電力市場環境下中長期負荷預測的應用分析①

楊 科，譚倫農

（江蘇大學電氣信息工程學院，鎮江 212013）

隨著時代的進步，特別是電力市場的迅猛發展，在給電網企業帶來機會的同時也帶來了一系列的風險。市場環境下售電公司的盈利損失完全由自己承擔，因此售電公司未來的競爭力的強弱在很大程度上取決于管理風險的能力。售電公司如何在盈利最大化同時盡可能地管理好所面臨的風險，已經成為一個亟需解決的重要課題。售電公司面臨的風險有電價風險、電費回收風險、供電可靠性風險、配電網改造投資風險、安全風險以及負荷預測誤差風險等，其中負荷預測誤差風險是決定售電公司收入波動的直接原因。因此，研究負荷預測誤差的風險問題對于電網企業規避風險，減少損失具有重要的現實意義［1］。

從世界各國電力工業發展的歷史來看，電力管理體制變革的趨勢是朝著完全競爭的市場結構發展，即不僅開放輸電網，配電網也面向所有電力零售商開放。這種改革的目標是要通過建立一個自由競爭的電力市場來取代目前壟斷化的電力工業，以減少電力用戶為得到電力供應而付出的費用。電力用戶也將逐漸擁有選擇電力公司和服務的權力，而

一般認為，這一市場結構模式與其他三種模式（壟斷模式，發電競爭模式和躉售競爭模式）相比，在售電領域具有更強的競爭性，經濟效益和資源利用率也得到了更大的提高。在這種模式下也有利于電價的降低，從而有益于電能消費者，因而這種市場模式是當前電力市場較為理想的模式。

市場環境下售電公司經營著不同的負荷類型，這些負荷類型千差萬別。本文從負荷類型和負荷預測誤差角度出發，提出加權誤差這一概念，重點討論了某地區主要負荷類型與其預測加權誤差之間的關聯關系，為以后用電側開放的售電公司的經營策略、穩定供電提供了一種新的思路。

1 負荷預測在市場環境下的意義和應用

1.1 電力市場環境下負荷預測的意義

電價是電力市場的信號，是電力供求的橋梁，是電力交易的紐帶。電價作為重要的經濟杠桿，在建立和培育電力市場，優化配置電力資源，調整各種利益關系方面具有不可替代的作用。電力市場化的核心內容便是電價改革。

由于電力市場中電價存在較大的不確定性，市場環境下的售電公司想要獲取長期的穩定收益，必須合理制定電價，亦即需要盡可能接近市場環境下的購電量。若購電量過高，則影響自己的購電成本，對自身的經營和競爭不利；若購電量過低，則無法滿足電力用戶的需求，對自身和電力用戶之間產生了供求矛盾。因此，歸根結底電力零售商在市場環境競爭中取得主動，必須使自身在市場環境下的購電量盡可能接近自身電力用戶的用電量，亦即，必須力爭使得自己的負荷預測精度高于競爭對手。

1.2 電力市場環境下負荷預測的應用

不同于供電公司須對整個供電網范圍內負荷供電，售電公司可能只對全區域中的某一部分負荷提供電力。在市場環境下售電公司和其用戶是在雙方自愿平等的原則下達成服務協議的，因此售電公司對其用戶具有選擇權，為了提高售電經濟性，售電公司可能更傾向于選擇售電穩定、效益好且預測精度高的用戶。因而如何選擇這些優質用戶，成為售電公司最為關注的問題。然而負荷千差萬別，每一類負荷的用電規律和用電特點都不同，有的呈較強的規律性，有的受隨機因素影響大。

市場環境下售電公司在選擇這些優質用戶時，往往先是對這些負荷建立預測模型，通過分析預測結果來評價這些用戶。對市場上不同的負荷建立同一種預測模型，或者對同一種負荷建立不同的預測模型，通過預測結果對比就可以為售電公司選擇合適的負荷以及對應的預測模型，進而提供強有力的參考。

2 負荷預測誤差與負荷類型之間的關聯性分析

2.1 市場環境下分析加權誤差的必要性

對不同的負荷使用同一種預測方法或者對同一種負荷使用不同的預測方法，它們的關聯性會有很大的區別。評價一種負荷預測方法的精確度，傳統的方法往往是計算出該預測方法的平均相對誤差和最大相對誤差。兩者越小，預測方法越精確。

勘查區位于蘭州市城關區老虎溝西側山體斜坡地帶，距黃河約240 m，距離北濱河路120 m，交通條件較為便利。勘查區地貌類型屬構造-侵蝕低中山地貌，地勢總體北高南低。山體陡峻，總體山坡坡度20°～55°，海拔高程為1 500～1 600 m，相對高差達100 m。危巖崩塌體所在坡面基巖風化強烈，形成數處危巖崩塌體，斜坡坡度達45°～85°，局部臨空垂直。坡腳由于修建房屋而開挖呈陡直狀，人工進行了簡單防護。在勘查區南側發育有一條較大溝谷—老虎溝。斜坡坡面由于雨水沖刷，形成數十條垂直于坡面的小沖溝，沖溝寬0.1～0.5 m，深0.1～0.3 m，延伸長5～15 m。

平均相對誤差可以表示為

上述公式對于一個誤差序列而言，每一個誤差都是等權重的。而在市場環境下的負荷預測又有了新的內涵，不同誤差的權重是不一樣的。

根據英國第二輪電力市場改革中平衡調度機制中的不平衡結算方法［2］，市場參與者通常在提交最終報告時就要圍繞著最終出力提出競賣價（offer）和競買價（bid），其中競賣價是指發電商增加出力或用電方減少負荷而使系統裕度變大的報價，競買價是指發電商減少出力或用電方增加負荷而使得系統裕度變小的報價。如果在實時平衡調度過程中，平衡市場成員未能完全按其被接受的競買價和競賣價進行出力（或負荷）調整，國家電網公司將對這部分差異（這里稱為“未發送電量”）進行罰款，這里的罰款均采用加權價格，不平衡越多，罰款則越多。具體見圖1。

圖1 電力價格構成Fig.1 Electricity price formation

以上述分析結果為依據，提出市場環境下加權誤差，即在市場環境下預測誤差并不是簡單的數學關系，預測相差越大，意味著該售電公司所付出的代價就越大，風險就更高，懲罰值就越大，與預測誤差小的情況下，市場營銷策略和最后的收益情況有很大的區別。

2.2 加權誤差的計算

設ri＝（r1，r2，…，rn）為相對誤差序列，則wi為第i個誤差在誤差序列中占的權重，有上式可知，誤差越大，則在誤差序列中權重比越高。定義加權誤差E為

2.3 基于加權誤差的關聯性計算

定義關聯度

關聯度在一定程度表征出預測模型對于負荷模型的市場風險能力，關聯度越高，售電公司經營該負荷類型風險就越低；管理度越低，售電公司經營該負荷類型風險就越高。

3 算例分析

收集某地區1986—2003年的農林業、建筑業、城鎮居民用電等7種負荷原始數據進行分析，用前10組數據進行建模。根據中長期負荷預測的特點，且每種負荷類型往往只能收集歷年負荷數據值，一些相關的影響因素很難獲取，因此選用灰色系統理論（grey model，GM（1，1））［3～5］，最小二乘支持向量機LSSVM（least squares support vector machine）［6～8］建立中長期負荷預測模型。

利用周期拓延法（預測完后兩年的值，去除最前面的兩組數據，添加最新的兩組數據進行重新建模）。

以農林為例的預測結果如表1所示，表2和表3分別列出了農林行業和其它負荷類型的預測的誤差分析，負荷預測誤差與負荷類型之間的關聯度如表4所示。

表1 某地區農林行業用電負荷預測結果Tab.1 Results of prediction of agriculture and forestry in one area （105 MW·h）

表2 農林行業用電負荷預測誤差分析Tab.2 Results of prediction error of agriculture and forestry in one area （%）

其他負荷類型的預測誤差分析如表3所示。

表3 其他負荷類型預測誤差分析Tab.3 Results of prediction error of other load in one area （%）

從上述表中結論分析可知：

（1）從預測誤差來看GM模型適合于農林業、地質普查和勘查業的預測，LSSVM模型適合于工業、城鎮居民用電的預測。對于建筑業和交通郵電業，GM和LSSVM預測效果精度都比較差，這也和行業特點有關，建筑業受政策影響大，交通業隨機性強。

（2）從關聯度可知，對于工業LSSVM預測時關聯度高達0.9729，說明利用LSSVM預測工業負荷時市場風險是很低的。而對于商業飲食業這種負荷，雖然預測誤差只有0.0442，但關聯度偏低，說明負荷在市場環境下存在一定的風險。

（3）綜上，對于該地區而言，市場下的售電公司盡可能選擇農林、工業、地質普查和勘查業這些負荷類型，盡量避免建筑業、交通郵電業這些負荷，才能在市場中占據主動。

表4 負荷預測誤差與負荷類型之間的關聯分析Tab.4 Relationship between the weighted error of load forecasting and load types （%）

4 結論

本文闡述了在電力市場環境下負荷預測的新內涵，并通過分析負荷預測加權誤差與負荷類型間的關聯關系，為市場環境下的售電公司選擇電力用戶、經營策略和安全供電提供一種新的思路。

（1）按照電力市場發展趨勢，闡述了在市場完全開放情況下負荷預測的新內涵，以及負荷預測在售電公司中的研究及應用意義。

（2）市場環境下預測誤差并不是簡單的數學關系，以英國第二輪電力市場改革為依據，提出負荷預測加權誤差這一概念，重點分析了負荷預測加權誤差和負荷類型間的關聯關系，分析結果更加切合市場環境，為售電公司的經營策略提供了一種新思路。

（3）對那些隨機性強，變化大的負荷選取合適的預測模型仍是亟需解決的重要課題。

［1］ 任峰，丁超（Reng Feng，Ding Chao）.市場環境下負荷預測誤差風險管理研究（Risk management of load forecasting error in power market based on VaR）［J］.現代電力（Modern Electric Power），2009，26（3）：87－90.

［2］ 王秀麗，宋永華，王錫凡（Wang Xiuli，Song Yonghua，Wang Xifan）.英國電力市場新模式——結構、成效及問題（Operation experiences of the UK new electricity trading arrangement）［J］.中國電力（Electric Power），2003，36（6）：1－5.

［3］ 牛東曉，曹樹華，趙磊，等.電力負荷預測技術及其應用［M］.北京：中國電力出版社，1998.

［4］ 王翠茹，孫辰軍，楊靜，等（Wang Chuiru，Sun Chenjun，Yang Jing，et al）.改進殘差灰色預測模型在負荷預測中的應用（Application of modified residual error gray prediction model in power load forecasting）［J］.電力系統及其自動化學報（Proceedings of the CSU－EPSA），2006，18（1）：86－89.

［5］ 張立明.人工神經網絡的模型及其應用［M］.上海：復旦大學出版社，1993.

［6］ 趙登福，王蒙，張講社，等（Zhao Dengfu，Wang Meng，Zhang Jiangshe，et al）.基于支撐向量機方法的短期負荷預測（A support vector machine approach for short term load forcasting）［J］.中國電機工程學報（Proceedings of the CSEE），2002，22（4）：26－28.

［7］ 肖先勇，葛嘉，何德勝（Xiao Xianyong，Ge Jia，He Desheng）.基于支持向量機的中長期電力負荷組合預測（Combination method of mid－long term load forecasting based on support vector machine）［J］.電力系統及其自動化學報（Proceedings of the CSU－EPSA），2008，20（1）：84－87.

［8］ 劉涵，劉丁，鄭崗，等（Liu Han，Liu Ding，Zheng Gang，et al）.基于最小二乘支持向量機的天然氣負荷預測（Natural gas load forecasting based on least squares support vector machine）［J］.化工學報（Journal of Chemical Industry and Engineering（China）），2004，55（5）：828－832.