王子剛
摘 要:當前,國民經濟受電力工業發展的影響越來越大,電力負荷的準確預測顯得越發重要。電力行業的投資、網絡布局和運行的合理性在很大程度上取決于電力負荷的準確預測。首先介紹了電網規劃中中長期負荷的預測步驟,其次分析、探討了目前常用的負荷預測技術,最后預測了負荷預測技術未來的發展方向。
關鍵詞:電網規劃;中長期負荷;負荷預測;小波分析
中圖分類號:TM714 文獻標識碼:A 文章編號:2095-6835(2014)24-0026-02
電網規劃是電力部門的重要組成部分,而規劃區域的電力負荷的預測是電網規劃的關鍵環節。負荷預測不僅能為電網規劃提供重要的基礎性依據,而且負荷預測的精確度直接影響著電網規劃工作的質量。負荷預測涉及的內容十分廣泛,影響負荷增長的因素也具有極大的不確定性,且預測方法和預測思路千差萬別,因此,要對負荷進行準確預測的難度很大。本文主要對電網規劃中中長期負荷的預測技術進行了探討,為預測電力的需求趨勢提供了必要的依據。
1 中長期負荷的預測步驟
要準確預測中長期負荷,必須依照以下步驟:①明確負荷預測的具體內容和基本要求。按照預測區域、不同階段的具體狀態,合理確定負荷預測的內容和相關制度。②調查并搜集資料。為了確保預測結果的真實性,必須全面、仔細地搜集所需的資料,決不能依靠主觀臆斷去填補所需的資料。③分析基礎資料。準確分析、研究搜集到的資料,提高資料可信度。④經濟發展預測。對預測區域未來的經濟走向進行預測。通常情況下,經濟增長會在一定程度上帶動電力需求的增長。⑤選取合理的預測模型,并確定相關參數。⑥對負荷進行預測。根據負荷預測模型預測負荷,并選出最可靠的預測方案。⑦審核負荷預測結果。聘請相關專家對預測結果進行審核、評價,并通過檢驗,對預測結果進行自適應修正。
2 中長期負荷的預測技術
目前,中長期負荷預測通常采用以下幾種預測技術。
2.1 趨勢外推預測技術
電力負荷雖然具有一定的不確定性和隨機性,但卻存在明顯的變化趨勢。在預測負荷時,可根據不同行業的負荷變化規律,采用趨勢外推技術對負荷進行預測,能夠得到相對理想的預測結果。采用這種預測技術的優點是僅需要預測區域以往的歷史數據,所需的數據量較少,工作量較小;缺點是一旦出現負荷變動,很容易引起較大的誤差。
2.2 時間序列預測技術
在實際預測過程中,多數預測目標的觀測值在構成序列過程中呈現平穩序列的特征,根據此規律建立序列的隨機過程模型,從而實現對規劃區域負荷的預測。采用這種預測技術的優點是使用的數據少,工作量小;缺點是并未考慮影響負荷變化的因素,通常只適用于負荷變化相對均勻的預測。
2.3 負荷回歸模型預測技術
根據搜集到的預測區域的歷史資料,采用負荷回歸分析法對變量進行分析、探究,確定各個變量間的關系,最終實現負荷預測的目的。在采用負荷回歸模型進行預測時,回歸模型通常采用一元線性回歸、非線性回歸等。這種方法通常適用于中期負荷預測。
3 負荷預測技術的發展趨勢
為了提高負荷預測的準確性,相關人員進行了深入的研究。研究表明,未來負荷預測技術可能會朝著以下幾個方向發展。
3.1 優選組合預測技術
所謂的“優選組合預測技術”主要包括以下兩方面的含義:①采取不同的方法對負荷進行預測,然后選擇合適的權重對預測結果進行加權平均;②采取不同的方法進行負荷預測,然后比較預測結果,從中選擇擬合度最好的一種預測方法。
3.2 專家系統預測技術
專家系統預測技術是指建立負荷預測的相關系統。該系統包含了專家們的知識和實踐經驗,在進行預測的過程中能夠像專家一樣作出合理的推測和決策。實踐證明,精確的負荷預測至少需要滿足以下兩點要求:①有先進的高科技作支撐;②融入專家們的智慧和經驗。因此,在預測負荷時需要專家系統這種先進的高新技術,采用這種方法預測中長期負荷時,得到的預測結果準確度非常高。
3.3 小波分析預測技術
小波分析是20世紀應用數學領域中最突出的研究成果之一,本質屬于時域—頻域分析法。小波分析在時域和頻域方面都具有很好的局部化性質,不僅能將不同頻率的混合信號交織在一起,還能將其分成不同頻帶上的塊信息。在預測負荷時,首先將負荷序列進行小波變化,然后將其投影到不同的尺度上,通過不同尺度的頻域分量,能夠清晰地表現出負荷序列的周期性,最后在此基礎上,實現負荷的預測。由于在預測負荷時,各個子序列具有明顯的周期性,因此,在預測時,采用周期自回歸模型可以得到更加準確的預測結果。
3.4 空間負荷預測技術
空間負荷預測法是20世紀80年代提出的負荷預測理論。采用該方法除了能對負荷進行預測外,還能對未來負荷所在的位置進行預測。這種負荷預測技術通常適用于那些新建城區的中長期負荷預測,同時還能與MIS、GIS等進行有效的融合,實現資源共享,使電網負荷預測和系統規劃更加科學、合理。
4 結束語
負荷預測對電網規劃具有較大的影響——如果預測值太低,可能對供電企業的經濟效益造成一定的影響;如果預測值太高,會造成發電容量得不到充分的利用,導致投資成本浪費和經濟效益低下。因此,相關人員必須對負荷預測進行深入的研究,盡可能地提高負荷預測的精確度。
參考文獻
[1]錢衛華,姚建剛,龍立波.基于短期相關性和負荷增長的中長期負荷預測[J].電力系統自動化,2012(11).
[2]張利平,翟繼紅,王偉鋒,等.基于神經網絡最優組合預測在電力負荷預測中的應用[J].華北水利水電學院學報,2009(03).
[3]孟明,牛東曉.中長期電力負荷組合預測[J].華北電力技術,2004(06).
〔編輯:劉曉芳〕