基于智能技術(shù)的電力系統(tǒng)負(fù)荷預(yù)測(cè)技術(shù)研究進(jìn)展

栗風(fēng)永, 楊 洋

(上海電力大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 上海 200090)

電力負(fù)荷預(yù)測(cè)是指通過(guò)模型處理負(fù)荷的歷史數(shù)據(jù)和天氣數(shù)據(jù),在滿足精確度的條件下,對(duì)未來(lái)一段時(shí)間某個(gè)地區(qū)的負(fù)荷進(jìn)行預(yù)測(cè)的方法。提高負(fù)荷預(yù)測(cè)的精確度,對(duì)用電管理、能源消耗的控制、電力系統(tǒng)的經(jīng)濟(jì)消耗和社會(huì)收益都有著非常重要的意義。電力負(fù)荷預(yù)測(cè)已經(jīng)成為電力系統(tǒng)管理現(xiàn)代化、智能化必不可少的一環(huán)[1-4]。已有的負(fù)荷預(yù)測(cè)方法有很多種,例如差分自回歸移動(dòng)平均模型(Autoregressive Integrated Moving Average Model,ARIMA)[5]、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)[6]、支持向量回歸(Support Vactor Regerssion,SVR)[7]等。

電力負(fù)荷預(yù)測(cè)在時(shí)間跨度上可以分為超短期、短期、中期和長(zhǎng)期負(fù)荷預(yù)測(cè)。好的短期負(fù)荷預(yù)測(cè)方法不僅影響合理的發(fā)電計(jì)劃和實(shí)時(shí)電價(jià),還方便電力企業(yè)對(duì)負(fù)荷進(jìn)行及時(shí)調(diào)整,使用電企業(yè)在進(jìn)行重要作業(yè)時(shí)避開(kāi)用電高峰,在經(jīng)濟(jì)層面對(duì)發(fā)電廠進(jìn)行調(diào)峰有著重要意義[8]。在規(guī)模上,負(fù)荷預(yù)測(cè)可以分為電網(wǎng)層級(jí)的負(fù)荷預(yù)測(cè)和用戶層級(jí)的負(fù)荷預(yù)測(cè)。電網(wǎng)層級(jí)的負(fù)荷預(yù)測(cè)對(duì)電力系統(tǒng)的穩(wěn)定運(yùn)行和合理改善有著重要的意義。用戶層級(jí)的負(fù)荷預(yù)測(cè)與售電公司相關(guān),售電公司需要對(duì)用戶做出合適的負(fù)荷預(yù)測(cè),根據(jù)預(yù)測(cè)結(jié)果找出合適的售電方案。與電網(wǎng)層級(jí)的負(fù)荷預(yù)測(cè)相比,用戶層級(jí)的負(fù)荷預(yù)測(cè)容易受天氣和節(jié)日等因素影響,具有較大的隨機(jī)性,預(yù)測(cè)更加困難[9],所以在不同場(chǎng)景運(yùn)用不同的預(yù)測(cè)方法尤為重要。

近些年迅速發(fā)展的軟硬件技術(shù),使得針對(duì)智能電網(wǎng)的負(fù)荷預(yù)測(cè)新興技術(shù)和方法不斷涌現(xiàn),無(wú)論是將傳統(tǒng)算法與新的算法相結(jié)合,還是將大數(shù)據(jù)和深度學(xué)習(xí)等現(xiàn)代熱門技術(shù)積極引入,都取得了眾多創(chuàng)新性的成果。……