（电力系统及其自动化专业论文）超短期负荷预测的研究.pdf

关键词：超短期负荷预测；线性外推；基于日周期多点外推； 时间序列 相似日 a n a l y s i so fs u p e rs h o r t t e r ml o a df o r e c a s ti n g m a j o r ：e l e c t r i cp o w e rs y s t e ma n da u t o m a t i o n g r a d u a t e ：c a ij i a h o n ga d vis o t ：l i uj u n - y o n g t h el o a df o r e c a s t i n gi st h eb a s i sf o rt h es e c u r i t ya n de c o n o m i co p e r a t i o no f p o w e rs y s t e m t h ed e n m n dc a nb ep r e - e s t i m a t e da n dp r o j e c t e db yu s i n gl o a d f o r e c a s t i n g b a s e do nt h e s ep r o j e c t i o n s ，w ec a nt a k es p e c i f i ct e c h n i c a lo p e r a t i o n t oi m p r o v et h ee c o n o m ya n dr e l i a b i l i t yo fp o w e rs y s t e m a sp o w e rs y s t e mi s c o n c e r n e d , i m p r o v i n gt h es e c u r i t ya n de c o n o m y o fg r i da n dt h eq u a l i t yo fp o w e r a r ea l ld e p e n d e n to ua c c u r a t el o a df o r e c a s t i n g t h e r e f o r e t h ek e yi st oi m p r o v e t h ea c c u r a c yo fl o a df o r e c a s t i n g a l o n gw i t ht h ep o w e re n t e r p r i s e se n t e r i n gt h em a r k e ta n dt h ep o w e r m a r k e e t m a t u r i n g ，t h em a r k e ts e th i g h e rr e q u i r e m e n t sf o rt h el o a df o r e c a s t i n g a sa n i m p o r t a n ti n d i c a t o r , g r i df r e q u e n c yn e e d st h es u p p l ya n dd e m a n dt om a i n t a i na b a l a n c e b u tb e c a u s ep o w e rc a l ln o tb er e s e r v e d ，w eh a v et of o r e c a s tt h el o a d a c c u r a t e l y , i fw ew a n tt oa d j u s tg e n e r a t i o nr a p i d l y a n dr e a s o n a b l y s u p e r s h o r t - t e r ml o a df o r e c a s t i n gp l a y sad e c i s i v em l ei ni m p r o v i n gt h eq u a l i t yo fg r i d f r e q u e n c y i tw i l lp l a ya ni n c r e a s i n g l yi m p o r t a n tr o l ei nt h ee c o n o m i co p e r a t i o n o ft h ep o w e rs y s t e m i nt h i sp a p e r , t h r c em o d e l so fs u p e rs h o r t - t e r ml o a d f o r e c a s t i n ga r ep r o p o s e d ：m u l t i s a m p l ee x t r a p o l a t i o n ；l i n e a re x t r a p o l a t i o n ；t i m e s e r i e s a tt h es a m et i m e ，a n a l y s i st h ef a c t o rw h i c ha f f e c t st h ec h o o s i n go fs i m i l a r d a y , a n dp r o p o s et h r e em o d e l so fc h o o s i n gs i m i l a rd a y ：u s i n gt h et y p eo fd a y ； u s i n gl o a dv a l u e ；u s i n gl o a da n dl o a di n c r e m e n t v a l u e t b ef o r e c a s t i n gm o d e lp r e s e n t e di nt h i sp a p e rh a sah i g hs p e e da n dh i g h p r e c i s i o n ，a n di tc a l l m e e tt h er e a lt i m er e q u i r e m e n to fp o w e rs y s t e m w i t ht h e i n t r o d u c t i o no fs i m i l a rd a yc h o o s i n g ，t h ea c c u r a c yo fl o a df o r e c a s t i n gc a nb e i m p r o v e d ，e s p e c i a l l yo n t h e i n f l e c t i o np o i n t l o c a t i o n k e yw o r d s ：s u p e r s h o r t - t e r ml o a d f o r e c a s t i n g ；l i n e a re x t r a p o l a t i o n ； m u l t i s a m p l ee x t r a p o l a t i o n ；t i m es e r i e s ；s i m i l a rd a y s 四川大学硕士学位论文( 2 0 0 6 ) 第一章绪论 1 1 课题的背景和目的 由于经济发展和西部大开发战略的实施，电力需求快速增长，电力建设 不断增强。根据国家电网公司电网规划，电网公司将建设特高压试验示范工 程，实现特高压技术自主创新；加快发展西北7 5 0 千伏网架，继续加强5 0 0 千伏跨区输电工程和区域、省级主网架建设；不断加强和完善城乡电网，推 进二次系统的建设。在今后的五年内，国家电网公司对电网的投资将达到 8 5 0 0 亿元；供电范围内2 2 0 千伏及2 2 0 千伏以上线路增加1 4 万公里，变电 容量增加7 1 亿千伏安；年均增长1 1 1 和1 6 1 。 随着三峡电站机组的陆续投产和华中华北联网工程的投入，我国将形成 由东北、华北、华中、川渝电网互联，容量超过1 4 亿千瓦的交流同步电网。 这个系统的东部通过直流与华东电网相连，南部通过正在建设的三峡- 广东直 流工程与南方电网相连。但是目前，各区域电网的网架结构以及区域之间的 联系还比较薄弱。 电力系统安全是全局性的问题，涉及到各电压等级的电网，任何局部问 题都有可能引起全网性问题。电力系统安全又是全过程的问题，涉及规划、 计划、设计、建设和生产运行等各个环节，任何环节中产生的问题，最后都 有可能成为事故隐患。我国的电网结构比较薄弱，电力系统发展迅速，经济 发展和人民生活已经离不开电力，保证安全可靠的电力供应也就变得至关重 要了 电力工业服务于电力用户，电力工业的发展也就离不开电力负荷的不断 增长。正确地预测电力负荷，不仅能保证国民经济各部门及人民生活的充足 的电力需求，也是电力工业自身健康发展的需要 6 3 l 。电力负荷预测工作不仅 是电力规划工作的重要组成部分，也是电力规划的基础。电力负荷预测结果 为电力发展速度、电力工业布局、电力建设规模、能源资源平衡、电力余缺 调剂，及资金与人力资源的需求和平衡提供可靠的依据。因此，电力负荷预 测是一项非常重要的工作，对于保证电力工业健康发展，和整个国民经济的 发展来说，有着十分重要的意义。 四川大学硕士学位论文( 2 0 0 6 ) 电力系统负荷预测是制订发电计划的基础，也是电力系统发展的基础。 在电力企业走向市场，电力市场日趋成熟的形势下，市场对负荷预测这一基 础工作提出了更高更新的要求。在科技进步推动产业迅猛发展的今天，只有 充分应用最先进的科学预测理论，并用最先进的计算机技术将其实现，才能 完善负荷预测的功能，满足市场的要求。电力系统负荷预测是指从已知的经 济、社会发展和电力系统需求情况出发，通过对历史数据的分析和研究，探 索事物之间的内在联系和发展规律，以未来年份经济、社会发展情况的预测 结果为依据，对电力需求做出预先的估计和预测。负荷预测的目的是得到合 理可信的电力负荷预测结果，核心是根据预测对象的历史资料，建立数学模 型来表述其发展变化的规律。 电力系统控制、运行和计划中，按照不同的目的，负荷预测可分为超短 期、短期、中期和长期四类。 超短期负荷预测：一般来说，- d , 时以内的负荷预测为超短期负荷 预测，在安全监视过程中，需要5 l o 秒或l 5 分钟的负荷预测， 预防性控制和紧急状态处理需要1 0 分钟到一小时的负荷预测。 短期负荷预测：称日负荷预测和周负荷预测为短期负荷预测，分别 用于安排日调度计划和周调度计划，包括确定机组起停、水火电协 调、联络线交换功率、负荷经济分配、水库调度和设备检修等。 中期负荷预测：称月至年的负荷预测为中期负荷预测，主要是确定 水库运行方式和设备大修计划等。 长期负荷预测：在电源规划和网络发展时，需要数年至数十年的长 期负荷预测。 近年来，国内电力生产运行部门，对超短期负荷预测，即未来l o 分钟 至一小时的负荷预测产生迫切的要求，首先由调度生产运行部门提出开发要 求，以用于帮助调度运行人员分析未来短时间内系统的旋转备用是否够用， 以此来判断系统的安全水平；另外可以将其用以帮助调度运行人员在调峰填 谷阶段决策机组出力调整和机组起停。对于自动发电控制( a g c ) 的运行和 实现动态经济调度都需要超短期负荷预测，从长远来看，预测结果也是电力 市场所需的信息。可见，研究和开发超短期负荷预测，具有重要意义和实用 2 四川大学硕士学位论文( 2 0 0 6 ) 价值。 超短期负荷预测的特点是在线运行，获得最新负荷信息以用于预测下一 时刻负荷，预测周期短，要求预测速度快。研究超短期负荷预测，其目标是 精度越高越好，当然预测速度越快越好，如能用一种简单的方法就能做到准 确的负荷预测，那是再好不过了 1 2 国内外负荷预测的发展与现状 到目前为止，国内外学者，在电力系统负荷预测方面，作了大量的工作， 特别在短期、中期和长期负荷预测方面，研究出了许多负荷预测方法，包括 线性外推剀、时间序列嘲、卡尔曼滤波伽、人工神经网络【“、弹性系数法 等，这些方法从简单到复杂，但总的看来，每种方法都有一定的适应场合， 并需要不断的完善。实际应用时，需要掌握待测电力系统的实际运行情况和 细致分析负荷实际变化的规律和影响因素。下面是现在比较常被使用的短期 负荷预测方法： ( 一) 线性外推法 线性外推法是对过去一定时间段内具有随机特性的负荷用线性曲线或 二次曲线拟合负荷变化曲线，使得这条曲线能够反映负荷本身的变化趋势， 然后再根据这条增长趋势曲线，对未来某一点从其外推曲线估计出负荷预测 结果。它能较好的预测基本负荷的变化，通常用于超短期负荷预测，但是当 天气出现较大变化时，该方法不能适应变化，会出现比较大的误差。它的权 重选取一般靠经验，使用起来有一定的局限性。 文献 1 提出在相似日负荷的基础上利用线性外推法得到预测日的对应 负荷，通过严格的差异度量函数选取多个相似日，再采用传统的线性外推法 进行负荷预测。使得预测模型对天气的异常变化也表现出很强的适应性。 ( 二) 时间序列法 所谓时间序列预测，就是根据到目前为止的历史资料数据，即时间序列 y ，_ ) ，：，y ，”y ，所呈现出来的发展趋势和规律，用数学方法进行延伸、外推， 四川大学硕士学位论文( 2 0 0 6 ) 估计出今后各时刻的指标值，即推算出r + l ，r + 2 , - - t + k 时刻的指标的预测 值。时间序列法中因变量是待预测电力负荷，自变量是负荷自身的历史值。 时间序列法是短期负荷预测的经典方法。 时间序列的基本模型有a r 序列模型、姒序列模型和a p 3 a a 序列模型等。 具有算法简单、计算迅速等优点，但是由于它假定负荷曲线是平稳的时间序 列。所以它在电网情况正常、气候等因素变化不大时预测精度高，但在随机 性因素变化较大或存在坏数据时，预测结果不太理想。 为了克服这些缺点，很多文献都提出了改进方法。文献 2 提出一种改进 的时间序列法，先采用差分法将负荷化成近似平稳的随机过程。文献 3 提 出将a r i m a 模型与b p 模型相结合的电力系统短期负荷预测的方法，克服了 单独的时问序列法无法考虑天气因素对负荷的影响变化的缺点，提高了预测 精度。文献 6 1 根据单变量时间序列的相空间重构思想，提出了一种电力短 期负荷的多变量时间序列相空间重构方案，同时针对每一分量时间序列采用 互信息法进行最佳延迟时间的选择，最优嵌入维数则采用最小预测误差法进 行确定。根据相邻点之间的欧氏距离和关联度，提出了最近邻域点的优化选 择方法，建立了多变量时间序列的一阶局域线性预测模型。 ( 三) 人工神经网络法 神经网络是由处理单元组成的一种并行、分布式信息处理的结构。b p 模型是神经网络的重要模型之一，它是多层感知器的一种有效学习算法。该 模型为前向多层网络，由输入层、隐含层、输出层组成，每层都包含若干节 点，同一层的节点间没有相互的连接，而仅仅在前后不同层之间有节点的连 接。b p 算法的学习过程由正向传播和反向传播组成，正向传播过程的输入样 本从输入层经隐含层处理后传向输出层，每一层神经元的状态只影响下一层 神经元的状态。如果在输出层得不到期望值，则转入反向传播，将误差信号 沿着原来的连接通路返回，通过修正各神经元的权系数，使误差信号见效， 达到给定的精度，从而完成了其学习过程。这样，当在网络的输入端加入一 新的信号时，就能从其输出端得到相应的结果。 由于短期负荷变化可以认为是一个平稳随机过程，而长期负荷预测可能 4 四川大学硕士学位论文( 2 0 0 6 ) 会因为某些大的转折导致模型的数学基础的破坏。所以一般用人工神经网络 来进行短期负荷预测。b p 算法是一个很有效的算法，很多问题都可以由它来 解决。其优点是可以模仿人脑的智能化处理；具有信息记忆、自主学习、优 化计算和知识推理的特点；对大量非结构性、非准确性规律具有自适应功能； 可以方便地计及天气、季节和节假日等对负荷有影响的因素；实时性好。 但b p 算法也存在一些缺陷：由于其本质上是一个非线性优化问题，也 就不可避免地会遇到局部极小问题，从而问题就得不到最优解；学习算法收 敛速度慢，训练比较费时，对突发事件的适应性差；网络隐节点个数的选取 要根据经验选取；学习新样本时有遗忘已学样本的趋势，同时标示每个样本 特征的数目也必须相同。针对这些缺陷，很多学者都提出了改进方法。文献 5 4 中介绍了改进的神经网络算法，加快了训练速度，使网络能有效的收敛。 文献 6 、 7 、 1 1 、 1 2 、 1 7 、 5 1 运用组合模型来克服b p 学习算法 所存在的本质问题，加快网络学习速度和提高学习精度。文献 5 8 提出一种 相空间嵌入法来确定a n n 的输入变量，但这种方法只能在负荷序列中寻找对 预测时刻影响最大的负荷点，对天气等相关变量处理较困难，计算也比较复 杂，需要增加时间变量和天气变量来改善预测结果。 ( 四) 小波分析预测法 小波变换的实质是用一合适的母小波通过时间轴上的位移、放缩和幅度 的变化产生一系列的派生小波，用系列小波对要分析的信号进行时间轴上的 平移比较，获得用以表征信号与小波相似程度的小波系数。 小波分析是一种新兴的数学工具，它于9 0 年代初被引入工程界，正被 广泛应用于各个领域中作为一种数学工具，它在时域和频域具有同样良好 的局部化性质，可以任意地提取短期负荷序列的细节。通过使用小波分析， 可以在任何水平上分析短期负荷序列，它对信息成分采取逐渐精细的时域和 频域处理，尤其对突发与短时的信息分析具有明显的优势。 文献 5 0 提出将负荷按变化频率进行分类，针对电力系统本身具有的负 荷以天，周，年为周期发生波动的特点，使用周期自回归模型有选择的对分 解序列进行预测，最后对各分量预测信号进行重构得到最终预测结果。文献 5 四川大学硕士学位论文( 2 0 0 6 ) 5 2 针对小波网络建模存在难以有效对小波级数进行截断的问题，提出一种 基于频带能量的小波级数截断方法，结合正交最小二乘法，建立负荷预测的 小波网络模型。文献 5 4 1 对分解序列分别采用相应的模型进行预测，最后通 过序列重构，得到完整的负荷预测结果。 ( 五) 灰色预测法 灰色系统理论是2 0 世纪8 0 年代由我国邓聚龙教授提出，用以解决信息 不完备系统的数学方法口刀。在灰色理论的研究中，将各类系统划分为黑色、 白色和灰色系统。“白”指信息完全已知，“黑”指信息完全未知，“灰”指 信息不完全o ”，即部分信息已知，部分信息未知。灰色预测法的基本模型是 灰色模型( g m ) ，采用系统关联度分析法，对原始数据的发展趋势进行分 析。 做预测用的模型一般为g m ( n 。1 ) ，实际应用最多的是g m ( 1 ，1 ) 。由于其弱 化了原序列的随机性，因此具有建模所需信息少、建模精度较高、运算方便、 易于检验等优点。但是灰色预测法也有一定的局限性：灰色6 m o ，1 ) 模型比 较适用于具有较强指数规律的负荷序列，只能描述单调的变化过程。当数据 离散程度越大时，预测精度越差。另外它也不太适合电力系统的中长期预测。 国内外的学者对灰色预测模型提出了很多改进方案。文献 5 6 中将灰色 v e r h u l s t 模型应用于负荷预测，并提出了等维灰数递补v e r h u l s t 模型，将 灰色预测技术的应用范围拓展到了长期负荷预测中。文献 5 7 提出将灰色预 测理论和人工神经网络理论相结合，利用灰色预测模型来弱化数据的随机性 并建立规律的累加数据，再将累加后的数据输入网络进行训练，利用神经网 络模型来解决数据的非线性，不仅提高了预测精度还加快了预测速度。文献 6 2 介绍了多元指数加权电力负荷灰色优化组合预测模型。其中灰色优化组 合预测模型用于进行非线性增长趋势的电力负荷预测，指数加权法能解决历 史负荷的波动性问题。 ( 六) 数据挖掘技术 所谓数据挖掘就是从海量的数据中提取隐含在其中人们事先未知的，但 6 四川大学硕士学位论文( 2 0 0 6 ) 又是潜在有用的信息和知识，并将其表示为最终能被人们所理解的模式的过 程。其任务大体有预测和描述两种。 数据挖掘所能发现的知识可以划分为以下几种知识模型：分类模型、序 列模型、聚类模型、关联模型、回归模型、时间序列模型等。其目前的算法 主要包括有： 统计方法，包括回归分析、判别分析、聚类分析等； 神经网络法，包括b p 算法、自组织神经网络等； 数据库方法：如o l a p 法或多维数据分析； 机器学习法，包括归纳学习法( 决策树、规则归纳等) 、遗传算法、 基于范例学习等。 负荷长年累月的历史数据是非常丰富的，其中包含了大量与负荷本身特 性相关的信息但是这些数据是非常庞大和复杂的，数据挖掘就成为了找出 有用信息的有力工具。 由于数据挖掘技术本身还处于发展之中，所以它在电力系统中的应用也 还处于初级阶段，还有很多值得研究和探讨的问题。文献 4 介绍了一种基 于数据挖掘中时间序列相似性研究的电力负荷预测方法，通过采用序列分段 平均值技术降维，结合滑动窗口和m b r 方法实现子序列相似查询，同时利用 只+ 一树作为多维索引结构来提高检索效率文献 5 9 提出了一种基于知识 库的事先判别突变并做出适当处理的预测流程，介绍了根据数据挖掘的决策 树技术建立的知识库所建立的非正常日修正模型。文献 6 0 采用采用粗糙集 ( r s ) 数据挖掘方法对可能影响小区用地决策的相关属性进行约简，去除冗余 属性，克服了以往方法受人为因素影响较大的弱点，得出决定小区用地类型 的决策规则，从而得到每个小区适于发展各类负荷的程度，再运用全局最优 的土地分配算法来计算各小区内各类负荷的增长。 ( 七)专家系统法 专家系统预测法是对数据库里存放的过去几年甚至几十年的，每小时的 负荷和天气数据进行分析，从而汇集有经验的负荷预测人员的知识，提取有 关规则，按照一定的规则进行负荷预测嘲实践证明，精确的负荷预测不仅 7 四川大学硕士学位论文( 2 0 0 6 ) 需要高新技术的支撑，同时也需要融合人类自身的经验和智慧。因此，就会 需要专家系统这样的技术。专家系统法，是对人类的不可量化的经验进行转 化的一种较好的方法。但专家系统分析本身就是一个耗时的过程，并且某些 复杂的因素( 如天气因素) ，即使知道其对负荷的影响，但要准确定量地确定 它们对负荷地区的影响也是很难的。专家系统预测法适用于中、长期负荷预 测。此法的优点是：能汇集多个专家的知识和经验，最大限度地利用专家 的能力；占有的资料、信息多，考虑的因素也比较全面，有利于得出比较 正确的结论。缺点是：不具有自学习能力，受数据库里存放的知识总量的 限制；对突发性事件和不断变化的条件适应性差。文献u 5 、 7 6 提出了 其他预测模型和专家系统相结合的短期负荷预测系统，利用其他预测模型对 待预测日负荷进行初步预测，再结合专家系统中的修正模型对初步结果进行 修正，得到最终预测结果。 ( 八) 负荷求导法 负荷求导法是对负荷曲线进行一次求导，得到每一点的负荷变化率。再 利用数理统计原理对得出的负荷变化率进行统计，可以采用求平均值或是求 加权平均值的算法来进行统计。最后利用得到的负荷变化率曲线进行负荷预 测，得到负荷预测结果h 司。这种方法适用于超短期负荷预测，预测精度比线 性外推法要高。但当随机因素发生大的变化或有坏数据存在时，预测误差会 比较大 ( 九)优选组合预测法 优选组合有两层含义：一是从几种预测方法得到的结果中选取适当的权 重加权平均；二是指在几种预测方法中进行比较，选择拟和度最佳或标准偏 差最小的预测模型进行预测。对于组合预测方法也必须注意到，组合预测是 在单个预测模型不能完全正确地描述预测量的变化规律时发挥作用。一个能 够完全反映实际发展规律的模型进行预测完全可能比用组合预测方法预测 效果好。该方法的优点是：优选组合了多种单一预测模型的信息，考虑的影 响信息也比较全面，因而能够有效地改善预测效果。缺点是：权重的确定 8 四川大学硕士学位论文( 2 0 0 6 ) 比较困难；不可能将所有在未来起作用的因素全包含在模型中，在一定程 度上限制了预测精度的提高。文献r 7 7 根据变权重组合预测理论，提出了一 种新的适用于电力系统短期负荷预测的变权重组合预测法。 在超短期负荷预测和短期负荷预测中，很多预测方法都需要用到相似日 的负荷数据，如：基于日周期多点外推法和神经网络法等。合理的选择相似 日也是提高负荷预测模型预测效果的有效途径。传统的根据人工经验选择相 似日的方法并不具备最好的预测效果。因此，很多学者对选择相似日进行了 研究。文献 5 设计了一个规范化的相关因素映射数据表，应用聚类分析方 法描述由于相关因素的不同导致的待预测日与历史日之间的差异程度，根据 差异程度选择相似日。文献c 3 3 提出负荷的规律性随着地区和时段的不同而 有所差异，因此在相似日的选择上( 重大节日除外) ，对一般工作日和休息 日而言，应根据实际情况，针对不同地区和时段选择不同的方法，还要根据 数据的相关特性来判断该地区是否适合选择相似日来进行短期负荷预测。文 献 4 7 深入研究了负荷的两个特征量，认为对预测日的负荷水平和负荷曲线 形状进行预测时，应该选取不同的相似日：即趋势相似日和形状相似日，从 日特征量、日前趋势相似度以及这两者的综合3 个角度阐述了选择相似日的 趋势相似日的原理和方法。 1 3 本文的主要工作 超短期负荷预测的研究，源于电力系统自动化水平的提高。在生产方面， 为提高调度自动化水平，通过精确地预测未来短时间内的负荷值，调度员可 据此调整系统备用，决定机组出力，保证系统安全运行和电能质量。未来短 时问内的负荷预测还是电力市场运行所需的基本信息。因此有必要进行有效 的超短期负荷预测。 首先分析了电力负荷的分类和特点、电力负荷预测的特点以及影响预测 准确性的主要因素，并对负荷预测工作的难点进行了分析。 然后建立了三种超短期负荷预测模型：基于日周期多点外推法；线性外 推法；时间序列法。由于气象变化对负荷的影响，主要表现在温度改变引起 9 四川大学硕士学位论文( 2 0 0 6 ) 负荷变化，而温度变化足缓慢的，它对负荷的影响一般不会突变，当以负荷 历史数据作为负荷预测的资料时，温度的影响实际上就己包含在负荷的历史 数据中了。所以上述三种模型均未考虑天气变化的影响。其预测的时间间隔 可以随着用户的实际需求而改变。本文以5 分钟预测为例，用上述三种模型 对江西电力局进行了超短期负荷预测，预测结果都比较理想。 本文在最后介绍了选择相似日前的准备工作，以及影响选择相似日的主 要因素，并介绍了三种选择相似日的方法：基于日类型的传统方法、基于负 荷值的选择方法、以及基于负荷值和负荷增量值的选择方法。由于待预测日 的负荷会受相邻日负荷的影响，所以根据负荷值和负荷增量值来选择相似日 时，不再局限于历史日与待预测日是否属于同一个日类型。 1 0 rjj l 大学硕士学位论文( 2 0 0 6 ) 第二章电力系统负荷预测分析 2 。1 电力系统负荷的分类和特点 2 1 1 电力系统负荷的分类 我国电力行业采用过的分类方法有很多种，不同的分类方法分别用于不 同的研究目的分类方法主要包括：按用电的目的划分，按用电单位或部门 的重要性划分，按用电部门的属性划分，按电力负荷的大小划分及按负荷预 测的时间的长短划分等方法。而电力规划中的负荷预测采用的分类方法主要 是：按用电的部门属性划分法和按负荷预测的时间长短划分法。 2 1 1 i 按用电部门的属性划分 按用电部门的属性，可以将电力负荷划分为：工业用电、农业用电、交 通运输用电和市政生活用电四大类嘲。其中每一大类又可以分别划分为若干 个小类，如工业用电可以进一步分为重工业用电和轻工业用电，重工业用电 又可以细分为黑色冶金工业用电、有色冶金工业用电、机械工业用电、能源 工业用电、化学工业用电等，轻工业用电也可以细分为纺织工业用电、造纸 工业用电、日用化工用电、医药工业用电等；农业用电可以进一步分为排灌 用电、农副加工用电、农村照明用电等；市政生活用电又可以分为商业用电、 街道照明用电、家庭生活用电及城市公共娱乐场所用电等；交通运输用电又 可以分为电气化线路用电、城市电车交通用电等。根据研究的目的和深度要 求来决定划分的详细程度。 工业用电有两个特点：一是用电量大，目前我国的用电构成中，工业用 电的比重占全社会用电量的7 5 左右；二是工业用电比较稳定，电力负荷在 月内、季度内的变化不大，比较均衡。除少数季节性生产的工厂外，大部分 工厂的生产用电受季节性变化的影响小这为电力系统负荷的预测提供了方 便。 农业用电在全社会电力消耗中的所占的比重不是很大，目前大约为 4 2 。它有个非常突出的特点，就是季节性很强。一天之内，农业用电的变 化比较小，但在一个月之内，尤其在一个季度之内和一年之内，负荷的变化 相对很大。 四川大学硕士学位论文( 2 0 0 6 ) 目前我国的市政生活用电水平有了非常大的提高。市政生活用电的特点 是在一天之内的变化会比较大，日负荷率也比较低，但一个月之内的用电变 化相对来说不大。市政生活用电的主要组成部分是照明用电和家用电器用 电。随着电冰箱、空调、电暖器等敏感于气候的家用电器的广泛使用，居民 负荷的变化对系统峰值负荷的影响会越来越大。 交通运输业的用电比重比较小，其中电气化线路的负荷比较稳定，日 内、月内、季内及年内的变化比较小。其他交通运输用电日内均不稳定，但 月内及年内用电特性比较稳定。 2 1 1 2 按负荷的大小划分 按负荷的大小，可以将电力负荷分为：最大负荷、平均负荷和最小负荷。 最大负荷也被称为最高负荷或尖峰负荷。在电力规划时，根据年最大负 荷决定装机规模、电源结构和投资规模。日最大负荷和月最大负荷也是个重 要参数，它们是编制电力系统日运行方式和月运行方式的主要依据。 最小负荷又被称为最低负荷、低谷负荷或基荷。它是编制电力系统运行 方式及确定相应的负荷特征的依据。 平均负荷是指一个特定时段内出现的负荷的平均值。 2 1 1 3 按负荷预测期的时间长短划分 按预测期限，可以把电力负荷分为：近期负荷、中期负荷和长期负荷。 2 2 电力系统负荷的特点 电力负荷的特点是经常变化的，不但按小时变、按日变，而且按周变， 按年变，同时负荷又是以天为单位不断起伏的，具有较大的周期性，负荷变 化是连续的过程，一般不会出现大的跃变，但电力负荷对季节、温度、天气 等是敏感的，不同的季节，不同地区的气候，以及温度的变化都会对负荷造 成明显的影响。 2 1 3 电力系统负荷预测的特点 1 2 四j 1 1 大学硕士学位论文( 2 0 0 6 ) 由于负荷预测是根据电力负荷的过去与现在来推测它的未来数值，所 以，这一工作所研究的对象是不确定性事件，它具有以下特点： 预测结果的非准确性。电力负荷的未来发展受各种复杂因素的影响， 这些影响因素是发展变化的，如社会经济发展、人口增长、全球气 候变化、新技术发展、能源产业政策等。人们对有些因素能预先估 计，有些因素则不能或很难被准确预测。同时，预测方法与理论的 不断更新，也将影响到预测的精度。 预测的条件性。各种电力负荷预测都是在一定条件下做出的。这些 条件有必然条件和假设条件，按必然条件做出的负荷预测往往是可 靠的，按假设条件做出的预测准确性显然具有条件性。 比如说：对于工业负荷，由于其与国民经济的整体发展密切相关， 但是对某一特定期限内，很难预测国民经济的增长率，这就决定了 在所有预测中，工业负荷的预测最为困难，为此必须引入某些假设 条件，如设定在预测期内经济的递增率。很显然，由此做出的负荷 预测就具有了特定的条件性。 预测结果的多方案性。由于负荷预测具有精度问题和受一定预测条 件的制约，再加上预测手段及理论数学模型的多样性，使得预测的 结果并非是唯一的。 为搞好负荷预测，必须作好以下两点工作： 第一，搜集和掌握大量的历史数据历史资料是进行电力系统负荷预测 的基础，既要收集负荷数据，又要收集影响负荷情况的相关因素数据。 这些资料的来源主要有两种途径： 1 ) 国家部门及相关机构定期或不定期发表的报刊、资料、文献及出版物。 2 ) 预测人员通过调查获得的资料。 对历史资料要进行整理与校核，力图保证完整性与准确性，对异常数据 需要修正或删除。做出客观而又全面的统计分析，为预测工作打好基础嘲。 统计分析的目标是选出有代表性的、真实的、可用程度高的资料，作为预测 的基础数据。 第二，采用新的科学预测理论与分析方法，同时，还必须注意与负荷预 四川i 大学硕士学位论文( 2 0 0 6 ) 测相关的领域的发展动向，使电力负荷预测的理论基础保持先进性。 此外，在世界各国，由于电力需求随经济增长的趋势类同，因此，在进 行全国范围的电力负荷预测时，可以参照国外的电力消费资料，确定本国的 电力需求量。这种方法的关键是在于选择合适的对比国家。一般选经济发达、 且经济结构与本国有某种相似的国家作对比和分析。 由于预测量发展变化的规律复杂多样，采用单一方法进行预测，很难取 得令人满意的结果。这就要求建立完备的预测模型库。其次，预测方法本身 应能具备较强的适应性，应该能够在多种预测模型得到的结果基础上，进行 合理的综合分析、优化组合，得到最接近于客观规律、可靠性好、预测精度 高的综合模型。 2 1 4 影响负荷预测准确性的因素 电力系统是一个有机体，在电网范围内，必须每时每刻保持发、供电 之间的平衡，这就要求电力负荷预测精度要相当地高。影响负荷预测准确性 的因素有以下几种： 没有一种预测模型能适用于所有的负荷预测，各种负荷预测模型都 有一定的时间范围。因此要对负荷在各种情况下可能的发展状况进 行预测，就需要一个多种方案组合的负荷预测。 电力负荷的发展变化受各种各样复杂因素的影响，而且各种影响因 素也是发展变化的，人们对这些发展变化有些能够预先估计，有些 却很难事先预见到，加上一些临时情况发生变化的影响，这就决定 了预测结果的非准确性或不完全准确性。 负荷预测受不确定因素影响较大。在影响电力负荷变化的诸多因素 中，许多因素是具有很大的不确定性的，如政治经济条件、天气变 化等，往往难以准确预料，这就给电力负荷预测工作带来了很大的 困难，使电力负荷预测也具有显著的不确定性。因此，预测人员应 对可能影响到预测结果准确性的各因素做出科学合理的分析和判 断，对这些因素可能产生的变化或变化的可能性和趋势做出尽可能 定量的估计。 1 4 四川大学硕士学位论文( 2 0 0 6 ) 2 2电力系统负荷的基本模型 针对影响电力负荷的因素，电力负荷的预测模型一般可以由四个分量模 型组成： p ( 力= a ( f ) + 口( f ) + c ( f ) + o ( o ( 2 1 ) 式中：p ( f ) 为时刻t 的总负荷 a ( f ) 为时n t 的基本正常负荷分量 曰为时刻t 的天气敏感负荷分量 c q ) 为时刻f 的特别事件负荷分量 d ( f ) 为时刻t 的随机负荷分量 由上述各负荷分量，对于日负荷预测，天气因素作用明显了，如果待预 测日的明天和今天是同类型日，而明天预测的天气因素和今天有很大的区 别，那么明天的负荷和今天就有一定程度不同。另外，特别时间负荷分量属 于非常规负荷变动，只有先预测出待预测日特别事件出现的时刻，以及对负 荷的影响程度后，才能修正预测负荷，得到最终准确的预测值。 2 2 1 基本正常负荷分量模型 不同的预测周期，a ( t ) 分量有不同的内涵，对于超短期负荷预测，a ( t ) 近似线性变化，甚至是常数；对于短期负荷预测，a ( f ) 一般是周期性变化， 而中长期负荷预测中，a ( t ) 呈现出明显增长趋势的周期性变化。因此，对于 基本正常负荷分量a ( t ) ，可用线性变化和周期性变化模型来描述，或是用二 者的合成模型来描述，即： a = x z ( f )( 2 - 2 ) 式中：x ( f ) 为线性变化模型负荷分量； z q ) 为周期性变化模型负荷分量。 2 2 1 1 周期变化模型 周期变化模型，是用来反映负荷有按日、按月、按年的周期变化的特性， 四川大学硕士学位论文( 2 0 0 6 ) 以负荷按日周期变化为例。 负荷的周期变化规律可以用日负荷变化系数口t ( ) 表示为： 口t o ) ：y k ( t ) ( 2 - 3 ) y 式中：y t ( f ) 为一天中各小时的负荷；y t 为当天的日平均负荷。 日负荷变化系数口t o ) 也是以2 4 小时为周期循环变化，每天同一时刻的 负荷变化系数值接近于一条水平线，因此可以用前几天的同一时刻的负荷变 化系数的平均值预测以后的值。做出每小时负荷变化系数的平均值，连接起 来就是一天总的周期变化曲线。这种反映一天2 4 小时负荷循环变化规律的 模型被称为日周期变化模型，即： 口( r ) = l 盯t ( f ) ( 2 4 ) m i = l 式中：m 为模型采用的历史负荷的天数； 口。( ，) 为过去第k 天第t 小时的负荷变化系数。 2 2 1 2 线性变化模型 超短期负荷预测可直接采用线性变化模型，将前面的时刻描述成一条直 线，其延长线可预测下一时刻的负荷。 线性变化模型可为： x ( t 、= a + b f + ( 2 - 5 ) 式中，a , b 为线性方程的截矩和斜率；e 为误差。 由于本文主要是考虑超短期负荷预测，直接采用线性变化模型来描述： a ( t ) = x ( t ) = a + b f + ( 2 6 ) 2 2 2 天气敏感负荷分量模型 影响负荷的天气因素包括：风力、阴晴、温度、湿度等，这里以温度 1 6 四川大学硕士学位论文( 2 0 0 6 ) 为例介绍天气敏感负荷模型。 以日负荷为例，给定过去若干天负荷数据、温度数据，利用线性回归 或曲线拟和方法，可以用三段直线来描述天气敏感负荷模型： i 髟s = ( f o r j ) t 。 r j w ( t 。) = 一k = o o 一丁w )f 。 s ( f ) ( 2 - 8 ) 则 艇加默嚣 ) ，a ，) 歹( ) ( 2 - 9 ) y ( i ，f ) 口( f ) 【l y ( i ，t ) - y ( i ，f + 1 ) i 卢( f ) ( 2 - 1 0 ) 则 ) ，( f ，f ) = 2 垡! 掣+ ) ，( j l ，d 一2 垒二! ! ! ；趔( 2 一1 1 ) 式中： 口( f ) ，口( f ) 为阀值。 2 3 2 缺损数据的修补伽 缺损数据也就是漏数据，通常利用相邻几个相同日类型的正常数据拟合 出l 条曲线，根据此拟合曲线估计出坏点的值。拟合的方法是假定拟合曲线 为 ，= g ( y 。a 1 口2 ，口j = 口l g i ( ) ，) + 口2 9 2 ( y ) + + 4 。g 。( ) ，) ( 2 1 2 ) 令g 。( ) ，) = l9 2 ( y ) = y ，依此类推 将前几个相同日类型的正常数据y t 代入公式( 2 - 1 1 ) ，则有： 应用最小二乘原理 以及极值概念 国g 。( ) ，。) a i 。= l y - 尊：酗g 一( 削一y z 6 。 y 。 z a r g 。( ) ，辩) 至度= a 。 ( 2 - 1 3 ) ( 2 - 1 4 ) 至况挚：o u ：l 。2 - 埘) ( 2 1 5 ) k = l o a i 1 9 四川大学硕士学位论文( 2 0 0 6 ) 求解出口”口：，口。，从而也就得到拟合曲线。通过这条拟合曲线可以求 出缺损数据的修正值。 2 3 3 其他处理方法 对坏数据的处理方法，还有人工神经元网络法、数理统计等、灰色预测 等处理方法。文献 1 4 提出基于人工神经网络的电力负荷不良数据的辨识和 调整，首先对日负荷曲线进行聚类，产生各类特征曲线，再用特征曲线和含 有坏数据的曲线形成的样本集对人工神经元网络进行训练。这样就可以对坏 数据进行准确定位，最后利用特征曲线对不良数据进行修正。文献 5 3 采用 小波分析与局部奇异性理论，通过对模极大值的调整和细节信号的软阀值处 理来达到检测和消除不良数据的目的。数理统计是根据相邻时段负荷变化量 的参数是否大于阀值来实现自动辨识。若大于阀值，则是异常数据，再利用 检验参考数据均值代替被检测量。 2 4 预测误差分析 负荷预测值只是对未来