（电力系统及其自动化专业论文）敏感负荷预测方法应用研究.pdf

a b s t r a c t a b s t i 认c t w i t ht h ec o n t i n u i n gg r o w t ho fc h i n a sn a t i o n a le c o n o m y , t h er e g i o n a ll o a di si n c r e a s i n gy e a r b yy e a r e s p e c i a l l yo w i n gt o t h e i m p r o v e m e n to fp e o p l e sl i v i n gs t a n d a r d ，t h es e a s o n a l l o a d r e p r e s e n t e db ya i rc o n d i t i o n i n gl o a di si n c r e a s i n gc o r r e s p o n d i n g l ya n dh a sm o r ea n dm o r ee f f e c to n p o w e rs y s t e m b e c a u s et h e s el o a d s a r e s e n s i t i v et ot h ew e a t h e rc h a n g e s ，w h i c hh a sm o r e r a n d o m n e s sa n du n e x p e c t a n c e ，t h e yc a u s eb a di n f l u e n c eo np o w e rs y s t e ms c h e d u l i n ga n ds t a b l e o p e r a t i o no fp o w e rg n d s i fw ec a np r e d i c ts e n s i t i v el o a da c c u r a t e l yi na d v a n c e ，u n d e r s t a n dr e g i o n a l e l e c t r i c i t yc o n s u m p t i o n ，m a k er e a s o n a b l ea r r a n g e m e n t s ，t h e nw ec a nr e d u c et h eb a di n f l u e n c eo ft h e s e n s i t i v el o a d s o ，t h ef o r e c a s t i n go fs e n s i t i v el o a di sap r a t i c a lr e s e a r c h t h es e n s i t i v el o a dc a u s e s m a n yp r o b l e m s ，s u c ha sc u t t i n ga n dr e s t r i c t i n gt h ee l e c t r i c i t yd u et os h o r to fl o a ds u p p l y , a n dt h e i n s e c u r i t ya n du n s t a b i l i t yo fp o w e rg r i d sb e c a u s eo ft h eo v e r l o a d t h er e s e a r c hi sa i m i n gt oe n s u r e t h es e c u r i t ya n ds t a b i l i t yo fp o w e rs y s t e m t h ep a p e rb e g i n sw i t hi n t r o d u c i n gt h er o l ea n ds i g n i f i c a n c eo fl o a df o r e c a s t i n g ，d i s c u s s e st h e f a c t o r st h a tc h a n g et h el o a d ，b r i n g st h ei s s u eo ft h es e n s i t i v el o a df o r e c a s t i n g s e c o n d ，t h ep a p e ra n a l y s e st h er e l e v a n c ea n ds e n s i t i v i t yb e t w e e nd a i l yp e a kl o a da n dt h e t e m p e r a t u r ef a c t o r , a p p l i e st h r e em e t h o d st ot h ew e e k l ys e n s i t el o a df o r e c a s t i n g ：l i n e a rr e g r e s s i o n m o d e lb a s e do nt e m p e r a t u r ef a c t o r ；g r e ym o d e lb a s e do nt e m p e r a t u r ea d j u s t m e n t ；b pn e u r a l n e t w o r kb a s e do nl m a l g o r i t h m t h ep a p e ra l s ou s e si m p r o v e ds e a s o n a li n d e xm e t h o dt of o r e c a s t m o n t h l ys e n s i t i v el o a d a tl a s t ，b yc o m p a r i n gt h er e a ll o a dd a t ao fj i a n g s u ，t h ef o r e c a s t i n gm o d e lo fs e n s i t v el o a di s w o r k i n gw e l l k e y w o r d s ：l o a df o r e c a s t i n gs e n s i t i v el o a d r e g r e s s i o nm o d e lg r e ym o d e l n e u r a ln e t w o r ks e a s o n a li n d e x l i 东南大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用 过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明 并表示了谢意。 研究生签名：玺敏 日期： 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的 复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内 容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可 以公布( 包括刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权东南大学研 究生院办理。 研究生签名：至数 导师签名： 目扯日期：率z 7 第一章绪论 1 1 课题研究背景 第一章绪论 电力系统的作用是尽可能经济地为各类用户提供可靠且合乎标准要求的电能，最基本也 是最重要的是要满足负荷要求。由于电能的生产、输送、分配和消费是同时完成的，难以大 量储存，这就要求系统发电出力要随时紧跟系统负荷的变化以达到动态平衡。否则就会影响 供用电的质量，甚至危及电力系统的安全与稳定。因此，电力系统负荷预测己成为电力系统 中的一项重要课题，也是电力系统自动化领域中的一项重要内容。 所谓负荷预测是指：在充分考虑一些重要的系统运行特性、增容决策与自然条件的情况 下，利用一套系统的方法来处理过去与未来负荷，在一定精度条件上，确定未来某特定时刻 的负荷值。 近年来，随着江苏省经济的持续快速发展以及人民生活水平的不断提高，电力需求强劲 增长，全省全社会用电量及负荷增幅都人大超过预测增长水平，造成了各地出现电力短缺的 局面。同时由于江苏地处弧热季风带，夏季闷热，湿度较大，各种空调系统得到广泛应用， 以空调负荷为代表的季节敏感负荷所占比重越来越大，在某些地区已超过4 0 受其影响，电 网用电负荷迅速增长，峰谷差进一步拉人，负荷特性恶化，同时敏感负荷也是造成各地缺电 的重要原因。 面对江苏省电力需求的超常规增长，准确的负荷预测己经成为保证公司投资回报和提高 经营效菔的重要手段，同时也是电网运行、规划、计划、营销、乃至财务预算的基础。负荷 预测结果准确与否，不仅影响剑电网安全可靠供电，而且影响到电网经营企业的生产经营决 策及经营效益。于此同时，季节性敏感负荷己经成为影响全网电力供需平衡，影响电网稳定 运行的主要原因。冈此，高度重视敏感负荷对电网安全、稳定、经济运行的影响，准确对敏 感负荷进行预测，实现对敏感负荷的有效管理，不仅有利予缓解电力供应紧缺矛盾，保证电 网平稳安全运行，而且有利于优化用电方式，提高能源使用效率，对建设节约型社会，实现 电力资源的优化配置和可持续发展具有深远的意义啦儿。 1 2 电力负荷预测的作用和意义 电力市场是电力工业发展的重要依据。正确地分析预测电力市场，既是为了保证国民经 济发展和人民生活对电力的需求，也是电力工业自身健康发展的需要。特别是近年来，随着 我国电力- t 业体制改革的不断深入，电力市场逐步形成和完善，市场需求已经成为电力工业 发展的决定性因素之一h 1 。 首先，研究分析电力市场是电力体制改革的必然要求。电力企业要适应社会主义市场经 济发展的要求，就必须强化市场分析t 作，研究电力市场的构成和特点，分析电力需求影响 因素，跟踪分析市场变化情况，预测电力供需形势，做到了解市场、掌握市场、依靠市场、 开拓市场和指导市场。 其次，电力需求预测是保障电力工业健康、稳定发展的重要条件。电力市场分析是规划 的基础和依据，没有可靠的电力市场分析颅测，电力规划就无从谈起，就难以做到电力、电 餐、调峰的综合平衡和电力结构的优化调整。只有根据电力需求特性、需求结构和需求心理， 相应调整电力公司的发展规划和经营计划，调整电力供麻结构，提高电力供应的经济性和合 理性，才能使电力企业在市场中立于不败之地，求得长期生存幂发展。 第三，电力需求预测是电力生产调度、市场营销的重要依据。电力市场分析预测是电网 第一章绪论 调度安全、经济、稳定运行的重要保障。电力市场预测的准确与否，不仅影响电力工业的数 量和质量，而且影响电网运行的安全稳定性和经济性。加强市场调研及需求预测的研究，提 高市场预测的及时性和准确性，做好市场变化的昱艮踪分析，也是搞好电力市场营销的关键所 在。 电力需求预测是电力公司适应市场经济要求，保证公司投资回报和提高经营效益的基础 工作，是电网运行、规划、计划、营销、乃至财务预算的基础。负荷预测结果准确与否，不 仅影响到电网安全可靠供电，而且影响到电网经营企业的生产经营决策及经营效益。 为了做好电力需求预测，必须做好两个方面的工作：第一，必须加强预测理论的研究，结 合电力系统的特点，提出有特色的关键性预测技术。第二，必须采用最新的信息技术，实现 预测j 作的信息化、自动化和敏捷化，减轻预测人员的工作负担，提高预测人员的工作效率 和工作水平引。 1 3 影响电力系统负荷变化的因素 在各种不同因素的影响下，系统负荷将显现不同的变化特性，因而必须重点研究各种相 关因素对系统负荷变化的影响。其相关因素包括：经济发展、气候、电价、需求侧管理、投资 规模、环保制约、人口变化、家用电器普及率等。 ( 1 ) 经济发展对电力需求的影响 经济发展的不同阶段，对电力的需求也不相同，一个地区经济越发达，用电水平越高， 用电量也越多：反之，那些经济欠发达地区用电水平相对较低，用电量也较少。随着经济发展 水平的提高，电气化程度也随之提高，居民生活用电和第三产业用电将快速增长，也是拉动 电力增长的重要动力。总之，经济发展是电力需求增长的根本原因。 ( 2 ) 经济结构调整对电力需求的影响 随着国民经济产业结构的调整，用电结构也随之发生变化。这表现在第一、二产业用电 比例不断下降，第三产业用电比例明显上升；同时，产业结构的调整使得用电单耗不断下降， 电力需求的增速将减缓。 ( 3 ) 居民生活用电对电力需求的影响 通过大量的调查分析得出，2 0 世纪9 0 年代以来城乡居民生活用电量与人均收入和城镇化 水平密切相关，尤其是与家用电器拥有结构和拥有率有直接的关系。近年来，随着农民收入 的增长，彩色电视机和冰箱开始进入农村，但电炊具、电热水器、抽油烟机等电器拥有量还 比较少。随着农村经济的发展和农民收入的提高，将有更多的家用电器进入农村家庭，促进 农村居民生活用电的增长。另外城市居民家用电器的拥有率较高，这与城镇的经济发达程度 有密切关系。随着城镇人民生活水平的不断提高，家用电器价格水平的降低，城镇居民家用 电器的拥有率将有更大的提高，城镇居民生活用电也将会保持较快的增长速度。 ( 4 ) 气温气候对电力需求的影响 近几年的数据资料表明，气候等自然因素对电网最高负荷的影响越来越大，但对用电量 的影响相对较小。主要表现在气候气温对第一产业、第三产业和居民生活用电负荷的影响较 大，而第一二产业的用电负荷及用电量相对稳定。 气温对第三产业和居民生活用电的影响主要体现在空调敏感负荷上，尤其对负荷特性影 响显著。以南京市为例，2 0 0 3 年全市居民空调敏感负荷最高约为8 0 万k w ，占全市总负荷的1 4 左右，而2 0 0 4 年夏最高温时南京市居民空凋敏感负荷最高约为1 4 5 万k w ，占全市总负荷的1 3 。 冈此，随着空调敏感负荷的增长，这些自然因素对电力需求的影响日趋加火，但具有较大的 不确定性。 严重的自然灾害如洪涝、大旱等，也会造成电力负荷的大幅度波动。1 9 9 8 年的全国性洪 2 第一章绪论 涝灾害，使众多大中型下业企业停产，负荷大幅度下降便是最好的说明。 ( 5 ) 电价水平对电力需求的影响 在市场经济条件卜，电价对电力需求的影响越来越大。电价结构射i 曲，工业电价偏高， 居氏生活电价偏低，两部制电价使用范罔窄，基本电价偏低，电度电价偏高，峰谷电价拉不 开差距，在一定程度上也制约了用电量的增长。 从不同类型的用户来看：对于农业生产来说，目前在农村排灌中，柴油机的使用还比较 广泛，挤占了部分用电市场，但柴油机广泛使用的重要原因还在于其方便性，电价对排灌用 电的影响关键还在于扩大农网覆盖面，在此基础上降低电价，将会刺激排灌用电的增长。但 由丁我国农业机械化电气化水平较低，片j 电量相对较小，农业生产电价的变化对全社会用电 量的影响短时间不会很明显。对于工业用户，尤其是高耗能t 业用户，其电费占生产总成本 比重很高( 超过2 0 ) ，如黑色金属冶炼加工业、化学工业等，其用电量对电价的变化十分敏感， 而对于电费占生产成本比重较轻的行业( 低于8 ) ，电价变化对其片j 电量的影响则相对较小。 从全国范围来看，高耗能行业比重越人的地区，电价变化对其用电量的变化影响越大。同时 峰谷电价对电费占生产总成本比重高的企业的负荷特性影响也很大，如化工和建材行业，会 尽量将生产安排在电价低谷时段以减少电费支出。对于第三产业用户，电价水平的高低对其 用电量影响不大。目前，城乡居民生活用电已经同价，由于城镇居民的承受能力相对较高， 电价的升高对其电力需求的影响不大：而农村居民对电价的承受能力相对较低，电价的降低将 刺激其对电力的需求，用电量增长将会有所加快。 总之，在目前的电价机制和电价水平情况下，电价水平的高低主要对工业用电影响较大， 其次是农村用电，对城镇居民和第三产业影响不很明显，但峰谷电价对第三产业用电影响较 大。 1 4 相关问题的研究现状 目前，在全国范围内，气候冈素对电力负荷的影响越来越明显。具体表现为：夏季降温 负荷和冬季采暖负荷增长迅猛，最人负荷一般出现在夏季高温时段，同时最大负荷的增长速 度也超过了电量的增长速度。而且由于异常气候出现时间的随机性变化，使得电网最人负荷 出现的时间范同也在进一步的扩大。由于这些原因，在我国的部分省市，敏感负荷己成为导 致夏季电力供应严重不足的冈素之一，从而成为制约工业生产和经济发展的一个不可忽略的 因素。面对天气因素对电力负荷的影响日趋明显的形势，有关气候冈素对电力负荷影响的研 究课题也得剑了广泛开展，其中有一些研究成果己经在实际运行中得到了应用。 。文献 8 从上海市市区供电范围电力负荷变化趋势、季节性负荷变化的来源以及气温对季 节性负荷的影响等方面，系统分析了该供电范围内1 9 9 2 1 9 9 8 年季节性负荷的特征；文献 9 以武汉市实际负荷情况为基础，重点分析了气温与负荷的关系；文献 1 0 分析了南京市1 9 9 6 1 9 9 9 年夏季典型日负荷曲线、夏季日峰荷与温度因子的相关性，并对温度冈子的热累积效应 进行了研究；文献 1 1 简单分析了华中电网用电负荷与气温变化的关系；文献 1 2 对北京 地区1 9 9 7 2 0 0 0 年夏季负荷的变化状况及其与气温的变化关系进行了分析，同时采用相关与同 归的理论，建立了关于夏季上升段与卜降段单位温升负荷效应模型；文献 1 3 1 4 突破了 原有的思路，从人体舒适度指数层面上分析了日峰荷与人体舒适度指数的关系；文献 1 3 介 绍了人体舒适度指数的概念，分析了日峰荷与人体舒适度指数的关系；文献 1 4 简单分析了 日峰荷与有效温度的关系，并基于有效温度利用灰色理论对日峰荷进行了预测；文献 1 5 分 析了电力系统日峰荷与最高温度的关系，并在此基础上给出了最高日峰荷的预测模型；文献 1 6 同样也只分析了日峰荷与温度的关系，据此建立了负荷顶测模犁；文献 1 7 1 8 根据负 荷凋查数据分析了台湾地区负荷与气温的关系，并提出应根据温度变化合理调整供电方案。 3 第一器绪论 负荷预测是近儿十年来发展起来的研究课题，随着计算机技术的迅速发展，其速度和精度逐 步提高。 在国外，对于负荷预测方面的：r 作开展得比较早，二十世纪五、六十年代就开始这方面 的研究t 作，并逐步将其应用剑实际系统之中；在国内，虽起步较晚，但从八十年代以来， 特别是近几年以来，这一课题的研究一直比较活跃，并取得了一定的实用效果。关于负荷预 测提出了很多种方法：指数平滑法n 引，移动平均法心引，回归分析方法心，灰色预测1 2 2 儿2 引，时间 序列方法引，神经网络方法幢副垤刚和季节指数法比7 1 等。 1 5 问题的提出 目前，国内外大部分研究主要还是针对于气候因素与负荷变化的相关分析以及季节性敏 感负荷对系统负荷特性的影响分析，而关于敏感负荷预测问题的研究还相对较少，而且由于 天气和负荷的变化本身都比较复杂，各个地区义受地域和电网结构的影响，用电终端也存在 巨大的差异性，使得目前仍然没有一种公认的敏感负荷预测的通用预测模型，因此有关敏感 负荷预测问题还有许多工作要做。如预测模型的准确性与通用性等问题，因此有必要对这些 问题进行更为深入地分析和研究。 1 6 论文主要工作 随着经济的不断发展，敏感负荷对电力系统的影响将会越来越大。因此，为了能减小敏 感负荷对电网运行的不利影响，保障电力系统经济安全运行，对敏感负荷的准确预测显得尤 为重要。为此，论文做的主要工作如下所示： 1 首先对江苏2 0 0 2 2 0 0 3 年夏季负荷特性进行了分析，并分别对夏季日峰负荷与三个温 度因子( 最高温度、最低温度、平均温度) 的相关关系进行了研究，分析表明平均温度与夏季 日峰负荷的相关性最强；并通过对江苏夏季敏感负荷的分析，介绍了实际敏感负荷的计算方 法。 2 然后分别介绍了回归模型、趋势模型、灰色模型、神经网络模型，季节指数法等几种 常用的负荷预测方法；并对其中的灰色模型、神经网络模型和季节指数法做了一定的改进； 并分别应用回归模型、灰色模型及其改进算法和l - m 算法的b p 神经网络模型来预测周最大负 荷，通过实际算例证明l - m 算法的b p 神经网络模型具有更好的预测效果；随后应用季节指数 法以及其改进方法来预测月最火负荷，通过实际算例证明改进季节指数法具有更好的预测效 果。 3 最后在l m 算法的b p 神经网络算法的基础上建立周最大敏感负荷预测模型；在改进 季节指数法的基础上建立月敏感负荷预测模型。通过实际算例表明周敏感负荷预测模型和月 敏感负荷预测模型都具有不错的预测效果。 1 7 论文主要内容 第一章：绪论 介绍了论文的研究背景、电力负荷预测的作用和意义、影响电力系统负荷变化的相关因 素、相关问题的研究现状和论文的主要f ：作。 第二章：气温敏感负荷的相关分析 简单介绍了敏感负荷的定义和一些基本理论，并对江苏2 0 0 2 - 2 0 0 3 年夏季和冬季日峰负荷 与温度冈子进行相关性分析以及对实际敏感负荷进行计算分析。 4 笫一章绪论 第三章：负荷预测方法 介绍了负荷预测中常用的几种方法，例如：回归分析法、线形趋势法、季节指数法、灰色 建模法、l - m 算法的b p 神经网络模型等。 第四章：周敏感负荷预测 分析了周最大敏感负荷计算方法，通过对几种不同预测方法( 同归分析，灰色预测及其改 进算法以及l - m 算法的b p 神经网络模型) 的比较和分析，选择最优的周最人负荷预测方法，并 在实现对周最大负荷预测和周基准负荷预测的基础上建立周敏感负荷预测模型，最后通过实 际算例对预测结果进行比较分析。 第五章：月敏感负荷预测 分析了月最大敏感负荷计算方法，并通过对季节指数预测算法的改进，实现对月最大负 荷的预测，并在此基础上建立月敏感负荷预测模型，最后通过实际算例对预测结果进行比较 分析。 第六章：结论与展望 对论文已完成的工作做出总结，对后续需要进行的工作提出建议，并对整个论文做了简 短回顾和评价。 5 第二章气温敏感负荷的相关分析 第二章气温敏感负荷的相关分析 2 1 敏感负荷定义 近年来，随着国民经济发展，人民生活水平不断提高和第三产业的快速发展，降温设备 和采暖设备的拥有率和使用率逐年提高，带动了降温负荷和采暖负荷在系统负荷所占比重不 断升高，日益成为影响系统负荷的重要因素。降温负荷和采暖负荷具有明显的季节性特征， 对气象因素的变化非常敏感，因此称这类负荷为气象敏感负荷，简称敏感负荷。简单来说， 所谓敏感负荷就是由气象原因引起的系统负荷的增量。影响负荷变化的气象因素包括有多个 气象因子如：温度，湿度，风速，降水等。其中以温度的影响最人【2 剐。下面论文主要是分析 温度因子与负荷的相关性和敏感性。 2 2 日峰负荷与温度因子的相关性分析 本节主要分析夏季和冬季日峰负荷与最高温度、最低温度、平均温度之间的相关关系【2 9 1 。 以2 0 0 2 - 2 0 0 3 年江苏省夏季和冬季实际负荷数据与温度数据为例，分析日峰负荷与温度冈子 的相关性，这里讨论的夏季日峰负荷是指6 8 月工作日的最大负荷，而冬季日峰负荷则是指 当年1 2 月和次年1 。2 月的工作日最大负荷；2 0 0 2 2 0 0 3 年江苏夏季和冬季日峰负荷与最高温 度、最低温度、平均温度的变化趋势如图2 1 一图2 - 4 所示： ： 寝 1 图2 - 12 0 0 2 年夏季负荷温度日变化趋势图 6 第二章气温敏感负衙的相关分析 ： 藉 g o l3579 l l1 31 51 71 92 l2 3 2 52 72 93 l 3 33 53 7 3 94 l4 34 54 74 9 5 l5 35 55 7 5 96 l 6 36 5 时间，天 1 0 5 0 0 1 8 0 1 7 5 0 0 1 7 0 0 0 ； 妻1 6 5 0 0 娃 1 6 0 0 0 1 5 5 1 引) 0 0 1 4 5 0 0 图2 - 22 3 年夏季负荷温度日变化趋势图 1357 91 11 31 5 1 71 92 12 3 2 52 2 93 13 33 53 7 3 94 1 4 34 54 74 9 时间天 图2 - 3 2 0 0 2 年冬季负荷温度日变化趋势图 7 2 5 2 0 1 5 1 0 p 赵 5赠 0 - 5 1 0 p 、避赠 幅 为 俘 坩 5 o 第- 二章气温敏感次街的相关分析 l357 91 11 31 51 71 9 2 12 32 52 72 93 l3 33 5 3 73 94 1 4 3 4 54 7 时间天 图2 42 0 1 1 3 年冬季负荷湿度日变化趋势图 2 5 2 0 1 5 p 1 0 趣 媚 5 0 - 5 这里使用e x c e l 计算了单个温度因子与最大负荷之间的相关度，表2 1 给出了2 0 0 2 2 0 0 3 年夏季和冬季各温度因子与最人负荷的相关系数统计结果，其中r 1 ，r 2 ，r 3 分别表示最高温 度、最低温度、平均温度与最大负荷的相关系数。 。 表2 1各温度因子与负荷相关系数统计 时间r 1 r 2r 3 2 0 0 2 夏季0 7 0 6 50 8 3 9 70 8 4 6 4 2 0 0 2 冬季 - 0 5 4 1 00 ，5 1 2 70 6 0 1 2 2 0 0 3 夏季0 7 2 7 50 8 6 3 00 8 8 0 9 2 0 0 3 冬季 一0 5 9 3 00 5 3 3 4- 0 6 1 0 7 由表2 1 可以看出：各年的夏季日峰负荷与温度因子的相关系数均大于0 7 ，属于高度相 关：而冬季由于春：宵因素的影响，日峰负荷与温度因子的相关性相对较小。从上表还可以看 出：在三个温度因子中，最人负荷与平均温度的相关性最强，能够较好的反映负荷的变化。 冈此，在下面的负荷预测中，论文将平均温度因子作为影响负荷变化的主要因素应用于预测 算法中，能够取得较好的预测效果。 2 3 敏感负荷计算分析 敏感负荷的大小可以反映出负荷对于气象变化的敏感程度啪1 。论文以计算夏季敏感负荷 为例说明计算过程： 1 夏季标准日负荷：取各年夏季( 7 - 8 月) 工作日9 6 整点负荷逐点平均，形成该年的夏季标准 日负荷曲线。 2 夏季最大日负荷：取各年夏季( 7 - 8 月) 工作日中负荷最丈日的9 6 整点负荷，形成该年的夏 季最人日负荷曲线 8 咖 湖 哪 湖 惭 啪 咖 吾| 纠 铡 砌 倒 馏 侬 侣 仃 芏、柱戳 第二搴气温敏感负衙的相关分析 3 非季节性负荷：取各年的普通日( 4 月和1 0 月的工作日) 9 6 整点负荷逐点平均，形成该年的 非季。1 ，性负荷曲线；并考虑负荷增k 的关系，将非季节性负荷换算到复季最人负荷日所在的 月份，形成修正的非季节性负荷曲线。 4 敏感负荷：将夏季标准日负荷与修正后的非季节性负荷逐点相减，得到该年的夏季标准敏 感负荷曲线；将夏季最大日负荷与修正后的非季节性负荷逐点相减，得到该年的夏季最大敏 感负荷曲线。 论文以2 0 0 2 2 0 0 3 年江苏夏季实际负荷数据为例，计算夏季标准敏感负荷和最大敏感负 荷。2 0 0 2 2 0 0 3 年江苏夏季标准敏感负荷曲线和最大敏感负荷曲线如图2 5 和图2 6 所示： 7 0 0 0 6 0 0 0 5 0 0 0 墨4 0 0 0 稼 3 0 0 0 2 0 0 0 1 0 0 0 o 161 l 1 62 l 2 63 l3 6 4 l 4 6 5 l 5 6 6 l 6 6 7 l 7 6 8 l 8 69 19 6 日期天 图2 52 0 0 2 年江苏夏季标准敏感负荷和最大敏感负荷 161 1 1 62 12 63 1 3 6 4 1 4 65 15 66 l6 67 1 7 6 8 l8 69 19 6 日期天 图2 62 0 0 3 年江苏夏季标准敏感负荷和最大敏感负荷 9 o o 0 o o 0 0 0 o o 0 0 o o 0 o 0 o o o o 0 0 o 0 8 7 6 5 4 3 2 l ，重稼双 第二二章气温敏感负荷的柙l 关分析 通过对2 0 0 2 年和2 0 0 3 年江苏敏感负荷的计算分析可以得到：2 0 0 2 年江苏标准敏感负荷的 最人值出现在止午1 2 时左右，其值为2 0 3 7 2 0 m w ，整个夏季敏感负荷最大值出现在中午1 3 时左 右，值为5 8 9 1 3 0 m w 。2 0 0 3 年江苏标准敏感负荷的最大值d j 现在正午1 2 时左右，其值为 2 7 3 7 0 3 m w ，整个夏季敏感负荷最大值同样出现在晚间l l 时左右，值为7 0 8 1 2 6 m w 。 从图2 - 3 矛f l 图2 - 4 可以看出，2 0 0 2 年、2 0 0 3 年江苏夏季标准敏感负荷最大值一般出现在正 午；2 0 0 2 年夏季最大敏感负荷出现在正午，而2 0 0 3 年最大敏感负荷出现在夜间，这说明2 0 0 3 年敏感负荷这一天较为闷热，居民用电负荷占主要成分；图2 3 和2 4 中敏感负荷曲线均有两 处比较明显的凹陷，而且都出现在早晨和傍晚时刻，这是由于这两个时间段是人们上下班的 时间，对于空调系统的使用率不高，从而导致敏感负荷的下降。 冬季的敏感负荷的计算分析方法和夏季一样。 2 4 本章小结 本章首先介绍了敏感负荷的相关内容，并通过2 0 0 2 - 2 0 0 3 年江苏夏季和冬季日最大负荷与 温度的相关性分析可知，平均温度与负荷相关性强度最大，能够较为准确的表明负荷的变化； 论文通过2 0 0 2 2 0 0 3 年江苏夏季和冬季敏感负荷计算分析可知，夏季敏感负荷要大于冬季敏感 负荷，而且最大敏感负荷出现时刻并不一定即是最大负荷的出现时刻。 1 0 第三章负倚顶测方法介绍 3 1 回归分析法 第三章负荷预测方法介绍 回归分析方法【3 1 1 1 3 2 】是研究变量和变量之间依存关系的一种数学方法，根据回归分析涉及 变量的多少，可以分为单元回归分析和多元回归分析。在回归分析中，自变量是随机变量， 因变量是非随机变量，由给定的多组自变量和冈变量资料，研究各自变量和因变量之间的关 系，形成回归方程。回归方程根据自变量和因变量之间的函数形式，又可分为线性回归方程 和非线性回归方程两种。回归方程确定后，求得相应的参数，拟合一条最佳的曲线，然后将 此曲线外延至未来的适当时刻，在已知自变量取值时得到因变量的预测值。 其中，对于一元问题，当自变量为时间项时，称为时间序列回归分析方法；否则称为一 元相关分析法。对于多元问题，自变量是时间量或各种相关因素，称为多元相关分析法。确 定回归方程的函数表达式中未知参数最常用的办法是最小二二乘法。线性函数( 一元或多元) 的 最d - - - 乘拟合是非常方便的，而对一般的非线性函数，曲线拟合并不容易。只有一些典型的 一元非线性回归方程，可以经过适当的变换成为线性回归问题，从而确定函数表达式中的未 知参数。 常用的回归曲线有以下几种： 线性模型： y = a + b x 指数模型l ：y = a 宰e 缸 指数模型2 ：y = a 宰b 6 肛 双曲线模型：y = a + b x 对数模型：y = a + 6 木i n ( x ) 幂函数模型：y = a 木x 6 抛物线模型：y a o + 口一+ 口2 x 2 在负荷预测问题中，同归方程的因变量一般是电力系统负荷，自变景是影响电力系统负荷的 各种冈素，如社会经济、人口、气候等。设它们之间的关系是近似线性的，设自变量x 。， x 2 x ，冈变量y ，则回归方程为： y = b o + 6 1x 1 + + 坑j 女+ ( 3 - 1 ) 其中占是随机项，现有几组数据： ( k ，x 1 1 ，x 2 l ”一一x 女1 ) ( 匕，石1 2 ，x 2 2 。2 ) 第三章负荷预测方法介绍 ( k ，x l 。，工2 。x k n ) ( 其中是自变量t 的第j 个值；y j 是y 的第j 个观察值) f y l = + 反而l + 也1 + ”+ 吒黾1 + q 假设 j y ，2 铷+ 岛置z + ： + 吒屯：+ 六 ( 3 二2 ) i 一 l y l 一b o + 岛工h + b 2 x 2 。+ + b z x x t 占 其中b o ，b l ，b 2 ，b k 是待估参数，而占l ，2 ，占。相互独立且服从相同的标准正 态分布n ( 0 ，1 ) 。 假设影响应变量y 的自变量共有k 个，分别为x 1 ，x 2 x i ，通过试验得到以 下几组观察数据( 札，z 2 | 。，z b ，y f ) ，t = l ，2 n 根据这些数据在y 与x 1 ，x 2 ”x i 之间形成线性回归方程： y = b o + 6 lx 1 + 。+ 吮x t ( 3 3 ) 用最小二乘法，选择参数6 0 ，b 1 ，b 2 ，”b 女，使离差平方和达到最小，即使 q ( b o ，饥，仇) = 罗( y ，一y ) 2 箭 由数学分析中求极小值原理得： q b o q b l o 0 q ，、 = u b k 化简并整理上式可得如下方程组： 将上式写成矩阵形式为： + l u , b i 1 1 y + ，2 t 钆= z 2 y + z 胜坑al 白， 1 2 ( 3 4 ) ( 3 - 5 ) 、 d最 2 hh y k b+ k x 6 + op yr - l v 智 = + + + 2 2 l a a 少 乞 气 + + + a a a 乞 以 第三章负荷预测方法介绍 其中： ，1 1 1 1 2 z 2 l 1 2 2 z l 七 z 2 t b l b 2 b z l y z 2 y - b=ybl毛+：bbo y4 - b k x k =毛+ 一： 歹= 昙耋y ，i = i 1 善n 七豇 i = 1 , 2 - k 其中：i j = l ，2 l 【 岛。2 荟瓴一观乒一习 = 薹z 打z 矗一言( 薹x 打) ( 冀z 声) o 2 善( 矿观r 一了) = 知一糯胁) ( 3 - 7 ) ( 3 8 ) ( 3 - 9 ) ( 3 一a o ) 其中：i = 1 ，2 一k 解方程可得使q ( b 。，b l ，b k ) 达最小的参数值，b l ，b 2 ，饥，其中6 0 为常 数项， b l ，b 2 ，“b t 为回归系数，从而确定了同归方程。 回归分析主要解决以下几方面的问题： ( 1 ) 确定几个特定变量之间是否存在相关关系，如果存在的话，找出它们之间合适的数 学表达式。 ( 2 ) 根据一个或几个变量的值，预报或控制另一个变量的取值，并且要知道这种预报或 控制的精确度。 ( 3 ) 进行冈素分析，确定因素的主次以及因素之间的相互关系等等。 如果只是两个变量的同归问题，其中因变量只与一个自变量相关，那么这就是一元线性 回门问题，但这只是最简单的情况，在大多数的实际问题中，影响冈变量的因素不是一个而 是多个，论文称这类问题为多元同归分析。 3 2 线性趋势法 1 3 第兰i 章负荷顶测方法介绍 线性趋势预测技术包括滑动平均法，指数平滑法等，这些预测技术的共同特点是利片i 数 据五，x 2 ，x 3 ，确定系数口。，吮，得到预测公式i f = a 。+ 吃木f ，f 芑1 。下面论文将详细 介绍二次滑动平均法和二次指数平滑法。 3 2 1 二次滑动平均 动平均是对一组时间序列数据进行某种意义上的平均值计算，并以此为依据进行预测。 一次动平均只适用于下一步的预测，而不适用于以后若干步的预测，而且一次动平均可能会 引起预测数据的滞后。冈此，为了补偿一次动平均所造成的滞后，一般采用二次动平均法进 行预测，且预测期数不宜过长m 怕1 。 设原始时间序列为：t ，屯，屯，x n ，动平均数为n ，要求2 n - 1s n ，则二次滑动平均法的 预测步骤如下： ( 1 ) 对原始序列计算一次动平均值： 毫= 妄- 萎一，s rs 行 得到一次动平均序列为：x ，石 ，+ l ，x l + 2 ，工： ( 2 ) 对一次动平均序列计算二次动平均值： i = 万1n 酗- 1 2 n - l 的一次累加生成数列： 第三章负荷预测方法介绍 x 1 ( k ) = 罗x o ( f ) ( 3 1 9 ) ， 1 0 1 累加生成能使任意非负数列、摆动的非摆动的，转化为非减的、递减的数列。换言之，通 过累加生成得到的生成数列，其随机性弱化了，规律性增强了。 3 3 3 累减生成 将原始数据中前后相邻的两个数据相减，这种生成称为累减生成。所得的数据为累减生 成值。累减生成使累加生成的逆运算。 3 3 4 灰色算法的特点 灰色模型作为一种较新的预测理论，已经在各行各业得到充分的应用。但是，灰色模型 也有一定的适用条件，这些条件如果具备，它就可以作为一种精度较高的预测方法。经过分 析与比较，发现上述方法有如下特点。 短期预测。灰色模型在负荷预测中只能作为短期预测工具，不能用于长期的预测，这是 由灰色模犁的原理所决定的。 原始数据量较少。因为其计算过程较复杂，如果原始数据非常多，那么，从计算的角度考 虑，就需要编制相应的软件来处理数据。此时一般将其看作是一种长期预测，可以选取与预 测目标相近的儿个时间段作为预测的原始数据。 电力生产的连续性，在一定程度上可以保证前后条件的相似性，其负荷变化趋势才会呈 现一定的规律性，如果经常性地出现突变，此时不宜采用灰色模犁。 灰色预测方法具有计算方法简单，计算量小等特点，但和其它预测方法相比，也存在一 定的局限性，数据离散程度越大，预测精度越差；不太适合进行长期预测。 3 3 5 灰色g m ( 1 ，1 ) 模型 基丁灰色模型g m ( 1 ，1 ) 进行的定景预测称为灰色预测，灰色预测一般不需要大量的时间数 据和空间数据，而是根据实际情况选择适量的数据，进行累加生成、建模和预测。论文主要 使用的灰色模型是g m ( i ，1 ) 模型1 3 7 】3 引。 g m ( 1 ，1 ) 模犁是基于随机的原始时间序列，经按时间累加后所形成的新的时间序列早现的 规律可用一阶线性微分方程的解来逼近。建立g m ( 1 ，1 ) 模型只需要一个数列，下面用上标“0 ” 表示原始序列，上标“1 ”表示累加生成序列。 它的预测步骤如下： 设愿始数列x o 为：x o 一( x o ( 1 ) ，x o ( 2 ) ，x o 0 ) ) 对该数列作一阶累加生成1 - a g o 得：x 1 一( x 1 ( 1 ) ，x 1 ( 2 ) ，x 1 ( ，1 ) ) = ( x 1 ( 1 ) ，x 1 ( 1 ) + x o ( 2 ) ，x 1 ( 甩一1 ) + x o ( 咒) )( 3 2 0 ) 1 6 第三章负荷顶测方法介绍 式中：x 1 ) = 罗( x o ( 朋) ) ，k = 1 , 2 ，1 篇 利用x ( 1 ) 序列建立相应的一级白化微分方程：k x ( i ) + 必( 1 ) ：“ 出 解该微分方程得： x ( 1 ) 。：c e l + 兰 口 当t = 0 时，取x 1 ( 0 ) = x o ( 1 ) ，得边界条件： c ：x ( 。( 1 ) 一竺 口 将式3 2 2 代入式3 2 1 得： x ( 1 ) ：( x ( 。( 1 ) 一比- - ) e 一讲+ 一u 口口 记参数列：五2 ： ，利用最小二乘法可求得参数口、“ 其中： 曰= 五。白丁b ) - 1 b r y 一丢( ) ( 1 ) + ) ( 2 ) ) 一言( 蹦? + 蹦3 ) ) 一三( x ( 1 。一1 ) + x ( 1 ) 。) ) 得到灰色预测模犁为： y = x o ( 2 ) x o ( 3 ) x o o ) ( 3 2 1 ) ( 3 2 2 ) ( 3 - 2 3 ) ( 3 - 2 4 ) 贾( 1 + 9 ；( x ( 。( 1 ) 一兰弘一4 七+ 一u ，( 七= 0 7 1 , 2 ，)。( 3 - 2 5 ) 口口 再做累减还原可得： 膏( 。 + 1 ) ；j ( 1 + 1 ) 一j ( 1 。 ) ；( 1 一e 4 ) ( x ( 。( 1 ) 一竺弦一口七( 3 2 6 ) 口 其中k = 0 ，1 ，2 ， 1 7 第三章负衙预测方澎i 介绍 丁是可以得到对原始序列的拟和值j ( o ( 足) ( k = 0 , 1 , 2 ，n ) 以及对朱来的预测值 j ( o ( 七) ( k n + 1 ) 。 此外还有等维递补灰色预测，即以l 玎时刻的序列对咒+ 1 时刻作出预测，然后以2 n 时刻的值和九+ 1 时刻的预测值所构成的序列对2 咒时刻作出预测，依次类推。 3 4 人工神经网络 3 4 1 人工神经网络概述 人工神经网络理论是8 0 年代中后期世界范围内迅速发展的一个前沿研究领域。它的研究 和发展涉及神经生理科学、数理科学、信息科学和计算机科学等众多领域，是一种新的信息 处理理论，是一门高度综合的交叉学科。作为人工智能的一个最活跃的分支，a n n 模拟人脑 的工作方式，为解决复杂的非线性、不确定性、不确知性系统的问题开创了一个崭新的途径， 因而在电力系统应用研究中受到了广泛的关注。目前已在电力系统故障诊断、智能控制、继 电保护和暂稳态计算、短期负荷预报等系统优化中获得了大量的成果。 与传统的数学模型用显式的数学表达式加以描述不同，人工神经网络是由神经元以一定 的拓扑结构和连接关系组成的信息表现、储存和变换系统，是模仿人脑