大同電力負荷預測新方法

蘇晨

摘 要：負荷預測是電網規劃、設計、調度、運行控制等工作的重要基礎，是制定電力系統運行方式的重要依據，是電力系統安全、經濟運行的前提和保障。準確的負荷預測，可以保證社會的正常生產和生活，有效提高經濟效益和社會效益。因此，電力負荷預測對于保證電力工業的健康發展，乃至整個國民經濟的發展均有著十分重要的意義。本文通過對負荷密度法和時間序列法相結合，針對中期負荷預測提出了一種新的電力負荷預測模型，并對大同市電力負荷進行了預測。

關鍵詞：負荷預測 負荷密度法 時間序列法

中圖分類號：TM7 文獻標識碼：A 文章編號：1672-3791（2013）03（a）-0132-02

1 研究的目的和意義

用電負荷是指電能用戶的用電設備在某一時刻從電力系統取用的電功率的總和。針對用電負荷的預測即為負荷預測。負荷預測是電網規劃、設計、調度、運行控制等工作的重要基礎，是制定電力系統運行方式的重要依據，是電力系統安全、經濟運行的前提和保障。準確的負荷預測，可以經濟合理地安排電網內部發電機的啟停，保持電網運行的安全穩定性，減少不必要的旋轉儲備容量，合理安排機組檢修計劃，保證社會的正常生產和生活，有效提高經濟效益和社會效益。因此，電力負荷預測對于保證電力工業的健康發展，乃至整個國民經濟的發展均有著十分重要的意義[1]。

長期以來，專家學者在電力負荷預測的理論和實踐上展開了廣泛的研究，按預測方法的參考體系來看，預測方法可以分為確定性預測法和非確定性預測法兩類。前者把電量和電力負荷用一個或一組方程來描述，電量和電力負荷與影響其變化的因素之間有著明確的對應關系。這類方法常采用的模型多達幾十種，如彈性系數法、時間序列法等。非確定性預測法認為電力負荷的變化受眾多模糊、不確定的因素影響，它不可能用精確的現實數學方法來描述，主要有灰色預測法、模糊預測法等[5]。

本文通過對負荷密度法和時間序列法相結合，針對中期負荷預測提出了一種新的電力負荷預測模型，并對大同市電力負荷進行了預測。

2 負荷預測的基本方法

電力負荷預測又分為長期、中期和短期預測。長期負荷預測一般指5～10年及以上并以年為單位的預測，主要是用于制定電力系統的擴建規劃，它為所在地區或電網的電力發展速度，電力建設規模，電力工業布局等工作提供了可靠的依據。中期負荷預測指2-5年左右并以年為單位的預測。短期負荷預測指次日到第八日的負荷預測，每日按照96點編制，主要用于安排調度計劃，包括確定機組起停、水火電協調、燃料采供、聯絡線交換功率和設備檢修等；超短期負荷預測是指預測自當前時刻開始以5 min、10 min或15 min為預測周期未來若干時段的用電負荷，主要用于AGC和安全監視。

中期負荷預測方法主要包括單耗法、負荷密度法、人工神經網絡法、時間序列預測法等。此類預測方法對計算模型精度和運算速度沒有特殊要求。中期負荷預測法具有非常強的規律性，不同于長期負荷預測辦法，其以一年中的十二個月負荷變化的特性作為主要研究對象.具有很強的周期性、季節性以及趨勢性。同時在建立負荷預測模型時，需要綜合考慮電網系統所在地區的氣溫、氣候、工農業結構組成等影響因素。中期負荷預測是電網系統規劃、節能經濟運行、增容改建、技術升級改造、調度計劃制定等各項工作開展的重要前提，是各級電力規劃部門研究的一個重要內容。

2.1 時間序列法

時間序列法是利用按時間順序排列的數據預測未來的方法，是一種最為常見的負荷預測方法，針對整個觀測序列呈現出的某種隨機過程的特性，去建立和估計產生實際序列的隨機過程的模型，然后用這些模型去進行預測。它利用了電力負荷變動的慣性特征和時間上的延續性，通過對歷史數據時間序列的分析處理，確定其基本特征和變化規律，預測未來負荷。

時間序列預測方法可分為確定型和隨機性兩類，確定型時間序列作為模型殘差用于估計預測區間的大小。隨機型時間序列預測模型可以看作一個線性濾波器。根據線性濾波器的特性，時間序列可劃為自回歸（AR）、動平均（MA）、自回歸-動平均（ARMA）、累計式自回歸-動平均（ARIMA）、傳遞函數（TF）幾類模型，其負荷預測過程一般分為模型識別、模型參數估計、模型檢驗、負荷預測、精度檢驗預測值修正5個階段。

2.2 負荷密度法

負荷密度是每平方公里的平均負荷值。負荷密度法主要預測原理是將某電網劃分為若干預測小區，然后進行每個小區電能需求總量的預測，最后通過相加獲得規劃區城市電網的負荷總量預測量。一般不直接預測整個城市的負荷密度，而是根據城市發展規劃、人口規劃、居民收入水平增長等情況，按城市區域或功能分區。首先計算現狀和歷史的分區負荷密度，然后根據地區發展規劃及各分區負荷發展的特點，推算出各分區目標年的負荷密度預測值。

至于分區中的少數集中用電的大用戶，在預測時可另作點負荷單獨計算。由于城市的社會經濟和電力負荷常有隨著某種因素而不連續（跳躍式）發展的特點，因此應用負荷密度法是一種比較直觀的方法。

3 加入負荷密度的時間序列法

負荷密度法是電力系統中一種典型的自下而上的負荷預測法，而時間序列法則利用了電力負荷變動的慣性特征和時間上的延續性，通過對歷史數據時間序列的分析處理，確定其基本特征和變化規律，預測未來負荷。因此，我們可以將二者結合起來對負荷進行預測。

3.1 負荷分類

對負荷進行分類，用電負荷即為產業發展中所使用的負荷。我們首先對產業進行結構分類，可分為三個產業，第一、第二和第三產業。對之進行進一步細化，第一產業可分為農業、林業、牧業、副業、漁業；第二產業可分為采掘工業、制造業、能源產業和建筑業；第三產業可分為流通產業和服務產業；流通產業進一步可分為交通運輸、郵電通訊、商業、飲食業、物流倉儲等；服務產業可進一步分為生產服務和生活服務。用公式表示為A={A1、A2、A3……An}。

對負荷性質按時間進行劃分，一年內負荷可分為正常日負荷、節假日負荷。一日內負荷可分為高峰負荷、低谷負荷、正常負荷。排列組合后用公式表示為B={B1、B2、B3、B4、B5、B6}。

3.2 負荷穩定性分析

負荷穩定性分析，是通過對負荷進行數據分解與成分分析，量化評估本地區不同時段負荷發展的內在規律性和穩定性的過程。主要采用傅立葉分解等手段對若干連續日負荷曲線進行頻域分解，分解為日周期分量、周周期分量、高頻分量和低頻分量，量化分析形成穩定度上限與下限，評估預測的可能精度范圍。負荷穩定性分析的基本思路如下。

（1）對指定建模時域的負荷時間序列做如下有限傅立葉分解：

（2）進行周期性成分重構：

其中：

a0+D（t）為日周期分量；W（t）為周周期分量；L（t）為低頻分量；H（t）為高頻分量。

3.3 氣象靈敏度分析

氣象靈敏度分析，是指通過對氣象指標與負荷指標進行相關性建模的過程。其主要內容是從數學上找出其最佳擬合函數，并對其中的待定參數做出最優的估計，給出相關程度的度量值，從而形成靈敏度指標，定量評估氣象指標對負荷指標的影響。而其中的氣象指標主要包括日最高溫度、日最低溫度、日平均溫度、日降雨量、日濕度、日照時間、氣壓等；負荷指標主要包括日最大負荷、日最小負荷、日平均負荷、日電量等。

3.4 小結

本文通過對P（P=A×BT）種負荷分別進行擬合分析，結合負荷穩定性分析和氣象靈敏度分析進行時間序列法建模，再運用歷史數據對模型進行校驗，并加入壞點剔除功能，從而對負荷進行正確預測。

4 負荷預測結果

依據上述理論，通過驗算2005年至2011年三次產業負荷等數據，對模型進行完善后。依據產業發展趨勢，參照分產業用電量數據增加值、GDP數據和天氣預報等相關數據，得出以下結論（見表1）。

5 結語

做好負荷預測工作，需要進一步完善負荷預測數據庫，通過對電廠、大用戶、居民負荷的實時數據的采集，進一步改善算法，進一步提高負荷預測準確度。需要與氣象建立長期穩定的溝通機制，第一時間掌握天氣變化的信息，有效應對地區天氣變化對負荷的影響，作出正確預測。需要找出影響地區負荷變化的主要因素，了解工、農業生產的工藝流程和負荷變化規律，及時與工、農業管理部門溝通信息，在此基礎上用掌握的信息指導預測工作，提高了預測準確率。

參考文獻

[1] 王鵬.負荷密度法在電力系統負荷預測方面的應用研究[J].北京電力高等專科學校學報，2011，28（10）.

[2] 吳立君，王何舟，嚴瑩.電力需求與經濟發展相關性分析[J].水電能源科學，2009（3）.

[3] 黃士勇，東鷺，熊寧，等.供電區所轄市縣電量需求預測，江西電力，2011（5）.

[4] 王思超，郭濤.電力系統負荷預測分析方法[J].東北電力技術，2005（11）.

[5] 李勇杰，孫楊.電力負荷預測方法的研究和比較—— 江蘇省2012-2017年負荷預測，時代經貿，2012（35）.