多小水電地區日發電負荷預測

吳志加，羅 峰，劉宇拓，李延賓

（廣東電網有限責任公司梅州供電局，廣東 梅州514000）

隨著環保建設的不斷發展和完善，我國已經加大了對風力發電、水力發電、太陽能發電等的重視力度。同時，各級電網開始根據區域能源出力情況，實現電能負荷及運行狀態的調整，有效改善了電網運營的安全性、有效性和可靠性。尤其是在日發電負荷預測方面，采用多種方案確定小水電發電負荷、地區社會負荷情況，達到裝機比例與負荷基數的高效協調，為電網經濟性建設和智能化發展打下了堅實基礎。

電力負荷穩定性直接影響著電網質量[1]。在電網管理過程中必須從電力負荷出發，做好能量分析和調控，以保證電能調度下的功率平衡，減少不必要的電能損耗和資源浪費，這樣才能夠從根本上改善我國電網運行的安全效益和經濟效益。文獻[2]針對小水電發電能力預測所面對的發電不確定性、個站規律性等一系列問題，描述了一種大小水電相關分析的地區小水電發電能力預測方法；文獻[3]為了準確地掌握小水電發電能力等信息，提出了BP神經網絡的小水電負荷預測方法，以便更好地制定綜合發電計劃以及制定合理的調度計劃。

現階段我國電網已經基本實現了常規輸配電模式下“網供負荷”的有效預測，但隨著大規模新能源并網，待測日發電負荷實時波動，導致“網供負荷”發生明顯轉變。如何實現日發電負荷的準確預測，做好基于發電負荷的實時調配已經成為新時期人們關注的焦點。因此，本次研究過程中從多小水電接入地區出發，根據小水電發電的主要特性以及地區“網供負荷”波動基礎上，研究適用于多小水電地區的日發電負荷預測方法。

1 預測方法

1.1 模型分析

線性回歸[4]是“利用線性回歸方程的最小平方函數對一個或多個自變量和因變量之間關系進行建模的一種回歸分析方法”，可以有效確定變量間的復雜關系。

1.2 負荷預測

典型線性回歸模型適用于1組數據的相關性檢驗，而小水電發電過程中涉及到的負荷量較多，僅通過典型模型進行分析很容易出現由負荷變化、負荷波動等引起的線性回歸誤差，嚴重影響日負荷預測的有效性、科學性和準確性。

為此，用于多小水電地區的日發電負荷預測必須借助模糊算法或模糊變量來實現不確定數據的替代，利用模糊數消除由負荷波動引起的取值回歸線差異。

分析過程中假設Y為電力負荷；x0,x1,x2,…,xP-1為獨立變量。

此時，利用最小二乘法求解未知數β0,β1,β2,…,βP-1的估計值并做離差平方和，則：

根據某市級電網小水電裝機比例，假設第j日網供負荷為Pjt，全社會用電負荷為Pjt,s，則可將網供負荷分解為小水電負荷與全社會負荷分別預測[5]。

在實時網供負荷和歷史用電負荷關系式中帶入相關數據，即可得到當日全社會用電負荷：

利用常規的模式識別法、重疊曲線法、點對點法等預測該市級電網覆蓋范圍內的社會用電負荷上標k表示第k種方法的預測結果。同時，可以按照變量間的關系及統計學原理，預測電網多小水電發電負荷

將計算出的全社會用電負荷及小水電發電負荷回歸處理，則得到最終網供負荷模型：

為了保證還原出單一方法預測下網供負荷的可靠性、有效性和準確性，計算出的負荷模型還需要利用統計分析中的權重指標將各點數據二次處理，這樣才能夠使網供負荷的預測數據更加契合真實測算結果。

2 效果評估

本次研究過程中主要通過MATLAB軟件對用于多小水電區域的日發電負荷預測方法的效果進行驗證。

某市級電網小水電并網項目較多，小水電站數量超過1100座，其水電機組比例較高。受該地區亞熱帶季風性氣候影響，夏季地區降雨較為頻繁，小水電出力不均衡，網供負荷波動非常明顯，很容易出現日發電負荷預測結果不準確問題。2020年該市級電網調整日發電負荷預測方法，利用模糊處理后的線性回歸模型實現預測的優化和升級[6]。

2020年5月15日，利用線性回歸方法得到的小水電發電負荷預測結果與實際結果基本一致。上述預測過程中利用模糊處理和組合分析消除了預測值波動，使預測結果更能夠反映真實日發電情況，如圖1所示。

圖1 基于線性回歸原理的日發電負荷實際值與預測值對比

同日，網供負荷分析的過程中在組合分析基礎上將小水電用電負荷和全社會用電負荷綜合分析[7]，利用權重比例消除了各點的統計學誤差，因全社會用電負荷引起的網供負荷相對誤差明顯減小，如圖2所示。

圖2 基于組合方法的網供負荷實際值與預測值對比

3 總結

基于多小水電地區的日發電負荷預測時利用線性回歸模型分析小水電發電負荷間的線性相關性，根據研究仿真較為準確的驗證了日發電負荷預測結果。處理過程中按照模糊處理、統計分析、聚類組合等研究方法實現用于多小水電地區日發電負荷預測的調整和優化，以提升用于多小水電地區的日發電負荷預測的精確度和有效性，具有非常高的研究意義和實用價值。