基于需求側管理的負荷預測方法初探

摘要：電力系統的主要作用即為滿足用戶的負荷要求，而對于電力系統的設計與運行而言，負荷的變化特征是對其產生直接影響的重要因素之一。本文就基于需求側管理的角度討論負荷預測的方法，首先總結負荷特性指標，接下來總結負荷預測的劃分方法與影響因素，最后提出幾種需求側管理中負荷預測的方法。

關鍵詞：需求側管理；負荷；預測方法

中圖分類號：TM71 文獻標識碼：A

一、負荷特性指標

具體而言，負荷特性指標包括以下幾個：

第一，最大負荷利用小時數，即報告期內電量與最高負荷的比值，其表達式為 T=W/Pzg，其中T為最大負荷利用小時數，W為報告期內電量，Pzg為最高負荷。該指標體現的是設備利用的程度以及用戶負荷的穩定性。第二，同時率，該指標是綜合最高負荷與各組成單位絕對最高負荷之和的比值，其表達式為k=Pzg/（ΣPzg.i，其中k為同時率，Pzg.i為各組成單位絕對最高負荷之和，同時率反映的是多個用戶同時出現最大負荷與用戶自身最大負荷之和的關系，用戶負荷性質不同，其負荷組合后體現出的負荷特性也存在差異。第三，典型日最大或最小負荷，即典型日中有記錄的最大的負荷數值，通常選擇最大負荷日作為典型日，或者選擇最大峰谷差日，也可以按照實際情況選擇不同季節中的某個代表日，記錄時間選擇瞬時、十五分鐘、半小時或者一小時均可，典型日最大或最小負荷表達式為Ppj=W/t，其中Ppj為平均負荷，是指報告期內瞬時負荷的平均值，即負荷時間數列時序的平均值。第四，負荷率，即平均負荷與最高負荷的比值，表達式為f=Ppj/Pzg，Ppj為報告期內瞬時負荷的平均值，Pzg為最高負荷。第五，平均日負荷率，即報告期每日的負荷率和與日數的比值，表達式為fpj=（Σfn）/N，其中fpj為平均日負荷率，fn為報告期內每日負荷率，N為天數。第六，峰谷差率，即報告期內峰谷差最大值與當日最高負荷的比，表達式為r=max（Pf-Pg）/Pzg，式中r為峰谷差率，max（Pf-Pg）為報告期內峰谷差最大值，Pzg當日最高負荷。

二、負荷預測的劃分與影響因素

（一）負荷預測的劃分

電力系統的負荷預測可以按照預測期限的長短分為長期、中期以及短期三種，目前具體的劃分界限還沒有一個統一的說法，有些觀點認為長期預測期可達三十年，中期預測則為五年，短期則指幾個月、幾周甚至幾天或者幾個小時等。另外一種觀點則認為長期預測即為年度預測，預測內容包括年度電量或者年度電力等指標，以年作為預測時段；中期預測的主要內容包括月度電量或者月度電力等指標，以月作為預測時段；相應的短期預測的主要內容即為逐日的負荷曲線，以小時作為預測時段。不過不管采用哪種劃分方法，制訂電力系統的發展計劃均離不開一年以上的負荷預測，而負荷預測也是規劃工作必不可少的重要內容。做出準確的年度負荷預測可以為電源的合理安排、電網的科學建設提供宏觀決策依據；而對于電力公司的實際情況與要求而言，月度預測與日度預測也是非常必要的。

根據預測內容不同，負荷預測可以分為電量預測與電力預測，其中電量預測包括全社會總電量、網供電量、各行業的電量以及各產業的電量；而電力預測則包括最大電力、最小電力、峰谷差、負荷率以及負荷曲線。

（二）負荷預測的影響因素

具體而言，對負荷預測精度產生影響的主要因素包括以下幾個方面：第一，目前并沒有一種足夠完善的理論方法適用于所有的負荷預測；第二，負荷預測過程中預測人員自身的判斷能力與經驗均會對預測結果產生影響。第三，電力系統體現出復雜性的特點，因此對其負荷曲線產生影響的因素包括周內不同時間的影響、節日的影響、大型用戶生產安排調整影響、天氣因素、特殊事件等等，對于負荷而言，氣候與氣溫的影響作用最明顯，環境溫度發生變化后負荷也會發生變化，如果以負荷的歷史記錄作為負荷預測的唯一資料，其實負荷的歷史記錄中已經體現出了負荷的影響。

三、基于需求側管理的負荷預測方法

（一）模型參數修改負荷預測法

1 電量預測法

具體而言，基于需求側管理的電量預測法步驟如下：第一，獲取預測年份的最大負荷利用小時數。由于最大負荷利用小時數受二產、三產的影響相對較大，因此可以利用含二產、三產的回歸模型獲取預測年份的最大負荷利用小時數；第二，獲取預測年份電量，可以分析電量與GDP之間的關系獲取預測年份的電量；第三，獲取預測年份的負荷還原值；第四，按照修下系數獲取預測年份的負荷值。具體的訂算模型表達如下式：

T=A0*lnGDP3+A1*lnGDP2

P’=W/T

P=（1-μ）* P’

上式中：A0，A1為根據歷年數據回歸獲得的系數；

lnGDP3，lnGDP2為三產增加值與二產增加值的對數值；

W為年度用電量預測值；

T為預測的最大負荷利用小時數；

P’為還原負荷預測值；

P為負荷預測值

μ為修正系數，即需求側管理效果率。

2 負荷密度預測法

該方法是基于需求側管理方法對負荷密度特性的影響對正負荷密度預測法的模型做出修改，修正預測表達如下式：

P=（1－μ）×k×S×D

上式中：k為同時率；

S為預測區域的面積；

D為預測區域的負荷密度。

3 業擴量對比法

利用工詢與業擴數據對下年度的最大負荷做出預測，以此為基礎利用業擴量對比法通過一個修正系數對需求側管理的影響進行計算，表達如下式：

P=（1－μ）×P’

上式中：P’為預測年份忽略需求側管理影響因素條件下的最大負荷；

P為預測年份考慮需求側管理影響因素條件下的最大負荷；

4 自然增長加大用戶法

該方法是以還原負荷數據為基礎，將需求側管理方法的影響因素考慮進來，具體的修正模型表達如下式：

P=（1－μ）*（P″+ P1+ P2）

上式中：P為負荷預測值；

P″為預測年份前年度的負荷還原值

P1為預測的自然增長負荷；

P2為根據業擴和工詢容量數據合理選取的凈增負荷值。

（二）考慮需求側管理的負荷預測直接法

因為需求側管理對負荷的發展有著直接的影響，因此在預測負荷過程中可以將需求側管理量作為直接輸入的變量來進行，建模求解的方法也有多種，比如多元線性回歸、人工神經網絡以及支持向量基等，在這些方法中建立輸入輸出的映射關系，利用這些關系求解負荷預測值。下文以多元線性回歸法為例進行介紹。

多元回歸預測法需要考慮多種相關因素，屬于電力要預測過程中的基本預測法，假設有p個可控變量與負荷y有相關關系，p>1，即x1，x2，…xp，結合以往的歷史資料對變量y與變量x1，x2，…，xp之間的依賴關系：

y=f（x1，x2，…xp）

此外所采用的多元回歸預測法中，需求側管理對負荷的影響為可控變量，并將國內生產況值的影響因素考慮進來，再利用最小二乘法原理做多元回歸負荷預測。首先選擇某一已知年份相應的參數值，對下列模型中變量y與變量DSM、GDP做標幺化，再將標幺值作為輸入變量做回歸預測：

y=f（DSM，GDP）

or

y=f（DSM，GDP，GDP2，GDP3）

參考文獻

[1] 胡兆光.需求側管理理論體系初探[J].電力需求側管理，2008（3）.

[2] 康重慶.電力系統負荷預測[M].北京：中國電力出版社，2007.

[3] 崔海，侯茜. 城市電網規劃與需求側負荷預測[J].電力需求側管理，2009（11）.