黑龍江省改進中長期負荷預測方法及應用

郝文波，高宇峰，陸 瑩，張福忠，馬曉翠，龍 珠

(1.黑龍江省電力科學研究院，哈爾濱150030;2.哈爾濱商業大學，哈爾濱150028;3.國電哈爾濱熱力有限公司，哈爾濱150066;4.黑龍江省電力勘察設計研究院，哈爾濱150078)

電網負荷預測在時間跨度上可分為超短期、短期及中長期負荷預測。中長期負荷預測模型主要有經典的回歸分析模型［1－2］、趨勢外推模型［3］;基于人工智能方法的灰色系統模型［4－5］、神經網絡模型［6］;其預測方法有一般性的電力彈性系數法［7］、產值單耗法［7］、專門應用于空間預測的負荷密度指標法［8］。

黑龍江省是農業大省，第三產業發展相對落后。“十二五”期間是產業結構調整的重要時期，原有單一負荷預測方法對“十二五”期間的負荷形勢無法進行合理、有效地預測。基于此，本文在彈性系數法、產值單耗法和時間序列法的基礎上，采用時變權組合預測方法，對“十二五”期間黑龍江省的電量增長以及負荷增長進行科學預測。

1 中長期負荷預測的時變權組合預測方法

1.1 改進的彈性系數法

電力彈性系數［1］是地區用電量的增長率與國民生產總值增長率的比值。電力彈性系數很好地反映了國民經濟增長與電力需求之間的關系，如果已知電力彈性系數ε，并且知道國民經濟增長率預測值αe，則可以得到電力需求的增長率為

進而，可以得到目標年的電量預測值為

式中:Wt為目標年的用電量預測值;W0為基準年的用電量。

考慮到黑龍江省在“十二五”期間進行產業結構調整，因此需要對各產業用電量進行預測，故建立分產業彈性系數法數學模型為

式中:Wt為目標年的用電量預測值;i=1，2，3分別代表第一、第二、第三產業;為基準年的第i產業用電量;εi為第i產業彈性系數預測值為第i產業產值增長率;WL為居民生活用電量預測值。

利用上面的分產業彈性系數法對黑龍江省2007年—2010年全社會用電量進行預測，并與原有的彈性系數法預測結果進行對比，如表1所示。

表1 預測結果對比表 億kW·h

通過2種預測方法的預測結果比較可以看出，分產業彈性系數法比傳統彈性系數法預測精度更高。2009年由于受金融危機的影響，實際用電量的增長緩慢，因此2種彈性系數法預測結果都與實際用電量偏離較大。

1.2 時間序列法

時間序列法［1］是根據歷史用電量數據，利用曲線進行擬合，采用的數學模型如下:

式中:y為目標年電量預測值;y1為多項式曲線擬合的電量預測值;y2為指數曲線擬合的電量預測值;k(t)為比例系數。

y1、y2的曲線擬合形式分別為

式中的系數需通過歷史數據點進行曲線擬合獲得。

1.3 產值單耗法預測電量

產值單耗法［1］即單位產值耗電法，通過某一產業的平均用電量以及該產業總產值來得到該產業的用電量，其預測模型為

式中:Wt為目標年的用電量預測值;Hi為目標年的i產業產值;Pi為目標年的i產業電量單耗值;WL為居民生活用電量預測值。

通過對2005年—2010年三次產業產值單耗分析，推算出“十二五”期間的各產業產值單耗，進而預測出各產業用電量及全社會用電量。

1.4 時變權法預測電量

綜合以上3種預測方法，建立下面時變權負荷預測模型:

式中:a(t)、b(t)、c(t)為時變權系數;y1、y2、y3為利用彈性系數法、時間序列法、產值單耗法獲得的電量預測值。其中，a(t)、b(t)、c(t)可根據目標年的產業結構適當調整其大小，但需滿足

由于3種方法對近期負荷預測以及中遠期負荷預測的效果不同，因此根據預測水平年不同，權重系數進行適當調整。通過對歷史數據校核，本次“十二五”期間的負荷預測，按下式取加權平均值:

而在對2020年和2030年進行遠景年負荷預測時，應適當降低時間序列法的權重，同時增大彈性系數法與產值單耗法所占的權重。

2 算例

利用上述改進的時變權綜合預測方法對黑龍江省“十二五”全社會用電量及最大用電負荷進行預測，預測過程和預測結果如表2、表3所示。

表2 黑龍江省“十二五”期間全社會用電量預測 億kW·h

表3 黑龍江省“十二五”期間最大負荷預測 萬kW

根據負荷預測結果，2015年黑龍江省全社會用電量預計達1 007億kW·h，其中“十二五”期間年均增長率為7.06%;年最大負荷達到1 795萬kW，“十二五”期間年均增長率為7.85%。

3 結語

針對黑龍江省產業結構的特點以及“十二五”期間進行產業結構調整的具體情況，采用分產業彈性系數法進行負荷預測，能夠更清晰地反映產業發展與電力需求的關系。通過對歷史數據的校核，可表明改進方法具有更高的精度。基于此，利用時變權預測模型對黑龍江省“十二五”電力需求以及最大負荷進行了預測。

［1］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.

［2］藍信軍，楊期余，江輝.加權模糊回歸方法在電力負荷預測中的應用［J］.長沙電力學院學報(自然科學版)，2003，18(4):34－37.

［3］劉晨暉.電力系統負荷預報理論與方法［M］.哈爾濱:哈爾濱工業出版社，1987.

［4］劉思峰，郭天榜，黨耀國，等.灰色系統理論及其應用［M］.北京:科學出版社，1999.

［5］俞明生，馮桂宏，楊祥.組合優化灰色模型在中長期電力負荷預測中的應用［J］.沈陽工業大學學報，2007(4):153－156.

［6］張石，張瑞友，汪定偉.基于DPCA－BP神經網絡的中長期電力負荷預測方法［J］.東北大學學報(自然科學版)，2010，31(4):482－485.

［7］岳璐，張堯，鐘慶，等.基于模糊邏輯聚類神經網絡算法的中長期負荷預測［J］.華北電力大學學報，2008，35(2):42 －46.

［8］AZZAM －UL －ASAR J R，MCDONALD J R，KHAN M I.A specification of neural network applications in the load forecasting problem［C］//First IEEE Conference on Control Application，Dayton，OH，USA，1992.