（电力系统及其自动化专业论文）基于实时气象因素的短期负荷预测方法研究.pdf

基于实时气象冈素的短期负荷预测方法研究 a b s t r a c t s h o r t - t e r ml o a df o r e c a s t i n gi so n eo ft h ei m p o r t a n tp a r t so fp o w e rm a r k e ta n d i t st e c h n i c a ls u p p o r ts y s t e m ，i ti st h ep r e s u p p o s i t i o na n db a s i so fa r r a n g i n gd i s p a t c h p l a na n dd e a lp l a n u n d e rp o w e rm a r k e tc i r c u m s t a n c e s t h ef o r e c a s ta c c u r a c y r e l a t e st ot h ee f f i c i e n c y 、b e n e f i ta n ds e c u r i t yo ft h ee n t i r ep o w e rs y s t e m ，t h e r e f o r e ， h o wt or a i s et h ea c c u r a c yo fl o a df o r e c a s t i n gh a sb e e nah o t s p o ta l s od i f f i c u l ti s s u e f o rr e s e a r c hw o r k e r s r e s e a r c hs h o w st h a tp o w e rl o a di si n f l u e n c e db ym a n yf a c t o r ss u c ha s e c o n o m y 、p o w e r - u t i l i z a t i o nc o n s t r u c t i o n 、p o w e rp r i c e 、w e a t h e r ，e t c r e c e n t l y ， c i v i l i a np o w e rc o n s u m p t i o ng r o w sq u i c k l ya l o n gw i t he c o n o m i cg r o w t ha n d p e o p l e sl i v i n gs t a n d a r du p t u r n ，t h ep r o p o r t i o no fh e a t i n ga n dc o o l i n gl o a di nt o t a l l o a di n c r e a s e sr a p i d l y m o r e o v e r ，i ti sv e r ys e n s i t i v et ow e a t h e rc h a n g e s ，l o a dl e v e l v a r ye v i d e n t l yi n c a s ew e a t h e rc o n d i t i o n s c h a n g e s t h er e l a t i o n s h i pb e t w e e n w e a t h e rf a c t o r sa n dl o a dh a sr a i s e dm o r ea n dm o r ec o n c e r n s i nt h i st h e s i s ，f i r s t l y , t h el o a da n dw e a t h e rc h a r a c t e r i s t i c so fa r e aaa r e a n a l y z e d ，a n dt h e nal o a dd e c o m p o s i n gm o d e lw h i c h i ss u i t a b l et ot h ea r e ai sb u i l t ， t h et o t a ll o a di sd e c o m p o s e di n t ob a s el o a d 、w e a t h e rs e n s i t i v el o a da n dr a n d o ml o a d ， a m o n gw h i c ht h ew e a t h e rs e n s i t i v el o a di si n f l u e n c e db yw e a t h e rf a c t o r sg r e a t l y s e c o n d l y ，t h er e l a t i o n s h i pb e t w e e nt o t a ll o a d 、w e a t h e rs e n s i t i v el o a da n d w e a t h e rf a c t o r sa r es t u d i e d ，t h es t u d yb e g i n sf r o md a i l yc h a r a c t e r i s t i ca n dh o u r l y w e a t h e rf a c t o r s ，t h e nd a i l yc h a r a c t e r i s t i cw e a t h e rf a c t o r ss u c ha sd a i l ya v e r a g e t e m p e r a t u r e 、d a i l ym a x i m u mh u m i d i t ya n dh o u r l yw e a t h e rf a c t o r ss u c ha sh o u r l y t e m p e r a t u r e 、h o u r l yh u m i d i t ya r es e l e c t e d ；a si ti sa l w a y sac o n t i n u o u sh o tw e a t h e r f o rt h i sa r e ai ns u m m e r ，s ot e m p e r a t u r eh a sa na c c u m u l a t i o ne f f e c to nl o a d ，i nt h i s t h e s i s ，t h ea c c u m u l a t i v ee f f e c ti sa l s oa n a l y z e db r i e f l y ；i na d d i t i o n ，am e t h o df o r s i m i l a rd a y ss e l e c t i n gb a s e do nl o a dc h a r a c t e r i s t i c sa n dw e a t h e rc o n d i t i o n si s p r o p o s e d ，i tc a na v o i dt h ei n f l e x i b i l i t yo ft r a d i t i o n a lm e t h o d ，a n dh a sa d v a n t a g e o v e rt h a tu n d e rc o m p l e xw e a t h e rc o n d i t i o n so ft h ef o r e c a s t i n gd a y f i n a l l y ，o nt h eb a s i so ft h es t u d i e sa b o v e ，as h o r t t e r ml o a df o r e c a s t i n gm e t h o d b a s e do nl o a dd e c o m p o s i n ga n dh o u r l yw e a t h e rf a c t o r si sp r o p o s e di nt h i sp a p e r t h eb a s el o a dc o m p o n e n ti sf o r e c a s t e db yg r a ys y s t e mg m ( 1 ，1 ) m o d e lw h i c hi s u s u a l l yu s e di nm e d i u ma n dl o n gt e r ml o a df o r e c a s t i n g ，t h ew e a t h e rs e n s i t i v el o a d i i i 硕 j 学位论文 i sf o r e c a s t e db yab pn e u r a ln e t w o r kw h i c hi so p t i m i z e db yl e v e r n b e r g m a r q u a r d t a l g o r i t h m t h ea v a i l a b i l i t yo ft h em e t h o di sp r o v e db yf o r e c a s t i n gs i m u l a t i o no f t h i sa r e ai ns u m m e r2 0 0 7 ，i tc a ni m p r o v et h ef o r e c a s t i n gs p e e da n da c c u r a c y r e m a r k a b l y k e yw o r d s ：w e a t h e rs e n s i t i v el o a d ；h o u r l yw e a t h e rf a c t o r s ；a c c u m u l a t i o ne f f e c t ； s i m i l a rd a y s ；g m ( 1 ，1 ) m o d e l ；l e v e r n b e r g m a r q u a r d ta l g o r i t h m i v 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 作者签名： 词恺 日期：2 。睁5 月z l 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇 编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密回。 ( 请在以上相应方框内打“v ”) 作者签名： 蓼) 一h 旦 刷磁辄呵淹杉 多月口日 【月么乙日 硕士学位论文 1 1 选题背景及意义 第1 章绪论 电力系统短期负荷预测是电力系统规划和运行的基础，关系到整个电力系统 的效率、效益和安全性【1 1 ，由于负荷需求受诸多因素的影响【2 ，3 1 ，如地区经济发展 水平、能源供应方式、用电结构、电价水平、气候变化、需求侧管理政策等，使 得负荷变化呈现非平稳的随机过程。 研究表明，在电力系统短期负荷预测中，气象因素是影响预测结果的主要因 素【4 14 1 ，在一些气候条件下，用电负荷及电量会急剧攀升，这使得负荷与气象关 系的定量分析成为目前研究的重点。在所有气象因素中，温度的影响最为显著， 当天气剧烈变冷变热时，将有大量采暖降温负荷投入运行；而当平均温度持续 过高或是过低时，与以往年份同期相比，日负荷将有较大变化，如：某年夏季某 地持续高温，空调负荷在7 8 月居高不下，日用电量大幅度提高。其它天气状况 也直接影响到电力负荷，例如：降雨会直接影响到排灌负荷和其它负荷，某地一 场大雨后，总共近3 0 0 m w 的负荷骤降了近7 0 m w 的排灌负荷【l5 1 ，可见气象因素 影响之大。因此，开展对气象因素与电力负荷之间关系的研究，对于进一步提高 负荷预测精度将有极大的帮助。 在电力市场条件下，只有在进行实时负荷预测后才能安排负荷平衡、备用发 电容量的调度和发电机组的上网顺序，因此，准确的需电量和电力负荷预测是实 行电力市场的基本条件和首要任务。短期负荷预测的重要意义可以归纳如下： ( 1 ) 短期负荷预测是电力系统优化调度( 如机组最优组合、经济调度、最优 潮流计算等) 的基础【1 6 】。对一个大电网，根据短期负荷预测提供的信息，既可以 实现发电容量的合理调度，对运行中的发电厂出力要求提出预告，从而对发电机 组出力变化的情况事先得以估计，又可以经济合理地安排本网内各发电机组的启 停机，从而可以使系统在安全范围内，使发电成本最小，确保电网安全、稳定、 优质、经济的运行。 ( 2 ) 随着我国电力市场的进一步发展，短期负荷预测在电力系统的经济运行 方面的影响会愈来愈明显。 ( 3 ) 电价是电力市场的杠杆和核心内容，体现了电力市场的竞争性和开放性， 而电价的制定是在未来给定电价计算期的负荷预测的基础上完成的。因此，发电 企业要保证其电价的竞争能力并且盈利，就必须获得精确的短期负荷预测值，才 能定出既有竞争力又保证盈利的电价【r 7 1 。 基于实时气象因素的短期负荷预测方法研究 ( 4 ) 提供转运业务是电力市场中电网的一项基本功能，是电力市场平等竞争 的必要条件，可以给电网带来巨大的效益。而电网在执行转运业务时是根据短期 负荷预侧的数据及各发电机的运行参数来制定发电计划和调度计划，所以准确的 短期负荷预测才能有效地促进供、运、用电三方的协调。 ( 5 ) 在初级发电市场，所有电量统一进行竞价，只在电费结算时考虑合同电 量，按照差价合约结算。由于电费结算按时段进行，需将合同电量按负荷预测曲 线分配至各时段，所以不准确的短期负荷预测将导致违约，甚至引起电量分配的 不合理，造成电量不足等问题。 综上所述，如何提高预测精度是目前研究短期负荷预测理论与方法的中心和 重点，准确的短期负荷预测己成为实现电力系统管理现代化的重要内容之一。 1 2 国内外研究现状 1 2 1 负荷预测方法概述 目前，国内外关于短期电力负荷预测的研究主要集中在三个方面：负荷预测 的影响因素、负荷预测的数学模型以及负荷预测的算法。相对前两个方面，在算 法方面的研究最广泛，已经涌现出了各种不同算法，而这些算法在模型的复杂性、 灵活性、对数据的要求以及满足用户的特殊要求等方面都有着很大的不同。 近年来，应用最广泛、研究最多的是神经网络方法，除此以外，灰色预测、 卡尔曼滤波、聚类分析均有成功应用。在新方法的探索中，小波分析、人工智能 中的事例推理、模糊集理论、混沌分形理论、数据挖掘等方法分别得到尝试，并 取得了一些效果。 1 2 1 1 灰色系统理论 灰色系统理论是在8 0 年代由我国学者邓聚龙教授提出以来，已在多个领域 得到广泛应用。灰色系统理论将一切随机变化量看作是在一定范围内变化的灰色 量，常用累加生成和累减生成的方法，将杂乱无章的原始数据整理成规律性较强 的生成数据列，用灰色模型微分方程作为电力系统单一指标( 如负荷) 的预测时【1 引， 求解微分方程的时间响应函数表达式，即为所求的灰色预测模型，对模型的精度 和可信度进行校验并修正后，即可据此模型预测未来的负荷。 从理论上讲，该方法可以适用于任何非线性变化的负荷指标预测。但其不足 之处是其微分方程指数解比较适合于具有指数增长趋势的负荷指标，由于灰色系 统理论呈指数( 增长或者递减) 变化的模型，其预测精度与被预测对象的变化规律 密切相关，当原始数据波动情况如上下连续波动、指数波动、倍数波动时，预测 的精度就差，此时就不宜使用灰色预测模型。 2 硕士学位论文 1 2 1 2 专家系统 专家系统是一个应用基于知识的程序设计方法建立起来的计算机系统，它拥 有某个特殊领域专家的知识和经验，并能像专家那样运用这些知识，通过推理， 在该领域内做出智能决策。 将专家系统技术用于负荷预测【1 9 1 ，能对所收集整理的常规的预测模型逐一讲 行评估决策，对于突发性事件引起的负荷变化，由调度人员经验发展而来的负荷 预测专家系统可以避开复杂的数值计算，快速地做出最佳预测结果，避免了人工 推理的繁琐和人为差错的出现，克服了用单一模型进行预侧的片面性缺陷。 但是专家系统法需要对一段时间的数据进行精确的分析，其分析本身是一个 耗时的过程，并且对于某些复杂的因素，通用性较差，缺乏学习能力和自适应推 理能力，若能将它与其它方法有机的结合起来，构成预测系统，将可得到较满意 的结果。 1 2 1 3 小波分析法 小波分析是上个世纪数学研究中的最杰出的代表。它吸取了现代分析学中的 泛函分析、数值分析、f o u r i e r 分析、样条分析、调和分析等众多分支的精华，包 罗了它们的特色，受到了科学界、工程界的广泛关注，并且在信号处理、图像处 理、模式识别、地震预报等十几个学科领域得到应用。在负荷预测中【2 们，通过选 择合适的小波，对不同性质的负荷进行分类，从而可以针对某种性质的负荷，根 据其规律采用相应的预测方法，对分解出的序列分别进行预测，再将预测得到的 序列进行重构，得到负荷的预测结果。 由于重构可能造成误差的累加，因此对各小波系数序列的预测精度要求较高， 也增加了模型的复杂性。小波分析以其独特的分析方法，为负荷预测提供了一个 新的思想，随着技术的发展，小波分析方法会有很好的应用前景。 1 2 1 4 模糊集理论 模糊集理论是1 9 5 6 年由美国加州大学伯克来分校l a z a d e h 教授提出的， 利用模糊性原理解决实际工程问题，并且制定了模糊集合概念作为定量描述模糊 事物的基本数学模型。模糊集理论是介于逻辑计算和数值计算之间的一种数学工 具，形式上利用规则进行逻辑推理，但其逻辑取值可以在o 与l 之间连续变化， 采用数值的方法进行处理。由于模糊集理论适合描述广泛存在的不确定性，同时 具有强大的非线性映射能力，能够在任意精度上一致逼近任何定义在一个致密集 上的非线性函数，并且能够从大量的数据中提取它们的相似性，这些特点正是进 行短期负荷预测所需要的而其它方法所欠缺的优势所在。 近年来，模糊集理论在电力系统中的应用也得到了飞速发展。模糊集合理论 3 基于实时气象冈素的短期负荷预测方法研究 便作为一门崭新的学科显示出强大的生命力。从实际应用来看，单纯的模糊方法 对于负荷预测，精度往往不尽如人意，这主要是由于模糊理论缺乏学习能力，这 一点对不断变化的电力负荷来说，是极其不利的。 1 2 1 5 混沌理论 自1 9 6 3 年l o r e n z 首次提出“蝴蝶效应”( 即对初始条件的敏感性) 【2 1 】以来，人 们对混沌学进行了深入的研究。无论是在生物学、物理、化学、数学领域，还是 在天文学、经济学等领域，尤其是在天气预报方面，混沌学都得到了广泛的应用。 混沌现象并非是无序和紊乱，它是非线性系统所产生的复杂的不规则行为，研究 的是无序中的有序。近年来，国内外许多学者将非线性变化的混沌理论引入电力 系统负荷预测中来，提出了一系列的方法，显示了较好的效果。 1 2 1 6 人工神经网络 人工神经网络是通过对人脑或者生物神经系统的结构模拟来实现预测的，具 有非线性、自组织、自适应、大规模并行处理等优点，是目前使用较多的一种方 法，在电力系统中应用也较广泛【2 2 3 1 1 。人工神经网络具有任意逼近非线性函数的 特性。负荷曲线是与诸多因素有关的一个非线性函数，用人工神经网络对负荷历 史数据进行拟合，是抽取和逼近负荷曲线进行负荷预测的有效方法。人工神经网 络的优点在于它具有模拟多变量而不需要对输入变量作复杂的相关假定，不要求 知道输入输出变量间的函数关系，只要通过对输入输出数据的训练，获得输入输 出之间的映射关系，即可进行负荷预测。 人工神经网络法被认为是一种非常有效的负荷预测技术，在国内外已经取得 了许多成功的应用实例。 1 2 1 7 组合优化预测 组合优化预测有两类概念：一是指将几种预测方法所得的预测结果选取适当 的权重进行加权平均，二是指在几种预测方法中进行比较选择拟合优度最佳或标 准离差最小的预测模型进行预测。组合预测方法【3 2 3 4 1 是建立在最大信息利用的基 础上，它最优组合了多种单一模型所包含的信息，可以同时考虑不同模型各自的 优点，提高预测的精度。在多数情况下，通过组合各种预测方法可以达到改善预 测的目的。 组合优化预测法，在建立模型时同样也受到两方面的限制：一个是不可能将 所有在未来起作用的因素全包含在模型中，另一个是很难确定众多参数之间的精 确关系，所以其预测的精度提高很受限制。 综上可见，随着科技的进步和计算机技术的发展，非线性理论得到了长足进 步，电力负荷预测的方法越来越丰富和多元化，适用范围越来越广泛，预测理论 4 硕士学位论文 也越来越成熟。 1 2 2 气象因素在负荷预测中的应用 随着国民经济的增长，人们生活水平的提高，居民生活用电迅速增长，降温 取暖负荷在总负荷中所占的比重越来越大，天气敏感型负荷呈现出非线性和一定 的随机性。以时间序列法为代表的经典预测理论，只以历史负荷作为预测的主要 依据，没有考虑气象等众多因素的影响，已难以满足地区负荷预测的要求。 纵观国内外对气象因素在负荷预测中处理策略的研究，可分为五个阶段【l5 】： 第一阶段，完全不考虑气象因素，其典型预测方法是基于同类型日法和时间 序列分析法； 第二阶段，气象因素校正，采用敏感分析的方法进行计算和修正； 第三阶段，直接考虑日特征气象因素，采用神经网络、支持向量机等来处理； 第四阶段，建立规范化的处理日特征相关因素的方法，在统一框架下考虑各 种相关因素； 第五阶段，直接考虑实时气象因素，体现不同时段上不同气象因素的不同作 用效果，此为较好的思路，具有更好的实时性，这方面的研究还属于刚刚起步。 1 2 3 短期负荷预测技术存在的问题 目前对于短期负荷的研究已经很多，也取得了很多研究成果，但仍旧存在一 些尚未解决的问题，总结如下： ( 1 ) 历史数据一般来源于s c a d a 数据库，由于系统各种故障及冲击负荷的 影响，会产生一定数量的坏数据，使得负荷的变化趋势不易掌握，增加了负荷分 析的难度，降低了负荷预测的精度。对于负荷数据的识别与清洗，尽管己有多种 方法提出，但目前尚无一种公认的系统化的方法能够有效地解决这个问题。 ( 2 ) 气象因素对短期负荷的影响很大，但目前基本上所有的预测方法仅仅只 考虑了温度的因素，而对于湿度、降雨、光照等因素没有考虑，这样的处理方法 不够全面也很粗糙，如何处理气象因素的影响仍是目前短期负荷预测的主要研究 问题。 ( 3 ) 虽然神经网络是建立非线性预测模型和综合其它影响因素的一个强有力 的工具，但是如何选择神经网络输入参数，加快网络的收敛速度，有效避免陷入 局部最小，如何选择合理的网络结构等问题仍是一个尚待解决的难题。 ( 4 ) 在国家法定节假日( 元旦、春节、五一和国庆) 期间负荷与平时相比明显降 低，尤其是春节更是持续长时间、大幅度的曲线下降和变形。由于数据量较少， 无法形成足够有效的样本集，神经网络方法不能适用于节假日预测中，并且受气 象因素影响比平日大，需要研究新的预测方法。 5 基于实时气象因素的短期负荷预测方法研究 1 3 选题来源及内容 “基于气象要素的省地一体化负荷预测系统”已经在湖南省成功部署运行，系 统的使用节省了人力物力，产生了巨大的经济效益。 在实际的运行过程中，我们认识到，单一的预测模型往往存在一定的局限性， 基于不同类型和不同思想得出的算法模型能够从不同的方面对预测结果进行互 补，因此开发出套功能强大的负荷预测算法库是必要的。近年来，人们越来越 多的认识到气象因素对于电力负荷的影响，随着气象部门能够提供的气象数据越 来越丰富，开展基于实时气象因素的短期负荷预测方法研究已经成为了可能。另 一方面，现有的预测模型中，尚未对实时气象因素进行考虑，因此，建立基于实 时气象因素的预测模型，将有助于提高预测的精度。 鉴于以上原因，根据系统负荷管理使用人员的反馈，围绕如何进一步提高负 荷预测的精度问题，增强系统的适用性，丰富系统预测算法模型，本文开展了基 于实时气象因素的负荷预测方面的研究。 1 4 本文所作的工作 本文根据电力系统短期负荷预测的周期性特点和受天气因素影响较大的特 性，在建立负荷分解模型的基础上，对与负荷变化密切相关的气象因素进行了分 析，并从中提取了实时温度、实时湿度等实时气象因素以及日平均温度、日最高 湿度、日平均风速等日特征气象因素，建立了基于负荷分解和实时气象因素的短 期负荷预测模型，并通过实例证明了该方法的有效性。本文的主要工作有： ( 1 ) 气象因素在负荷预测技术中的应用研究。总结回顾了负荷预测技术中常 用的些方法，对气象因素在负荷预测中的研究和应用过程进行了概括，指出了 目前短期负荷预测中存在的主要问题。 ( 2 ) 负荷分解模型研究。在对负荷周期特性、负荷构成及气象特点分析的基 础上，提出了将负荷分解成基础负荷分量、气象敏感负荷分量和随机负荷分量三 部分的分解模型。 ( 3 ) 气象因素与负荷的相关性分析研究。从气象敏感负荷和总负荷两方面着 手分析了它们与气象因素的关系，研究的气象因素主要包括实时温度、实时湿度、 日平均温度、日最高温度、日最低温度、日平均湿度、日最大湿度、日最小湿度、 日降雨量和风速等，并提取出了与负荷相关性最大的实时气象因素和日特征气象 因素作为后期神经网络建模的输入量。 ( 4 ) 分析了夏季温度对负荷产生的温度累积效应，提出可以依据有效积温这 一指标来定量描述积温效应。 6 硕士学位论文 ( 5 ) 由于单一的气象指数往往存在片面性，而过多的气象指数则会增加研究 的难度，在文中研究了温湿指数和有效温度等综合气象指数，提出了适合a 市特 点的人体舒适度指数，并建立了与之对应的人体舒适度指数表。 ( 6 ) 对传统的依据负荷特性来选择相似日的方法进行了改进，提出了根据预 测日实时气象因素量来选择相似日的方法，并将其与传统方法结合起来，综合判 断选择待预测日的相似日。 ( 7 ) 针对b p 神经网络收敛速度慢、存在局部极小值的问题，探讨了应用 l e v e b e r g m a r q u a r d t 算法对b p 网络进行改进，对分解出来的不同负荷分量分别建 立与之相适应的模型进行预测，并通过对a 地区2 0 0 7 年8 月份电力负荷的仿真， 表明该方法有效加快了网络学习速度，并提高了负荷预测精度。 回国回回曰 实际负荷数据预测负荷数据实际气象数据预报气象数据其它数据 霎霎是l 睁蠢il 薰蘑ii 塞蘑憔蚓l 曩嚣 积效应li 象指数il 湿度关i l 温度关i i 鐾翌芸ll 璺置多 分析 1 分析l 联分析li 联分析li 会”“ll 联万研 气象因素选择 负荷相似性和相关性分析 基于气 象因素 的相似 性分析 ，用指 标衡量 基于日特征气象因li 基于负荷分解和实时气象li 基于综合气象指数的 素的负荷预铡方法l因素的负荷预测方法 负荷预测方法 建立算法库 图1 1 本文研究内容框架图 7 基于形 态相似 准则的 负荷曲 线相似 分析。 用指标 衡量 原 始 数 据 数 据 及 理 论 分 析 实 验 仿 真 成 果 第2 章基于负荷特性及气象因素的负荷分解 2 1 负荷周期特性分析 对电力系统负荷进行预测，首先要对负荷的特性深入分析，把握负荷特性变 化的规律、发展趋势和影响因素。电力系统的负荷一方面有其自身发展的规律， 如在一天之内，电力负荷曲线呈现出有规律的波动；在一周之内，周一到周五， 负荷有其相似性，而每周的周六或周天，又各自有它内在的规律：在一年之内， 负荷又随着天气的不同，受气象因素的影响，遵循一定的规则变化着。另一方面 电力系统负荷的变化也有不确定性，如气候异常，炎热或严寒时间过长导致负荷 增加：意外事故的发生，如大面积的停电事故；特殊事件的发生，如重大的庆典， 造成电力系统负担加大；客观环境的变化，如一个地区人口的增长和经济水平的 提高会促使用电量的加大。针对负荷的这些特点，在预测时需要充分分析，兼顾 到内在变化的规律性和各种外在因素的影响才能取得较高的预测精度。 负荷的周期性因素，是指负荷具有周期性规律性的特性，在性质上有一定的 回归性，这也使得短期负荷预测成为可能。负荷的周期性主要体现在日周期性、 周周期性、年周期性以及季节周期性。这种周期性的产生主要是因为人们日常生 产生活的习惯、特定区域相对固定的负荷结构以及客观的气候变化因素产生的。 下面仅对年周期性、周周期特性和日周期特性作分析。 ( 1 ) 负荷的年周期性 负荷的年周期性主要是由于一年内春夏秋冬四季更替造成的，人们的生产、 生活与季节直接相关根据季节的不同，人们制定相应的生产计划。负荷变化的 年周期性是进行年负荷预测和月负荷预测的基础。 年* 田2 1 a 地区2 0 0 5 年1 月1 日至2 0 0 7 年1 2 月3 1 日负荷瞌线圈 硕士学位论文 如上图2 1 为a 地区2 0 0 5 年1 月1 日至2 0 0 7 年1 2 月3 1 日期间的负荷曲线 图，从图上可看出，负荷曲线具有年周期相似性，2 0 0 5 年、2 0 0 6 年和2 0 0 7 年三 年的负荷曲线总体来说拥有相同的曲线形状，这和该地区的气候条件、人们生活 用电习惯、产业结构及工农业生产规律等因素有关，负荷总值则随经济的发展呈 增长的总体趋势。 ( 2 ) 负荷的周周期性 周负荷特性的分析对于把握负荷变化规律，准确进行负荷预测具有重要的意 义。负荷的周周期性是指按一周为周期性循环，因为人们的日常生活正常是以一 周的5 个工作日和2 个休息日为循环，对于时间间隔不是很长的两个星期，在负 荷特性上有很强的相似性，这对预测未来负荷提供了更多有价值的参照。在一周 中，一般情况下，工作日周一至周五，人们处在生产生活状态，工业负荷比率比 较高，居民日常生活负荷以及第三产业的负荷比率会比较低，而在双休日情况正 好相反：另外由于一般周六和周日的负荷特性也有所不同，所以很多预测模型都 是将预测模型分为工作日模型、周六模型和周日模型。 1 8 l 。 1 0 0 0 霉 g 1 4 0 0 1 2 厂 j 星期日星期一星期二星期三星期四星期五星期六星期日 星期 图2 2a 地区2 0 0 7 年7 月2 3 日至7 月2 9 日周负荷曲线图 如上图2 2 所示为a 地区2 0 0 7 年7 月2 3 日至7 月2 9 日一周的负荷曲线图， 其中7 月2 3 日为周一，7 月2 8 日为周六，7 月2 9 日为周日。从此一周的负荷曲 线我们可以看出，工作日负荷曲线和周末假日负荷曲线在早晚高峰上呈现不同的 特点，工作日的早高峰值较晚高峰值大，而周末则相反；工作日期间的负荷曲线 具有相似的形状，同样，周末两天的负荷曲线也具有相似的形状。 ( 3 ) 负荷的日周期性 负荷的日周期性是指以一天2 4 小时为周期的负荷变化所体现的规律性。在实 际系统中每日的负荷可以分为峰荷、谷荷以及腰荷三个时段的负荷，对应负荷最 高、最低以及负荷过渡阶段的负荷。日负荷在一天之内出现有规律的波动，其本 质原因是这三个时段对应的负荷的组成不同。这种特性基本上在每一天的负荷都 是按照一定的规律波动。峰荷、谷荷出现的时间都是有规律可循的。 9 基于实时气象因素的短期负荷预测方法研究 薹 v 蓑 图2 3a 地区2 0 0 7 年8 月7 日日负荷曲线图 如上图2 3 为a 地区2 0 0 7 年8 月7 日( 周二) 的日负荷曲线图，从图上可以 看出，谷荷出现在凌晨5 点左右，早高峰出现在上午1 l 点至1 2 点之间，午高峰 出现在下午1 4 点左右，晚高峰则出现在晚间2 1 点左右，这和人们的生产和生活 规律密切相关。 2 2 负荷构成分析 2 2 1 负荷构成分析 电力系统负荷是具有很强周期性的时间序列，根据对历史负荷本身的分析， 可以知道，负荷序列中包含着一个占主要成分的基本量【3 5 , 3 6 】，该分量的值在一定 时期内变化量不是很大；从某一时刻的负荷值来看，一年之中，在该时刻的负荷 值表现出在一定范围内波动的状态，其超出基本量的部分暂且可以称为波动分量。 因此可将其按下式进行分解： l = 上如咖+ l 喇髓盯+ 上砌嘲嗍 ( 2 1 ) 式中：三为总的负荷，厶础为基础负荷；k 为气象敏感负荷；k 是由 随机因素产生的负荷。 基础负荷分量，它反映负荷在较长持续时间内某种总的发展趋势，具有一定 的稳定性、周期性和季节性，主要与当地的经济发展水平、用电结构、生产规律、 人们生活习惯等因素有关；从数值上来看，基础负荷分量所占比重较大，尤其是 在受气象因素影响不很明显的月份，基础负荷分量甚至就等于总的负荷值。 气象敏感负荷分量【3 7 2 1 ，反映气象因素( 温度、湿度、降雨、风速、云量等) 对负荷变化的影响，是随气象变化上下波动的负荷分量，主要体现为降温取暖负 荷，其次还有排灌负荷等。随着人们生活水平的提高、各种电器的普及，受气象 变化影响的负荷分量所占比重将进一步增大，也将更加灵敏的影响负荷的波动； 从数值上来看，气象敏感负荷在夏季和冬季表现的比较明显，往往占总负荷的一 1 0 半甚至更犬的比例。 随机负荷分量，主要指特殊事件或一些不可预知的事件导致的负荷，如某种 突发政治事件、地震灾难、冰冻灾害等，具有一定的不可预见性，由于供电设备、 线路损坏，将导致负荷的急剧下降，在进行负荷预测时，可由工作人员根据经验 或是建立特殊事件情况下的负荷变化数据库来修正。 2 2 2 基础负荷分离 文中所研究的a 地区属亚热带季风性湿润气候。气候特征是；气候温和，降 水充沛，雨热同期，四季分明。市区年平均气温1 72 c ，各县1 68 1 7 3 c ， 年积温为5 4 5 7 c ，年均降水量i3 6 1 6 毫米各县年均降水量13 5 86 1 5 5 2 5 毫 米。 该地区夏冬季长，春秋季短，夏季约1 1 8 1 2 7 天冬季1 1 7 1 2 2 天- 春季 6 1 6 4 天，秋季5 9 6 9 天。春温变化大，夏初雨水多，伏秋高温久t 冬季严寒 少。3 月下旬至5 月中旬，冷暖空气相互交绥，形成连绵阴雨低温寡照天气。从5 月下旬起，气温显著提高，夏季日平均气温在3 0 c 以上有8 5 天，气温高于3 5 c 的炎热日年平均约3 0 天，盛夏酷热少雨。9 月下旬后，白天较暖r 入夜转凉， 降水量减少，低云量日多。从1 1 月下旬至第二年3 月中旬，逐渐进入冬季，a 气 候平均气温低于0 c 的严寒期很短暂，全年以1 月最冷，月平均为4 4 c 51 通过对该市2 0 0 0 年至2 0 0 6 年历史负荷和气象数据的分析，可知该市4 月月 平均气温介于1 3 6 c 至2 11 之间，相对湿度在8 0 左右，1 0 月国庆长假过后， 温度开始渐渐转低但人体感觉总体比较舒适，期间降温负荷极小，基本上可以 认为此两个月的负荷比较平稳，受气象因素的影响比较小。 麓蛘西叶年盈吐年趋d f ； v 缸 矗 至 v 螽 囤2 42 0 0 0 4 2 0 0 6 年4 月和1 0 , e l 负荷曲线围( 蓝色：1 0 , e 1 色：4 月) 因此，可以采用春季4 月和秋季1 0 月中日最高温度低于2 5 c 且无连续大降 基于实对气霉因素的短期负荷预测方法研究 雨的工作日的负荷曲线的平均值作为夏季基础负荷，具体做法按下式： 。= ；( 专缸+ 面1 弛u ) 仁z ， 式中：为第，个( ，= l ，2 39 6 ) 采样点对应的基础负荷值，n 、m 分别为4 月和1 0 月中的工作同天数，厶和m # 分别为4 月和1 0 月第j 个工作日第个采 样点对应的负荷值。 圈2 52 0 0 0 2 0 0 6 年4 月平均负荷围 _ 口 圈2 62 0 0 0 2 0 0 6 年1 0 月平均负荷圈 于是可求得2 0 0 0 2 0 0 6 年夏季基础负荷如图2 7 所示。 湘 耋啪 j 粒啪 茹 围2 72 0 0 0 2 0 0 6 年夏季基础负荷田 可见，2 0 0 0 2 0 0 6 年间，该地区夏季基础负荷呈稳定发展的趋势，与其经济 发展水平、用电结构等联系紧密。 啪 啪 蛳 9 l v t e 2 2 3 气象负荷分离 由式( 2 1 ) 知，总的负荷由基础负荷、气象敏感负荷和随机负荷三部分组成 该地区夏季炎热高温，降温负荷在夏季总负荷中所占比重较大，而随机负荷因素 影响较小，且难以预计，故在此不予考虑，于是气象敏感负荷可由下式求得： h = l 一厶m ( 2 3 ) 下图为最终求得的a 市2 0 0 7 年5 月至9 月的气象敏感负荷曲线。可以知道， 气象敏感负荷曲线与总负荷曲线一致，并在较长时间内保持较大的值，这正和该 地区7 、8 月份高温日比较集中，持续时间比较长的实际情况相符合，此阶段的降 温负荷比重较大。 田2 82 0 0 7 年夏季气象敏感负荷曲线圈 2 3 本章小结 电力系统负荷预测是电力系统运行、控制和规划不可缺少的一部分，对电网 的安全、稳定、经济运行有着重要的作用。本章首先分析了负荷的周期特性，指 出负荷的周期特性是进行负荷预测的出发点和根据：其次从负荷的特性及当地的 气候条件出发，对负荷序列的构成进行了解析，将负荷分解成了基础负荷分量、 气象敏感负荷分量和随机负荷分量三部分，并对各个分量的特点进行了阐述，为 后续章节的分析奠定了基础。 基于实时气象冈素的短期负荷预测方法研究 第3 章负荷与气象因素关联分析 3 1 气象因素作用于电力负荷的分析思路 纵观国内外专家对基于气象因素的短期负荷预测的研究，可以看出，气象因 素作用于电力负荷的分析思路，可分为以下4 个层次： ( 1 ) 分析单个气象因素与负荷的关系( 各气象因素间不存在耦合作用) 。 ( 2 ) 考虑气象因素对于负荷影响的温度累积效应或是延迟效应。 ( 3 ) 分析由单个气象因子耦合形成的综合气象指数与负荷的关系。 ( 4 ) 考虑综合气象指数的多日累积效应，如可对综合指数进行加权考虑。 3 2 实时气象因素与负荷相关分析 在考虑气象因素对负荷的影响时，目前研究的绝大多数方法都只处理日特征 气象因素。在实际中，由于对负荷预测的实时性和精细化要求比较高，需要掌握 影响负荷实时变化的气象因素，因此，有必要开展对实时气象因素的研究。 随着气象部门预测手段的完善和技术的发展，为电力部门或其它行业提供实 时的气象历史信息和预测结果已经成为可能。气象因素的实时性是指当天气发生 剧烈变化时，对发生时段的负荷有较大的影响，例如发生高温、降雨等。考虑日 特征气象因素的方法，一般只能对全天的逐点进行整体修正，无法体现不同气象 因素对不同时段上的不同作用效果。 因此，此节将研究对负荷影响最为密切的日特征气象因素及实时气象因素， 分析出它们与负荷的关联程度，力求简而全面的提取出对负荷影响的主要气象因 素，以帮助提高负荷预测的精度。 3 2 1 相关分析概述 变量之间存在关联，但是又不能由一个或几个变量值去唯一确定另一个变量 值的关系称为相关关系。它可以分为线性相关、非线性相关、完全相关和不相关。 相关分析是研究不同变量间密切程度的一种十分常见的统计方法，它是描述两个 变量间线性关系程度和方向的统计量。 相关系数【4 3 】用，表示，它没有单位，其计算公式如下： ，一t y - 2 x y 仁万万 r - 1 ，1 】( 3 1 ) 式中：盯2 秒= 丢喜( 薯一；) ( m 一歹) = 言窆i = 1 ( 一片一动，为协方差，用于测度x 与y 1 4 硕上学位论文 的相关性； 仃2 j = 去喜( 毛一；) 2 = 丢喜( x - ；2 ) ， 为随机变量x 的方差： 盯2 y = 丢喜( 咒一歹) 2 = 丢喜( y - _ 2 ) ，为随机变量y 的方差。 相关系数r 值在1 到1 之间，r o ，表示正相关；r o ，表示负相关。，的绝 对值越接近1 ，变量x 、y 之间的线性相关程度就越大；，的绝对值越接近0 ，表 示x 、y 之间越没有线性相关关系；o r l ，表示x 、y 有相关关系，但是非线性 关系；h o 8 ，视为高度相关；o 5 l ，l o 8 ，视为中等相关；| ，l o 3 ，视为不相 关。 3 2 2 灰色关联度计算 灰色联度分析来源于邓聚龙教授创立的灰色系统理论，是分析灰色系统内部 各因素之间发展变化的关联程度的一种方法。灰色关联分析【4 4 】的基本思想是根据 序列曲线的相似程度来判断其联系是否紧密。关联分析是分折曲线之间几何形状 的差别，将其差别大小用数值准确表达。对于一个参考数列而，通常有m 个比较 数列五，i = 1 , 2 m ，则称： 触，= 等篙舞莓一n 2 ， 为曲线五对曲线在k 点的关联系数。 式中：j x o ( k ) - x , ( k ) i 为第k 点x o 与的绝对差；i i 皿哑n l x o ( k ) 一毛( 七) i 为两级最 小差，表示在各条曲线上找出最小差值的基础上，按i = 1 ，2 m 找出所有曲线上的 最小值；哑n i ( 七) 一五( 七) i 为第一级最小差，即在曲线丐上各点找出与曲线x o 的最 小差值；m m p l 而( 后) 一而( 后) l 为两级最大差，n 警x i x o ( k ) 一再( 七) i 为第一级最大差， 其意义和最小差相似；0 5 为分辨系数，一般在0 与1 之间变化； 综合各点的关联系数，得到所有曲线五和曲线的关联度r ，关联度r 是n 个关联系数的平均值，它表示曲线五对参考曲线x o 的关联程度。计算公式如下： 墨= 吉参( 七) ( 3