芻議電力負荷預測在智能電網中的應用

薛敏

摘 要：智能電網是未來電網的發展方向，隨著國家能源戰略的調整，大量新能源設備投入電網中，電力負荷組成越來月復雜，為電網負荷分析和預測帶來了新的問題和挑戰。負荷水平與負荷特性是評價電網負荷狀況的兩個主要特征指標，從負荷水平可以看出電網用電負荷高低的現狀以及增長的趨勢。

關鍵詞：負荷預測；智能電網；應用

一、智能電網及電力負荷預測概述

智能電網也就是電網系統的智能化，以集成、高速雙向通行網絡結構為依托，借助傳感技術及自動控制技術為依托，能夠實現各類電力需求提供決策支持，具有較高的信息化水平。智能電網不僅能夠電力需求對其供電過程進行合理調整，最大限度上滿足用戶的需求，還能夠自動檢測故障問題，并且能夠實現自動修復。在硬件設備產生問題的情況下，也可以實現對故障點的精準定位，同時為操作人員檢修工作的開展給以充分的數據支持。

開展電力負荷的預測工作，是以建立起來的電力負荷模型為研究對象，其最主要的構成包括，電力負荷的時空特性、電網系統的負荷電壓以及電力的頻率特性等內容。所謂的電力負荷的時空特性：是指隨著空間位置改變和時間變動，電網負荷也會發生改變，而且通常這一改變較為復雜，需要通過分析負荷時間的曲線體現時空的特性，所以根據時間的區別，負荷曲線可以被劃分為年負荷、季負荷、月負荷和日負荷；根據用電性質又可以劃分為生活、農業、工業和市政4個研究領域等。關于電力負荷預測的模型，不僅要對短期實時電力負荷進行預測分析，還要發揮對電網規劃以及電力發展進行長期預測的作用，一般情況下會通過概率統計對負荷進行評估。值得注意的是預測電網長期的負荷情況時，存在客觀上的誤差，而導致這一誤差出現的原因是電網運行的不穩定、負荷變化的不確定。但是總體而言，負荷預測準確度還是非常高的。

二、負荷預測方法

2.1傳統電力負荷預測方法

常用的傳統負荷預測方法包括趨勢外推法、時間序列法、回歸模型法等。具體方法如下：

趨勢外推法是指通過對一段時間的電力負荷的變化趨勢進行推測達到預測未來負荷的方法。雖然電力負荷處于不斷變化的狀態，但依然有固定的變化規律存在。常見規律有線性、非線性、周期性等，一般可以通過算法處理，得到未來電力負荷的發展趨勢。這種方法比較適用于短期電力負荷預測，由于該方法使用固定算法，不能隨著負荷變化作出相應調整，對于長周期的負荷預測存在較大誤差。

時間序列法是指根據電力負荷的歷史數據，統計負荷在隨時間變化中的規律，并將其用數學模型描述出來。該方法以月、周、天、小時等時間單位對負荷數據進行實際值和預測值的對比。具體流程為模型識別、模型參數計算、模型檢驗、負荷預測、精度校正幾個步驟。這種方法算法較少，適合電力負荷分布均勻的短期預測。

回歸模型法是指通過數學統計建立合理的數學模型，以一元線性回歸方程為基礎，對其中各項數據進行統計分析。對于非線性回歸方程則需通過一定的數學手段將其轉換為線性方程。該方法精度較高適用于中期負荷預測。

2.2現代負荷預測方法

目前較為成熟的現代負荷預測方法有專家系統預測法、神經網絡預測法、模糊預測法、小波分析法等。具體情況如下：專家系統負荷預測是指通過歷史數據構建數據庫，并由專業人員進行數據提取和分析。這種方法充分發揮了專業人員的工作經驗，并且可以人為加入一些影響因素進行分析，使得分析結果更加實際和具體。但是該方法不能提供定量的分析結果。神經網絡負荷預測方法是指參考生物神經網絡特性，建立分布并行式的數學模型進行數據處理。這種方法擁有自主更新、優化計算等優點，可以提供精度較高的分析結果。但是該方法對歷史數據要求較高，并且不能很好的處理突發事件的處理和預測。上述方法各有優缺點，只有將幾種方法有機結合起來，相輔相成，才能更好的提高分析精確度和可靠性。

三、智能電網環境下的負荷預測

3.1儲能裝置對負荷預測的影響

近年來，電力行業逐漸增加了對風能、太陽能等清潔、安全能源的研究，智能電網對于清潔性能源的引入，將改變傳統電網中對于負荷和電源的定義。智能電網有新型集中發電設備也有小型分布的發電設備，相比于傳統電網中負荷、電源的單向流動，智能電網中用戶有使用電能和輸送電能兩個功能，電源流向也從單向流動，變成了雙向流動。智能電網的負荷變化相比于傳統電網更加復雜多變，負荷預測更加困難。智能電網中的儲能裝置多出現在風能、太陽能等間歇性輸出能源的電力系統中。儲能裝置在電力低峰儲存電能，電力高峰則將儲存的電能釋放出來。儲能裝置在電網系統中既是負荷也是電源，這就要求負荷預測時要充分考慮儲能裝置的負荷特性。

3.2基于智能電網測量體系的電力負荷預測

智能電網測量體系具體功能是收集、存儲并分析用電數據。該系統主要由智能電表、通信設備、測量數據管理系統以及用戶網絡組成。該系統以用戶智能用電管理中心為核心，智能電表將收集來的數據傳輸給用電管理中心，用電管理中心通過對數據的計算分析，將結果傳輸給智能用電信息顯示終端、用戶智能電器、用戶儲能裝置等終端裝置中，并對這些裝置反饋的數據進行進一步的整理分析。與此同時，智能電表還會將采集的數據通過雙向通信網絡傳輸給數據管理中心，為智能配電和智能輸電提供數據支持。此外，用戶智能用電管理中心處理數據之后還可以提供更加高級的服務功能，如特助裝置充放電等。

一個用電網絡的總負荷是由該電網所有種類的負荷匯總而成的，而每個負荷的運行特性和影響因素都不盡相同。如果對各個負荷進行分別預測來完成對整個電網的負荷預測必將極大的提高系統預測精度。傳統電網沒有統一的用電信息收集分析平臺，沒有辦法對所有負荷進行分析預測。智能電網測量體系的構建，為電網所有負荷分別進行預測提供了基礎，完善了負荷體系。通過對智能電表采集數據的分析計算，切實考慮負荷具體特性，采用合適的預測方法，并對各負荷預測結果進行統一整理匯總，從而得到整個電網的預測結果。

結語

負荷預測主要通過科學合理的數學計算方法對歷史負荷數據進行分析計算，從而得到未來某時段的負荷預測。電力系統為了滿足日益增長的供電需求，其預測的計算精度必將越來越高。電力負荷預測作為電力系統分析功能的基礎，負荷建模分析的精度直接影響到仿真的最后結果。隨著智能電網應用的普及，負荷預測的數據采集體系也更加完善，預測方法也日趨成熟。智能電網測量體系可以為負荷預測提供一個良好的數據平臺，通過對負荷點精確的特性分析和計算，將極大的提高負荷預測精度。

參考文獻：

[1]曹金山.電力系統負荷預測研究綜述與發展方向的探討[J].電源技術應用，2013.

[2]袁柏秋.電力系統負荷預測方法分析及應用[J].中國高新技術企業，2011.

[3]李俊芳，張步涵，謝光龍，等.基于灰色模型的風速———風電功率預測研究[J].電力系統保護與控，2010.