多小水電地區(qū)網(wǎng)供負(fù)荷預(yù)測(cè)研究

劉艷紅，倪秋龍，黃民翔

（1.中國(guó)電建集團(tuán)華東勘測(cè)設(shè)計(jì)研究院有限公司，杭州 310014；2.國(guó)網(wǎng)浙江省電力公司，杭州 310007；3.浙江大學(xué)，杭州 310027）

多小水電地區(qū)網(wǎng)供負(fù)荷預(yù)測(cè)研究

劉艷紅1，倪秋龍2，黃民翔3

（1.中國(guó)電建集團(tuán)華東勘測(cè)設(shè)計(jì)研究院有限公司，杭州 310014；2.國(guó)網(wǎng)浙江省電力公司，杭州 310007；3.浙江大學(xué)，杭州 310027）

分析了多水電地區(qū)網(wǎng)供負(fù)荷的特點(diǎn)，利用相關(guān)性分析方法及人工神經(jīng)網(wǎng)絡(luò)對(duì)多小水電地區(qū)的網(wǎng)供負(fù)荷短期預(yù)測(cè)進(jìn)行研究，并對(duì)某多小水電地區(qū)開(kāi)展網(wǎng)供負(fù)荷預(yù)測(cè)實(shí)例模擬，預(yù)測(cè)結(jié)果驗(yàn)證了方法的有效性和實(shí)用性。

短期負(fù)荷預(yù)測(cè)；網(wǎng)供負(fù)荷；小水電負(fù)荷；人工神經(jīng)網(wǎng)絡(luò)；BP算法；Matlab程序

0 引言

我國(guó)具有極為豐富的小水電資源[1]，在小水電技術(shù)迅速發(fā)展和廣泛應(yīng)用的同時(shí)，小水電等分布式電源對(duì)地方電網(wǎng)的影響也越來(lái)越顯著。在一些小水電資源豐富的地區(qū)，小水電發(fā)出的電力在平衡本地區(qū)負(fù)荷后剩余部分還倒送大電網(wǎng)，給電網(wǎng)帶來(lái)一定的負(fù)面影響，特別是給小水電占比大的地區(qū)網(wǎng)供負(fù)荷的準(zhǔn)確預(yù)測(cè)帶來(lái)了很大困難，導(dǎo)致多小水電地區(qū)的負(fù)荷預(yù)測(cè)精度難以提高。然而，短期負(fù)荷預(yù)測(cè)又是電網(wǎng)能量管理系統(tǒng)的關(guān)鍵輸入量之一，是電網(wǎng)經(jīng)濟(jì)運(yùn)行和安全控制必不可少的基礎(chǔ)，提高多小水電地區(qū)短期負(fù)荷預(yù)測(cè)精度對(duì)電網(wǎng)安全運(yùn)行和經(jīng)濟(jì)運(yùn)行具有重大意義[2]。

根據(jù)我國(guó)現(xiàn)行的電力管理體制，地市電力公司需要預(yù)測(cè)網(wǎng)供負(fù)荷并上報(bào)給省級(jí)電網(wǎng)公司。對(duì)地區(qū)電網(wǎng)而言，網(wǎng)供負(fù)荷就是指由省級(jí)電網(wǎng)調(diào)度關(guān)口供給該地區(qū)的電力負(fù)荷。對(duì)小水電豐富地區(qū)，大量由地級(jí)或縣級(jí)調(diào)度的小水電出力給網(wǎng)供負(fù)荷帶來(lái)顯著影響，在網(wǎng)供負(fù)荷預(yù)測(cè)中需充分考慮這些因素。目前，一般采用對(duì)地區(qū)口徑負(fù)荷、小水電負(fù)荷分別進(jìn)行預(yù)測(cè)，并在此基礎(chǔ)上還原出網(wǎng)供負(fù)荷，這種方法一般稱(chēng)為兩階段還原預(yù)測(cè)方法[3-5]。

本文以某多小水電地區(qū)的網(wǎng)供負(fù)荷為研究對(duì)象開(kāi)展預(yù)測(cè)研究。該地區(qū)2011年網(wǎng)供最高負(fù)荷為1 347 MW，地區(qū)調(diào)度水電裝機(jī)容量達(dá)772 MW，一般為無(wú)庫(kù)容徑流式電站或小庫(kù)容日調(diào)節(jié)或月調(diào)節(jié)電站；縣級(jí)調(diào)度的小水電共797 MW，均為無(wú)庫(kù)容徑流式電站。

1 多小水電地區(qū)負(fù)荷特征分析

首先從統(tǒng)計(jì)指標(biāo)入手，分析多小水電地區(qū)負(fù)荷主要特征，重點(diǎn)分析每日96個(gè)時(shí)刻點(diǎn)的負(fù)荷在全年365天中的分布特征和統(tǒng)計(jì)規(guī)律。為便于比對(duì)，同時(shí)選取了小水電容量占比很小的非小水電地區(qū)進(jìn)行分析。

1.1 日負(fù)荷年平均標(biāo)幺曲線

日負(fù)荷年平均標(biāo)幺曲線是對(duì)歷史日負(fù)荷曲線中每個(gè)時(shí)刻點(diǎn)（一般分為96點(diǎn)）的年平均值進(jìn)行標(biāo)幺化而得，如圖1所示。

從圖1可見(jiàn)，非小水電地區(qū)地調(diào)負(fù)荷受人們作息規(guī)律的影響，呈現(xiàn)明顯的峰谷特征；小水電地區(qū)小水電出力在峰電價(jià)和谷電價(jià)時(shí)段具有明顯的上升和下降特征，除此之外在各時(shí)段內(nèi)較為穩(wěn)定，基本不受人們作息規(guī)律的影響。這主要是因?yàn)樾∷姍C(jī)組在峰電價(jià)和谷電價(jià)時(shí)段具有不同的開(kāi)停機(jī)方式，在正常峰谷時(shí)段呈現(xiàn)了特殊的“倒峰谷”特性，即：在一般負(fù)荷低谷時(shí)段，小水電因谷電價(jià)而大量停機(jī)后網(wǎng)供負(fù)荷值較高；在一般負(fù)荷高峰時(shí)段，小水電因峰電價(jià)而大量開(kāi)機(jī)后網(wǎng)供負(fù)荷值較低；在峰谷電價(jià)交替時(shí)段，小水電地區(qū)網(wǎng)供負(fù)荷變化幅度大。

圖1 日負(fù)荷年平均標(biāo)幺曲線

1.2 日負(fù)荷年離散系數(shù)曲線

離散系數(shù)主要用于比較不同水平的變量數(shù)列的離散程度，用標(biāo)準(zhǔn)差系數(shù)CV表示如下：

式中：σ和μ分別為均方差和均值。

所研究地區(qū)的日負(fù)荷年離散系數(shù)曲線詳見(jiàn)圖2。由圖可見(jiàn)，小水電地區(qū)地調(diào)負(fù)荷在不同時(shí)刻點(diǎn)的離散程度明顯比非小水電地區(qū)高，且在不同時(shí)段存在較為明顯的波動(dòng)。而小水電地區(qū)小水電出力偏離自己平均值的程度比地調(diào)負(fù)荷大得多，且在谷電價(jià)時(shí)段小水電負(fù)荷的波動(dòng)性更強(qiáng)，這和小水電站的發(fā)電特性有關(guān)：只有在已經(jīng)無(wú)法儲(chǔ)存來(lái)水，不得不發(fā)電的時(shí)候，小水電站才會(huì)在谷電價(jià)時(shí)段發(fā)電，因此在谷電價(jià)時(shí)段，小水電負(fù)荷在旱季和雨季有較大的不同，反映在離散程度上，也比峰電價(jià)時(shí)段更高。另外，小水電出力在峰電價(jià)、谷電價(jià)交替時(shí)段有劇烈的離散度變化。

圖2 日負(fù)荷年離散系數(shù)曲線

1.3 日負(fù)荷年度差分曲線

為量化日負(fù)荷在相鄰日之間的波動(dòng)特性，計(jì)算負(fù)荷標(biāo)幺曲線的日差分絕對(duì)平均值，如式（2）：

式中：r為差分間隔；Xt（i）為各歷史日觀測(cè)點(diǎn)負(fù)荷的年標(biāo)幺值。標(biāo)幺值的日差分絕對(duì)平均值向量Xd可以反映一個(gè)地區(qū)負(fù)荷的日變化程度。例如，當(dāng)某時(shí)刻Xd（i）值為0.02，則意味著該時(shí)刻負(fù)荷在樣本年與前一天同時(shí)刻負(fù)荷的平均偏差為當(dāng)年負(fù)荷最大值的2%。本文分別取r=1和r=2。

地區(qū)的日負(fù)荷年度差分曲線詳見(jiàn)圖3。從圖3中可以發(fā)現(xiàn)，非小水電地區(qū)地調(diào)負(fù)荷的每時(shí)刻平均日變化量大都在3%以下，全天96點(diǎn)時(shí)刻的一日差分均值為2.55%；即使采用間隔兩日的差分值，這一改變量除個(gè)別時(shí)刻外，也都小于5%，全天96點(diǎn)時(shí)刻的二日差分均值為3.75%。

圖3 日負(fù)荷年度差分曲線

小水電地區(qū)小水電出力每時(shí)刻差分量明顯高于非小水電地區(qū)負(fù)荷，小水電地區(qū)小水電出力平均一日差分量的均值為5.33%，如果采用間隔兩日的差分值，則高達(dá)7.25%。需要指出的是，這里標(biāo)幺曲線的基值為全年的最大負(fù)荷，而如前所述，小水電負(fù)荷的年波動(dòng)極大，因此當(dāng)采用實(shí)際日負(fù)荷作為基值時(shí)，小水電的每時(shí)刻平均日改變的比例還要更大。小水電地區(qū)統(tǒng)調(diào)負(fù)荷差分量介于小水電出力和非小水電地區(qū)地調(diào)負(fù)荷之間，其中一日差分均值為3.42%，二日差分均值為4.77%。

綜上所述，小水電地區(qū)負(fù)荷預(yù)測(cè)中需要重點(diǎn)考慮的特征是：

（1）小水電地區(qū)地調(diào)負(fù)荷曲線、小水電地區(qū)小水電出力曲線的年波動(dòng)范圍以及相鄰日差異性都比非小水電地區(qū)地調(diào)負(fù)荷波動(dòng)量大，僅考慮負(fù)荷序列趨勢(shì)外推的預(yù)測(cè)方法將無(wú)法得到良好結(jié)果。

（2）在峰電價(jià)和谷電價(jià)時(shí)段，小水電負(fù)荷的波動(dòng)程度不同，即從全年來(lái)看，小水電負(fù)荷的日負(fù)荷曲線形狀在谷電價(jià)時(shí)段變化程度更大。預(yù)測(cè)模型應(yīng)能夠適應(yīng)這2個(gè)時(shí)段負(fù)荷變化的區(qū)別。

2 多水電地區(qū)負(fù)荷相關(guān)性分析

對(duì)電力系統(tǒng)負(fù)荷預(yù)測(cè)而言，相關(guān)性分析一般考慮的輸入量為歷史負(fù)荷數(shù)據(jù)、歷史氣象數(shù)據(jù)（降雨量、日最高氣溫等）。

2.1 負(fù)荷自相關(guān)性分析

負(fù)荷自相關(guān)特性的分析對(duì)短期負(fù)荷預(yù)測(cè)輸入量中歷史數(shù)據(jù)的選擇具有指導(dǎo)作用。

負(fù)荷自相關(guān)性分析一般分為負(fù)荷日曲線相關(guān)性（平行相關(guān)性）和同時(shí)刻多日相關(guān)性（垂直相關(guān)性）2類(lèi)[4]。平行相關(guān)性一般可用7日（周）平均相關(guān)系數(shù)向量S表征，垂直相關(guān)性可用96點(diǎn)平均相關(guān)系數(shù)向量H表征。對(duì)某小水電地區(qū)的平行相關(guān)性和垂直相關(guān)性分析表明：無(wú)論是小水電出力曲線還是負(fù)荷曲線的年平均S值隨著天數(shù)間隔的增大，平均相關(guān)系數(shù)基本上呈現(xiàn)單調(diào)減小。非小水電地區(qū)地調(diào)口徑負(fù)荷日相關(guān)性和周相關(guān)性均比小水電地區(qū)地調(diào)口徑負(fù)荷明顯要高。垂直相關(guān)系數(shù)H值先隨著時(shí)刻距離考察點(diǎn)遠(yuǎn)離而減小，當(dāng)間隔時(shí)間超過(guò)12 h后，又逐漸上升至上一日同時(shí)刻點(diǎn)為止，如圖4所示。

2.2 負(fù)荷與氣象相關(guān)性分析

在氣象相關(guān)性方面，多小水電地區(qū)負(fù)荷主要與氣溫相關(guān)，地區(qū)小水電發(fā)電出力主要與降雨量相關(guān)。

由于地表熱容量的存在，單日極高氣溫對(duì)負(fù)荷影響往往不如連續(xù)多日高溫天氣的影響，對(duì)目標(biāo)地區(qū)多日平均最高氣溫與最高負(fù)荷的相關(guān)特性分析結(jié)果如圖5所示。由圖5可見(jiàn)，對(duì)目標(biāo)地區(qū)而言，在研究日最高氣溫對(duì)日最高負(fù)荷的影響時(shí)，為計(jì)及氣溫累積效應(yīng)，采用3日平均最高氣溫向量最優(yōu)。

圖4 日負(fù)荷曲線垂直相關(guān)性分析結(jié)果

圖5 負(fù)荷與多日平均最高氣溫有關(guān)特性

降雨對(duì)小水電出力的影響往往具有積累效應(yīng)：隨著降水積累日的增加，日最大負(fù)荷與降水特征量的相關(guān)性越來(lái)越好。對(duì)目標(biāo)地區(qū)多日累計(jì)降雨量與小水電出力的相關(guān)特性分析結(jié)果如圖6所示。由圖6可見(jiàn)，對(duì)目標(biāo)地區(qū)而言，隨著降水積累日的增加，日最大負(fù)荷與降水特征量的相關(guān)性越來(lái)越好，到28日降水量之和時(shí)達(dá)到最佳。

圖6 小水電出力與多日平均最高氣溫相關(guān)特性

3 基于人工神經(jīng)網(wǎng)絡(luò)的小水電地區(qū)網(wǎng)供負(fù)荷預(yù)測(cè)

ANN（人工神經(jīng)網(wǎng)絡(luò)）是一種“采用物理可實(shí)現(xiàn)的系統(tǒng)來(lái)模仿人腦神經(jīng)細(xì)胞的結(jié)構(gòu)和功能的系統(tǒng)”[6-7]。BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)模型之一，它是由輸入層、中間層、輸出層組成的階層型神經(jīng)網(wǎng)絡(luò)，中間層可擴(kuò)展為多層。相鄰層之間各神經(jīng)元進(jìn)行全連接，而每層各神經(jīng)元之間無(wú)連接。目前許多商用軟件（如MatLab）中都包含了成熟的BP神經(jīng)網(wǎng)絡(luò)軟件包可供方便地調(diào)用[8]。

本文基于Matlab人工神經(jīng)網(wǎng)絡(luò)對(duì)某多小水電地區(qū)的網(wǎng)供負(fù)荷進(jìn)行預(yù)測(cè)。預(yù)測(cè)采用兩階段還原方法[3-5]，即分別預(yù)測(cè)該地區(qū)的地區(qū)負(fù)荷和小水電出力，并最終合成該地區(qū)的網(wǎng)供負(fù)荷。在神經(jīng)網(wǎng)絡(luò)輸入量選擇方面，依據(jù)前文分析結(jié)論，選取如下：

（1）進(jìn)行地區(qū)負(fù)荷預(yù)測(cè)時(shí)，選擇預(yù)測(cè)日前一天（相同日類(lèi)型）的96點(diǎn)地調(diào)口徑負(fù)荷數(shù)據(jù)、與預(yù)測(cè)相同日類(lèi)型的前5日最高負(fù)荷值、預(yù)測(cè)日最高氣溫和日最低氣溫、預(yù)測(cè)日前3日最高氣溫平均值和最低氣溫平均值（根據(jù)前文結(jié)論，對(duì)于待預(yù)測(cè)地區(qū)地調(diào)口徑最高負(fù)荷與3日平均最高/最低氣溫相關(guān)性最強(qiáng)）作為輸入向量。

（2）進(jìn)行小水電出力預(yù)測(cè)時(shí)，選擇預(yù)測(cè)日前一天的96點(diǎn)出力數(shù)據(jù)、預(yù)測(cè)日當(dāng)日降雨量、預(yù)測(cè)日前28日累計(jì)降雨量總值（根據(jù)前文結(jié)論，對(duì)于待預(yù)測(cè)地區(qū)小水電日最大出力與28日累計(jì)降雨量相關(guān)性最強(qiáng)）作為輸入向量。

在Matlab中搭建人工神經(jīng)網(wǎng)絡(luò)，利用多年歷史樣本數(shù)據(jù)進(jìn)行神經(jīng)元訓(xùn)練，并對(duì)4個(gè)典型月份進(jìn)行模擬預(yù)測(cè)，其結(jié)果如表1所示。由表1可見(jiàn)，基于人工神經(jīng)網(wǎng)絡(luò)的網(wǎng)供負(fù)荷預(yù)測(cè)相比以計(jì)算機(jī)輔助預(yù)測(cè)為基礎(chǔ)的人工修正預(yù)測(cè)方法準(zhǔn)確度提高了1%～2%。另外，由于地區(qū)小水電出力除受天氣狀況影響外，還受調(diào)度員人為因素的影響，其規(guī)律性比負(fù)荷規(guī)律性差，因此對(duì)地區(qū)小水電出力的預(yù)測(cè)準(zhǔn)確度比網(wǎng)供負(fù)荷和地調(diào)口徑負(fù)荷低。

4 結(jié)語(yǔ)

當(dāng)前，我國(guó)經(jīng)濟(jì)高速發(fā)展，對(duì)能源的需求不斷增加，但化石能源緊缺，節(jié)能減排任務(wù)艱巨。作為有效的低碳能源生產(chǎn)途徑，小水電在今后一個(gè)時(shí)期仍將具有廣闊的發(fā)展前景。根據(jù)實(shí)際情況研究適合多小水電地區(qū)負(fù)荷預(yù)測(cè)方法，具有重要的現(xiàn)實(shí)意義。本文對(duì)多小水電地區(qū)的負(fù)荷特征進(jìn)行深入分析，對(duì)多水電地區(qū)網(wǎng)供負(fù)荷短期預(yù)測(cè)進(jìn)行研究，提出了針對(duì)多小水電地區(qū)的網(wǎng)供負(fù)荷預(yù)測(cè)方法，實(shí)例預(yù)測(cè)表明本文提出的方法能夠提高小水電地區(qū)網(wǎng)供負(fù)荷的預(yù)測(cè)準(zhǔn)確率，具有較高的實(shí)用價(jià)值。

表1 模擬預(yù)測(cè)準(zhǔn)確度結(jié)果

[1]秦曉軍．小水電的分布式電源屬性[J]．小水電，2008(3)：67-71.

[2]康重慶，夏清，劉梅．電力系統(tǒng)負(fù)荷預(yù)測(cè)[M]．北京：中國(guó)電力出版社，2007．

[3]徐瑋，羅欣，劉梅，等．用于小水電地區(qū)負(fù)荷預(yù)測(cè)的兩階段還原法[J]．電網(wǎng)技術(shù)，2009，33（8）∶87-92．

[4]全戈.多小水電地區(qū)發(fā)電短期負(fù)荷預(yù)測(cè)研究[D]．杭州：浙江大學(xué)，2011．

[5]金義雄，段建民，楊俊強(qiáng)，等．含有山區(qū)小水電負(fù)荷的氣象回歸短期負(fù)荷預(yù)測(cè)技術(shù)[J]．繼電器，2007，35（14）∶54-58.

[6]蔣宗禮.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M].北京：高等教育出版社，2001.

[7]胡守仁，沈清，胡德文，等．神經(jīng)網(wǎng)絡(luò)應(yīng)用技術(shù)[M]．長(zhǎng)沙：國(guó)防科技大學(xué)出版社，1993.

[8]董長(zhǎng)虹.Matlab神經(jīng)網(wǎng)絡(luò)與應(yīng)用[M].北京：國(guó)防工業(yè)出版社，2007.

（本文編輯：方明霞）

Research on Connected Load Forecast in Regions with Plenty of Small Hydropower Stations

LIU Yanhong1，NI Qiulong2，HUANG Minxiang3
（1.Power China Huadong Engineering Corporation Limited，Hangzhou 310014，China；2.State Grid Zhejiang Electric Power Company，Hangzhou 310007，China；3.Zhejiang University，Hangzhou 310027，China）

This paper analyzes main characteristics of connected load in regions with plenty of small hydropower stations and investigates short-term forecast of the connected load by correlation analysis and artificial neural network.In addition，the paper simulates connected load in regions with plenty of small hydropower stations.The forecast result demonstrates the effectiveness and practicality of the method.

short-term load forecast；connected load；load of small hydropower stations；artificial neural networks；back propagation algorithm；matlab program

TM715+.1

B

1007-1881（2015）12-0007-04

2015-07-29

劉艷紅（1976），女，高級(jí)工程師，主要從事水電勘測(cè)、設(shè)計(jì)和咨詢(xún)工作。