基于參數優化的超短期負荷預測調整策略

張宏圖,袁貴川,劉 俊,孫鴻雁

（1.國網四川省電力公司，四川成都,610094；2.國網信通產業集團四川中電啟明星信息技術有限公司，四川成都）

基于參數優化的超短期負荷預測調整策略

張宏圖1,袁貴川1,劉 俊2,孫鴻雁2

（1.國網四川省電力公司，四川成都,610094；2.國網信通產業集團四川中電啟明星信息技術有限公司，四川成都）

四川省電力公司調度控制中心目前已部署使用了四川并網發電廠實時調令系統，但該系統僅滿足對發電單元負荷進行調整的需求，卻無法實現計劃曲線自動修正、對應聯絡線負荷變化調整實時出力的功能。本文通過對模型參數優化策略進行分析，提出了一套超短期負荷預測方案。

超短期負荷預測；實時出力；參數優化

0 引言

隨著智能調度需求的不斷提高，網絡已成為對內傳遞、交換數據、獲取知識，對外宣傳、開展社會服務的重要媒介。近年，各種電網調度智能應用系統相繼建成投運，業務流量急劇增長。“十二五”期間四川電力信息廣域網的建設在技術水平、傳輸容量、接入能力等方面也得到了充分的發展。四川省調度控制中心目前已部署使用了四川并網發電廠實時調令系統，該系統目前能滿足對發電單元負荷進行調整的功能，無法實現發電出力實時調整工作的智能化預測。

為實現日內調度實時調整，必須基于超短期負荷預測分析，電廠實時出力適應電網送/受端負荷變化進行修正的功能，提高并網機組發電出力調整的工作效率和規范性。四川電力調度控制中心結合并網電源結構與主網潮流特性，提出了基于參數優化的超短期負荷預測調整策略

下面就模型選擇和參數優化分析對調令系統超短期負荷預測的影響作出了分析與闡述，最終提出了一套簡單的建設優化方案。

1 超短期負荷預測概述

1.1 電網智能調度系統概念

電網系統智能調度是指調度系統基于電力信息通信網絡自動獲取每個電網節點的運行狀態，整合運行數據與電網潮流信息。在電力系統的穩態分析的基礎上，為電力系統發生突如其來的故障時提供及時分析功能，協助電力調度人員在復雜多變的系統環境中找到最有的運行方法，使調令動作更加便捷精準，從而保證電網的穩定運行。

1.2 超短期負荷預測

超短期負荷預測是指預測自當前時刻開始整五分鐘、十分鐘或十五分鐘時刻點的未來若干時段的負荷。在獲取到超短期負荷預測數據之后，系統應根據具體參數來分析并計算出下一時刻或未來某時刻的實時負荷調整量，并通過算法進行平衡發用電。主要包括：負荷預測數據接收、數據越限預警、越限調整計算、越限調整分配。主要用于安全監視、預測性控制和緊急狀態處理。

2 分析與討論

2.1 電源結構對預測模型的影響

某時刻或時間段內實際電力負荷本身具有相當的復雜性，以及電網運行的諸多不確定因素都對精確預測超短期負荷帶來了一定的干擾。國內外專家學者在負荷預測模型上提出了一系列方法，如：模式識別法、重疊法曲線、相似度外推法等。但是由于四川并網電源水電機組裝機占比70%，火電機組裝機占比26%，并且四川地區豐平枯水情分布不均勻，導致不能采用單一模型進行負荷預測。同時，對應不同時間的預測還應考慮氣象變化、流域水情、存煤情況等影響因子引起的負荷響應變化。

2.2 基于負荷特性的參數優化

四川電網歷年平均用電負荷率在85%左右，最大峰谷差發生在冬季，最大負荷日與最大電量日均在夏季。豐水期平均發電負荷率80%，水電火電平均日上網電量比值為6：1；枯水期平均發電負荷率為75%，水電火電平均日上網電量比值為4：1。存在較明顯的季節性負荷特性，超短期負荷預測在外送通道負荷穩定的假設下，調整并網機組實時出力應引入隨季節變化因子。

3 解決及優化方案

3.1 自適應參數優化技術

自適應參數優化和預測誤差修正，就是分析長期數值預測模型的預報結果與調令系統的歷史真實數據之間的關系，尋找這種偏差的統計特征，從而對模型參數進行優化，改進預測結果的準確性。該技術是綜合了原超短期負荷預測技術的方法和數理統計負荷預測各自的優點而建立的一種優化預測方法。依據在優化仿真和統計模型技術上一定的技術積累和成熟的應用工具，對一組通過各種技術來識別隱含在數據之中的有價值的信息的數據挖掘工具，將預測結果“本地化”和“時序化”，例如“峰平谷”。

自適應優化通常采用統計方法及機器學習方法對基于每日和歷史集合預測的結果進行診斷和優化。此方法為有效識別負荷變化特征提供了一種查找大量數據集中有用關系的策略性方法。自適應模型是作為一個通用模型而設計的，不僅可以對超短期負荷預測模型的參數進行優化，也可以應用于調令系統生產安全中的多個環節，解決各種生產流程或優化問題，并且支持從數據到更優成果的整個預測過程。

3.2 混合數據同化技術

數據同化是提高超短期負荷預測精確度的有效工具，而混合資料同化（Hybrid Data Assimilation）是世界范疇內最領先的同化技術。區別于傳統的數據同化技術，混合同化是將變分同化和集合卡爾曼濾波有機的耦合在一起，實現他們相互間的優勢互補與局限性減弱，從而可以最優化地和最大限度地使用現有基礎數據和歷史負荷數據，根據實時的地區以及季節信息以及各種物理平衡條件，為超短期負荷預測模型提供一個最優化的初始條件，從而進一步提升模式預測結果的準確度。

一般超短期負荷預測的誤差來源于使用觀測數據對負荷預測曲線進行捕捉，將其物理信息加入到模型初始場中最終導致模型初始場不準確。由于觀測數據本身不是模型變量，因此，必須使用高級數據同化方式來進行優化。其中，數據同化可以描述為對目標泛函J進行收斂，從而獲得對負荷預測的初試場x的最優分析：

為了計算的簡化，我們把以上方程可以轉換為incremental的形式，使用，，則：

同理，另外一種優化方法“集合卡曼濾波”（EnKF），

從而對收斂函數的下降方向給出直接迭代關系：

為了可以進行計算和迭代求解，我們需要對以上方程進行改寫，并引入轉換項（Alpha-Control Transform）:

這樣一來經過Schur項的背景場協方差矩陣局地話（Covariance Localization），目標泛函的收斂方程及變為：

4 超短期負荷預測曲線修正方案

超短期負荷預測的偏差值每天96點，與發電計劃一樣，每十五分鐘一個偏差值。負荷預測偏差曲線與原始計劃曲線一定存在偏差,通過從當前時間起計算當天未來每刻鐘的數據來算出兩條曲線之間的偏差量，通過人工判斷或系統自動設定閾值偏差量來判定是否需要調整原始計劃曲線。該功能因每15分鐘隨偏差曲線刷新而執行,其調整方式為某時刻電廠i調整后曲線負荷值f(x)為該時刻的負荷預測偏差值x乘以i廠原始計劃p_i占該時刻總原始計劃∑p的比例，計算公式如下：

當判定為需要調整原始計劃曲線時，可通過程序進行調整。建議調整方式如下：

統一調整方案：

從所有電廠中選出該天原始計劃不為0的廠;計算出所選電廠的原始計劃占總原始計劃的比例;負荷預測偏差量乘以所占比例計算出單個電廠的新計劃曲線;從當前時刻開始計算出電廠該天未來每個點的新計劃曲線;新曲線下發后，可隨時通過程序下發回到原始計劃曲線調令的功能。

帶條件調整方案：

獲取電廠參數，包括計劃完成率，上下備用值，裝機容量等，可根據這些參數對電廠進行排序，以便更為直觀的觀察電廠目前的情況，用修正算法對篩選出的電廠進行曲線修正。新曲線下發后，可隨時對上一次做過調整的電廠進行下發回到原始計劃曲線調令的功能。

5 結論

高精度的超短期負荷預測是實現電力穩定、經濟運行的重要方式，提高電網運行的安全性和經濟性，改善電能質量，很大程度上取決于負荷預測的準確性。筆者對文章中所提及的自適應參數優化技術和混合數據同化技術進行了研究，簡單分析了2種技術對電力系統超短期負荷預測所帶來的優勢，而超短期負荷預測曲線修正方案已應用在了調令系統當中，取得的效果相當明顯。結果表明：對于超短期負荷預測而言，自適應參數優化技術和混合數據同化技術在理論上是較為合適的優化方案，但再實際中需要掌握預測系統的實際運行情況，細致分析負荷實際變化的規律和影響因素，不斷的完善該技術方案，才能使電力負荷預測更準確更快捷。

[1] 張芳名．電力市場環境下的電力系統擴展短期負荷預測研究．湖南大學．2009

[2] 肖黎，孟婷婷．淺談電力電網智能調度系統．北京：中國新技術新產品．1998

[3] 陳之栩，謝開，等．電網安全節能發電日前調度優化模型及算法[J]．電力系統自動化，2009(33)

[4] 張紅旭，姚建剛，等．基于改進灰色模型的超短期負荷預測．電力系統及其自動化學報．2009(6)．

[5] 鄭延海，張小白，等．電力系統實時安全約束調度的混合算法．電力系統自動化，2005，29(12)

Ultra-short term load forecasting based on parameter optimization adjustment strategy

Zhang Hongtu1,Yuan Guichuan1,Liu Jun2,Sun Hongyan2
(1.Sichuan Electric Power Corporation,Chengdu,610094,China; 2.Aostar Information Technologies CO.LTD,Chengdu,610094,China)

Sichuan electric power scheduling and control center has used the Grid power Real-Time command system.The system can meets the demand for the adjustment of power generation unit’s load,but it can't achieve Automatic correction of plan curve,and the function of adjusting real-time output with the change of liaison line load.In this paper,through analysis of optimization strategy for model parameter, proposes an ultra short term Load Forecasting plan.

Ultra-short term load forecasting;Real-time Output;Parameter optimization

張宏圖（1973-），男，碩士，高級工程師，主要研究方向：電力系統及其自動化。

袁貴川（1977-），男，碩士，高級工程師，主要研究方向：電力調度運行管理。

劉俊（1979-），男，學士，中級工程師，專業：電力系統軟件工程。孫鴻雁（1988-），男，學士，初級工程師，專業：信息系統與信息管理。