唐英杰 馬天睿
【摘要】考慮到負荷預測在電力系統(tǒng)調度中的重要性,綜述日前負荷預測常用的方法,并以某地市供電公司為例給出負荷預測的具體管理措施,為提高日前負荷預測精度保駕護航。
【關鍵詞】電力系統(tǒng)調度;負荷預測特點;負荷預測方法;負荷預測管理措施
科學的預測是正確決策的依據(jù)和保證。電力系統(tǒng)負荷預測是指從已知的經(jīng)濟、社會發(fā)展和電力需求情況出發(fā),通過對歷史數(shù)據(jù)的分析和研究,探索事物之間的內(nèi)在聯(lián)系和發(fā)展變化規(guī)律,對未來電力需求作出預先的估計和預測 ,其實質上是對電力市場需求的預測,是實現(xiàn)電網(wǎng)安全、經(jīng)濟運行的前提。
根據(jù)負荷預測時間的長短,電力負荷預測可分為超短期負荷預測、短期預測、中期預測和長期預測四類。其中短期預測中的電力系統(tǒng)日前負荷預測關系到電力系統(tǒng)的調度運行和生產(chǎn)計劃,準確的日前負荷預測有助于提高電網(wǎng)運行的安全性和穩(wěn)定性,能夠節(jié)約發(fā)電成本。長期以來,在缺電的情況下,電力市場基本上是賣方市場,以發(fā)定用,從而導致電力部門對市場缺乏充分的了解,對現(xiàn)今的預測理論和方法研究不夠。本文旨在闡述目前常用的日前負荷預測方法,并以某地市供電公司為例給出負荷預測的具體管理措施,為調度工作者合理地進行負荷預測提供指導。
1 日前負荷預測的特點
由于日前負荷預測是根據(jù)電力短期負荷的過去和現(xiàn)在推測它的未來,所以日前負荷預測工作所研究的對象是不確定事件。這就使得其具有以下顯著的特點:(1)預測的不準確性和不完全確定性;(2)預測的條件限制性;(3)預測的時效性;
(4)預測方案的多樣性。
2 常用的日前負荷預測方法
2.1 回歸分析法
回歸分析法,是利用已有數(shù)據(jù),確定自變量和因變量間的數(shù)學關系,推導出回歸方程。根據(jù)自變量多少劃分,回歸分析法分為一元回歸法和多元回歸回歸法。根據(jù)變量間的關系類型劃分,分為線性和非線性。在電力負荷預測中應用的為多元線性回歸分析法。其數(shù)學模型如下:
式中,()為多個自變量,對應于電力負荷預測中的各種影響因素(如天氣、溫度)為因變量預測量對應負荷預測值。 (j=1,2,…,n)為模型系數(shù),可用最小二乘法來推出。
回歸分析法運用廣泛,模型較為簡單。但是也有其局限性。該方法對數(shù)據(jù)要求較高,預測時需要較為全面的分析影響因素,而且其外推性較差。
2.2 時間序列法
時間序列法誕生于1968年,由美國統(tǒng)計學家George Box,和英國統(tǒng)計學家Gwilym Jenkins共同創(chuàng)立。它是動態(tài)數(shù)據(jù)處理的分析法,是把一系列的數(shù)據(jù)點按時間順序記錄,根據(jù)已有的時間序列數(shù)據(jù),經(jīng)過曲線擬合,并進行參數(shù)估計,以此構建數(shù)學模型的分析方法。時間序列分析法應用于日前負荷預測時,基于時間序列是由某個隨機過程生成的這一假設,將歷史負荷數(shù)據(jù)按照時間的某種序列進行排序。分析歷史數(shù)據(jù),針對整個負荷數(shù)據(jù)序列表現(xiàn)的隨機過程特征,基于歷史負荷數(shù)據(jù)隨時間序列變化的規(guī)律,構建預測實際負荷序列的模型。
在進行負荷預測時,若預測環(huán)境保持穩(wěn)定,即沒有突變因素時,時間序列法通常較為準確可靠。
2.3 灰色系統(tǒng)預測法
灰色系統(tǒng)最早在1982年由中國華中科技大學鄧聚龍教授提出?;疑到y(tǒng)預測法定義沒有信息的情況為黑色,而具有完美信息的情況為白色。介于這些極端之間的情況被描述為灰色。灰色系統(tǒng)理論把一切隨機過程看作是在一定范圍內(nèi)變化的、與時間有關的灰色過程,對灰色量不是從尋找統(tǒng)計規(guī)律的角度,通過大樣本進行研究,而是用數(shù)據(jù)生成的方法,將雜亂無章的原始數(shù)據(jù)整理成規(guī)律性較強的生成數(shù)列后再作研究。
日前負荷預測的灰色系統(tǒng)預測法相比時間序列、回歸分析等方法具有“小樣本”、“貧信息”的特點,也就是以少量的可得數(shù)據(jù)為基礎 , 經(jīng)過灰色預測模型處理,往往可得到滿意的可信結果。其缺點是模型中常用的GM(1,1)是一種有偏差的指數(shù)模型,存在使預測產(chǎn)生較大偏差的可能。
2.4 人工神經(jīng)網(wǎng)絡法
由于日前負荷的變化受到多種因素(如氣候狀況、社會活動狀況)的影響,含有大量非線性、隨機性關系,這些因素會對負荷預測的精度帶來很大的影響,因此,專家學者將人工神經(jīng)網(wǎng)絡模型引入到日前負荷預測技術中。人工神經(jīng)網(wǎng)絡法首先利用人工神經(jīng)網(wǎng)絡選取一段歷史負荷作為訓練樣本,建立合適的網(wǎng)絡結構,然后用訓練算法對其訓練,在滿足精度要求后,用人工神經(jīng)網(wǎng)絡進行負荷預測。其優(yōu)點在于不需要負荷模型,函數(shù)逼近能力較好,可以模仿人腦的智能化處理,對大量非結構性、非精確性規(guī)律有自適應能力,具有信息記憶、知識推理和優(yōu)化計算的特點,并且具有很強的自學能力及復雜的非線性函數(shù)擬合能力;缺點在于訓練時間較長,無法利用已有體統(tǒng)信息確定初始值,容易陷入局部極小狀態(tài),對突發(fā)時間的適應性差。
3 供電單位負荷預測相關管理措施:
日前負荷預測作用的大小主要取決于預測精度,實際應用中,良好的預測精度需要根據(jù)當?shù)囟唐谪摵傻膶嶋H特征和影響因素進行靈活地選用預測方法和管理措施模型。預測方法前面已做詳細綜述,本節(jié)將以某市級供電公司為例給出負荷預測的具體管理措施。
3.1 術語定義
屬下列情況之一者稱為大用戶:(1)用戶用電負荷達到3000千瓦以上。(2)用戶配變?nèi)萘窟_到3000千瓦以上。
3.2 具體管理措施
電網(wǎng)各縣級調度機構負荷預測工作應貫徹“統(tǒng)一調度、分級管理”的原則,按電網(wǎng)調度管轄范圍組織實施。
營銷部(客戶服務中心)和各縣級調度控制中心應設置專人負責短期(日)負荷預測工作,深入分析用電負荷特性和變化規(guī)律。營銷部(客戶服務中心)和各縣級調度控制中心應做好所轄區(qū)域內(nèi)大用戶的用電計劃管理,與大用戶建立信息溝通機制,加強對所轄區(qū)域內(nèi)大用戶開停計劃的管理,動態(tài)跟蹤大用戶用電需求變化。
各縣級調度控制中心在編制短期(日)負荷預測曲線時,應綜合考慮設備健康狀況、設備檢修工作安排、氣象、節(jié)假日、社會重大事件等因素對負荷的影響,積累歷史數(shù)據(jù),深入研究各種因素與負荷的相關性。
營銷部(客戶服務中心)和各級縣調度控制中心應保證上報數(shù)據(jù)的及時性、準確性。對于對全網(wǎng)負荷有較大影響的事故、檢修、重大事件等,營銷部(客戶服務中心)和各縣調應及時向地調匯報。
制定關鍵用戶啟停計劃管理,督促地方電廠按時上報檢修計劃,并嚴格執(zhí)行,對于不能按時開停機的電廠應根據(jù)造成影響的程度采取相應的懲罰措施。
自動化專業(yè)人員定期維護數(shù)據(jù)實時性,可靠性,發(fā)現(xiàn)問題及時與負荷預測人員溝通,以便采取應對措施。
4 結語
日前負荷預測是電力系統(tǒng)經(jīng)濟調度的前提與基礎,它的預測精度對電力系統(tǒng)的安全性、穩(wěn)定性、經(jīng)濟性有很大影響。本文綜合闡述了日前負荷預測常用的方法, 指出了各種預測方法的優(yōu)點與不足之處,以便于電力調度工作者結合實際恰當?shù)倪x擇預測方法并以某供電公司為例給出日前負荷預測的具體管理措施為負荷預測精度的提高保駕護航。
參考文獻:
[1] 張凌浩. 電力需求預測算法及應用[D]. 東南大學, 2005.
[2] 文勇. 縣級電網(wǎng)規(guī)劃中的負荷預測方法及特點[C]// 濟寧市技術創(chuàng)新與可持續(xù)發(fā)展論文選編. 2005.
[3] 張云菊. DF8003基于指數(shù)平滑法的短期電力負荷預測應用探討[J]. 貴州電力技術, 2016, 19(6):24-29.
[4] 中科院. 回歸分析方法[M]. 科學出版社, 1974.
[5] 王芳芳. 負荷預測模型的建立及基于回歸分析法的負荷預測[J]. 中國高新技術企業(yè), 2011(34):56-58.
[6] 王秋梅. 時間序列法負荷預測的原理和應用[J]. 華東電力, 1993(4):37-39.
[7] 王文莉, 魏曉云. 負荷預測的灰色系統(tǒng)方法[J]. 東北電力大學學報, 1997(2):37-43.
[8] 趙石磊. 灰色系統(tǒng)理論在電力負荷預測中的應用[D]. 哈爾濱理工大學, 2005.
[9] 徐軍華, 劉天琪. 基于小波分解和人工神經(jīng)網(wǎng)絡的短期負荷預測[J]. 電網(wǎng)技術, 2004, 28(8):30-33.
[10] 閆承山, 劉永奇. 人工神經(jīng)網(wǎng)絡在華北電網(wǎng)負荷預測中的應用[J]. 電網(wǎng)技術, 1998, 22(7):5-9.
[11] 羅仲達, 關治洪. 人工神經(jīng)網(wǎng)絡在電力系統(tǒng)短期負荷預測中的應用[J]. 湖南電力, 2002, 22(2):10-12.
[12] 李林川, 鄧永輝, 張莉芳. 應用人工神經(jīng)網(wǎng)絡進行短期負荷預測[J]. 寧夏電力, 1994(3):40-45.
[13] 吳軍基, 倪黔東, 孟紹良,等. 基于人工神經(jīng)網(wǎng)絡的日負荷預測方法的研究[J]. 電力系統(tǒng)保護與控制, 1999(3):27-2