地區(qū)電網短期負荷預測系統(tǒng)設計

付學謙，陳皓勇，牛銘，金小明

(1.華南理工大學電力學院，廣州市510640;2.廣州供電局有限公司，廣州市510620;3.南方電網科學研究院，廣州市510080)

0 引言

短期負荷預測是電力系統(tǒng)規(guī)劃、經濟安全運行及調度自動化的重要依據，是現代電力系統(tǒng)能量管理系統(tǒng)的重要內容。短期負荷預測的結果直接用于火電分配、水火電協調、機組經濟組合和交換功率計劃、運行方式的調整計劃等，因此短期負荷預測的精度直接決定了上述各種調度計劃的準確性。各種調度計劃的準確性提高，不僅將提高電網的安全性、可靠性，還可以減少機組的備用，提高電網運行的經濟性。

根據所采用的數學理論和預測工具，可以將預測方法分為經典方法和智能方法兩大類，經典方法通常以統(tǒng)計理論為基礎，最典型的是時間序列法［1］、趨勢外推法［2］、回歸分析法［3］。短期負荷預測方法還有人工智能的事例推理、神經網絡法［4］、卡爾曼濾波、小波分析［5］、模糊集理論、混沌理論［6］、數據挖掘［7-8］、聚類分析等。

負荷本身具有復雜性和不確定性，很難用一種數學模型將各影響因素及其規(guī)律進行有效歸納，各種負荷預測算法均有一定的適用條件［9］。選擇若干預測算法進行組合預測可以提高預測的精度。合理地考慮氣象因素對負荷的影響是提高負荷預測精度的重要因素之一［10］，可以設置氣象因素為負荷預測相關因素類型的內容。電力負荷預測系統(tǒng)采用B/S結構可以從技術上保證系統(tǒng)靈活的擴展能力、良好的可再升級性能和快速移植能力［11］?；贐/S模式的負荷預測管理系統(tǒng)可以實現負荷預測信息共享與統(tǒng)一管理，極大地提高負荷預測效率［12］。

本文設計符合廣州電網電力負荷特性的短期負荷預測管理系統(tǒng)，包括功能設計、外部接口設計、系統(tǒng)體系結構和配置，并對自適應能力進行研究。

1 功能設計

1.1 短期負荷預測

短期負荷預測利用歷史樣本數據，預報出未來1周內指定日期96點(每日00:15～24:00，每15 min 1點)或指定時段的系統(tǒng)有功負荷。文獻［13］對平時和重大節(jié)日期間的負荷預測分別研究，建立了平時日和節(jié)日期間的負荷預測數學模型。預測日可以劃分為普通工作日、雙休日、普通節(jié)假日和重點節(jié)假日。本設計中提供多種先進的算法分別進行普通工作日、雙休日和節(jié)假日的負荷預測。對于重要節(jié)假日，如春節(jié)，能參照陽歷(陰歷)的歷史負荷數據，自動進行預測。

為了克服普通人工神經元網絡負荷預測模型的缺陷，文獻［14］提出了小波神經元網絡電力負荷預測模型，結合了小波變換與人工神經元網絡思想。為避免單一算法的缺陷，本文在設計中采用組合預測法預測短期負荷。組合預測采用線性回歸法、時間序列法、指數平滑法、基于溫度準則的回歸法和人工神經網絡算法，如圖1所示。選擇若干預測算法并設置相應算法的權重系數，即可確定一種組合算法。權重系數自動計算的過程如下:短期負荷預測系統(tǒng)采用當前選擇的算法對當前預測日的前一個同類型日進行預測，假設該同類型日可以取得實際數據，進行誤差分析，最后根據各算法的誤差確定其權重系數。

圖1 組合預測設置Fig.1 Combined forecast setting

負荷預測相關因素只列出有代表性的點，其他點采用線性映射，或分段線性映射的方法來獲得映射后數值。如圖2所示，最高溫度的映射圖縱坐標為映射后數值，橫坐標為映射前數值。例如，32℃映射后數值為0.32℃。

圖2 最高溫度的映射Fig.2 Mapping at highest temperature

相似日樣本類型在確定樣本空間時能夠考慮氣象因素，是比較理想的情況。氣象因素是負荷預測相關因素的重要內容。文獻［15］中對受氣象因素影響的部分采用回歸方法建立氣象因素影響模型，對不受氣象因素影響的部分，幅值大的分量建立回歸神經網絡預測模型，對幅值小的分量建立線形ARMA模型。本設計中的負荷預測相關因素包含了受氣象因素影響的部分與不受氣象因素影響的部分，如圖3所示。

圖3 相關因素設置Fig.3 Relative factors setting

相關因素的取值范圍相差很大。為了反映其影響程度把各影響因素映射到［0，1］區(qū)間上比較，這樣才有可比性。如圖2，最高溫度映射后數值的取值在0和1之間。影響相似度的是映射后數值和系數的乘積，映射前數值的作用相當于一個索引，即與某一因素的實際數值直接對應的是映射前數值，系統(tǒng)可以根據與實際數值最匹配的映射前數值來獲得映射后數值和系數。

特殊事件是反常行為，會導致歷史數據不正常，特殊事件設置如圖4所示。特殊事件一經設置保存，對預測數據和樣本數據都有影響，這一點是與分時段修正不同的。如果不是真正的特殊事件，僅僅是要對預測結果進行分時段修正，可采用分時段修正設置。因事件導致負荷變化量，與實際負荷數據的單位一致，可為正數，也可為負數，正負號應與實際事件導致的負荷變化方向一致。

圖4 特殊事件設置Fig.4 Special event setting

圖5 給出了當預測11月20日以后的某一天，11月20日作為其中一個樣本日時的情況，由上一條曲線可見11月20日的原始數據曲線因受事件的影響而顯得不正常，這會影響負荷預測的結果，因此必須進行處理，下一條曲線即為考慮事件影響并自動進行處理后的樣本數據，顯然系統(tǒng)自動消除了事件對11月20日樣本數據的不良影響。

圖5 11月20日作為樣本的情況Fig.5 November 20th as a sample

1.2 人工干預

用戶干預是提高負荷預測軟件預測準確度的重要手段。主要的人工干預手段包括:特殊事件的設置;各種負荷相關影響因素的人工置入;調整負荷預測參數;樣本數據的修改;直接修正負荷預測結果。其中，負荷預測相關因素的映射前數值和映射后數值由用戶結合本地區(qū)實際情況自行設置，設置好以后，一般不需要經常改變，但是每一種相關因素類型的系數必須根據實際情況經常進行修改。

1.3 考核管理

實現相關的預測考核指標計算和考核功能?？梢杂嬎愠鲱A測合格率、各個預測點的預測誤差、峰谷負荷準確率等各種指標，并通過與設置的考核指標的對比給出考核結果信息。

圖6為廣州電網日考核標準設置。例如某一點的預測值為1 200MW，則允許相對誤差標準為5%，滿足此標準的即為合格點。

圖7為廣州電網的月考核標準設置，按月判斷負荷預測結果是否符合要求。

圖6 日考核標準設置Fig.6 Setting of daily assessment standard

圖7 月考核標準設置Fig.7 Setting of monthly assessment standard

1.4 負荷特性分析

提供全面的、多角度的統(tǒng)計分析工具，實現對負荷特性的分析統(tǒng)計功能，并把分析結果予以發(fā)布。負荷特性主要指標包括日負荷特性、月負荷特性和年(季)負荷特性3個方面。

(1)日負荷特性:日最大(小)負荷、平均負荷、日負荷率、日最小負荷率、日峰谷差、日峰谷差率等。

(2)月負荷特性:月最大(小)負荷、月平均日負荷、月平均日負荷率、月負荷率、月峰谷差、月最大(小)峰谷差率、月平均日峰谷差、月平均日峰谷差率、月不均衡負荷率等。

(3)年(季)負荷特性:年(季)最大(小)負荷、年(季)平均日負荷、年(季)平均日負荷率、年(季)平均月負荷率、年(季)最大(小)日負荷率、季不均衡系數、年(季)負荷率、年(季)最小負荷率、年(季)最大(小)峰谷差、年(季)最大(小)峰谷差率、年(季)平均日峰谷差、年(季)平均日峰谷差率、年最大負荷利用小時數、年負荷曲線、年(季)生產均衡率等。

1.5 用戶管理

提供一套完整的機制來保證系統(tǒng)的安全運行，其中對用戶的身份認證與權限管理是其中最重要的內容。對系統(tǒng)的訪問權限被限制在最細的級別，即用戶所做的每一種操作都需得到管理員的認可。同時對若干種權限組成集合，以方便系統(tǒng)管理員對權限的管理。每一可訪問本系統(tǒng)的用戶都必須被分配一個唯一的用戶號，在進入本系統(tǒng)前，用戶必須以此用戶號進行登錄。用戶權限劃分為下面的3個等級。

(1)系統(tǒng)管理員:擁有系統(tǒng)最高權限，管理所有用戶的權限、登錄身份和口令;擁有其他兩級用戶的所有權限。

(2)負荷預測執(zhí)行用戶:可以執(zhí)行負荷預測的計算、查詢、修改等功能;可以查看、修改負荷預測的所有參數;可以查看、修改負荷預測的實際數據和預測數據;可以查看所有預測項目的預測準確率和負荷分析結果等。

(3)瀏覽用戶:只有查看功能。

2 接口設計

廣州電網短期負荷預測系統(tǒng)與廣州電網EMS系統(tǒng)、廣東省氣象臺和廣東省調度系統(tǒng)通過接口實現數據傳輸。

2.1 與EMS系統(tǒng)的接口

短期負荷預測系統(tǒng)所需要的運行數據取自廣州電網能量管理系統(tǒng)(energy management system，EMS)的Web服務器上的數據庫。

2.2 與氣象數據接口

廣東省氣象臺以文本文件方式提供昨日天氣實況和次日天氣預報數據，通過ftp傳送文本文件方式實現。天氣預報數據內容有:時間、地區(qū)、天氣狀況、氣溫、降雨量、濕度、氣壓、能見度、風力、風向。天氣狀況應該是固定的描述，用代碼表示。溫度缺省單位是℃;降雨量缺省單位是mm;濕度缺省單位是%;氣壓缺省單位是100 Pa;風力缺省單位是級;風向用字母表示:西北風為WN(東、南、西、北分別用E、S、W、N 表示)。

2.3 與廣東省調度系統(tǒng)的接口

短期負荷預測系統(tǒng)可以定時輸出負荷預測結果的文本文件，并自動以ftp方式傳送給廣東省調度系統(tǒng)。

3 體系結構

3.1 網絡接入方式

本系統(tǒng)安裝在安全III區(qū)，所需要的實際數據取自廣州電網EMS系統(tǒng)的Web服務器，與處于I區(qū)的EMS系統(tǒng)通過物理隔離裝置相隔離，從而有效地保證了各級應用系統(tǒng)的安全性。用戶均通過調度數據專用網訪問本系統(tǒng)Web服務器。短期負荷預測系統(tǒng)結構如圖8所示。

圖8 短期負荷預測系統(tǒng)結構圖Fig.8 Short-term load forecasting system structure

3.2 系統(tǒng)結構

負荷預測系統(tǒng)由服務器端與客戶端2個部分組成［16］，并采用由表示層、業(yè)務邏輯層和數據層組成的3層體系結構，如圖9所示。

圖9 體系結構Fig.9 System architecture

(1)表示層面向客戶，用戶通過瀏覽器輸入Web服務器地址訪問Web服務器。

(2)應用服務器作為業(yè)務邏輯層，實現對用戶的接入，接受用戶請求，執(zhí)行復雜運算，并將結果返回給用戶。

(3)數據庫服務器作為數據層存儲數據。

4 系統(tǒng)配置

為實現短期負荷預報系統(tǒng)的功能，需要配置一臺高性能PC服務器，運行W Application Server，所有的應用功能全部部署在該臺PC服務器上。數據庫使用現有的廣州電網EMS系統(tǒng)的服務器，防火墻設備、網絡設備(包括局域網和廣域網設備)，均采用現有配置的設備。

4.1 硬件配置

PC工作站1臺，CPU在1.8 GHz以上，內存1 G以上、硬盤80 G以上，主要用于負荷預測應用服務器。

4.2 軟件配置

系統(tǒng)采用最先進的B/S結構。應用服務器的操作系統(tǒng)采用Microsoft Windows 2003 Server;數據庫服務器利用現有EMS系統(tǒng)Web服務器;客戶端、管理員工作站操作系統(tǒng)為Microsoft windows 95，瀏覽器為版本4.0以上的Microsoft Ineternet Explorer，支持中文環(huán)境網絡接入方式;應用軟件類別包括短期負荷預測、負荷分析、系統(tǒng)管理、界面設計和系統(tǒng)接口。

5 自適應研究

自學習和自動調節(jié)參數算法，使系統(tǒng)能夠自動適應廣州負荷的特征，進一步提高預測精度。對較大的預測誤差，系統(tǒng)會自行糾偏，并且將預測誤差原因反饋。自學習、自適應功能與反饋機制在短期負荷預測中可對模型和參數進行修正，如圖10所示。

圖10 自學習、自適應功能與反饋機制Fig.10 Self-learning，self-adaption and feedback mechanisms

(1)自學習功能:系統(tǒng)自動將操作人員的預測控制策略存儲到專家系統(tǒng)作為學習樣本，在以后的預測過程中，根據結果自動調用專家系統(tǒng)中的方案，從而提高預測精度。

(2)自適應功能:實際預測中不可能所有的算法都能有效完成預測，對此，系統(tǒng)可以自主選擇最合適模型，自動調節(jié)參數，使系統(tǒng)能夠自動適應廣州負荷的特征，進一步提高預測精度。

(3)反饋機制:如果預測出現較大誤差，系統(tǒng)會自行與歷史誤差相比較，并且將預測誤差原因以建議的形式反饋給操作人員，以便于今后對預測精度的改進。

6 結語

本文設計除了實現負荷的短期預測功能外，同時還可以實現相關的預測考核指標考核功能。規(guī)范化的短期負荷預測數據庫可以提高數據共享的程度，最大限度地減小數據的冗余，為各級、各層面工作人員的具體應用提供可靠性高、一致性好的信息來源?；诰W絡數據庫，最先進的B/S結構可以實現數據的集中化存儲，提高數據的利用率和系統(tǒng)的執(zhí)行效率，保證了系統(tǒng)的兼容性，并使系統(tǒng)功能易于拓展。

［1］谷子，唐巍.電力短期負荷時間序列混沌相空間重構參數優(yōu)選法［J］.中國電機工程學報，2006，26(14):18-23.

［2］李栓，劉莉，劉陽.趨勢外推法在電力負荷預測中的應用［J］.沈陽工程學院學報:自然科學版，2005，1(Z1):64-65.

［3］張伏生，汪鴻，韓悌，等.基于偏最小二乘回歸分析的短期負荷預測［J］.電網技術，2003，27(3):36-40.

［4］雷紹蘭，孫才新，周湶，等.基于徑向基神經網絡和自適應神經模糊系統(tǒng)的電力短期負荷預測方法［J］.中國電機工程學報，2005，25(22):81-85.

［5］宋超，黃民翔，葉劍斌.小波分析方法在電力系統(tǒng)短期負荷預測中的應用［J］.電力系統(tǒng)及其自動化學報，2002，14(3):8-12.

［6］楊韜，劉崇新，許喆，等.基于神經網絡與混沌理論的電力系統(tǒng)短期負荷預測［J］.陜西電力，2008(6):6-9.

［7］牛東曉，谷志紅，邢棉，等.基于數據挖掘的SVM短期負荷預測方法研究［J］.中國電機工程學報，2006，26(18):6-12.

［8］朱六璋，短期負荷預測的組合數據挖掘算法［J］.電力系統(tǒng)自動化，2006，30(14):82-86.

［9］鐘惠鋒.提高電網短期負荷預測精度的研究［J］.廣東電力，2011，24(6):97-100.

［10］廖峰，周勇，賀輝，等.集中式省地一體化母線負荷預測系統(tǒng)［J］.電力需求側管理，2011(3):54-58.

［11］端木彬，謝芳，王健，等.負荷預測中氣象因素的影響［J］.山東電力技術，2013(2):20-24，28.

［12］譚海龍，梁建武，孫正軍.基于.NET的電力負荷預測系統(tǒng)設計與實現［J］.微計算機信息，2009，25(6):16-17，9.

［13］陳志業(yè)，牛東曉，張英懷，等.電網短期電力負荷預測系統(tǒng)的研究［J］.中國電機工程學報，1995，15(1):30-35.

［14］牛東曉，邢棉，謝宏，等.短期電力負荷預測的小波神經元網絡模型的研究［J］.電網技術，1999，23(4):21-24.

［15］謝宏，陳志業(yè)，牛東曉，等.基于小波分解與氣象因素影響的電力系統(tǒng)日負荷預測模型研究［J］.中國電機工程學報，2001，21(5):6-11.

［16］牛慶松，程如同，李彬，等.基于SD-SVM 的負荷預測研究與應用［J］.華北電力技術，2012(11):21-26.