广东省用电需求预测与储能式热力发电展望

广东省用电需求预测与储能式热力发电展望广东省用电需求预测与储能式热力发电展望 伍莹宏伍莹宏 1 龙新峰 龙新峰 2 梁 梁 平平 3 1 广东省电力工业学校 广东广东省电力工业学校 广东 广州广州 510520 2 华南理工大学华南理工大学 化工与能源学院化工与能源学院 强化传热与过程节能教育部重点实验室 强化传热与过程节能教育部重点实验室 广东广州广东广州 510640 3 华南理工大学电力学院 广东华南理工大学电力学院 广东 广州广州 510640 摘摘 要要 社会用电量预测是电力系统的重要工作之一 本文采用 P 神经网络对广东省全 省用电量进行了预测 所得仿真模拟值与历史数据基本吻合 表明 P 神经网络预测模型有 较高的预测精度 基于预测结果 对可再生能源发电 特别是氨基热化学储能式太阳能热 力发电在广东省的发展进行了展望 关键词关键词 社会用电量 神经网络模型 热化学储能 太阳能热力发电 Electricity demand forecasting and prospect of power generation with energy storage in Guangdong U Yinghong1 LONG Xinfeng2 LIANG Ping3 1 Guangdong Electric Power School Guangzhou 510520 China 2 Key Lab of eat ransfer Enhancement and Process Energy Conservation Ministry of Education School of Chemical Engineering and Energy South China Univof echnology Guangzhou 510640 China 3 Electric Power College South China Univof echnology Guangzhou 510640 China Abstract he forecasting of social electricity consumption is one of the important assignments of electric power systemhe paper uses P neural network to forecast the whole electricity demand of Guangdong Provincehe numerical values got by simulation accord with historical data which shows that the neural network model has high forecast precisionased on the forecast results the present paper indicates the prospect of renewable energy power generation such as solar thermal power with ammonia based thermochemical energy storage in particular in Guangdong Province Keywords social electricity consumption neural network model thermochemical energy storage solar thermal power generation 电力市场是一个受多种因素影响的复杂非线性系统 目前尚不能确切知道影响系统的 状态变量数目 也不能建立决定系统的动力学方程 所知道的只是这一复杂系统中各种影 响机制在经过极其复杂的相互作用后所产生的最后结果 电力负荷时间序列 电力负荷 时间序列反映了电力市场这一复杂系统的宏观整体特征 即动力学特征 更重要的是电力 负荷时间序列同时也蕴涵着系统未来的演化信息 因此可以通过对电力负荷时间序列的分 析来研究电力市场的内在规律和演变机制 目前普遍认可的分析方法主要有两类 一类是 时间序列分析法 1 2 如 ARMA 卡尔曼滤波 回归等 另一类常用方法是神经网络法 3 4 电力系统负荷预报中 应用最多的是带有隐层的前馈型神经网络 对多层感知器 误 差反传训练算法 back propagation P 是目前最简单 最实用的一种梯度算法 本文利用 P 神经网络预测模型 将影响用电量的因素作为特征量输入 利用神经网络具有广泛映射能 力的特点 对广东省电力负荷进行了预测 并取得了较好的结果 基于电力需求大规模增 长的预测结果 从电力可持续发展出发 简要叙述了广东省对发展可再生能源发电 尤其 是储能式太阳能热力发电的需求 并简要介绍了热化学储能式太阳能热力发电的原理 结 构与特点 1 用电需求预测用电需求预测 1 1P 神经网络预测模型简介神经网络预测模型简介 对于许多问题 尤其是预测问题 采用常规的线性模型描述已不够深刻 预测精度不 能满足实际要求 非线性模型的研究逐渐引起人们的重视 对于非线性时间序列 非线性自回归模型 nonlinear autoregressive model NAR 为 实现对 xt的预测 关键是确定非线性函数 h BP 网络为实现 NAR p 模型的预测提供了有力的手段 上述的非线性函数 h 可近似一 个 P 网络加以描述 而且 借助于 P 网络的映射能力 还可实现非线性时间序列的多步预 测 其第 l 步预测值可表示为 在 P 网络中 隐层节点数的选择至今尚无任何理论根据 这在一定程度上影响到 P 网 络的泛化能力及预测精度 这里 为了提高 P 网络的泛化能力 在原 P 网络的基础上引入 了输入层至输出层的直接连接权 称为合成 P 网络 如图 1 所示 采用合成 P 网络后 其 泛化能力及训练收敛速度较常规的 P 网络有很大的提高 此时 其第 1 步预测为 其中 函数 g 和 f 分别为网络输出层及隐层节点的激励函数 这里 取 g x x f x 取 sigmoid 函数 wli wij wlj分别为输出层与隐层 隐层与输入层 输出层与输入层节点 间的连接权 bi bl 为相应节点的阈值 l 1 2 L 为预测参数 p M L 分别为输 入层 隐层及输出层的节点数 通过对网络的训练 得到各连接权及阈值的估计值 即可实现对 xt的 NAR p 预测 BP 网络及合成 P 网络为非线性 非平稳随机时间序列的预测提供了一种有效的途径 而且还可同时进行多步预测 这是它优于其它预测模型的两个显著特点 但 P 网络的训练 速度较慢 目前已产生了不少改进算法 使收敛速度有所提高 1 2 预测过程预测过程 a 采集的用电量原始数据 经过需要进行预处理 得到一系列连续时间的用电量数据 b 网络结构选取 选取如图 1 所示的具有单隐层 P 前馈人工神经网络 初始化网络 其中输入层节点数 N 5 隐层节点数 M 10 输出层节点数 L 1 输入信号向前传播到 隐层节点 经转移函数传播到输出层的神经元上 最后给出计算结果 c 模型建立 采用 P 网络建立用电量序列非线性预测模型分为两个阶段 训练阶段和预 测阶段 d 误差分析 通过绝对误差的形式对网络精度进行分析 e 预测 预测模型经过训练之后 滑动窗口到已知序列的最后 n 个数值 输入到神经 网络中 此时的输出就是该序列的下一步预测值 窗口向后移动一次 包括前 n m 个点 及刚才的预测值 得到第二个预测值 这是一个迭代过程 m 表示嵌入维数的大小 在使 用过程中预测模型随时间的推移不断更新 随时调整 具有动态自适应的能力 1 3 预测结构预测结构 首先定义 窗口 意为在用电量时间序列上等时间间隔连续排列的 n 个数所包围的区 域 窗口内的 n 个数作为训练网络的输入 输出节点数为 1 网络的目标输出为窗口后下 一时刻的值 在训练区段 把窗口中的 n 个数顺序送入网络的输入层 计算输出结果 并 和目标输出进行比较 通过网络的前向计算和误差的反向传播计算过程 不断地调整权值 使计算结果和目标输出之间的误差满足精度要求 然后在时间序列上移动窗口获得新的输 入和输出 并重复该过程 直到窗口走完训练区域 以 1984 2003 年用电量 见表 1 对 P 神经网络进行拟合 将这 20 年的数据分为 5 个区 间 即 5 个窗口 其中前 4 个窗口作为训练区 最后一个窗口作为检验区 训练过程总误 差小于 0 000 01 通过 P 神经网络进行预测 所得的仿真拟合结果与预测结果如图 2 和表 2 所示 由图 2 和表 2 可知 2004 年至 2007 年广东省用电量将出现较大的增长 随着社会和 技术的发展以及人们对生活水平不断提高的企盼 为保证广东经济将持续高速增长 可以 预测 电力生产在今后数十年内也必将有更大的增长 根据我国 九五 规划和 2010 年发 展目标 电力工业还会有很大的发展 将继续维持较高的增长速度 可见 今后若干年内 广东省电力工业的发展任重而道远 人均耗能的增加和对环境质量的要求这对矛盾 为电力工业的持续发展创造了条件 估计未来 30 年中 广东省的可再生能源发电装机量将占全部总装机容量的 8 10 从 而成为广东省电力的重要组成部分 其中 风力与太阳能发电将占主要份额 前期风力发 电会较快发展 而后期的增长主要靠太阳能热力发电 那时 太阳能热力发电无疑将成为 重要的工业分支 2 热化学储能式太阳能热力发电热化学储能式太阳能热力发电 为从根本上弥补太阳辐射能密度低且不能稳定供应的缺陷 使其从辅助能源最终变为 一种使用方便可靠的主要能源 人们开始致力于研究带有热化学储存技术的太阳能热力发 电技术 2 1 热化学储能原理热化学储能原理 热化学储能 thermochemical energy storage 为缓解能源危机 减少环境污染物排放量 提高能源利用率和热系统可用率提供了一条新途径 其基本原理是 利用热化学可逆反应 将太阳热能 地热 暂时不用的高温热能 余热或废热等转换成化学能 并储存于反应介 质中 需要使用时 再通过逆向热化学反应方法将化学能逆转成热并释放出来 热化学储 能是通过热能 化学能 热能这一能量转换利用概念 来解决因时间或地点上供热与用热 不匹配和不均匀性所导致的能源利用率低的问题 可最大限度地利用加热过程中的热能或 余热 提高整个系统的热效率 并可在常温下长期无热损储存 且体积和重量储能密度远 高于显热或相变蓄热 热化学储能体系较多 但适用于大规模发电的只有少数几种 其中 NH3 N2 H2体系因 具有其它热化学或光化学储能所不具备的独特优点 使其成为太阳能热力发电首选的热化 学储能物质 2 2 氨基热化学储存太阳热能原理氨基热化学储存太阳热能原理 氨基热化学蓄能的基本机理是利用下式可逆热化学反应 通过热能与化学能转换进行 太阳能转换 储存 传输 热再生过程 图 3 5 示出了这一储能循环过程 通过碟式抛物面太阳能集热器 NH3在位于集热器焦 点处的吸热反应器中吸收太阳热能 并在高压 催化剂作用下 发生分解反应生成 H2 和 N2 所吸收的太阳能也以化学能的形式储存在 H2 和 N2 中 此后 在能源需求的地方 如发电站 将 H2 和 N2 输入放热反应器中 在高压 催化剂作用下 发生合成反应生成 NH3 将所储存的热能释放出来 经热交换器可产生 10 MPa 压力 450 温度的蒸汽 供 朗肯循环汽轮发电机使用 2 3 氨基热化学储能式发电站概念系统氨基热化学储能式发电站概念系统 概念系统设计的主要目的是彻底评估一个可全天 24 h 满负荷运行的太阳能热电站的热 经济性能 图 4 示出了一个太阳热概念电站 6 构成该电站供能系统的基础是吸热反应器 R 101 和放热反应器 吸热反应器由太阳能辐射热驱动 放热反应器通过产生过热蒸汽 R 102 使热能再生 基于上述概念的太阳能热力发电站布局 如图 5 所示 7 多台碟形抛物面太阳能集热 器按方形阵列布置 通过高压管网与中央发电厂相连 中央发电厂有一台标准氨合成器 合成器与热交换器 锅炉设计成一体化结构 以吸收合成器中的氨合成放热反应热 供产生 高温高压蒸汽用 供能系统可采用等容操作或等压操作 当采用等压操作的压力达到 30 MPa 时 使用 目前已工业化生产的高性能部件 整个系统的有用能效率可达到 71 考虑到太阳能集热 器效率和朗肯蒸汽循环效率 则太阳能转换成电能的总效率约为 20 在折扣率为 7 的 情况下 发电成本可达到人民币 0 24 元 kh 正如其它可再生能源发电成本不断下降一样 有理由相信 随着该技术的成熟和工业化生产 发电成本可进一步下降至 0 15 0 20 元 kh 澳大利亚 Lovegrove K 研究小组基于式 1 氨基热化学储能反应于 1999 年试制出一套 1 k 的闭式氨基热化学储能系统 7 最近 又研制出一台功率为 15 k 的闭式氨基热化学储能 式太阳热力发电系统 5 其成功的实验不仅从理论上而且从技术上证明了氨基热化学储能 及其用于储能式太阳能热力发电的可行性 3 结论结论 a 通过 P 神经网络所得仿真模拟值与历史数据基本吻合 表明该 P 模型有相当高的精 度 b 预测结果表明第 2004 年后用电量出现了较大的增长 反映了广东经济将持续高速增 长 从而也推动电力需求的高速增长 c 广东省煤炭 天然气等矿物燃料资源紧缺 但风能 尤其是太阳能资源极其丰富 年辐射量平均值为 5 5 G m2 a 全年日照时数达 3 000 h 这是一笔很可观的自然财富 完全可以开发利用 在各种可再生能源发电方式中 氨基热化学储能式太阳能热力发电采用十分成熟的氨 合成工业技术和常规能源朗肯循环汽轮机发电技术 是可大规模开发的发电形式 也是其 它再生能源难以替代的 建议作为一种技术储备优先发展 参考文献参考文献 1 刘晨辉电力系统负荷预测理论与方法 M 哈尔滨 哈尔滨工业大学出版社 1987 2 OYODA CEN M INOUE Y An application of state estimation to shortterm forecasting J IEEE rans on PAS 1 1970 89 1