面向園區典型用戶電負荷預測的新方法

潘宇婷

(上海電力設計院有限公司，上海 200025)

能源互聯網是未來我國能源供給、消費、體制、技術革命的重點方向。鑒于冷、熱等能源無法同電能一樣遠距離、大規模傳輸，城市、園區、樓宇等局域范圍的能源互聯網將是未來的主要發展方向。

截至2017年，上海共有99個產業園區，國家級工業區22個，省級工業區52個，市級以下產業園區25個。局域能源互聯網以110 kV及以下配電網為核心，適應各種分布式電源及電動汽車接入，能夠實現需求側響應與管理，在局域范圍內實現多種能源的綜合調度和互聯共享。局域能源互聯網技術涉及電、冷、熱、氣等多學科領域，目前國內對于局域能源互聯網規劃設計技術的研究尚處于起步階段，成熟商業化運行的案例較少。

因此，結合園區負荷預測，綜合考慮多能融合情況，以規劃設計為著力點，理清各類能源規劃之間的關系，引領未來能源互聯網的發展方向，是一項十分重要的工作。電力負荷預測是園區微電網規劃、光伏風電消納分析等業務場景的基礎性工作，其準確性直接影響著電網規劃質量的優劣。根據園區電力負荷預測結果，可以預見性地對園區開展電力規劃。

1 負荷密度預測方法

1.1 電力負荷預測方法

電力負荷的預測方法包括神經網絡、極限學習機、小波分析理論、支持向量機、D-S 證據理論等。當前主要的電力負荷預測方法有3種模型：線性模型、非線性模型和混合線性。通過對比每種預測模型可以發現，針對不同區域、不同時間節點的負荷變化情況，采用組合預測方法更有助于合理地預測實際負荷變化規律[1]。這些負荷預測方法并未考慮具體的負荷位置分布，為了滿足電力負荷精細化管理需求，空間負荷預測方法在規劃常規變電站、開關站選址定容的情況下，成為園區電力負荷預測的主要方法[2-3]。

空間電力負荷預測法的缺點是，僅通過調節同時率計算全年最大負荷值[4]。改進的空間負荷預測法通過疊加不同業態的日負荷曲線，提高了負荷預測的準確度[5-6]，但是并未涉及不同季節特性下日負荷的情況。文獻[7]針對常規負荷預測方法中，對于典型用戶的預測方法及模型關注度不充分等問題，構建了基于多時序的負荷預測模型，并與實際負荷值曲線進行對比，最終得出較為精準的負荷預測值。

1.2 多能互補中的負荷預測方法

能源互聯網涵蓋了供電、供熱、供氣及電氣化交通等能源系統，集成了多種形式的供能、能量轉換和儲能設備，在源、網、荷等不同環節實現了不同類型能源的耦合。

文獻[8]運用馬爾科夫鏈模型，分析不同類型電動汽車在一天中的動力電池荷電狀態變化情況，得出商業、休閑、居民區域電動汽車快充、慢充負荷需求曲線，從而均衡優化規劃區的充電樁數量配置。文獻[9]設計了一種新型的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，多元負荷預測方法充分考慮了冷、熱、電負荷中多個變量的相互耦合關系，能有效提高負荷的預測精度。

目前多能流耦合潮流計算主要考慮電力、天然氣和熱力系統的能量流分布計算，且主要從模型和求解方法兩個方面進行研究。在模型上可分為：電力系統模型、天然氣系統模型、熱力系統模型。對于電力系統模型，文獻[10]采用直流潮流模型，文獻[11]采用交流潮流模型。對于天然氣系統模型，文獻[12]采用不考慮壓縮機的天然氣管道穩態模型。在熱力系統方面，文獻[13]采用的是熱力系統的穩態模型。文獻[14-16]針對綜合能源系統中的多元負荷進行優化建模，能夠達到系統熱電解耦等效果，比傳統負荷預測方法的預測結果更為優化。

2 改進的負荷密度預測方法

通過分析負荷預測方法，基于能源發展的新態勢，本文采用新的負荷預測方法，即結合負荷密度指標法和負荷特性曲線擬合法，依據典型用戶典型日(工作日、休息日、節假日)的負荷數據，建立相應的負荷特性曲線歸一化模型，并考慮全年最大負荷特性，得出全年園區負荷密度預測曲線，從而提高負荷預測的準確性。

2.1 負荷密度指標法

負荷密度指標法是根據預測年限內負荷密度與用地面積(建筑面積)來推算最高負荷。負荷密度指標法通常可分為單位建筑面積負荷密度法和占地面積負荷密度法[4]。兩者均考慮地塊占地面積、地塊負荷密度指標以及同時率等因素，這樣看來負荷密度指標的選取就至關重要。

目前應用于負荷預測最常用的方法就是基于負荷密度指標法得到的空間電力負荷預測法。因為影響負荷密度指標選取的因素很多，采用類比推測獲得的負荷密度指標難以符合實際負荷的需求情況。文獻[17]通過獲取需要預測地塊的預測參數，包括地區建設水平參數、地塊數據參數、地區產業結構參數、地塊位置參數等，在對這些參數進行歸一化處理后，將其輸入至預先設置好的負荷密度指標預測模型，經過運算處理，得到待預測地塊的負荷密度指標，從而增加負荷密度指標的準確性。

2.2 負荷特性曲線擬合法

負荷特性曲線擬合法是指根據最大負荷值以及各類用戶典型日的負荷特性曲線，擬合得到園區典型日總的負荷特性曲線。它可以按照一年中不同季節的工作日、節假日負荷特性直觀反映負荷變化特性。

改進的負荷預測方法具體建模流程見圖1。

3 負荷預測實例分析

通過查詢數據采集與監視控制 (Supervisory Control and Data Acquisition, 簡稱SCADA)系統獲得不同業態一年中實際負荷數據，并通過空間負荷預測方法和結合負荷特性的歸一化負荷模型方法，得到相應的負荷數值；再將實際負荷與這兩種方法得到的數值進行比較，得到本方案在預測負荷方面的優越性。

3.1 單個業態負荷預測實例

以上海郊區某工業制造企業為例，該企業集生產與研發為一體，占地面積為120 000 m2，通過查詢SCADA系統中該制造企業四季中，每個季節的工作日、休息日、節假日里面典型日的實際負荷數值，得出一類工業用地一年中的實際負荷情況。

通過查閱《20 kV配電網規劃與改造》中“不同用地性質典型負荷密度參考指標”、以及GB/T 50293—2014《城市電力規劃規范》等資料[4]，按照上海郊區工業負荷密度指標常規值，選取該工業制造企業的負荷密度指標值為66 W·m-2進行計算分析。

該工業制造企業四季不同作息時間的典型日歸一化負荷特性曲線見圖2。

以當日最高負荷為基準的歸一化曲線的各季節24小時負荷，工作日、休息日、節假日的負荷特性如圖2所示。由圖2可以看到，在日負荷特性上，該制造企業呈現出明顯的日高峰特點，無論哪個季節，日高峰負荷一般出現在上午10—12時以及下午15—17時，中午13時由于工人午休導致負荷明顯下降，18時之后負荷基本處于下降趨勢。

通過歸一化處理后，得到四季不同作息時間的負荷特性曲線，再結合負荷密度指標及年系數得出全年的負荷數值，同時列出相對應的實際負荷值，具體見表1。

參照負荷密度指標，按照傳統的空間負荷預測法得出的負荷數值見表2。

這3種方法得出的該工業制造企業全年負荷數值見圖3。

從圖3可以看出，采用歸一化負荷密度指標法得到的負荷結果比傳統空間負荷預測法更接近實際負荷值。

3.2 綜合業態負荷預測分析

通過查閱規劃單位建設用地負荷類型，本文選取幾類典型用戶的負荷數據情況，從中分析歸一化負荷特性曲線的變化趨勢。典型用戶具體類型見表3。

表3 典型用戶具體類型

通過運用SCADA系統和PMS軟件，將表3中典型用戶一年四季典型日負荷曲線歸一化處理后，整理出符合常規用地性質變化規律的典型用戶典型日負荷曲線，具體見圖4。

將典型用戶典型日全年負荷特性曲線應用于待預測的規劃園區，并結合該園區域各個地塊的建筑面積，負荷密度指標等相關數據，可以較為準確地估算出該規劃園區的全年負荷情況，為電力人員合理規劃變電站容量和站址，以及后續開展園區多能互補系統提供可靠依據。

4 結語

能源互聯網是推動我國能源革命的重要戰略支撐，對適應可再生能源規模化發展、提升能源開發利用效率、推動能源市場開放和產業升級、形成新的經濟增長點，以及提升能源國際合作水平等均具有重要意義。

本文研究了不同地塊典型用戶全年典型日負荷特點，并提出了一種新的負荷預測方法，將負荷密度指標法和負荷特性擬合法相結合，建立典型用戶相應的負荷特性曲線歸一化曲線。結合上海市各個典型用戶的實際用電量進行對比分析，實驗結果證明，所提出的新的電負荷預測方法的預測結果更為準確，可為園區綜合能源系統進行負荷特性預測奠定基礎。