電網(wǎng)夏季負(fù)荷特性分析及預(yù)測(cè)

林 琳，段曉波，高亞靜

(1.華北電力大學(xué)，河北 保定 071003；2.國(guó)網(wǎng)河北省電力公司電力科學(xué)研究院，石家莊 050021)

電網(wǎng)夏季負(fù)荷特性分析及預(yù)測(cè)

林 琳1，段曉波2，高亞靜1

(1.華北電力大學(xué)，河北 保定 071003；2.國(guó)網(wǎng)河北省電力公司電力科學(xué)研究院，石家莊 050021)

針對(duì)夏季負(fù)荷波動(dòng)大，預(yù)測(cè)難度較大的問題，以河北省南部電網(wǎng)為例，分析河北省南部電網(wǎng)夏季負(fù)荷的特點(diǎn)，采用多元線性回歸分析法對(duì)全網(wǎng)負(fù)荷進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果表明該方法可準(zhǔn)確預(yù)測(cè)電網(wǎng)夏季負(fù)荷特性，其結(jié)果符合實(shí)際運(yùn)行情況。

負(fù)荷預(yù)測(cè)；多元線性回歸；MATLAB

0 引言

電力系統(tǒng)負(fù)荷預(yù)測(cè)是電力系統(tǒng)調(diào)度、用電及規(guī)劃管理部門的重要工作之一，同時(shí)也是電力系統(tǒng)經(jīng)濟(jì)運(yùn)行的前提和條件，一般是從已知的用電負(fù)荷需求出發(fā)，在此基礎(chǔ)上考慮經(jīng)濟(jì)、氣候、天氣等相關(guān)因素的影響，從而準(zhǔn)確預(yù)測(cè)未來的用電負(fù)荷需求。電力系統(tǒng)負(fù)荷預(yù)測(cè)保證著電力企業(yè)科學(xué)穩(wěn)定地對(duì)電網(wǎng)進(jìn)行有效的控制，對(duì)電源建設(shè)進(jìn)行合理的規(guī)劃，同時(shí)對(duì)電網(wǎng)商業(yè)化的運(yùn)作起到了積極的作用，有利于提高電力系統(tǒng)的經(jīng)濟(jì)效益和社會(huì)效益。因此，電力系統(tǒng)負(fù)荷預(yù)測(cè)已經(jīng)成為電力系統(tǒng)現(xiàn)代化管理的重要內(nèi)容之一，如何提高負(fù)荷預(yù)測(cè)的精度成為當(dāng)前迫切需要解決的一項(xiàng)重要任務(wù)。國(guó)內(nèi)外學(xué)者對(duì)此課題進(jìn)行了詳細(xì)的研究工作，引入了一系列先進(jìn)的算法到負(fù)荷預(yù)測(cè)領(lǐng)域中。目前，已經(jīng)有許多較為成熟的負(fù)荷預(yù)測(cè)基礎(chǔ)理論和實(shí)踐方法，但是隨著電網(wǎng)結(jié)構(gòu)復(fù)雜程度的加劇以及電網(wǎng)負(fù)荷的不斷增加，有些預(yù)測(cè)方法還需要不斷地完善。

目前主要的負(fù)荷預(yù)測(cè)方法包括：時(shí)間序列法、一元(多元)回歸分析法、灰色系統(tǒng)預(yù)測(cè)法、人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法等[1]。其中時(shí)間序列法計(jì)算速度快，能夠反映負(fù)荷近期變化的連續(xù)性，但是對(duì)天氣等氣候影響因素考慮不足；灰色系統(tǒng)預(yù)測(cè)法在數(shù)據(jù)離散程度較大時(shí)預(yù)測(cè)精度會(huì)較差；人工神經(jīng)網(wǎng)絡(luò)法預(yù)測(cè)準(zhǔn)確但是對(duì)于樣本數(shù)據(jù)的要求較高，樣本選擇較困難；多元線性回歸方法計(jì)算過程簡(jiǎn)單，運(yùn)算快，結(jié)果清晰，在實(shí)際工作中能夠正確反映負(fù)荷隨氣象變化的規(guī)律[2]，準(zhǔn)確建立負(fù)荷與氣象變化之間的相互影響關(guān)系，達(dá)到較為理想的預(yù)期結(jié)果。以下以河北省南部電網(wǎng)(簡(jiǎn)稱“河北南網(wǎng)”)為例，對(duì)夏季負(fù)荷特性進(jìn)行分析預(yù)測(cè)。

1 河北南網(wǎng)夏季負(fù)荷特性分析

1.1 影響負(fù)荷變化的氣象因素分析

氣象因素是影響夏季負(fù)荷的主要因素，其通過改變?nèi)梭w對(duì)環(huán)境的舒適度感覺，從而影響人的行為而實(shí)現(xiàn)的。因此以下選取人體舒適度敏感指標(biāo)作為研究對(duì)象，其中包括：溫度、濕度、降雨量、風(fēng)速等[3]。

1.1.1 溫度的影響

夏季天氣炎熱，會(huì)出現(xiàn)持續(xù)高溫現(xiàn)象，河北南網(wǎng)7、8月的氣溫多在25～35 ℃，極端最高氣溫可達(dá)到38 ℃左右，全網(wǎng)經(jīng)濟(jì)較為發(fā)達(dá)，高溫時(shí)將有大量降溫負(fù)荷投入運(yùn)行，當(dāng)某一時(shí)間段平均溫度持續(xù)過高時(shí)，負(fù)荷變化更加劇烈，與往年同期相比將會(huì)有很大變化。平均溫度高于28 ℃時(shí)，隨著溫度的升高，人體開始感覺不舒服，最本能的表現(xiàn)就是感覺到燥熱，這時(shí)就需要通過空調(diào)等降溫設(shè)備來調(diào)溫，高溫天氣對(duì)居民生產(chǎn)生活用電負(fù)荷的影響就更加顯著。隨著溫度的不斷提升，日最大負(fù)荷對(duì)日最高溫度的敏感性程度逐漸增強(qiáng)，負(fù)荷也會(huì)逐漸增加。對(duì)2013年7、8月某些高溫天氣的最大負(fù)荷與當(dāng)日最高溫度之間的關(guān)系進(jìn)行初步分析，結(jié)果表明兩者之間的相關(guān)系數(shù)為0.56，日最高溫度與最大電力負(fù)荷的相關(guān)性較日最低溫度要明顯得多，如圖1所示(作歸一化處理)。圖中縱坐標(biāo)比值為日最大負(fù)荷/日平均負(fù)荷或日最高溫度/日平均溫度。

圖1 最大負(fù)荷與最高溫度的關(guān)系

1.1.2 濕度和降雨量的影響

由溫度對(duì)負(fù)荷的影響可知，氣溫升高是導(dǎo)致負(fù)荷上升的最主要因素，而在氣溫不高的情況下，濕度決定著負(fù)荷的走向。河北南網(wǎng)2013年夏季的統(tǒng)計(jì)數(shù)據(jù)表明，空氣濕度較大，雷雨天氣較多，降水量比2012年同期有明顯增加，溫度增加時(shí)濕度越大則電力負(fù)荷越大，這種情況下會(huì)影響居民對(duì)于生活環(huán)境和工作環(huán)境的適應(yīng)程度，加上人體對(duì)高溫高濕天氣的敏感性，人們就會(huì)通過減濕設(shè)備來改變局部的氣溫條件，這些措施必然會(huì)增加用電負(fù)荷，造成電網(wǎng)供電困難。高溫和雷雨天氣往往是同時(shí)出現(xiàn)的，每次負(fù)荷下降時(shí)均有降水天氣出現(xiàn)，70%的負(fù)荷突然下降的情況可能會(huì)出現(xiàn)在夏季天氣中，雷雨可以造成50%～80%的空調(diào)負(fù)荷損失，同時(shí)也會(huì)造成大量的輸、配電線路跳閘，這時(shí)負(fù)荷的變化與降水量的變化會(huì)呈現(xiàn)很強(qiáng)的相關(guān)性。

1.1.3 風(fēng)速的影響

冬季6 m/s以上的風(fēng)速，會(huì)伴隨著一定程度的負(fù)荷增大，夏季相反，其他季節(jié)沒有明顯的規(guī)律可循，從相關(guān)性分析來看，電力負(fù)荷與風(fēng)速的相關(guān)性不顯著，且沒有規(guī)律可循。

1.2 夏季負(fù)荷數(shù)據(jù)分析

2013年7月，河北南網(wǎng)進(jìn)入主汛期，高溫高濕天氣開始增多，全月平均溫度較去年同期低0.8 ℃，降水量較去年同期偏多九成。7月上旬，全網(wǎng)負(fù)荷總體平穩(wěn)，高溫負(fù)荷保持在2 400萬kW左右，其中7月6日首創(chuàng)歷史負(fù)荷新高，達(dá)到2 558.7萬kW，7月8日再次刷新負(fù)荷記錄達(dá)到2 596.4萬kW。7月中下旬，受降水的影響，天氣較為涼爽，溫度較低，全網(wǎng)負(fù)荷總體保持平穩(wěn)，較低水平運(yùn)行。

8月初，各地雷雨、高溫天氣頻繁，河北南網(wǎng)遭遇最強(qiáng)高溫高濕“桑拿天”天氣，空調(diào)制冷負(fù)荷呈明顯增長(zhǎng)趨勢(shì)，全網(wǎng)負(fù)荷迅速攀升。據(jù)氣象部門統(tǒng)計(jì)，8月5日全網(wǎng)最高氣溫突破35 ℃，平均濕度已達(dá)到80%以上，超過了7月上旬第一輪大負(fù)荷期間的最高水平。在空調(diào)用電的強(qiáng)勢(shì)拉動(dòng)下，全網(wǎng)負(fù)荷在8月6、10、11日連創(chuàng)新高，8月11日早峰負(fù)荷突破2 700萬kW，達(dá)到2 714.5萬kW，較去年最大負(fù)荷增長(zhǎng)6.4%。8月11日午后的降水使電網(wǎng)負(fù)荷出現(xiàn)了一個(gè)短暫的“低谷”，但降水之后，濕度進(jìn)一步增加，加上氣溫回升，人體舒適度顯著下降。8月15-17日，各地氣溫再度突破35 ℃，部分地區(qū)氣溫達(dá)到37 ℃以上，空調(diào)負(fù)荷集中度達(dá)到2013年夏季最高，全網(wǎng)負(fù)荷在8月16日達(dá)到2 791.6萬kW，年內(nèi)第7次創(chuàng)歷史新高，較去年最大負(fù)荷增長(zhǎng)9.4%。

2 河北南網(wǎng)夏季負(fù)荷預(yù)測(cè)

2.1 多元線性回歸分析法

因變量隨著作為主要影響因素的自變量的變化而變化，實(shí)際問題研究時(shí)，因變量的影響因素往往不只1個(gè)，可能會(huì)同時(shí)受到2個(gè)或者更多因素的影響，此時(shí)就需要用2個(gè)或者更多以上的影響因素作為自變量來解釋因變量的變化規(guī)律，這種方法稱之為多元回歸[4]，當(dāng)多個(gè)自變量與因變量呈線性關(guān)系時(shí)，稱之為多元線性回歸。

設(shè)y為因變量，x1、x2、…，xk為自變量，當(dāng)自變量與因變量呈線性關(guān)系時(shí)，多元線性回歸模型為：

y=a0+a1x1+a2x2+…+akxk+c

(1)

式中：a0為常數(shù)項(xiàng)，a1，a2，…，ak為回歸系數(shù)，a1為x1、x2，…，xk固定時(shí)，x1每增加一個(gè)單位后對(duì)y產(chǎn)生的作用，即x1對(duì)y的偏回歸系數(shù)；同理可知，x2、… ，xk等都是y的偏回歸系數(shù)。

建立多元回歸模型時(shí)，為保證預(yù)測(cè)結(jié)果良好，需要注意自變量的選擇問題。多元線性回歸分析方法應(yīng)用最小二乘法求解參數(shù)，要求誤差的平方和為最小，求解回歸參數(shù)的方程為：

(2)

求解方程組可得出系數(shù)a0，a1，a2。

2.2 數(shù)據(jù)預(yù)處理

圖2為河北南網(wǎng)夏季高峰負(fù)荷變化曲線圖，即原始數(shù)據(jù)采集點(diǎn)，夏季不僅會(huì)出現(xiàn)負(fù)荷猛增，也會(huì)出現(xiàn)負(fù)荷陡降的現(xiàn)象，這與河北南網(wǎng)夏季為主汛期相對(duì)應(yīng)，主汛期強(qiáng)對(duì)流天氣較多，氣象要素變化幅度大，導(dǎo)致負(fù)荷的大起大落。根據(jù)實(shí)際統(tǒng)計(jì)情況及折線圖對(duì)河北南網(wǎng)的負(fù)荷特性性進(jìn)行分析。通常最初的數(shù)據(jù)處理主要由工作人員利用長(zhǎng)期的經(jīng)驗(yàn)對(duì)數(shù)據(jù)進(jìn)行判斷，首先去除降水量較大的日期，保留高溫高濕不降水的日期，對(duì)于日負(fù)荷曲線不突變的特性，設(shè)定基準(zhǔn)值，如果前后兩點(diǎn)的負(fù)荷超過這一定值則為異常點(diǎn)。此次負(fù)荷特性分析主要考慮溫度、濕度對(duì)夏季負(fù)荷[5]的影響，運(yùn)用多元線性回歸方法進(jìn)行回歸分析，得出最大負(fù)荷與溫度和濕度的相互關(guān)系。

圖2 河北南網(wǎng)夏季高峰負(fù)荷變化曲線

2.3 預(yù)測(cè)過程與結(jié)果

根據(jù)選擇好的數(shù)據(jù)，采用MATLAB內(nèi)自帶的regeress程序包，調(diào)用軟件包中多元回歸分析命令得出殘差杠桿圖及其置信區(qū)間，將殘差杠桿圖中偏移較大的數(shù)據(jù)點(diǎn)剔除，進(jìn)一步優(yōu)化數(shù)據(jù)選擇點(diǎn)。殘差杠桿如圖3所示，去除偏差較大的2個(gè)點(diǎn)。

基于MATLAB程序?qū)?yōu)后的數(shù)據(jù)進(jìn)行線性擬合，求出回歸方程的系數(shù)為：

a0=6 701.4，a1=529，a2=140

線性擬合公式為：最大負(fù)荷=6 701.4+529×最高溫度+140×濕度，得出最大負(fù)荷與溫度和濕度(最大負(fù)荷時(shí))2個(gè)因素間的相關(guān)系數(shù)為0.72，其線性關(guān)系較強(qiáng)，與實(shí)際數(shù)據(jù)對(duì)比后，擬合的相對(duì)誤差在5%以下，負(fù)荷波動(dòng)時(shí)模擬趨勢(shì)與實(shí)際基本吻合，擬合分析結(jié)果較好，可以作為今后夏季高峰負(fù)荷調(diào)度的依據(jù)。圖4為選取的預(yù)測(cè)數(shù)據(jù)點(diǎn)的電網(wǎng)負(fù)荷與溫度、濕度的關(guān)系。圖5為應(yīng)用多元線性回歸法后的平面回歸圖。

圖4 數(shù)據(jù)分布示意

圖5 平面回歸示意

3 預(yù)測(cè)結(jié)果分析

a. 溫度是影響河北南網(wǎng)夏季高峰負(fù)荷的主要因素，溫度每增加1 ℃，負(fù)荷將增加529萬kW左右，日用電負(fù)荷的變化不完全對(duì)應(yīng)日平均溫度的上升，且最大負(fù)荷點(diǎn)并沒有對(duì)應(yīng)溫度的最高點(diǎn)，這主要是由于相對(duì)濕度的影響較大，溫濕度的組合影響著負(fù)荷的波動(dòng)。溫度對(duì)負(fù)荷的影響呈現(xiàn)正相關(guān)，當(dāng)溫度接近36 ℃時(shí)，而負(fù)荷卻沒有明顯增加，這就需要考慮濕度以及降水量等因素對(duì)負(fù)荷的影響，其中，降水是影響電力負(fù)荷明顯減小的主要原因。

b. 夏季高溫期間，濕度與溫度會(huì)呈現(xiàn)一定的負(fù)相關(guān)，溫度升高，濕度反而會(huì)降低，天氣只“熱”而不“悶”，電力負(fù)荷偶爾會(huì)呈下降趨勢(shì)，所以需要通過對(duì)原始數(shù)據(jù)進(jìn)行逐一篩選和對(duì)比，盡可能保留高溫高濕且不降水的原始數(shù)據(jù)點(diǎn)，從而有利于負(fù)荷特性分析工作的進(jìn)行。

c. 在上述分析的基礎(chǔ)上，為進(jìn)一步做好夏季高峰負(fù)荷分析工作，還需要繼續(xù)深入研究各種氣象因素在不同情況下對(duì)負(fù)荷的影響以及實(shí)際運(yùn)行的工況和環(huán)境條件，這樣才能構(gòu)建更為準(zhǔn)確、更加適合河北南網(wǎng)夏季負(fù)荷分析的模型。由于天氣復(fù)雜多變，預(yù)報(bào)難度大，準(zhǔn)確率有限，而且還需要加強(qiáng)與氣象臺(tái)的溝通交流，及時(shí)獲取準(zhǔn)確的天氣變化信息，提高負(fù)荷分析精度，有效保證調(diào)度部門的工作順利進(jìn)行。

4 結(jié)束語

以上通過多元線性回歸分析法對(duì)河北南網(wǎng)的夏季高溫負(fù)荷進(jìn)行了簡(jiǎn)單準(zhǔn)確的預(yù)測(cè)。電網(wǎng)短期負(fù)荷預(yù)測(cè)需要考慮的相關(guān)因素比較多，多元線性回歸分析是較為簡(jiǎn)單的一種分析方法，簡(jiǎn)單直觀的分析自變量與因變量之間的關(guān)系，由此得出的最大負(fù)荷與溫度和濕度(最大負(fù)荷時(shí))2個(gè)因素間的相關(guān)系數(shù)，還不能較好地滿足負(fù)荷預(yù)測(cè)的要求，還需要調(diào)度中心工作人員不斷積極思考，不斷豐富數(shù)據(jù)分析方法和手段，進(jìn)一步提升負(fù)荷預(yù)測(cè)水平。

[1] 胡 杰，文閃閃，胡導(dǎo)福，等．電力負(fù)荷預(yù)測(cè)常用方法的分析比較與應(yīng)用[J]．湖北電力，2008，32(2)：13-15．

[2] 王治華，楊曉梅，李 揚(yáng)，等．氣溫與典型季節(jié)電力負(fù)荷關(guān)系的研究[J]．電力自動(dòng)化設(shè)備，2002，22(3)：16-18．

[3] 杜彥巍，林 莉，牟道槐，等．綜合氣象指數(shù)對(duì)電力負(fù)荷的影響分析[J]．重慶大學(xué)學(xué)報(bào).自然科學(xué)版，2006，29(12)：56-60．

[4] 高惠璇．應(yīng)用多元統(tǒng)計(jì)分析[M]．北京：北京大學(xué)出版社，2005.

[5] 高 霞，曾 新，盧建立．電力負(fù)荷預(yù)測(cè)與氣象指數(shù)關(guān)系研究[J]．河北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2007，30(4)：97-101,113．

本文責(zé)任編輯：王麗斌

Grid of Summer Load Characteristics Analysis and Prediction

For summer load fluctuations,which is difficult to predict,taking Hebei southern power grid as an example,analyzesthe summer load characteristics of Hebei Southern Power Grid,using multiple linear regression method to predict the load of the whole network, the results show that the method can prdeict load characteristics in summer of power grid accurately,and the results conform to the actual operation situation.

load forecasting;multivariate linear regression;MATLAB

2013-11-06

林 琳(1988-)，女，碩士研究生，主要研究方向?yàn)殡娔苜|(zhì)量分析與控制。

TM714

A

1001-9898(2014)01-0013-04