負荷驟然上升，同時也帶有強烈的隨機性和波動性。但是在實際工程中，往往忽視了大用戶對電網(wǎng)造成的嚴重影響。在地區(qū)負荷預測中往往只是以地區(qū)的歷史負荷為數(shù)據(jù)基礎(chǔ)進行直接預測，缺乏對大用戶的單獨預測，造成地區(qū)預測精度不穩(wěn)定。

電網(wǎng)的安全、可靠、經(jīng)濟、高效運行是今后電網(wǎng)的發(fā)展方向。節(jié)能經(jīng)濟調(diào)度將會起到重要的作用，負荷預測是節(jié)能經(jīng)濟調(diào)度的基礎(chǔ)。負荷預測的研究要體現(xiàn)在預測技術(shù)上，更要體現(xiàn)在負荷管理上。負荷預測管理中心的建立，各類典型用戶的負荷分析，基于負荷分析[1][2]的負荷預測技術(shù)將推動負荷預測的發(fā)展。同時加強地區(qū)典型用戶負荷預測研究，對提高地區(qū)負荷預測準確率具有重要意義。

本文主要基于實際需求，對研發(fā)的典型大用戶負荷預測管理系統(tǒng)的研究技術(shù)、精細化預測流程、系統(tǒng)框架、系統(tǒng)創(chuàng)新特色等進行介紹。

1 系統(tǒng)設計

地區(qū)典型大用戶負荷分析管理系統(tǒng)（以下簡稱“系統(tǒng)”）是以地區(qū)大用戶為主要對象的一體化系統(tǒng)，它以電力市場需求分析與預測理論為核心，是基于計算機、網(wǎng)絡通信、信息處理技術(shù)及安全管理模式的綜合信息系統(tǒng)。利用計算機網(wǎng)絡，可高效真實地自動采集電力系統(tǒng)運行信息；利用輔助決策工具進行大用戶負荷分析，得到預測結(jié)論，為地區(qū)負荷預測提供依據(jù)。

系統(tǒng)軟件技術(shù)上采用成熟的Java 2 Enterprise Edition（J2EE）[3]技術(shù)，多層體系Browser/Server（B/S）結(jié)構(gòu)，先進的、最流行的Oracle10g數(shù)據(jù)庫。在預測技術(shù)上考慮多種因素對大用戶、行業(yè)負荷的影響，建立綜合的模型算法庫，采用精細化預測流程。如圖1建立“分析、預測、管理”一體化架構(gòu)。

圖1 系統(tǒng)設計架構(gòu)

1.1 設計平臺

系統(tǒng)主要是基于MyEclipse平臺的J2EE構(gòu)架研發(fā)的，利用Java語言和XML的程序設計思想實現(xiàn)軟件編程。Java語言具有很好的適應性，能夠獨立運行在各種服務器上，是各種計算機語言中跨平臺性能最強的一種，且類封裝性好，代碼維護方便，在系統(tǒng)的可移植性和可維護性上都比較好。

系統(tǒng)采用“jsp+servlet+dao”的開發(fā)模式，具有靈活性和簡便性的特點，能夠保證系統(tǒng)的穩(wěn)定運行。

1.2 數(shù)據(jù)庫

Oracle10g是目前最流行的數(shù)據(jù)庫之一，功能強大，性能卓越。Oracle10g可以處理海量數(shù)據(jù)，并且處理速度比其他數(shù)據(jù)庫快；可以減少資源占有率，擴展了用戶數(shù)目；在數(shù)據(jù)庫的管理、安全性上有很大提高；提供了新的分布式數(shù)據(jù)庫能力，可通過網(wǎng)絡較方便地讀寫遠端數(shù)據(jù)庫里的數(shù)據(jù)。

1.3 B/S結(jié)構(gòu)

與C/S（Client/Server，客戶機/服務器）模式相比，B/S結(jié)構(gòu)具有如下優(yōu)點：目前大多服務器性能良好，擁有強大的數(shù)據(jù)處理能力，穩(wěn)定性強，因此將業(yè)務處理放在服務器端是可行的。通過B/S模式實現(xiàn)業(yè)務邏輯、數(shù)據(jù)以及客戶層的分離，系統(tǒng)層次分明。更重要的是，B/S模式只需要將開發(fā)出來的系統(tǒng)裝在服務器端就可以了，直接采用網(wǎng)頁訪問的形式即可登錄系統(tǒng)。

2 系統(tǒng)流程

2.1 系統(tǒng)工作流程

系統(tǒng)工作流程主要圍繞“負荷分析、負荷預測、負荷管理”展開。如圖2。

圖2 系統(tǒng)工作流程

通過外部數(shù)據(jù)接口讀取外部數(shù)據(jù)（來自數(shù)據(jù)庫或者文本），系統(tǒng)后臺通過精細化的異常數(shù)據(jù)處理負荷數(shù)據(jù)，并存入到本地數(shù)據(jù)庫。通過內(nèi)部數(shù)據(jù)接口訪問數(shù)據(jù)庫，分別進行負荷預測、負荷分析、負荷管理。由負荷預測得到的預測結(jié)果和負荷分析報告供用戶使用。

2.2 系統(tǒng)預測流程

系統(tǒng)采用精細化的預測流程，如圖3。在大用戶預測過程中考慮日類型、氣象要素、生產(chǎn)計劃等影響因素構(gòu)成的日特征向量，采用灰色關(guān)聯(lián)度來選取相似日。系統(tǒng)的預測核心是基于強大的算法庫的精細化流程，如圖3。

而圖4中某鋼鐵廠負荷曲線1主要與檢修計劃、大小光胚啟動模式以及融鐵水工作模式有關(guān)。0：00～6：00、8：30～12：00 處于大光胚啟動模式；6：00～8：30處于小光胚啟動模式；12：00～16：00是運行系統(tǒng)的檢修時間；而16：00～23：45處于大小光胚和融鐵水的混合模式。而與圖4中曲線2比較，發(fā)現(xiàn)負荷曲線沒有一定的規(guī)律性，通過大量的數(shù)據(jù)統(tǒng)計得到鋼管廠負荷具有很強烈的隨機性和波動性。大用戶的負荷特性分析要采用每分鐘采樣數(shù)據(jù)進行分析，大用戶的預測算法建議采用概率或者組合算法。

因此，系統(tǒng)不僅采用移動平均、線性回歸等傳統(tǒng)模型，也借鑒小波神經(jīng)網(wǎng)絡[4]、概率組合預測、支持向量機、小波改進灰色[5]等模型，參考了粒子濾波器[6]之類的智能算法。為了融合各類方法的優(yōu)點，系統(tǒng)采用了如下優(yōu)化組合方法

式中：F為組合預測算法，f1，f2，f3，…，fn為各預測算法，λ1，λ2，λ3，…，λn為組合系數(shù)，滿足

圖3 系統(tǒng)預測流程

圖4 某鋼管廠典型日曲線對比

根據(jù)以往一段時間內(nèi)各個算法的平均準確率，分別對應為η1，η2，η3…ηn，我們稱它們?yōu)轭A測可信度。則得到

系統(tǒng)考慮了地區(qū)負荷中除大用戶外的剩余部分負荷（大多是農(nóng)業(yè)負荷、商業(yè)負荷、居民負荷），這部分負荷與氣象要素的相關(guān)性很大，有以下關(guān)系[7]

式中：Pi表示該時刻的剩余負荷；Di表示該時刻的人體舒適度指數(shù)；T表示日平均氣溫；U表示日平均相對濕度；V表示日平均風速；i表示時刻（i=1，2，3，…，24）。將各個大用戶預測結(jié)果之和Pfore1，加上剩余部分的預測結(jié)果Pfore2，得到地區(qū)的預測計劃Pfore1，這個結(jié)果與地區(qū)直接預測進行對比修正，得到地區(qū)最終的計劃

3 系統(tǒng)功能模塊

3.1 頁面模塊

頁面模塊結(jié)構(gòu)如圖5所示。

（1）我的工作中心。不同用戶進入該模塊都可以查看詳細的負荷預測信息，并可以對部分消息進行修改，也可發(fā)布新消息，完成內(nèi)部通信，方便負荷預測工作交流。

（2）數(shù)據(jù)報表中心。該模塊下可以對地區(qū)以及大用戶的日、周、月、年的負荷特性報表查看并導出到本地計算機；查看96點或24點的大用戶或地區(qū)的實際或計劃負荷；查看連續(xù)多日的大用戶或地區(qū)的實際或計劃曲線；查看查詢?nèi)盏呢摵蓪嶋H曲線、預測曲線、誤差曲線的對比，計算各個點的相對誤差；查看各類氣象因子的實際數(shù)據(jù)和預測數(shù)據(jù)，隨時把握氣象的變化。

（3）負荷分析中心。該模塊下可以對地區(qū)以及大用戶的日、周、月、年的負荷特性指標（最大、最小、平均負荷、負荷率、峰谷差、用電量）進行統(tǒng)計分析；對居民、商業(yè)、農(nóng)業(yè)、工業(yè)、非普工業(yè)等產(chǎn)業(yè)進行日分析；從商業(yè)負荷與居民負荷中提取空調(diào)負荷，計算空調(diào)負荷所占地區(qū)比重；對大用戶或地區(qū)與相關(guān)因素（氣象因子等）進行相關(guān)性分析。

（4）負荷預測中心。該模塊是整個系統(tǒng)的核心，可以對地區(qū)以及大用戶進行自動預測，可以對自動預測曲線進行逐點、分段人工修正，擬合相似日等操作，簡化了工作量。根據(jù)實際需要考慮一些實時變化的因素，可以進行人工預測。

（5）負荷報告中心。該模塊是系統(tǒng)的重要部分，可以對地區(qū)以及大用戶繪制日、月、年負荷特性分析報告。報告包含文字、曲線、餅圖、柱狀圖等分析，并以文本導出到本地計算機，大大減輕了預測人員的工作量，并且報告合理、有效。

（6）上報考核中心。該模塊對地區(qū)以及大用戶日計劃進行考核，方便用戶查看日計劃的準確率。同時提供數(shù)據(jù)接口方便用戶上報本地區(qū)日負荷計劃，與省調(diào)下達的計劃進行對比，加強了與省調(diào)的互動性。

（7）系統(tǒng)管理中心。對頁面的模塊進行管理；手動修正、導入外部數(shù)據(jù)；對外部數(shù)據(jù)的點碼和變量進行管理；登陸、維護、錯誤等各類日志管理；大用戶和用戶字典管理；查看系統(tǒng)的運行狀態(tài)等。

圖5 系統(tǒng)頁面結(jié)構(gòu)框架

3.2 接口模塊

接口模塊包括內(nèi)部數(shù)據(jù)接口和外部數(shù)據(jù)接口。內(nèi)部數(shù)據(jù)接口是頁面訪問時對本地數(shù)據(jù)庫的“增、刪、改、查”。而外部數(shù)據(jù)接口如圖6，是由外部數(shù)據(jù)庫供給系統(tǒng)接口，進行自動運行，主要完成以下工作：數(shù)據(jù)信息采錄，規(guī)避壞數(shù)據(jù)，自動預測，負荷分析，日計劃考核，解析文本。每一部分都在指定的時間內(nèi)完成，運行機制上互不沖突。頁面上還可以對各個部分監(jiān)視，手動執(zhí)行各環(huán)節(jié)。

圖6 系統(tǒng)外部數(shù)據(jù)接口（后臺）

4 系統(tǒng)的特色

系統(tǒng)主要具有以下特色：

（1）分析、預測、管理有機結(jié)合。系統(tǒng)做到了以負荷分析為基礎(chǔ)的負荷預測，將負荷分析與負荷預測進行有效管理。

（2）穩(wěn)定的開發(fā)平臺。系統(tǒng)采用先進的Java技術(shù)和強大的Oracle10g作為數(shù)據(jù)庫，能很好克服以前負荷預測系統(tǒng)（vb.net的開發(fā)平臺）帶來的不穩(wěn)定、速度慢、異常頻繁的不足。

（3）精細化的預測流程。預測流程是基于強大的算法庫，并且考慮多種因素對大用戶的影響，充分利用實時氣象要素在剩余部分負荷預測中，將初次預測結(jié)果經(jīng)過精細化的修正機制得到最終結(jié)果。

（4）先進的數(shù)據(jù)預處理技術(shù)。對實時、實際數(shù)據(jù)進行合理性分析，采用多種異常數(shù)據(jù)處理，去偽存真，保證歷史數(shù)據(jù)的可靠性。

（5）強大、方便的可視化、交互功能。系統(tǒng)在生成各類曲線、餅圖、柱狀圖時，采用交互功能的HighCharts、Jqplot等插件，功能強大，視覺效果佳，同時能夠進行圖片導出，方便生成負荷報告。

（6）提高了地區(qū)負荷預測準確率。基于精細化的預測流程，考慮多因素影響，將大用戶從地區(qū)負荷中分離出來的辦法，考慮與氣象要素的密切聯(lián)系，著實提高了地區(qū)負荷預測精度。表1為某地區(qū)日負荷預測準確率對比。

（7）通用性、可靠性強。系統(tǒng)緊密結(jié)合地區(qū)以及大用戶的實際需求，可以根據(jù)用戶的個人經(jīng)驗，修改各種預測模型的參數(shù)，自主選擇預測算法形成人工預測方案。

5 結(jié)束語

該系統(tǒng)以地區(qū)典型大用戶為出發(fā)點，面向地區(qū)負荷預測，考慮多種因素的影響，采用精細化的預測流程。具有隨機性的鋼鐵廠等大用戶的單獨預測、分離的剩余負荷與氣象要素的緊密聯(lián)系，有效地提高了地區(qū)預測精度。

表1 某地區(qū)負荷預測準確率

系統(tǒng)簡便、高效、美觀的操作頁面，大大簡化了地區(qū)負荷預測的數(shù)據(jù)處理、預測、上報、考核等相關(guān)流程。強大的負荷分析和相應的負荷特性報告，節(jié)省了用戶的工作時間，提高了工作效率和工作人員的積極性。

今后對典型大用戶的分析與預測研究不僅要集中在分析方法與預測技術(shù)上，也要體現(xiàn)在電力需求側(cè)管理等措施上。

［1］程義明,羅滇生,蔡劍彪,等.湘潭地區(qū)負荷特性分析[J].電力需求側(cè)管理,2011,13(6)：47-51.

［2］宋宏坤,唐國慶,盧毅,等.江蘇省夏季空調(diào)負荷分析及需求側(cè)管理措施的削峰效果測算[J].電網(wǎng)技術(shù),2006,30(17)：88-91.

［3］李紅,螢淵,曹永寧,等.基于J2EE的企業(yè)信息平臺的設計與實現(xiàn)[J].計算機工程,2003,29(2)：204-206.

［4］史新祁.大型鋼鐵企業(yè)電力負荷短期預測的研究[D].上海：上海交通大學,2003.

［5］牛東曉,曹樹華,盧建昌,等.電力負荷預測技術(shù)及其應用[M].第2版.北京：中國電力出版社,2009.

［6］黃任可,羅諶持,張明.基于粒子濾波器的大容量沖擊負荷短期預測方法[J].電力系統(tǒng)自動化,2009,33(3)：40-44.

［7］康重慶,夏清,劉梅.電力系統(tǒng)負荷預測[M].北京：中國電力出版社,2007.