考慮電力市場交易影響的中長期負荷預測方法*

胥威汀，李婷，劉友波，閆曉卿，劉瑩，朱覓

（1.國網四川省電力公司經濟技術研究院，成都610041；2.四川大學電氣信息學院，成都610065；3.國網能源研究院，北京102209）

0 引 言

有別于短期負荷預測，中長期負荷預測是電力規劃工作的重要基礎，對于電網投資及其安全運行起著決定性的作用。相比短期負荷預測，中長期負荷預測受到很多不確定因素影響［1］，例如：經濟發展、社會和人類活動等，因此預測難度更大。

中長期負荷預測方法可以分為參數化方法和人工智能方法兩大類［2］。其中，參數化方法主要包含回歸預測、時間序列和灰色理論［3-4］，人工智能方法主要包括神經網絡和動態模糊綜合評價［5-6］。它們研究重點在于評估直接對用電行為產生影響的因素，而并沒有考慮電力市場交易對用電行為的影響。

電力市場化改革旨在構建真正意義上的電力市場，這必然激發新的市場行為，電網規劃有必要充分考慮市場化改革后帶來的巨大變化。由于市場行為會極大程度受到市場價格的影響，所以，電力供需格局不僅僅是能源層面的電力供需平衡，還會受到交易價格的影響，它會隨價格的波動而波動，甚至發生顯著變化，這是電能供應和消費背后無數主體意愿交織的結果。未來電網規劃工作必須能夠適應這一新形勢對中長期負荷預測的影響。

1 基本框架

通過以上分析發現，改進中長期負荷預測方法的切入點，包含但不限于以下兩點：

（1）在中長期負荷預測中引入市場參與者關于電價變化的響應；

（2）基于負荷分布、電源規劃和市場參與者報價的預測結果來模擬市場交易，從而捕捉遠期電力市場的分區電力平衡和交易價格水平，反過來修正負荷預測結果。

由于節點電價與相應地區負荷是相互影響的，需要采用循環嵌套的方法把電價對負荷預測的影響考慮進來。首先，根據歷史數據進行負荷預測；其次，在初步預測的基礎上進行節點電價預測；為了引入市場因素的影響，接下來重要的一步：根據各節點邊際電價模擬市場競價交易。由于電價決定了各地區參與市場交易的競爭力，因此未來的邊際電價對于每一個地區的電力供應或消費成本影響是不同的，可據此捕捉到最有可能的市場交易預期，從而得到出清價格和電力平衡結果；最后，計算負荷的電價響應情況，修正負荷預測結果，返回負荷預測輸入端口。基本框架如圖1所示。

依據這一個循環，能夠獲取相應水平年的負荷規模及其分布。其中，y（k）表示第k個節點的負荷預測結果，LMP表示節點邊際電價。圖中虛線匡體部分為本文所提關于電力市場交易的影響分析。

圖1 考慮電力市場交易影響的中長期負荷預測方法Fig.1 Medium and long term load forecasting method considering the powermarket transactions

2 中長期負荷預測

目前，中長期負荷預測的研究方法主要基于三大思路：首先是運用引言中所提及的基本預測模型的方法；其次是對基本預測模型進行改進的方法；第三是對兩種或兩種以上方法進行組合之后得到的模型。這里采用灰色預測模型和人工神經網絡組合方法進行負荷預測［7］，基本模型如下：

式中 X（0）為歷史負荷序列，X（1）為 X（0）的累加序列。微分方程（2）中a為發展灰數，u稱為內生控制灰數，是對系統的常定輸入，可以通過對式（2）進行最小二乘求解得到。將結果返帶入式（2）能夠得到負荷預測模型：

式中 X（1）（k+1）為預測值，k=0，1，2…，X（0）（k+1）為累減還原值，即目標水平年的負荷預測值。

由于灰色預測采用累加累減，對系統較大波動數據不敏感，預測準確度有限。神經網絡中的自聯方式對數據具有敏感性，內部反饋網絡增加網絡處理動態信息的能力，可達到動態建模的目的。同時，對預測模型進行學習訓練，其擬合函數的優勢可進行模型修正，從而能大幅度提高負荷預測的精度。因此，在灰色預測模型中嵌入有反饋的多層人工神經網絡，能夠發揮并結合兩者的長處。

式中表示有n個輸入，m個輸出，隱含層和承接層分別有r個神經元，輸入層到隱含層的權值為w1，承接層到隱含層的權值為w2，隱含層到輸出層的權值為w3，u（k-1）為網絡模型的輸入，xi（k）表示隱含層的輸出，xci（k）表述承接層的輸出，其中 i=1，2，…，r，f是隱含層的傳遞函數，常用S型函數，y（k）為神經網絡的輸出。

通過反向傳播不斷調整權值和閾值，使網絡的誤差平方和最小。權值修正公式如下。

式中η為學習速率；mc為動量因子，g為輸出層的傳遞函數，常為線性函數。由此，能夠得到中長期負荷預測結果。

3 交易報價預測

在市場環境下，由于電價是通過競價或協商的方式生成的，是變動的、可升可降的，那么，電力用戶必然會為了控制用電成本而尋求并制定更為廉價的購電方案和用電方案。在該過程中，用電行為將發生改變。例如一個大型工業用戶若簽到了更便宜的合同，可能會擴大生產用電規模。因此，準確的電價預測能夠使負荷預測結果更加客觀。

對電價進行預測，需要考慮諸多因素。由于中長期預測的周期較長，各種因素具有一定不確定性，而且電價會受負荷規模、分布以及可靠性需求因素的影響，比如負荷的不確定性、地點的不確定性、可靠性需求的不確定性和網絡阻塞情況的不確定性等，使得電價變化頻繁，從而使得電價的不確定性更加明顯。所以，對電價進行中長期預測的難度是非常大的。

因此，對于中長期電價趨勢的預測，應該主要分析在較長時間窗口內對購售雙方有影響的因素［8］，比如發電側的清潔能源開發成本趨勢、發電燃料成本趨勢、排放標準的高低、財稅補貼強度等，又比如用電側的國民經濟走勢、城鎮發展規劃、產業發展預期、儲能和虛擬電廠建設布局等，把握大的趨勢，為規劃提供參考。

當前國內外研究人員對中長期電價預測的研究較少，現有的研究成果大都是將電價等效為隨機變量［9］，對其分布函數進行研究，在其分布區間內建立有效的預測模型。在電價長期預測方法中，采用模糊方法與采用神經網絡方法對相關不確定性因素的處理思想是不一致的，采用模糊方法不是盲目地追求相關的預測精度，而是要構建預測數據的分布情況，而采用神經網絡法則是要合理的對現有數據進行分析，確定自變量和因變量的關系，進而達到合理預測電價的目的［10］。

為了合理地預測市場成交價格，需要掌握購售雙方的報價預期，關于報價的預測可以通過預測節點邊際電價來實現。通過對發電和負荷進行整體優化，并將電網容量的優化配置及對固定成本的影響考慮進來［11］，可構成一種中長期節點電價模型。式中PD和PG分別為第t個出力或負荷特性時段（如豐水期、枯水期）的第i個節點電力需求和第j個節點發電出力；TU為電力消費效用；C為發電成本函數；分別表示在第t個時段發電商的最大容量約束和最小容量約束的Lagrange乘子。

通過中長期節點電價信號，包括發電商、售電商等電力交易主體可以求解未來一個電網投資周期內各時段的發電、用電和輸電價格，這個價格反映了未來中長期市場均衡狀態下的電力成本和需求信息。因此，該電價能夠較大程度反映未來市場的報價，給予電力交易、電網規劃或電力投資明確的中長期價格信號。

4 關于市場交易影響的處理方法

4.1 模擬交易與分區平衡

預測得到未來各方的報價水平后，交易成交價格（出清電價）可通過電力市場交易模擬來獲取。

典型的撮合交易機制是按照“高低匹配”的交易規則［12］，首先撮合優先級最高的買家和賣家的交易，交易的成交價格為交易雙方報價的平均值，然后撮合優先級次高的市場成員的交易，以此類推。交易模型如下：

式中r和d分別為用戶的出價及其交易電量需求；π和s分別為發電廠商的出價及其交易電量需求；c為邊際傳輸耗費；Q為成交電量。

這是一個關于交易中心求利潤極大的優化模型，目標是使得社會總福利E最大化［13］。求解該模型即可得到全局最優下的用戶和發電廠交易方案。

掌握交易方案中的電量規模及布局后，可以結合各地區的年出力情況和負荷利用小時數，推出全網各典型方式下的開機方式和負荷分布，進而得到地區間的電力流規模及流向，如圖2所示。該圖即圖1虛框內的詳細流程。出清電價作為輸入量接入到電價響應分析模塊中可以得到負荷預測修正量。

圖2 關于市場預期的模型化處理方法Fig.2 Model processingmethod about power market expectations

4.2 電價響應分析

利用彈性系數可以獲取負荷對電價變化的響應模式［14-15］。彈性系數本身可以通過對歷年電價調整前后的數據進行統計分析來獲取。其中采用的電價響應模型如下：

式中Q、L和P分別為目標地區的電量、電力和電價，彈性系數εQ，k表示節點k的電量對預測電價響應，彈性系數εL，k表示節點k的電力對預測電價的響應。

5 案例分析

以中國某省電力市場試點為例進行長期負荷預測計算。首先，初步負荷預測。收集2000年～2015年各地區的年電量和最大負荷值；利用灰色神經網絡模型獲取未來十年的電力電量水平。其中，2025年負荷預測結果如表1所示。

表1 常規負荷預測結果Tab.1 Preliminary load forecasting results

基于以上預測結果，按照比例把各地區的電力電量分配至各節點，結合電源規劃，利用節點電價預測方法預測節點邊際電價。經交易模擬可以得到全網交易配對結果，取輸配電價￥0.20/kWh，得到各節點在市場中可能拿到的成交價格，如表2所示。本文僅以電網中的500 kV節點為例進行分析。交易模擬環境為豐水期大方式。

按照電價響應分析，對負荷預測結果進行修正。收斂后，可得到2025年的各節點上下網電力電量預測結果。扣除地方電源，可以得到各地區的負荷預測結果，如表3所示。

表2 節點報價和成交電價預測結果Tab.2 Prediction results of LMP and transaction price

表3 中長期電力負荷預測結果Tab.3 Long term load forecasting results

6 結束語

為積極適應市場化改革，科學地謀劃電網發展，指導電網投資建設，本文把電價預測和市場交易的影響加入到負荷預測中來，探索研究了考慮電力市場交易的長期負荷預測方法。

該方法運用了多個功能模塊，其中不僅包含了傳統負荷預測，還引入了電力市場中供需雙方關于市場交易的預期，并將這個預期通過電價響應的方式反應到預測值的修正循環中來。算例結果顯示，本文所提方法能逐步修正負荷預測值，有效引入市場交易對長期負荷預測的影響。

力求提升長期負荷預測的準確性，并為市場環境下的負荷預測工作提出建議。下一步工作將進一步驗證該方法的有效性，并加以完善。