電力負(fù)荷短期預(yù)測的分析與研究

李瓊

摘要：電力系統(tǒng)負(fù)荷預(yù)測工作一直倍受關(guān)注，它在電力行業(yè)中承擔(dān)重要角色。無論是對電力系統(tǒng)進行經(jīng)濟調(diào)度還是制定運行計劃，或者對其進行實時控制都需要以電力負(fù)荷的預(yù)測為前提，在電網(wǎng)調(diào)度機構(gòu)正常運轉(zhuǎn)和相關(guān)規(guī)劃部門下達(dá)一些決策的過程中，對于電力負(fù)荷預(yù)測的準(zhǔn)確性也有著較大程度的依賴。尋找有效方法來提高負(fù)荷預(yù)測的準(zhǔn)確性是當(dāng)前保證電網(wǎng)安全穩(wěn)定的運轉(zhuǎn)和獲取更多利潤的關(guān)鍵。

關(guān)鍵詞：電力系統(tǒng);負(fù)荷;影響因素

引言

電力系統(tǒng)由發(fā)、輸、變、配和用電5個基本環(huán)節(jié)組成，電網(wǎng)的運行需要保證其運行的經(jīng)濟性、供電可靠性、以及良好的電能質(zhì)量。但由于電能生產(chǎn)的實時性，不能被大量儲存，這就要求電能在發(fā)電和用電之間需要時刻保持著供需平衡，避免電能供電不足或生產(chǎn)過剩等問題。因此為了解決上述問題就需要我們時刻掌握負(fù)荷的變化情況，準(zhǔn)確的電力負(fù)荷預(yù)測能夠成為滿足電力負(fù)荷供需平衡研究的重點。隨著電力系統(tǒng)的發(fā)展和負(fù)荷需求增加，電力人員面臨的新事物與新問題愈加復(fù)雜和重要，負(fù)荷預(yù)測技術(shù)對電力生產(chǎn)和分配的作用愈加明顯。由于電力負(fù)荷需求量不斷增長，負(fù)荷預(yù)測在電力系統(tǒng)中的地位也越來越高。至1970年左右，預(yù)測理論已形成一門綜合性研究學(xué)科，其理論及其應(yīng)用也在各種預(yù)測中發(fā)揮重要作用。到1980年左右，電力系統(tǒng)開始引用預(yù)測理論，指導(dǎo)電力生產(chǎn)和運營。電力負(fù)荷預(yù)測就是考慮電力需求、經(jīng)濟、天氣狀況和政治社會活動等關(guān)聯(lián)因素，分析出歷史統(tǒng)計數(shù)據(jù)找到與負(fù)荷關(guān)聯(lián)因素，運用數(shù)學(xué)模型和運算軟件處理歷史和將來數(shù)據(jù)，在誤差允許范圍內(nèi)預(yù)測到未來某時期用電量大小。負(fù)荷預(yù)測屬于電網(wǎng)規(guī)劃和運營的前期工作，是電網(wǎng)電量合理分配的依據(jù)，是保證電網(wǎng)穩(wěn)定發(fā)電、編制電網(wǎng)運行方式、做好電網(wǎng)供需平衡的關(guān)鍵。

1負(fù)荷的分類

1.1商業(yè)負(fù)荷

在一般情況下商業(yè)部門用電的時間都表現(xiàn)出一定的平穩(wěn)性，但是常常會因為季節(jié)的不斷變化而出現(xiàn)一些變化。雖然在許多用電負(fù)荷行業(yè)中，商業(yè)負(fù)荷的比民用和工業(yè)負(fù)荷的占有量會少很多，但是近年來在經(jīng)濟不斷增長的情況下，商業(yè)負(fù)荷也表現(xiàn)出了極為明顯的上升趨勢，而且在節(jié)假日營業(yè)時間出現(xiàn)增加的情況下對于負(fù)荷預(yù)測的準(zhǔn)確性也造成了一定的影響。

1.2農(nóng)業(yè)負(fù)荷

雖然農(nóng)村用電在總負(fù)荷中所占的比例較小，但其對社會和經(jīng)濟的影響仍不可忽略。農(nóng)業(yè)負(fù)荷首先受季節(jié)的影響較大。一般來說，春、秋季節(jié)的農(nóng)業(yè)負(fù)荷高，而冬夏季節(jié)的負(fù)荷小，這由我國農(nóng)業(yè)生產(chǎn)的規(guī)律所決定。其次，農(nóng)業(yè)負(fù)荷受天氣的影響也較大，雨雪季節(jié)的負(fù)荷小，而晴天的負(fù)荷高。最后，對于短期預(yù)測來說，農(nóng)業(yè)負(fù)荷在白天較高，而在夜晚較小。可以看出，影響農(nóng)業(yè)負(fù)荷的因素較多。

1.3工業(yè)負(fù)荷

工業(yè)負(fù)荷的具體內(nèi)容是指在國家工業(yè)生產(chǎn)過程中為了滿足生產(chǎn)需要而消耗掉的電能。從整體上來說，在眾多用電負(fù)荷行業(yè)之中工業(yè)負(fù)荷所占的比重是最大的，而且工業(yè)負(fù)荷也并不容易受到氣候因素的影響，并且其在一定程度上也具有季節(jié)性的特點，工業(yè)負(fù)荷比其他負(fù)荷的穩(wěn)定性要好得多。

1.4民用負(fù)荷

民用負(fù)荷主要指城市和農(nóng)村的居民用電。影響民用負(fù)荷的主要是季節(jié)、天氣以及時刻點。通常，冬夏季節(jié)的用電量較高，而春秋季節(jié)的負(fù)荷值較小。冬天溫度越高用電量越小;而夏天溫度越高用電量越大。當(dāng)然，白天的用電量也是遠(yuǎn)遠(yuǎn)大于夜晚。因此，影響民用負(fù)荷的因素較多，且各因素之間有一定的關(guān)聯(lián)性。

2負(fù)荷影響因素

2.1電力供應(yīng)能力

如果出現(xiàn)電力供應(yīng)能力不足的情況就必須相應(yīng)地采用一些規(guī)模較大拉閘限電和有序用電的策略，以此來使電網(wǎng)的安全和一些重要的用戶用電需求得到保證。而這些對負(fù)荷變化規(guī)律進行改變的方法必然會影響到電網(wǎng)負(fù)荷的特性。

2.2氣候影響

1） 氣溫。氣溫對負(fù)荷的影響并非是線性的。在氣溫較低時，隨著溫度的增加，負(fù)荷越來大;當(dāng)氣溫超過零攝氏度時，隨氣溫的增加負(fù)荷逐漸減小;當(dāng)氣溫約大約15攝氏度時，隨氣溫的升高負(fù)荷逐漸增大。這種變化規(guī)律主要取決于人們生活用電的需求變化。2）濕度。濕度對負(fù)荷的變化也具有非線性特性。現(xiàn)代醫(yī)學(xué)研究表明，對人體比較適宜的相對濕度為：夏季室溫25℃時，相對濕度為40%-50%;冬季室溫18℃時，相對濕度為60%-70%。研究結(jié)果表明，當(dāng)在夏季時，相對濕度為40%-50%時，負(fù)荷最小;當(dāng)在冬季時，相對濕度為60%-70%時，負(fù)荷最小。由于濕度對負(fù)荷的影響受季節(jié)影響較大，因此，在建立模型時，需要區(qū)別對待。

3短期電力負(fù)荷預(yù)測方法

3.1利用層次聚類法選取相似日數(shù)據(jù)

聚類分析是根據(jù)研究對象的特征按照一定標(biāo)準(zhǔn)對研究對象進行分類的一種分析方法，它使組內(nèi)的數(shù)據(jù)對象具有最高的相似度，而組間具有較大的差異性。聚類可以在沒有先驗分類經(jīng)驗的情況下通過觀察對數(shù)據(jù)進行分類，聚類目前應(yīng)用于很多領(lǐng)域中，包括數(shù)學(xué)、計算機科學(xué)、統(tǒng)計學(xué)等等。聚類算法主要以統(tǒng)計方法、智能計算等方法為基礎(chǔ)，其中，較為常用的是層次聚類。層次聚類算法對數(shù)據(jù)集進行層次分解，直到滿足某種收斂條件為止，即將每一個個體看作一類，然后將相近程度最高的兩類進行合并組成一個新類，再將該新類與相似度最高的類進行合并，不斷重復(fù)此過程，直到所有個體都?xì)w為一類。層次聚類法不需要在生成樹狀的聚類結(jié)果前就指定聚類的數(shù)目，可以建立按距離劃分的樹狀圖，通過樹狀圖可以直觀的發(fā)現(xiàn)樣本數(shù)據(jù)之間的相近程度。由于較多因素都可以對短期電力負(fù)荷的預(yù)測產(chǎn)生影響，因此能否能利用和待預(yù)測日相近日的數(shù)據(jù)是提高短期電力負(fù)荷預(yù)測結(jié)果精度的關(guān)鍵點。所以在預(yù)測前利用層次聚類法將具有高度相似特征的類似負(fù)荷點尋找出來，可以避免基于所有預(yù)測點進行智能預(yù)測時產(chǎn)生的收斂慢的問題。利用層次聚類方法提取相似日電力負(fù)荷數(shù)據(jù)的流程如下：（1）確定預(yù)測影響因素，如天氣，用戶類型，用電日期等，然后選取一定范圍的歷史數(shù)據(jù)作為預(yù)測樣本。（2）針對歷史數(shù)據(jù)，利用層次聚類法，將歷史數(shù)據(jù)按照相近程度進行合并組成新類，不斷重復(fù)此過程，最終歸為一類。（3）根據(jù)聚類結(jié)果，按照待預(yù)測日的特征，選擇和待預(yù)測日最相近的一類進行預(yù)測。

4.2人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)法以某一段時間的負(fù)荷和氣象數(shù)據(jù)作為訓(xùn)練樣本，構(gòu)造合適的網(wǎng)絡(luò)結(jié)構(gòu)，使用訓(xùn)練算法對網(wǎng)絡(luò)進行訓(xùn)練，得出能夠滿足預(yù)測精度要求的神經(jīng)網(wǎng)絡(luò)。比較常用的是BP算法，其優(yōu)點是具有很好的函數(shù)逼近能力，通過對樣本的訓(xùn)練，它可以很好地反映對象的輸入/輸出之間的非線性關(guān)系。但將其應(yīng)用到實際中存在以下缺陷：學(xué)習(xí)算法的收斂速度很慢;網(wǎng)絡(luò)的運行是單向傳播，沒有反饋。也正因為此，之后出現(xiàn)了很多改進算法，比如王志勇等人提出的基于模糊粗糙集和神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法，運用模糊粗糙集理論對采集到的信息進行特征提取、形成決策表利用模糊粗糙集理論進行屬性約簡、去除冗余信息;用得到的屬性作為BP網(wǎng)絡(luò)的輸入進行訓(xùn)練預(yù)測。

結(jié)語

隨著社會經(jīng)濟的不斷增長，人們生活水平不斷提高，人們對于電力供應(yīng)的需求也越來越高，在這樣的情況下，電力負(fù)荷預(yù)測的準(zhǔn)確性將影響人們能否享受到更加優(yōu)質(zhì)的供電服務(wù)。通過對影響電力負(fù)荷預(yù)測準(zhǔn)確性的相關(guān)因素進行分析，希望能夠為電力行業(yè)的發(fā)展和相關(guān)系統(tǒng)的完善做出貢獻。

參考文獻

[1]魏宗儒.簡析電力負(fù)荷預(yù)測對發(fā)展電力市場的作用[J].甘肅科技，2013，17（12）：88-90.

[2]申小玲.電力系統(tǒng)短期負(fù)荷預(yù)測影響因素分析[J].科技信息，2011（5）：773-774.

[3]伊瑞.電力負(fù)荷預(yù)測中的數(shù)學(xué)方法及應(yīng)用研究[D].中南大學(xué)，2006.