能源系統中電、氣、冷、熱負荷預測綜述

國網江蘇省電力公司徐州供電公司 沈興來

能源系統中電、氣、冷、熱負荷預測綜述

國網江蘇省電力公司徐州供電公司 沈興來

負荷預測一直是能源系統規劃和運營的重要組成部分。隨著技術的進步，經濟條件的變化和許多其他因素的影響，負荷預測變得越來越重要。負載預測所影響的因素和其自身的影響因素及其變化規律受到不同時間跨度的影響，由于其隨機性和不確定性的特點，各能源系統準確地預測未來的負荷需求一直是一個具有挑戰性的問題。本文主要概述了目前各能源系統中電、氣、冷、熱負荷預測的研究狀況和模型方法，提出提高各負荷預測的精度不僅重視歷史數據的積累，更應注重選擇合適的預測模型，綜合預測模型是未來能源系統負荷預測方法的發展方向。

電力系統負荷預測；冷負荷預測；熱負荷預測；氣負荷預測；能源管理系統

0 引言

能源系統負荷預測即是依照各系統負荷的內在變化律，兼顧隨機因素對負荷變化帶來的種種影響，以此發現影響負荷變化的歷史變化律，尋找出與各因素的內在聯系，進一步準確地預測出在將來某段時間內系統負荷的變化情況[1]。

能源系統負荷的變化規律一般為周期性，然后又兼有隨機性與不確定性等。故負荷的預測除受到自身的影響，一般還受外界諸多不確定因素的局限。目前，有大量的模型和方法被應用到其中。通常劃分為以下兩種類型[2-3]：

表1 能源系統負荷預測發展的兩個階段

1 電力系統負荷預測

電力系統是一個不斷運動的、極其繁瑣的能量轉換系統，是由三個相輔相成的組成：發電、輸電和配電。發電廠產生的電能經輸電網及配電網被傳送給不同的用戶，最終被用電設備所消耗。在電力系統中，這些用電設備簡稱為負荷。由于這些負荷是不停的改變的，同時存在這規律性和隨機性。因此在電力系統負荷預測時既要考慮內部規律性，又要兼顧不確定性因素的影響。

在1920年時，已經有不少專家展開了電力負荷預測的相關研究,因為當時的條件受限和電力系統的規模比較小，變化的波多小，比較穩定,所以其在當時沒有并不是一個熱點問題。然而隨著電力系統的市場化運行速度加快，國家對能源的相重視程度的加強，這讓負荷預測受到學者們廣泛的關注。現階段，國內外的專家學者進行了大量的研究之后,已經取得了較多的成果。但是多集中于短期負荷預測，其他類型，諸如短期負荷預測和長期負荷預測的研究則相對較少。依照預測的方式分類，大概歷經四個階段[6-7]。

表2 電力系統負荷預測發展四個階段

以上負荷預測研究中,國外研究起步早而且較為深入,而國內雖然起步晚,但目前己經接近于國外的先進水平。

2 冷熱負荷預測

從目前來看，關于冷負荷預測的研究并不是特別多，這些研究主要集中在日本，因為模型存在很多缺陷，這使預測的精度沒有說服力。而且，對新建工程沒有相關的方法進行預測。目前，關于冷負荷的神經網絡預測研究我國仍在起步階段，和國外先進水平存在這較大距離。

熱負荷預測是為供暖系統的服務，獲取精確的數據，它對于集中供暖系統的良好經濟運行起著相當關鍵的作用。近年來，國內外的諸多專家主要研究了熱負荷的特性、變化規律、影響因素等，使預測負荷實際，為社會所利用，達到節能減排目的。

理論上講，供熱過程是關于能量和物質的動力學系統。其中二者的傳輸關系呈非線性特點，因此大部分的預測是以依據歷史數據為基礎。Mattias B O Ohlsson[8]采用人工神經網絡的方法對美國某大型建筑的熱負荷進行了預測；Pinson[9]采用有限脈沖響應法對系統關鍵點的溫度預測。

就目前而言，國內學者對熱負荷預測研究也獲得了一些成果。朱學莉等[10]提出了一種用時間序列法建立AR-MA模型來表示熱負荷預測的過程。黎展求，朱棟華等[11]結合小波分析和支持向量回歸（SVR）兩種方法，預測了室內平均溫度，為跟蹤調節控制提供參考。

3 燃氣負荷預測

在燃氣供應系統中，燃氣負荷數據對燃氣公司帶來有力的數據支持，對其規劃設計、良好經濟運行起著至關重要的作用。

近年來，一些發達國家的天然氣的使用率已相當高，天然氣作為一次能源，占其略為33%，市場化程度高，不少學者已深入研究了其負荷特性分析和預測模型。除此之外，針對市場變化律，國外一些有實力的公司已經研發出了天然氣的負荷預測模型和軟件。這些預測模型一般選取經濟因素、能源發展狀況、用戶數量和類型、氣象數據、日歷信息等參數作為軟件的輸入參數進行在線預測。

我國天然氣負荷預測研究目前處在起步階段，國內許多學者已經取得了一些研究成果。其中，周偉國采用了基于混沌理論的加權一階局域法、最大李亞普諾夫指數等方法對城市燃氣日負荷進行了預測[12]。結合目前的文獻資料總結得到我國對于天然氣負荷預測的研究主要采用了三類方法：

表3 我國燃氣負荷預測三種方法

4 結語

負荷預測精度對各系統的安全經濟運行以及供能質量起著不可替代的作用，簡單概述和比較了現階段的各種負荷預測研究狀況，對將來的負荷預測工作重點提供了依據，需要加強對歷史數據的統計分析，比較精確計算出各模型的參數，并且加強對預測模型新思路和新方法的研究，以滿足不斷發展能源市場的要求。

[1]康重慶,夏清,徐瑋．電力系統不確定性分析[J]．北京科學出版社,2011．

[2]H．K．Alfares,M．Nazeeruddin．Electric load forecasting:literature survey and classification of methods[J]．International Journal of Systems Science,2002,33:23-34．

[3]E．Almeshaiei,H．Saltan．A methodology for forecasting[J]．Alexandria Engineering Journal 2011,power load 5:137-144．

[4]M．Kelkinnama,S．M．Taheri．Fuzzy least-absolutes regression using shape preserving operations[J]．Information Sciences,2012,214:105-120．

[5]S．F．Liu,YLin．information[M]．New York:Springer,2006．

[6]張素香,趙丙鎮,王風雨,張東,等,海量數據下的電力負荷短期預測[J]．中國電機工程學報,2015,35(1):37-42．

[7]趙峰,孫波,張承慧,等,基于多變量相空間重構和卡爾曼濾波的冷熱電聯供系統負荷預測方法[J]．中國電機工程學報,36(2):399-406．

[8]Ohlsson MB,Peterson CO,Pi H,et al．Predicting System Loads with Artificial Neural Networks--Methods and Results from”The Great Energy Predictor Shootout”[J]．ASHRAE Transactions-American Society of Heating Refrigerating Airconditioning Engin,1994,100(2):1063-1074．

[9]Pinson P,Nielsen TS,Nielsen HA,et al．Temperature prediction at critical points in district heating systems[J]．European Journal of Operational Research,2009,194(1):163-176．

[10]朱學莉,齊維貴．建筑供熱負荷預防與預測控制策略研究[J]．控制與決策,2002,17(B11):703-706．

[11]黎展求,朱棟華．小波分析和SVR在供熱負荷預測中的應用[J]．科技咨詢導報,2007(02):57-58

[12]周偉國．城市燃氣負荷的混沌特性與預測[J]．同濟大學學報,2010,38(10):1511-1515．