夏季城市用電短期負荷預測方法研究

肖啟志，何葵東，肖 楊

（1.五凌電力有限公司，湖南 長沙410004；2.國家電投水電產業創新中心，湖南 長沙410004）

0 引言

近年來，氣象觀測和預報技術取得了較大進展，帶動了相關氣象應用領域技術不斷突破和創新。精細化溫度預報是氣象部門對社會公眾發布以城市為對象的逐小時溫度預報產品。它每天計算2次，每次從當前時間開始預報未來24 h城市溫度，步長為1 h。目前短時（24 h）城市逐小時溫度預報具有92%以上的預報精度[1-3]。

夏季是城市用電負荷高峰期，用電負荷預測是電力公司生產調度計劃的基礎。目前，國內外多篇文獻研究了氣象與負荷預測的關系：文獻[4]提出了從海量氣象、負荷數據中挖掘特定氣象條件下的負荷變化規律，由多粒度氣象信息匹配算法，求取預測日曲線的多分段相似日的算法；文獻[5]使用實時氣象數據的思想，在實際算法中采用了尋找歷史數據中日最高溫度與負荷相似日的算法；文獻[6]介紹了2種應用土耳其電力市場的短期負荷算法，包括季節性移動平均自回歸算法和人工神經網絡算法，2種方法的核心也是從歷史負荷數據中尋找相似日；文獻[7]介紹了基于模糊神經網絡和自回歸條件方差模型的小波變換短期負荷預測方法，并對多種預測方法的精度進行了比較；文獻[8]利用各個樣本關聯度投影值排序得到相似日集合，預測方法中使用預測日集合特征向量完成預測；文獻[9]、文獻[10]則是以日最高溫度和最低溫度為標準，在歷史數據中尋找相似日的算法。這些依據歷史數據總結出來的擬合曲線，無法跟蹤隨機事件（一場短時降雨、一場局地短時強對流大風）的變化，使得夏季日內負荷預測的精度達不到要求。因此，本文提出了一種以日內精細化溫度預報值預測日內96點負荷預報值的數值分析方法，該方法具有能更快速反映溫度與負荷關系的能力。

1 數據關系分析及算法原理

夏季高溫時期的主要負荷為居民降溫用電負荷，城市的溫度變化是居民降溫用電負荷變化的主要因素，其他氣象因素通過溫度的變化間接影響用電負荷[11]。

1.1 分析負荷差商值與溫度差商值之間的關系

從歷史數據中抽取華東某城市2015年、2016年、2017年每年7—8月逐小時預報溫度與城市負荷的差商值進行比較，分析負荷差商值與溫度差商值之間的關系。

a）計算預報溫度值對時間的差商值。預報溫度值對時間的差商序列f為

其中，f（tj+1）表示tj+1時間點上預報溫度對時間的差商值，j=0，1，2，…，N，Δh=1（這里設每60 min間隔為1），j為總的時間間隔點，取值24。

b）計算城市負荷值對時間的差商值。城市負荷值對時間差商值形成的序列值F為

其中，F（tj+1）表示tj+1時間點上負荷對時間的差商值，j=0，1，2，…，N，Δh=1（這里設每60 min間隔為1）。

c）計算2個數據序列的相關性系數。其計算公式為

其中，R是相關性系數；COV（f，F）是f序列數據與F序列數據的協方差；D（f）、D（F）分別是f序列數據與F序列數據的均方差。

使用2015年—2017年夏季數據，通過式（3）計算得到的負荷差商值與溫度差商值日相關性系數如表1所示。

由表1可知，f序列數據與F序列數據相關性高度一致，可以設定為

其中，k為負荷與溫度的比值系數。

按照極限理論，時間間隔足夠時（如時間間隔15 min），式（4）可以寫成

1.2 算法原理

已知近期的等距歷史負荷值，根據上面分析得出未來負荷值的導數值，這是典型的一階微分方程初值問題，如式（6）所示。

這個方程中f（x，y）函數未知，只知道在x1，x2，x3，…上的y′（x）離散值，現在求解在x1，x2，x3，…上的y（x）值。

采用數值分析方法中精度較高[12]的改進四階龍格庫塔預估校正數值解法。改進四階龍格庫塔預估校正數值解法，是數值計算中的微分方程計算方法，在已知當前點實際值及未來多點導數值的條件下，以迭代方式，隨著預報點排列次序一步一步用遞推方式向前推進，完成未來多點值的計算。計算方程為

2 算法模型

假設需要預測夏季高溫時段（7月—8月）m日j+1時刻的負荷值。

已知未來24 h時間點上溫度預報值T（j）（j=0,1，2，…，23），應用三次樣條插值法將其插值到15 min間隔點上，形成的溫度精細化預報值T（tj）（j=0，1，2，…，95），計算溫度導數值并轉化成負荷導數值。

其中，f（tj+1）表示未來tj+1時間點預報溫度對時間的導數值，j=0,1，2，…，95，h=0.25（設每15 min間隔為0.25）；K1為前一日溫度平均值；F（tj+1）表示未來tj+1時間點負荷預測的導數值；K2為前一日負荷平均值。

改造式（7），增加調度部門已知的大型負荷企業計劃投運（或退出）負荷值為

其中，h=0.25（設每15 min間隔為0.25），Qjh是調度部門已知的大型負荷企業計劃投運負荷需求，在實際應用中需手工輸入。

3 模型應用及算例分析

使用該算法對華東某大型城市2019-07-01—2019-08-30之間的城市負荷進行了日前96點負荷計算的算例分析，如從2019-07-23 T18：00開始預報未來96點（每15 min為1個預報值）的城市用電負荷預測值，已知18：00的城市用電負荷實際值，作為初始條件Q0，并知道未來24 h城市溫度預報值，采用式（10）計算18：15，18：30，…到2019-07-24 T18：00城市負荷預報值。將預測結果與回歸預測算法、歷史負荷導數法進行了精度對比分析，得到如表2所示的結果。

表2 3種算法的預測準確率比較

從表2可以看出，基于精細化溫度預報的夏季短期負荷算法較回歸預測算法、負荷導數算法有較大的優勢，這主要是基于精細化溫度預報的夏季短期負荷算法利用了精細化溫度預報值作為負荷預測已知條件，屬于已知未來的精細化線索，然后做出預報；而回歸預測算法與負荷導數算法是從歷史數據中總結規律（或尋找規律）。這兩種類型算法思路是有本質區別的。

4 結束語

電網生產運行與外部氣象環境密切相關，氣象環境對電網的優化調度、運行安全有重要的影響，而氣象技術領域的進步必然也會帶動電網領域的技術發展，先進和高精度的氣象預報技術會帶來電網經濟效益的明顯提升，這就需要熟悉兩個領域的技術人員，分析氣象領域技術優勢，研究與電網生產需求相結合的深度應用方法，提高電網領域的經濟效益。

本文提出了基于精細化溫度預報實現夏季短期負荷預測方法，是氣象精細化技術應用于電網領域的一種嘗試，氣象領域中數值天氣預報、雷達數字回波產品、衛星遙感數據信息等內容都可以為電網的生產提供更加直觀、可靠的生產應用服務，并能夠產生巨大的經濟效益，但這些都需要深度分析與檢驗的過程，本文研究的模型目前在華東地區夏季高溫季節適用性良好，但在其他地區的預測精度還需要進一步檢驗。