小网电力短期负荷预测的理论与数学建模.pdf

2 9凿第 6珈 2 0 0 6 1 2月 四 川 电 力 技 术 一一一 兰 _ r 一 一一 小 网电力短期负荷预测 的理论与数学建模 李均华 ( 自贡电业局电力设计院， 四川 自贡6 4 3 0 0 0 ) V I ) l 2 9 N o 6 I 2 f X ) 6 摘要 ： 结合 自贡沿潍局电力负荷预测的实际， 提出了小网电力负荷预测应遵循的原则和采取的方法： 提 出了这类负 荷 预测的教学预测建梗。 关键词： b 网电力负荷； 短期负荷预测； 数学建模 Al ， s t 喇：C o mb i n i n g w i t h t h e f a c t o f p o w e r l o a d f o r e c a s t in Ya n t a J p o w e r s u p p l y b u r e a u o f Z i g o n g t h e p r i n c i p l e a n d t h e w a y s a d o p t - f x I f o r t h e l o a d fi n e e _a s t o f s I I l im p o w e r g r i d a r e p I 州 a s w e ll a s t he m a t h e ma t i c mo d e l i n g f o r t h i s r of l f o me a s t + Ke y wo r d s ： w e r l o a d o f 印l a l l p o w e r d；s h o r t t e r m l o a d f o r e c a s t ；ma t h e ma t i c mo d e l i n g 中图分类号： T M 7 1 4 文献标识码： A 文章编号： 1 0 0 3 6 9 5 4 ( 2 0 0 6 ) 0 6 0 0 3 0 0 2 1 负荷预测的内容和分类 电力系统的负荷预测按周期可分为中长期 、 短期 和超短期。中长期预测一般指 5 年以 的预测， 它的 意义在 F 为新的发电机组安装及电网增容扩建提供 科学依据。短期预测 是指一年内按月 、 按周 按天进 行的预测 ； 对于地区电网而言实际应用最多的是对未 来 2 4 h 的负荷电量进行预测。超短期预测是指下 一 小时或未来几小时的预测 ， 实 际应用较少 以下不再 述及。 精确的负荷预测总是人们所希望的， 然而， 精确 的负荷预测并不是很容易做到的， 原因是多方面的： ( I ) 对未来各种可能引起负荷发 变化的情况， 并不能事先确切的全部掌握。 ( 2 ) 某些复杂的因素， 即使知道它们会对电力系 统的负荷发生影响， 但要定量的准确判断常常是困难 的。 ( 3 ) 没有完善的理论方法适用于所有的预测场 合 。 ( 4 ) 在预测中出现的很多实际问题， 要处理得好 还依赖于预测人员 自身的判断力与积累的经验。 因此， 只能尽可能地不断丰富人工经验， 结合较 完善的预测软件以提高预测的准确率。 2 沿滩电网的负荷特点 沿滩局的负荷具有以下特点： 沿滩硒 拭础1 譬 f也 馈不大， 工业负荷( 特 别 邓关片 ) 较 ， 外赴 3 O 关 1 i O k V变电站的邓益出线与富顺 县富益地方电力 公司电网相连 ， 该公司的两个小水电属于典型的径流 式电站， 发电出力完全依赖上游来水。水多时发电I_n 力充裕， 往主网倒供电也是常有的事； 来水严再不足 时， 义常常远高于预测缸地从主网下负荷。这是导致 沿滩分局的负荷预测误差犬起大落的最主要 因素。 对=】 象沿滩局这样的个小网而言， 从误差率计算公 式可以看出， 要达到上级耍求的 5 的预测误差是很 困难的， 道理很简单， 从计算公式： 误差率 )7 = 可以看出， f t 1 于沿滩本身的基础负荷不大， 导致 较小， 要想达到要求， 预测误差 A要非常小才行。 但沿滩局的负荷特 点决定 了预测误 差 A的变化很 大， 富益公司长期不能对其发电出力做出较为准确的 预测极易造成误差的大起大落。另外， 自贡沿滩局的 负荷预测经历了几年的探索也取得了不少的经验和 方法， 特别是作为四川省内部模拟市场的试点运行之 后有了很大提高。 3 提高预测水平的理论与方法 针对沿滩局的负荷预测实际情况， 在多年的运行 中， 逐渐将主要精力放在积累、 提高上， 总结出提高负 荷预测的不少经验。 3 1 应掌握不同电力负荷类型的特点 电力负荷一般分为工业负荷、 城市民用负荷、 商 、 负衙、 农村负荷 ： ： r i】 类型的负筒各有其特点和 规i I t 。： ， 纨r 沿潍j F 】) ( 特别在邓关片区和个私旧 维普资讯 第2 9 卷第 6 期 2 O O 6年 l 2月 四 川 电 力 技 术 S i c h u a n E l e c t r i c P o w e rT e e h n do Vn 1 2 9。 N o 6 D e e 2 O 0 6 区) 的用电结构中居于首位， 而且与行业特点、 经济环 境、 季节因索密切相关； 城区民用负荷具有逐年递增 的趋势， 并且有明显的季节性； 商业负荷虽然在用电 结构中比重不及工业和民用负荷， 但商业负荷往往处 于系统的高峰时段 对电网的经济运行影响较大， 而 且与季节、 节假日、 温度紧密相关； 农村负荷与其他负 荷相比 受气候季节影响较大， 规律性较强 容易掌 握。从上面各种负荷的特点可以看出， 电力负荷的特 点是经常变化的 具有较大的周期性和连续性， 受各 种温度 、 气候 、 季节行业 的影响较大。 3 + 2 应注重历史资料的统计、 整理、 分析 为了提高负荷预测的准确率， 要加强负荷历史资 料的统计、 整理、 分析工作。具体来说， 就是从每日的 实际数据中， 提取和统计出需要的电量或负荷数值： 包括电量和负荷的最大值、 最小值、 平均值。对这些 数值经过整理、 分析、 计算编制出相应的年度、 月度睦 线 ， 从而找到沿滩局负荷变化 的一些规律。 特别是为了提高节假 日负荷预测的准确率 ， 还应 分别统计出“ 春节” 、 “ 五 一” 、 “ 十 一” 前后一周的历 史数据， 并进行相应分析、 计算， 找出几日j胡 问的负荷 变化趋势、 变化特点， 积累经验作为以后节假 日预测 的参考依据。 另外， 对电网内各关口变电所的负荷也进行了分 析， 将总负荷的变化分解到各变电所， 也就是分解到 各个关口， 对这些关口的情况分别总结规律， 这样当 该关口有异常时能很快对预测值进行必要的较为客 观的修正， 提高预测工作的效率。 3 3 加强客户管理 客户管理工作开展 的好坏直接影响到预测合格 率的高低。因此， 应加强客户管理工作， 特别是大电 力客户的管理。当然， 这需要生技、 调度、 营销等部门 的通力合作才能开展好。做好客户管理工作有利于 了解客户负荷特点， 并能及时了解到负荷的变化趋 势， 有利于预测人员进行预测工作。 3 4 对特殊用户进行特殊分析处理 针对富益电力公司， 将其单列为一个特殊用户， 对其预测值与实际值变化规律加以统计、 整理、 分析， 日 积月累中， 逐步总结出对其预测值进行修正的方 法， 较好地处理了该公司对沿滩局的不利影响。 4 负荷预测的数学建模 基于以上沿滩局的实际， 特提出如下几个计算预 测值的数学建模， 在实际的预测中以此为基础， 灵活 应用并兼顾其他各种临时因素对沿滩局进行负荷预 测。 4 1 周数学模型 在周数学模型中， 选取前 周同一类型 日的负 荷为样本。对于第 周第i 点的负荷P ， 定义 日 平均 负荷 为 = 去 量 由样本 芦 ， ( =1 2 ， ) 拟合二次多项式曲线系 数 a o ， a I ， n 2 ， 然后外推求解 J + l 。有 + l = a 0 +a l ( N+ 1 ) +a 2 ( N+ 1 ) 定义第 周第 f 点的负荷变化系数Z O 为 Zo = eo ei 利用一次指数平滑预测第 +1 周该类型 日各 时点的负荷变化系数 J + l 。有 + l =口 +( 1 一 ) Z i ， 【 + l =Z i + l 式中的平滑系数 取 0 2 0 7 。从而有 Pi 。N+ l Zi N + I P N+ 1 该模型中由于样本负荷是隔七天取样， 则采样数 据跨时较长， 所以其日平均负荷 自然呈某种线性趋 势， 那么选择多项式【 H l 线拟合是合理的； 而同一时刻 的负荷变化系数则呈现水平趋势， 故选用一次指数平 滑来拟合。 4 2 日平均数学模型 选取前 天( 节假日除外) 负荷数据为样本 ， 以 随机时间序列自回归( A R ) 模型对第 +1 天负荷进 行预测。A R ( p ) 模型可表达为 = l 一1+ 2 一2+ + P + e l 其中： 为白噪声。 模型参数 l ， 2 ， 由最小二乘法作精确估 计得出。在识别模型阶数 P时， 运用从低阶到高阶 的尝试来确定。选定 P后进行参数估计， 并通过适 用性检验( 即 e 需是白噪声) 判断阶数的合理性。而 在实际应用中， 特别是以小样本作预测时， 阶数为 1 或 2 则基本能满足预测要求。 对待节假日则以相邻的假 日为负荷样本进行预 测。 4 3 实际预测模型 将具体负荷预测值分解为三个分量叠加而成 Y ( )=? ( )+I V ( t ) +z ( t ) ( 下转第4 7页) 31 - 维普资讯 第 2 9 卷第6 期 2 0 0 6年 l 2月 四 川 电 力技 术 S i e h u a n El e c c P o we rT e c h n o l o g y Vo 1 2 9 N o 6 De c 。 2 0 0 6 继电保护。可以预见， 在不久的将来， 人工神经网络 技术将会广泛应用于此领域， 以解决常规保护难以解 决的问题。 参考文献 1 王梅义 高压电网继电保护运行技术 M 北京i 电力工 业 出版社 。 1 9 8 1 2 陈允平， 王旭蕊， 韩宝亮 人工神经网络原理及其应用 M 中国电力出版社， 2 0 0 2年 3 汪觉恒 ， 唐卫华 国内外各类母线保护技术特性分析 J 电力自动化设备， 2 O 0 O ， 2 0 4 罗建， 李亚军， 徐国禹等 基于神经网络模型的母线保护 J 电力系统 自动化 ， 2 0 O 2 ， 6 5 N e u r a l n e t w o r k s ： a m a t u r e t e c h n i q u e f o r p r o t e c t i o n r e l a y s E l e c t r i c i t y D i s t r i b u t i o n P a r t 1 C o n t r i b u ti o m 1 4 t h I n t e r n a t i o n a l ( 瞰 a n d E x h i b i t ion( 1 E E C o n f P u b 1 N o 4 3 8 )J u n e ， 1 9 9 7 6 家李 电力系统继电保护原理 M 天津： 天津大学， 1 9 9 1 7 李营， 杨奇逊 分布式微机母线保护的探讨 J 电力系 统 自动化， 1 9 9 9 ， 2 3 ( 1 ) 作者简介 ： 詹红霞 西华大学电气信息学院讲师 ( 收稿 日期： 2 0 0 6 0 71 0 ) ( 上 接第3 1 页 ) 其中： ( t ) 为某 日时点 t 的基本分量， t ) 为某 日时点 t的周期分量 ， Z( t ) 则为偶然分 量， 则预测负荷为 y ( +1 )= ( N+1 ) + ( J Iv +1 ) +z( J Iv +I ) 式中： 为样本个数。 负荷基本分量为 1 T ( t ) = I Y ( ) t =7 ， 8 ， 负荷周期分量用指数平滑 r W( t 一 7 ) +口 Y ( t ) 一T ( ) 一W ( t 一 7 ) ( t ) =t = 7 ， 8 ， ， L Y ( t ) 一 ( 7 ) t =l ， 2 ， ， 7 式中 口 取 0 2 0 7 。 偶然分量 Z ( t ) 不能准确定量定模型， 随实际情 况取不同值。 所以， 第 +1 天的某时点负荷为 Y ( N+1 ) = ( I v )+ ( +1 )+Z( +1 ) =T ( ) + ( 一 6 ) +口 Y ( ) 一T ( ) 一W ( N一 6 ) + Z( J l r +1 ) 这里假设基本分量第 天到第+1 天是不变 的， 因为基本分量作为多13 统计的数学基本值， 前后 一 天变化很微小， 所以这一假设是合理的。如果把每 天分为2 4 ( 或 9 6 ) 个时段， 建立 24( 或 9 6 ) 个独立的负 荷序列， 就可以用以上模型预测第 +l 天的负荷变 化情况， 预测也较容易。 5 结束语 采用以上的三种数学建模对沿滩局进行负荷预 测， 应用两年多来取得了不少经验和教训， 分列如下： ( 1 ) 采用数学建模进行负荷预测， 具有建模方便， 运算速